CN101534538A - 基于量子搜索思想的无线移动自组织网络路由控制系统 - Google Patents

Abstract

一种基于量子搜索思想的无线移动自组织网络路由控制系统，包括节点态矢量函数模型建立模块，用于设定路由的选择指标为网络节点间距离、节点剩余能量和端到端时延，建立节点态矢量函数模型；路由选择模块，用于由源节点向一跳范围内的节点发送一个波函数，在一跳范围内都将收到所述波函数，然后判断是否为目的节点，如果是，则向回发确认信息，表示路由建立；如果不是，则以本地节点态矢量函数分量与收到的波函数进行相关运算，计算该链路被选择的概率；选择概率大的节点作为中继节点，并将相关操作后的矢量函数作为新的波函数转发；通过不停迭代，选择距离近、能量高和时延短的链路作为路由链路。本发明快速收敛、实时性强、网络开销少。

Description

基于量子搜索思想的无线移动自组织网络路由控制系统

技术领域

本发明涉及无线移动自组织网络路由技术，尤其是一种在网络内提供Qos保障的无线移动自组织网络路由控制系统。

背景技术

移动自组网(Mobile Ad Hoc Networks，简称为MANET)，是网络中的所有节点都可以移动的网络。作为一种新型的无线通信网络，近年来已经引起人们的广泛关注。由于MANET是一种自治的无线多跳网络，整个网络没有固定的基础设施，也没有固定的路由器，所有节点都是移动的，并且都可以以任何方式动态地保持与其他节点的联系，使得MANET网络可以广泛应用于军事通信、自然灾害、科学考察、海上自救、探险、传感器网络、紧急服务、个域网络等等领域。

移动自组织网络环境下，节点间的无线链路及由此而形成的网络拓扑结构随节点的位置分布和移动、信道的变化等因素呈现出动态变化的特性，移动自组网络的路由技术面临挑战。目前，国际上根据路由发现策略将Ad Hoc网络路由选择协议分为两大类：表驱动路由协议和按需路由选择协议。现已提出的MANET路由协议有许多种，如DSR(Dynamic Source Routing，源路由协议)、AODV(Ad HocOn-demand Distance Vector Routing，无线自组网按需平面距离矢量路由协议)、OLSR(Optimized Link State Routing，描述优化链路状态路由协议)、OLIVE(On-Demand Link Vector Routing，按需链路矢量路由协议)等。但是仅有部分协议被IETF(Internet Engineering Task Force，互联网任务工作组)的MANET工作组认可通过，它们的路由策略基本上是基于以上分析的按需路由协议或表驱动路由协议，因而存在路由协议收敛性差、实时性受影响等诸多缺点。

近年来，国际上对MANET路由协议的研究日趋活跃，除了表驱动路由协议和按需路由选择协议，信息理论学者还提出了合作分集路由，认为传统路由并不是最好的路由。合作分集通过多个中继采用广播传输发送信息，目的节点选择许多中继信号中最好的，或者将多个中继信号进行组合处理。这种路由方案必须对同一个信号经过多个路径传播后的同步和定时进行严格处理，或者对每一条中继的无线信道进行处理，网络节点计算非常复杂。

国内研究移动自组网络最早从1999年开始，围绕移动自组网路由协议的研究，从2001年开始有大量的文章开始发表。基于QoS的MANET路由协议以及MANET路由协议的跨层设计是人们关注的焦点。服务质量(Quality of Service，QoS)是指网络为用户提供的一组可以测量的预定义的服务参数，包括时延、带宽、分组丢失率、能耗和服务覆盖范围等，QoS路由是一种基于网络的可用资源和业务流的QoS要求来选择路径的路由机制或一种包含各种QoS参数的动态路由协议。但是，当路由选择的约束条件包含两个或两个以上的可加性参数或包括可加性参数和可乘性参数的组合时，这种QoS路由的选择是NPC问题。在这种情况下，需要采用启发式算法来寻求次优化解，因此基于QoS的路由很难形成共性的解决方法。针对MANET网络链路的不稳定性，在协议设计时考虑了链路质量的因数，通过获取协议栈底层的参数改善网络性能，研究人员提出了跨层设计的思想，但是其中很多一部分都以周期广播探帧来获取链路质量，这会增加资源受限的无线链路的额外开销，同时数据传输将引起探帧冲突，从而导致探帧的传输失败，这些都会使测量值无法真实地反映链路质量。

发明内容

为了克服已有无线移动自组织网络分布式路由算法的计算量庞大、实时性差、网络开销大的不足，本发明提供一种快速收敛、实时性强、网络开销少的基于量子搜索思想的无线移动自组织网络路由控制系统。

本发明解决其技术问题所采用的技术方案是：

一种基于量子搜索思想的无线移动自组织网络路由控制系统，包括：节点态矢量函数模型建立模块，其中包括波矢量函数模块和节点态矢量函数模块，用于设定路由的选择指标为：网络节点间距离、节点剩余能量和端到端时延，建立节点态矢量函数模型可以表示为：

