基于改进蚁群算法的无线传感器网络路由的优化
发布时间：2021-01-03 20:17
为了延长无线传感器网络（wireless sensor network,WSN）的生命周期,均衡各个节点间能量消耗,针对现有的WSN路由优化算法存在的问题,提出了一种基于改进蚁群算法的路由优化算法;首先通过对蚁群算法和遗传算法的优劣性比较,在蚁群算法的基础上,结合遗传算法的选择、交叉和变异的操作,从而提高蚁群算法的搜索速度和寻优能力;最优路径评价函数综合考虑节点能耗及节点的剩余能量,使剩余能量多的节点优先参与数据转发,均衡节点间的能量消耗;通过与经典蚁群算法及遗传算法的对比实验表明,随着数据转发轮数增加,改进的蚁群算法能耗小,剩余能量多,网络生命周期明显延长;随着整个网络运行时间的增长,改进的蚁群算法,节点均衡能耗性好,最优路径搜索的成功率也明显优于其他两种算法。
【文章来源】：计算机测量与控制. 2016年02期
【文章页数】：4 页
【部分图文】：
图１无线传感器网络的体系结构蚁群算法
数设置为了更好地验证改进的蚁群算法的路径优化性能，需要对其进行仿真研究，采用网络模拟软件ＮＳ２来进行仿真。在仿真开始之前，需要对参数进行初步的设置。进行仿真的传感器点的数目为１０个。蚁群算法仿真所需要的参数为：整个路径中的蚂蚁总个数为１０个，α＝０．２，β＝０．２，ρ＝０．３；遗传算法仿真所需要的参数为：蚂蚁种群的总个数为１０个，在进化过程中最多能够进化１０００次，发生交叉操作的概率为０．９，发生变异操作的概率为０．０１。无线感器网络结构如图３所示。图３无线传感器网络结构图３．２算法的性能评价指标为了能够更好地看出每种算法的优化效率，让结果具有可比性，需要建立算法的性能评价指标。本次指标从路径能量消耗和寻找最优路径的成功率两个方面来完成。同时将改进的蚁群算法和蚁群算法、遗传算法相比较，来体现出改进算法的优越性［１４］。蚂蚁在寻找最优路径的过程中需要不断的消耗能量，那么在寻找最优路径的过程中蚂蚁消耗的总能量为：Ｅ＝∑ｎｉ＝１ｅｉ（５）其中：Ｅ表示的是消耗的总能量，ｅｉ表示的是每个节点消耗的能量。传输过程中的能量消耗采用自由空间模型计算。路径损耗由下面的公式来计算：λ＝ＣＢａｎｄｗｉｄｔｈ（６）ｅｉ＝１４π×距离２×λ２４π（７）因此在已知传感器的初始能量、仿真次数和运行时间的前提下，可以计算出各个节点的剩余能量。３．３仿真结果３．３．１能量消耗仿真结果３种算法的能量消耗总量的仿真结果如图４所示，从图中可以看出，改进的蚁群算法在寻找最优路径的过程中消耗的能量最少，其次是蚁群算法
计算机测量与控制第２４????????????????????????????????????????????????????·卷３２２·无线传感器网络有以下几个特点：１）每一个传感器节点在工作时不仅要进行数据的采集和发送，而且还要进行数据的转发。２）每个传感器的节点都是以单跳或者多跳的方式来进行数据的传输，最终将信息发送到汇聚节点处。３）汇聚节点与管理终端的数据发送方式有很多种，比如互联网、局域网、卫星通信等。图１无线传感器网络的体系结构２蚁群算法２．１基本的蚁群算法蚁群算法是意大利学者Ｍ．Ｄｏｒｉｇｏ通过对自然界中蚂蚁的行为进行研究所提出的一种新型的模拟进化算法［７］。研究发现：蚂蚁在觅食过程中，会释放出一种信息素，该信息素会引导蚂蚁选择从洞穴到食物之间的最优路径。