$\left\{\begin{array}{c}|{\mathrm{\ψ}}_k\text{\⟩=|}{u}_{1k}\⟩|u_{2k}\⟩\·\·\·|u_{\mathrm{ik}}\⟩\·\·\·|u_{\mathrm{Nk}}\⟩\\ |u_{\mathrm{ik}}\⟩={\mathrm{\α}}_{\mathrm{ik}}{\stackrel{\→}{e}}_1+{\mathrm{\β}}_{\mathrm{ik}}{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_{\mathrm{ik}}{\stackrel{\→}{e}}_3\end{array}\right.,k,i\∈\{\mathrm{1,2},\·\·\·,N\}$

其中，|ψ_k>表示节点k的态矢量函数，它有众多态矢量函数分量组成；|u_ik>是态矢量函数分量，表示在节点i在节点k上的性能指标，

分别代表距离方向、能量方向和时延方向，α_ik表示距离方向的权重，β_ik表示能量方向的权重，γ_ik表示时延方向的权重；

α_ik表示为：

$\left\{\begin{array}{cc}{\mathrm{\α}}_{\mathrm{ik}}=\frac{1}{d_{\mathrm{ik}}}=\frac{1}{\sqrt{{(x_i-x_k)}^2+{(y_i-y_k)}^2}}& d_{\mathrm{ik}}\≤R\\ {\mathrm{\α}}_{\mathrm{ik}}=0& d_{\mathrm{ik}}>R\end{array}\right.;$

其中，(x_i，y_i)表示节点i的坐标，(x_k，y_k)表示节点k的坐标，d_ik表示节点i和节点k之间的距离，R表示无线移动自组织网络的一跳距离范围；

设定每个节点的能量都相同，均为定制0.1，β_ik表示为：

β_ik＝0.1-k₁E_Tx-k₂E_Rx-k₃(E_Tx+E_Rx)

其中，E_Tx表示发送者能量消耗，E_Rx表示接收者能量消耗，k₁表示节点k作为源节点发送过报文的次数，k₂表示节点k作为目的节点接收报文的次数，k₃表示节点k作为中间节点转发报文的次数；

γ_ik表示为：

${\mathrm{\γ}}_{\mathrm{ik}}=\frac{1}{k_1\sqrt{{(x_i-x_k)}^2+{(y_i-y_k)}^2+k_2}}$

其中，(x_i，y_i)表示节点i的坐标，(x_k，y_k)表示节点k的坐标。k₁表示在传输路径上的时延因子，k₂表示在节点处理上的时延因子；

路由选择模块，用于由当源节点需要与目的节点d进行通信时，源节点会向向一跳范围内的节点发送一个波函数，源节点的波函数表示为： $f_0={\stackrel{\→}{e}}_1+{\stackrel{\text{\→}}{e}}_2+{\stackrel{\→}{e}}_3+d,$ 其中，常数项d代表目标节点的标号，常数项d代表目标节点的标号，如该节点的标号与波函数的标号相同，则判断该节点为目标节点；这个波函数的形式与节点态矢量函数分量的形式相似，以便进行相关运算操作。

在一跳范围内都将收到所述波函数，然后判断是否为目的节点，如果是目的节点，则向回发确认信息，表示路由建立；如果不是目标节点，则以本地节点态矢量函数分量与收到的波函数进行相关运算，计算该链路被选择的概率；选择概率大的节点作为中继节点，并将相关操作后的矢量函数作为新的波函数转发；

通过不停迭代，选择距离近、能量高和时延短的链路作为路由链路。

作为优选的一种方案：所述的路由选择模块包括：

标号为i的源节点向一跳范围内的节点发送初始波函数 $f_0={\stackrel{\→}{e}}_1+{\stackrel{\→}{e}}_2+{\stackrel{\→}{e}}_3+d,$ 在收到源节点波函数的节点将会进行如下操作：

$\left\{\begin{array}{c}\mathrm{if}{d}_{\mathrm{ik}}>R\⇒P_k=0\\ \mathrm{if}{d}_{\mathrm{ik}}\≤R\⇒\left\{\begin{array}{c}\mathrm{if\; k}=d\⇒P_k=1\\ \mathrm{if\; k}\≠d\⇒\left\{\begin{array}{c}{P}_k=|f_0\·|u_{\mathrm{ik}}\⟩|\stackrel{\mathrm{\Δ}}{=}\frac{{\mathrm{\α}}_k}{\underset{d_{\mathrm{ij}}\≤R}{\max }\left\{{\mathrm{\α}}_j\right\}}+\frac{{\mathrm{\β}}_k}{\underset{d_{\mathrm{ij}}\≤R}{\max }\left\{{\mathrm{\β}}_j\right\}}+\frac{{\mathrm{\γ}}_k}{\underset{d_{\mathrm{ij}}\≤R}{\max }\left\{{\mathrm{\γ}}_j\right\}}\\ f_k=f_0\·|u_{\mathrm{ik}}\⟩={\mathrm{\α}}_i{\stackrel{\→}{e}}_1+{\mathrm{\β}}_i{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_i{\stackrel{\→}{e}}_3+d\stackrel{\mathrm{\Δ}}{=}{\mathrm{\α}}_k{\stackrel{\→}{e}}_1+{\mathrm{\β}}_k{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_k{\stackrel{\→}{e}}_3+d\end{array}\right.\end{array}\right.\end{array}\right.$

上式中，P_k表示节点k被选择的概率，以及是否选择链路进行数据传输的概率，如果节点k和源节点不在一跳范围内即d_ik>R，则节点k被选择的概率为0，d_ik表示节点i和节点k之间的距离；如果节点k和源节点i在一跳范围内即d_ik≤R，则节点k被选择的概率为源节点i发送的波函数与节点k节点态矢量函数的相关运算；如果节点k的概率满足下式，那么节点k将会被选择，成为一个可能的中继节点：

$\frac{P_k-\underset{P_j\≠0}{\min }\left\{P_j\right\}}{\underset{P_j\≠0}{\max }\left\{P_j\right\}-P_k}\≥\mathrm{\α}$

其中

表示源节点一跳范围内节点被选择概率的最小值，表示源节点一跳范围内节点被选择概率的最大值，α是一个常数。如果节点k被选择，那么节点k会继续向其一跳范围内发送更新的波函数，即为上式中的f_k。

中间节点路由选择单元，用于设定中间节点m收到来自节点n的波函数 $f_n={\mathrm{\α}}_n{\stackrel{\→}{e}}_1+{\mathrm{\β}}_n{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_n{\stackrel{\→}{e}}_3+d$ 后，中间节点如何选取后续节点作为路由的中继节点的过程如下：

$\left\{\begin{array}{c}\mathrm{if}{d}_{\mathrm{mn}}>R\⇒P_m=0\\ \mathrm{if}{d}_{\mathrm{mn}}\≤R\⇒\left\{\begin{array}{c}\mathrm{if\; m}=d\⇒P_m=1\\ \mathrm{if\; m}\≠d\⇒\left\{\begin{array}{c}{P}_m=|f_n\·|u_{\mathrm{nm}}\⟩|\stackrel{\mathrm{\Δ}}{=}\frac{{\mathrm{\α}}_m}{\underset{d_{\mathrm{mn}}\≤R}{\max }\left\{{\mathrm{\α}}_j\right\}}+\frac{{\mathrm{\β}}_m}{\underset{d_{\mathrm{mn}}\≤R}{\max }\left\{{\mathrm{\β}}_j\right\}}+\frac{{\mathrm{\γ}}_m}{\underset{d_{\mathrm{mn}}\≤R}{\max }\left\{{\mathrm{\γ}}_j\right\}}\\ f_m=f_n\·|u_{\mathrm{nm}}\⟩\stackrel{\mathrm{\Δ}}{=}\frac{{\mathrm{\α}}_n\×{\mathrm{\α}}_{\mathrm{nm}}}{{\mathrm{\α}}_n+{\mathrm{\α}}_{\mathrm{nm}}}{\stackrel{\→}{e}}_1+\min ({\mathrm{\β}}_n,{\mathrm{\β}}_{\mathrm{nm}}){\stackrel{\→}{e}}_2+\frac{{\mathrm{\γ}}_n\×{\mathrm{\γ}}_{\mathrm{nm}}}{{\mathrm{\γ}}_n+{\mathrm{\γ}}_{\mathrm{nm}}}{\stackrel{\→}{e}}_3+d\\ \stackrel{\mathrm{\Δ}}{=}{\mathrm{\α}}_m{\stackrel{\→}{e}}_1+{\mathrm{\β}}_m{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_m{\stackrel{\→}{e}}_3+d\end{array}\right.\end{array}\right.\end{array}\right.$

上式中，P_m表示节点m被选择的概率，以及是否选择链路进行数据传输的概率，如果节点m和上继节点n不在一跳范围内即d_mn>R，则节点m被选择的概率为0，d_mn表示节点m和节点n之间的距离；如果第m个节点和源节点n在一跳范围内即d_mn≤R，则节点m被选择的概率为上继节点n发送的波函数与节点m节点态矢量函数的相关运算。

与节点n处于一跳范围内的节点，在收到f_n后进行判断，确定是否自己为目的节点；如果不是目的节点，将作相关运算；计算节点被选择的概率，并形成新的波函数进行传播；如果节点m的概率满足下式，那么节点m将会被选择：

$\frac{P_m-\underset{d_{\mathrm{jn}}\≤R,P_j\≠0}{\min }\left\{P_j\right\}}{\underset{d_{\mathrm{jn}}\≤R,P_j\≠0}{\max }\left\{P_j\right\}-P_m}\≥\mathrm{\α}$

其中

表示节点n一跳范围内节点被选择概率的最小值，表示源节点一跳范围内节点被选择概率的最大值，α是一个常数。如果节点m被选择，那么节点m会继续向其一跳范围内发送更新的波函数，即为上式中的f_m。

本发明的技术构思为：MANET是一个无中心、分布式的网络，针对的是一个非结构化搜索和路由建立的过程。因此，必须将非结构化搜索通过设置适当的约束条件来简化计算，称为量子计算搜索方法。这个预处理我们将通过构造适用于MANET网络路由的N维希尔伯特空间态矢量来得到。