蚂蚁寻找到食物返回洞穴的过程中，会在返回的路径上留下信息素，后面的蚂蚁不但可以检测到该信息素的存在，还可以检测出信息素的浓度大小［８］。蚂蚁会选择信息素浓度较高的路径来进行觅食。同时，信息素还具有挥发的特性，随着时间的推移，路程较远的路径上的信息素会慢慢地挥发，浓度降低，那么蚂蚁选择该路径的概率会大大减少。路程较近的路径留下的信息素浓度增加，蚂蚁选择该路径的概率会增加，这种信息素浓度的增加会使后面的蚂蚁更高概率地选择该路径，这一现象就是正反溃通过这种正反馈，蚂蚁总能选择到食物与洞穴之间的最优路径［９］。２．２蚁群算法通过对蚂蚁觅食的基本原理进行研究，科学家们设计了能够寻找最优路径的蚁群算法，算法的主要步骤为：１）设外出寻找食物的蚂蚁数量为ｍ只，并且该ｍ只蚂蚁是随机出发的。
【参考文献】：
期刊论文
[1]改进蚁群算法的无线传感器网络路径优化[J]. 苏锦,张秋红,杨新锋. 计算机仿真. 2012(08)
[2]基于改进遗传算法的测试用例生成[J]. 陈雨,姚砺. 电子科技. 2009(07)
[3]蚁群优化算法的原理及改进[J]. 冯宝华. 科技信息(科学教研). 2007(31)
[4]无线传感器网络路由协议及仿真[J]. 王永玲,郭爱煌. 计算机工程. 2006(20)
硕士论文
[1]基于蚁群优化策略的WSN路由研究[D]. 黎洋.长沙理工大学 2013
[2]遗传蚁群混合算法研究及应用[D]. 卢天宇.西安科技大学 2012
[3]基于改进蚁群算法的无线传感器网络路由的研究[D]. 陈宇.华南理工大学 2012
[4]蚁群优化算法在求解最短路径问题中的研究与应用[D]. 吴虎发.安徽大学 2012
[5]面向无线传感器网络的多路径路由协议研究[D]. 龚瑜.南京邮电大学 2012
[6]基于蚁群算法的WSN路由算法研究[D]. 李洪兵.重庆理工大学 2011
[7]基于蚁群优化算法的无线传感器网络路由算法研究[D]. 何武.西南交通大学 2008
[8]蚂蚁算法在车辆路径问题中的研究[D]. 程满中.中南民族大学 2007
本文编号：2955422
【文章来源】：计算机测量与控制. 2016年02期
【文章页数】：4 页
【部分图文】：
图１无线传感器网络的体系结构蚁群算法
数设置为了更好地验证改进的蚁群算法的路径优化性能，需要对其进行仿真研究，采用网络模拟软件ＮＳ２来进行仿真。在仿真开始之前，需要对参数进行初步的设置。进行仿真的传感器点的数目为１０个。蚁群算法仿真所需要的参数为：整个路径中的蚂蚁总个数为１０个，α＝０．２，β＝０．２，ρ＝０．３；遗传算法仿真所需要的参数为：蚂蚁种群的总个数为１０个，在进化过程中最多能够进化１０００次，发生交叉操作的概率为０．９，发生变异操作的概率为０．０１。无线感器网络结构如图３所示。图３无线传感器网络结构图３．２算法的性能评价指标为了能够更好地看出每种算法的优化效率，让结果具有可比性，需要建立算法的性能评价指标。本次指标从路径能量消耗和寻找最优路径的成功率两个方面来完成。同时将改进的蚁群算法和蚁群算法、遗传算法相比较，来体现出改进算法的优越性［１４］。蚂蚁在寻找最优路径的过程中需要不断的消耗能量，那么在寻找最优路径的过程中蚂蚁消耗的总能量为：Ｅ＝∑ｎｉ＝１ｅｉ（５）其中：Ｅ表示的是消耗的总能量，ｅｉ表示的是每个节点消耗的能量。传输过程中的能量消耗采用自由空间模型计算。路径损耗由下面的公式来计算：λ＝ＣＢａｎｄｗｉｄｔｈ（６）ｅｉ＝１４π×距离２×λ２４π（７）因此在已知传感器的初始能量、仿真次数和运行时间的前提下，可以计算出各个节点的剩余能量。３．３仿真结果３．３．１能量消耗仿真结果３种算法的能量消耗总量的仿真结果如图４所示，从图中可以看出，改进的蚁群算法在寻找最优路径的过程中消耗的能量最少，其次是蚁群算法