网络中的每个节点都维护了一个节点态矢量函数，这个节点态矢量函数可以反映出整个网络的性能状况。如网络节点间距离、节点剩余能量、端到端时间延迟等。在一个由N个节点组成的MANET网络中，标号为k的节点所维护的节点态矢量函数可以表示为：

|ψ_k>＝|u_1k>|u_2k>…|u_ik>…|u_Nk>。

|u_ik>是态矢量函数分量，表示在节点i在节点k上的性能指标。这个态矢量函数分量可以表示为： $|u_{\mathrm{ik}}\⟩=\mathrm{\α}{\stackrel{\→}{e}}_1+\mathrm{\β}{\stackrel{\→}{e}}_2+\·\·\·+\mathrm{\δ}{\stackrel{\→}{e}}_m,$ 其中向量组

表示m维空间中线性无关的一组单位向量组。即满足以下关系式：

${\mathrm{\Σ}}_{i=1}^m|{\stackrel{\→}{e}}_i{|}^2=1.\mathrm{\α},\mathrm{\β},\·\·\·,\mathrm{\δ}$ 等参数与网络特性有关，在量子搜索算法中，这些参量的选择与量子算子D有非常密切的关联。当进行路由选择时，路由的选择仅考虑网络节点间距离、节点剩余能量、端到端时延这三个指标。那么网络的节点态矢量函数模型可以表示如下：

$\left\{\begin{array}{c}|{\mathrm{\ψ}}_k\⟩=|u_{1k}\⟩|u_{2k}\⟩\·\·\·|u_{\mathrm{ik}}\⟩\·\·\·|u_{\mathrm{Nk}}\⟩\\ |u_{\mathrm{ik}}\⟩={\mathrm{\α}}_{\mathrm{ik}}{\stackrel{\→}{e}}_1+{\mathrm{\β}}_{\mathrm{ik}}{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_{\mathrm{ik}}{\stackrel{\→}{e}}_3\end{array}\right.,k,i\∈\{\mathrm{1,2},\·\·\·,N\}$

其中

分别代表距离方向、能量方向和时延方向。α，β，γ可以认为是这三个指标方向的权重或者是三个指标方向的概率。

在距离方向进行链路选择时，优先考虑较短的链路。因此方向权重α与距离成负相关，距离较短的链路选择概率较大。在处理过程中可以通过减法运算或者倒数运算将负相关转化为正相关。(x_i，y_i)用以表示节点i的坐标，(x_k，y_k)用以表示节点k的坐标，d_ik表示这两个节点间的距离，R表示MANET网络的一跳距离范围。采用倒数运算，距离方向权重α可以表示如下：

$\left\{\begin{array}{cc}{\mathrm{\α}}_{\mathrm{ik}}=\frac{1}{d_{\mathrm{ik}}}=\frac{1}{\sqrt{{(x_i-x_k)}^2+{(y_i-y_k)}^2}}& d_{\mathrm{ik}}\≤R\\ {\mathrm{\α}}_{\mathrm{ik}}=0& d_{\mathrm{ik}}>R\end{array}\right.$

在节点剩余能量方向进行链路选择时，优先考虑剩余能量比较高的节点进行数据传输。因此能量权重β与距离成正相关，与能量较大的节点相连链路选择概率较大。MANET网络中节点之间是靠无线电进行通信，可以建立一阶能量消耗模型。发送数据包消耗能量包括发射电路耗能、放大电路耗能两部分，接收数据只有接收电路消耗能量。一阶能量消耗模型数学模型可以表示如下：

$\left\{\begin{array}{c}{E}_{\mathrm{Tx}}={\mathrm{lE}}_{\mathrm{elec}}+{\mathrm{l\ϵ}}_{\mathrm{fs}}{d}^2\\ E_{\mathrm{Rx}}\left(l\right)=E_{\mathrm{elec}}\×l\end{array}\right.$

其中E_Tx表示发送者能量消耗，E_Rx表示接收者能量消耗，E_elec表示发射电路和接收电路的能耗，l表示发送数据包包含的比特数，d表示传输距离，ε_amp和ε_fs是常数。其中，E_elec取决于信道编码和信号传播方式。上述参数典型值为：

E_elec＝50nJ/bit，ε_amp＝0.0013pJ/bit/m⁴，ε_fs＝10pJ/bit/m².

在网络出示状态下，假设每个节点的能耗都相同为一个定值0.1，能量方向权重β可以表示如下：β＝0.1-k₁E_Tx-k₂E_Rx-k₃(E_Tx+E_Rx)。

其中k₁表示节点k作为源节点发送过报文的次数，k₂表示节点k作为目的节点接收报文的次数，k₃表示节点k作为中间节点转发报文的次数。参数k₁，k₂，k₃取决与业务量矩阵的变化，是由网络仿真过程所产生的计数量确定。

在端到端时延方向进行链路选择时，优先选择时延较短的链路。因此方向权重γ与时延成负相关，时延较短的链路选择概率较大。在处理过程中可以通过减法运算或者倒数运算将负相关转化为正相关。时间延迟包括两个部分，即链路上的传输时延与中间节点的处理时延。采用倒数运算，时延方向权重γ可以表示如下：

${\mathrm{\γ}}_{\mathrm{ik}}=\frac{1}{k_1\sqrt{{(x_i-x_k)}^2+{(y_i-y_k)}^2+k_2}}$

其中(x_i，y_i)用以表示节点i的坐标，(x_k，y_k)用以表示节点k的坐标。k₁表示在传输路径上的时延因子，k₂表示在节点处理上的时延因子。

通过上述介绍可知，每个节点都通过态函数维护着整个网络的信息。在确定网络中节点态矢量函数构造方法后，接下来需要解决的就是如何通过构造的节点态函数进行路由选择。以解决传统路由计算量大的问题。当节点i需要向节点j发送数据时，节点i会发送向它一跳范围内的节点发送一个波函数。波函数的形式与节点态矢量函数相似，因为这种波函数需要和态矢量函数进行相关操作，以获得选择路径的概率。源节点i发送的波函数可以表示为： $f_0={\stackrel{\→}{e}}_1+{\stackrel{\→}{e}}_2+{\stackrel{\→}{e}}_3+d.$ 这是一个带有常数项的单位态矢量。其中常数项代表目标节点的标号，用于判断是否传输到目标节点。在一跳范围内都将收到这个波函数，然后判断是否为目的节点，如果是目的节点则向回发确认信息，表示路由建立。如果不是目标节点，则以本地节点态函数与收到的波函数做相关运算，用以确定该条链路被选择的概率。选择概率大的节点作为中继节点，并将相关操作后的矢量函数作为新的波函数转发。

通过如此不停迭代，距离近、能量高和时延短的链路概率将会增加，排除低概率的链路，可以有效地降低网络计算量。通过分析，可以建立以下路由选择数学模型。

I初始化，源节点向一跳范围内的节点发送初始波函数 $f_0={\stackrel{\→}{e}}_1+{\stackrel{\→}{e}}_2+{\stackrel{\→}{e}}_3+d,$ 在源节点一跳范围内的节点都会收到这个波函数，并进行如下操作：

$\left\{\begin{array}{c}\mathrm{if}{d}_{\mathrm{ik}}>R\⇒P_k=0\\ \mathrm{if}{d}_{\mathrm{ik}}\≤R\⇒\left\{\begin{array}{c}\mathrm{if\; k}=d\⇒P_k=1\\ \mathrm{if\; k}\≠d\⇒\left\{\begin{array}{c}{P}_k=|f_0\·|u_{\mathrm{ik}}\⟩|\stackrel{\mathrm{\Δ}}{=}\frac{{\mathrm{\α}}_k}{\underset{d_{\mathrm{ij}}\≤R}{\max }\left\{{\mathrm{\α}}_j\right\}}+\frac{{\mathrm{\β}}_k}{\underset{d_{\mathrm{ij}}\≤R}{\max }\left\{{\mathrm{\β}}_j\right\}}+\frac{{\mathrm{\γ}}_k}{\underset{d_{\mathrm{ij}}\≤R}{\max }\left\{{\mathrm{\γ}}_j\right\}}\\ f_k=f_0\·|u_{\mathrm{ik}}\⟩={\mathrm{\α}}_i{\stackrel{\→}{e}}_1+{\mathrm{\β}}_i{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_i{\stackrel{\→}{e}}_3+d\stackrel{\mathrm{\Δ}}{=}{\mathrm{\α}}_k{\stackrel{\→}{e}}_1+{\mathrm{\β}}_k{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_k{\stackrel{\→}{e}}_3+d\end{array}\right.\end{array}\right.\end{array}\right.$

上式中，P_k表示节点k被选择的概率，以及是否选择链路

进行数据传输的概率，如果节点k和源节点i不在一跳范围内即d_ik>R，则k节点被选择的概率为0，这是比较容易理解的。如果节点k和源节点i在一跳范围内即d_ik≤R，则节点k被选择的概率为源节点i发送的波函数与节点k态矢量函数分量的相关运算结果。为了解决各种指标量纲与数量级不同的问题，对相关指标进行均一化处理。如果在一跳范围内不能到达目的节点，为了降低路由选择计算量，概率低于α的节点将会被放弃，概率高于α的节点将会被选择。如果节点k的概率满足下式，那么节点将会被选择。

$\frac{P_k-\underset{P_j\≠0}{\min }\left\{P_j\right\}}{\underset{P_j\≠0}{\max }\left\{P_j\right\}-P_k}\≥\mathrm{\α}$

其中

表示源节点一跳范围内节点被选择概率的最小值，

表示源节点一跳范围内节点被选择概率的最大值，α是一个常数。如果节点k被选择，那么节点k会继续向其一跳范围内发送更新的波函数，即为上式中的f_k。

II中间节点转发，中间节点m收到来自节点n的波函数 $f_n={\mathrm{\α}}_n{\stackrel{\→}{e}}_1+{\mathrm{\β}}_n{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_n{\stackrel{\→}{e}}_3+d,$ 中间节点如何选取相邻节点作为路由中继节点的操作如下：