计算机测量与控制第２４????????????????????????????????????????????????????·卷３２２·无线传感器网络有以下几个特点：１）每一个传感器节点在工作时不仅要进行数据的采集和发送，而且还要进行数据的转发。２）每个传感器的节点都是以单跳或者多跳的方式来进行数据的传输，最终将信息发送到汇聚节点处。３）汇聚节点与管理终端的数据发送方式有很多种，比如互联网、局域网、卫星通信等。图１无线传感器网络的体系结构２蚁群算法２．１基本的蚁群算法蚁群算法是意大利学者Ｍ．Ｄｏｒｉｇｏ通过对自然界中蚂蚁的行为进行研究所提出的一种新型的模拟进化算法［７］。研究发现：蚂蚁在觅食过程中，会释放出一种信息素，该信息素会引导蚂蚁选择从洞穴到食物之间的最优路径。蚂蚁寻找到食物返回洞穴的过程中，会在返回的路径上留下信息素，后面的蚂蚁不但可以检测到该信息素的存在，还可以检测出信息素的浓度大小［８］。蚂蚁会选择信息素浓度较高的路径来进行觅食。同时，信息素还具有挥发的特性，随着时间的推移，路程较远的路径上的信息素会慢慢地挥发，浓度降低，那么蚂蚁选择该路径的概率会大大减少。路程较近的路径留下的信息素浓度增加，蚂蚁选择该路径的概率会增加，这种信息素浓度的增加会使后面的蚂蚁更高概率地选择该路径，这一现象就是正反溃通过这种正反馈，蚂蚁总能选择到食物与洞穴之间的最优路径［９］。２．２蚁群算法通过对蚂蚁觅食的基本原理进行研究，科学家们设计了能够寻找最优路径的蚁群算法，算法的主要步骤为：１）设外出寻找食物的蚂蚁数量为ｍ只，并且该ｍ只蚂蚁是随机出发的。
【参考文献】：
期刊论文
[1]改进蚁群算法的无线传感器网络路径优化[J]. 苏锦,张秋红,杨新锋. 计算机仿真. 2012(08)
[2]基于改进遗传算法的测试用例生成[J]. 陈雨,姚砺. 电子科技. 2009(07)
[3]蚁群优化算法的原理及改进[J]. 冯宝华. 科技信息(科学教研). 2007(31)
[4]无线传感器网络路由协议及仿真[J]. 王永玲,郭爱煌. 计算机工程. 2006(20)
硕士论文
[1]基于蚁群优化策略的WSN路由研究[D]. 黎洋.长沙理工大学 2013
[2]遗传蚁群混合算法研究及应用[D]. 卢天宇.西安科技大学 2012
[3]基于改进蚁群算法的无线传感器网络路由的研究[D]. 陈宇.华南理工大学 2012
[4]蚁群优化算法在求解最短路径问题中的研究与应用[D]. 吴虎发.安徽大学 2012
[5]面向无线传感器网络的多路径路由协议研究[D]. 龚瑜.南京邮电大学 2012
[6]基于蚁群算法的WSN路由算法研究[D]. 李洪兵.重庆理工大学 2011
[7]基于蚁群优化算法的无线传感器网络路由算法研究[D]. 何武.西南交通大学 2008
[8]蚂蚁算法在车辆路径问题中的研究[D]. 程满中.中南民族大学 2007
本文编号：2955422
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2955422.html