$\left\{\begin{array}{c}\mathrm{if}{d}_{\mathrm{mn}}>R\⇒P_m=0\\ \mathrm{if}{d}_{\mathrm{mn}}\≤R\⇒\left\{\begin{array}{c}\mathrm{if\; m}=d\⇒P_m=1\\ \mathrm{if\; m}\≠d\⇒\left\{\begin{array}{c}{P}_m=|f_n\·|u_{\mathrm{nm}}\⟩|\stackrel{\mathrm{\Δ}}{=}\frac{{\mathrm{\α}}_m}{\underset{d_{\mathrm{mn}}\≤R}{\max }\left\{{\mathrm{\α}}_j\right\}}+\frac{{\mathrm{\β}}_m}{\underset{d_{\mathrm{mn}}\≤R}{\max }\left\{{\mathrm{\β}}_j\right\}}+\frac{{\mathrm{\γ}}_m}{\underset{d_{\mathrm{mn}}\≤R}{\max }\left\{{\mathrm{\γ}}_j\right\}}\\ f_m=f_n\·|u_{\mathrm{nm}}\⟩\stackrel{\mathrm{\Δ}}{=}\frac{{\mathrm{\α}}_n\×{\mathrm{\α}}_{\mathrm{nm}}}{{\mathrm{\α}}_n+{\mathrm{\α}}_{\mathrm{nm}}}{\stackrel{\→}{e}}_1+\min ({\mathrm{\β}}_n,{\mathrm{\β}}_{\mathrm{nm}}){\stackrel{\→}{e}}_2+\frac{{\mathrm{\γ}}_n\×{\mathrm{\γ}}_{\mathrm{nm}}}{{\mathrm{\γ}}_n+{\mathrm{\γ}}_{\mathrm{nm}}}{\stackrel{\→}{e}}_3+d\\ \stackrel{\mathrm{\Δ}}{=}{\mathrm{\α}}_m{\stackrel{\→}{e}}_1+{\mathrm{\β}}_m{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_m{\stackrel{\→}{e}}_3+d\end{array}\right.\end{array}\right.\end{array}\right.$

与节点n处于一跳范围内的节点，在收到f_n后会进行判断，确定是否自己为目的节点。如果不是目的节点将作相关运算，运算过程如上定义。计算节点被选择的概率，并形成新的波函数进行传播。同样，为了降低路由选择计算量，概率低于α的节点将会被放弃，概率高于α的节点将会被选择。如果节点k的概率满足下式，那么节点将会被选择。

$\frac{P_m-\underset{d_{\mathrm{jn}}\≤R,P_j\≠0}{\min }\left\{P_j\right\}}{\underset{d_{\mathrm{jn}}\≤R,P_j\≠0}{\max }\left\{P_j\right\}-P_m}\≥\mathrm{\α}$

其中表示节点n一跳范围内节点被选择概率的最小值，

表示源节点一跳范围内节点被选择概率的最大值，α是一个常数。如果节点m被选择，那么节点m会继续向其一跳范围内发送更新的波函数，即为上式中的f_m。

通过以上两个过程不停迭代，选择高概率的链路，放弃低概率的链路，可以有效地降低节点路由选择的计算量。

本发明的有益效果主要表现在：快速收敛、实时性强、网络开销少。

附图说明

图1是一阶能耗模型原理图。

图2是路由搜索算法原理图。

图3是路由搜索示意图。

图4是计算量仿真对比图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图4，一种基于量子搜索思想的无线移动自组织网络路由控制系统，包括节点态矢量函数模型建立模块，用于设定路由的选择指标为：网络节点间距离、节点剩余能量和端到端时延，建立节点态矢量函数模型可以表示为：

$\left\{\begin{array}{c}|{\mathrm{\ψ}}_k\⟩=|u_{1k}\⟩|u_{2k}\⟩\·\·\·|u_{\mathrm{ik}}\⟩\·\·\·|u_{\mathrm{Nk}}\⟩\\ |u_{\mathrm{ik}}\⟩={\mathrm{\α}}_{\mathrm{ik}}{\stackrel{\→}{e}}_1+{\mathrm{\β}}_{\mathrm{ik}}{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_{\mathrm{ik}}{\stackrel{\→}{e}}_3\end{array}\right.,k,i\∈\{\mathrm{1,2},\·\·\·,N\}$

其中，|ψ_k>表示节点k的态矢量函数，它有众多态矢量函数分量组成；|u_ik>是态矢量函数分量，表示在节点i在节点k上的性能指标，分别代表距离方向、能量方向和时延方向，α_ik表示距离方向的权重，β_ik表示能量方向的权重，γ_ik表示时延方向的权重；

α_ik表示为：

$\left\{\begin{array}{cc}{\mathrm{\α}}_{\mathrm{ik}}=\frac{1}{d_{\mathrm{ik}}}=\frac{1}{\sqrt{{(x_i-x_k)}^2+{(y_i-y_k)}^2}}& d_{\mathrm{ik}}\≤R\\ {\mathrm{\α}}_{\mathrm{ik}}=0& d_{\mathrm{ik}}>R\end{array}\right.;$

其中，(x_i，y_i)表示节点i的坐标，(x_k，y_k)表示节点k的坐标，d_ik表示节点i和节点k之间的距离，R表示无线移动自组织网络的一跳距离范围；

设定每个节点的能量都相同，均为定制0.1，β_ik表示为：

β_ik＝0.1-k₁E_Tx-k₂E_Rx-k₃(E_Tx+E_Rx)

其中，E_Tx表示发送者能量消耗，E_Rx表示接收者能量消耗，k₁表示节点k作为源节点发送过报文的次数，k₂表示节点k作为目的节点接收报文的次数，k₃表示节点k作为中间节点转发报文的次数；

γ_ik表示为：

${\mathrm{\γ}}_{\mathrm{ik}}=\frac{1}{k_1\sqrt{{(x_i-x_k)}^2+{(y_i-y_k)}^2+k_2}}$

其中，(x_i，y_i)表示节点i的坐标，(x_k，y_k)表示节点k的坐标。k₁表示在传输路径上的时延因子，k₂表示在节点处理上的时延因子；

路由选择模块，用于由当源节点需要与目的节点d进行通信时，源节点会向向一跳范围内的节点发送一个波函数，源节点的波函数表示为： $f_0={\stackrel{\→}{e}}_1+{\stackrel{\→}{e}}_2+{\stackrel{\→}{e}}_3+d,$ 其中，常数项d代表目标节点的标号，如该节点的标号与波函数的标号相同，则判断该节点为目标节点；这个波函数的形式与节点态矢量函数分量的形式相似，以便进行相关运算操作。

在一跳范围内都将收到所述波函数，然后判断是否为目的节点，如果是目的节点，则向回发确认信息，表示路由建立；如果不是目标节点，则以本地节点态矢量函数分量与收到的波函数进行相关运算，计算该链路被选择的概率；选择概率大的节点作为中继节点，并将相关操作后的矢量函数作为新的波函数转发；

通过不停迭代，选择距离近、能量高和时延短的链路作为路由链路。

标号为i的源节点向一跳范围内的节点发送初始波函数 $f_0={\stackrel{\→}{e}}_1+{\stackrel{\→}{e}}_2+{\stackrel{\→}{e}}_3+d,$ 在收到源节点波函数的节点将会进行如下操作：

$\left\{\begin{array}{c}\mathrm{if}{d}_{\mathrm{ik}}>R\⇒P_k=0\\ \mathrm{if}{d}_{\mathrm{ik}}\≤R\⇒\left\{\begin{array}{c}\mathrm{if\; k}=d\⇒P_k=1\\ \mathrm{if\; k}\≠d\⇒\left\{\begin{array}{c}{P}_k=|f_0\·|u_{\mathrm{ik}}\⟩|\stackrel{\mathrm{\Δ}}{=}\frac{{\mathrm{\α}}_k}{\underset{d_{\mathrm{ij}}\≤R}{\max }\left\{{\mathrm{\α}}_j\right\}}+\frac{{\mathrm{\β}}_k}{\underset{d_{\mathrm{ij}}\≤R}{\max }\left\{{\mathrm{\β}}_j\right\}}+\frac{{\mathrm{\γ}}_k}{\underset{d_{\mathrm{ij}}\≤R}{\max }\left\{{\mathrm{\γ}}_j\right\}}\\ f_k=f_0\·|u_{\mathrm{ik}}\⟩={\mathrm{\α}}_i{\stackrel{\→}{e}}_1+{\mathrm{\β}}_i{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_i{\stackrel{\→}{e}}_3+d\stackrel{\mathrm{\Δ}}{=}{\mathrm{\α}}_k{\stackrel{\→}{e}}_1+{\mathrm{\β}}_k{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_k{\stackrel{\→}{e}}_3+d\end{array}\right.\end{array}\right.\end{array}\right.$

上式中，P_k表示节点k被选择的概率，以及是否选择链路

进行数据传输的概率，如果节点k和源节点不在一跳范围内即d_ik>R，则节点k被选择的概率为0，d_ik表示节点i和节点k之间的距离；如果节点k和源节点i在一跳范围内即d_ik≤R，则节点k被选择的概率为源节点i发送的波函数与节点k节点态矢量函数的相关运算；如果节点k的概率满足下式，那么节点k将会被选择，成为一个可能的中继节点：

$\frac{P_k-\underset{P_j\≠0}{\min }\left\{P_j\right\}}{\underset{P_j\≠0}{\max }\left\{P_j\right\}-P_k}\≥\mathrm{\α}$

其中

表示源节点一跳范围内节点被选择概率的最小值，

表示源节点一跳范围内节点被选择概率的最大值，α是一个常数。如果节点k被选择，那么节点k会继续向其一跳范围内发送更新的波函数，即为上式中的f_k。

中间节点路由选择单元，用于设定中间节点m收到来自节点n的波函数 $f_n={\mathrm{\α}}_n{\stackrel{\→}{e}}_1+{\mathrm{\β}}_n{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_n{\stackrel{\→}{e}}_3+d$ 后，中间节点如何选取后续节点作为路由的中继节点的过程如下：

$\left\{\begin{array}{c}\mathrm{if}{d}_{\mathrm{mn}}>R\⇒P_m=0\\ \mathrm{if}{d}_{\mathrm{mn}}\≤R\⇒\left\{\begin{array}{c}\mathrm{if\; m}=d\⇒P_m=1\\ \mathrm{if\; m}\≠d\⇒\left\{\begin{array}{c}{P}_m=|f_n\·|u_{\mathrm{nm}}\⟩|\stackrel{\mathrm{\Δ}}{=}\frac{{\mathrm{\α}}_m}{\underset{d_{\mathrm{mn}}\≤R}{\max }\left\{{\mathrm{\α}}_j\right\}}+\frac{{\mathrm{\β}}_m}{\underset{d_{\mathrm{mn}}\≤R}{\max }\left\{{\mathrm{\β}}_j\right\}}+\frac{{\mathrm{\γ}}_m}{\underset{d_{\mathrm{mn}}\≤R}{\max }\left\{{\mathrm{\γ}}_j\right\}}\\ f_m=f_n\·|u_{\mathrm{nm}}\⟩\stackrel{\mathrm{\Δ}}{=}\frac{{\mathrm{\α}}_n\×{\mathrm{\α}}_{\mathrm{nm}}}{{\mathrm{\α}}_n+{\mathrm{\α}}_{\mathrm{nm}}}{\stackrel{\→}{e}}_1+\min ({\mathrm{\β}}_n,{\mathrm{\β}}_{\mathrm{nm}}){\stackrel{\→}{e}}_2+\frac{{\mathrm{\γ}}_n\×{\mathrm{\γ}}_{\mathrm{nm}}}{{\mathrm{\γ}}_n+{\mathrm{\γ}}_{\mathrm{nm}}}{\stackrel{\→}{e}}_3+d\\ \stackrel{\mathrm{\Δ}}{=}{\mathrm{\α}}_m{\stackrel{\→}{e}}_1+{\mathrm{\β}}_m{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_m{\stackrel{\→}{e}}_3+d\end{array}\right.\end{array}\right.\end{array}\right.$

上式中，P_m表示节点m被选择的概率，以及是否选择链路

进行数据传输的概率，如果节点m和上继节点n不在一跳范围内即d_mn>R，则节点m被选择的概率为0，d_mn表示节点m和节点n之间的距离；如果第m个节点和源节点n在一跳范围内即d_mn≤R，则节点m被选择的概率为上继节点n发送的波函数与节点m节点态矢量函数的相关运算。

与节点n处于一跳范围内的节点，在收到f_n后进行判断，确定是否自己为目的节点；如果不是目的节点，将作相关运算；计算节点被选择的概率，并形成新的波函数进行传播；如果节点m的概率满足下式，那么节点m将会被选择：

$\frac{P_m-\underset{d_{\mathrm{jn}}\≤R,P_j\≠0}{\min }\left\{P_j\right\}}{\underset{d_{\mathrm{jn}}\≤R,P_j\≠0}{\max }\left\{P_j\right\}-P_m}\≥\mathrm{\α}$

其中

表示节点n一跳范围内节点被选择概率的最小值，

表示源节点一跳范围内节点被选择概率的最大值，α是一个常数。如果节点m被选择，那么节点m会继续向其一跳范围内发送更新的波函数，即为上式中的f_m。

在图1中，调用一阶能耗模型，输入传感器网络的基本信息(如网络的节点数目，节点坐标位置，区域边长等)，以最小能耗为目标，通过最优簇数计算公式得到簇首的数目为k。

结合图2和图3说明工作原理，假设信息在链路上传播的速度为100单位，每个节点处理信息的速度为0.1个单位时间，剩余链路率不能超过可选链路数的80％。当该时刻节点A需要向节点H发送数据信息时，将会产生如下的路由搜索过程。节点A向一跳范围内的节点B和节点C发送单位波矢量 $f_0={\stackrel{\→}{e}}_1+{\stackrel{\→}{e}}_2+{\stackrel{\→}{e}}_3+H.$ 节点B和节点C收到这个波矢量后，判定自己非目的节点，因此做相关运算计算链路A-B和A-C被使用的概率分别为0.4729与0.5271。选择A-C进行信息传播，更新波函数。节点C将向一跳范围内的节点B和节点D发送波函数为 $f_3=0.0105{\stackrel{\→}{e}}_1+5.1282{\stackrel{\→}{e}}_2+0.75{\stackrel{\→}{e}}_3+H.$ 节点B和节点D收到这个波矢量后，判定自己非目的节点，做相关运算计算链路C-B和C-D被使用的概率分别为0.5050与0.4950。因此选择C-B进行信息传播，更新波函数。节点B将向一跳范围内的节点D发送波函数为 $f_2=0.0062{\stackrel{\→}{e}}_1+2.7624{\stackrel{\→}{e}}_2+0.75{\stackrel{\→}{e}}_3+H.$ 节点D将向一跳范围内的节点E、节点F和节点I发送波函数为 $f_4=0.0044{\stackrel{\→}{e}}_1+1.8904{\stackrel{\→}{e}}_2+0.75{\stackrel{\→}{e}}_3+H.$ 节点E、节点F和节点I发送波函数后做相关运算计算链路D-E、D-F、D-I被使用的概率分别0.3460，0.3162与0.3378。因此链路D-E、D-I被选择进行信息传输，并更新波函数。E将向一跳范围内的节点F和节点G传播发送波函数为 $f_5=0.0035{\stackrel{\→}{e}}_1+1.4514{\stackrel{\→}{e}}_2+0.7{\stackrel{\→}{e}}_3+H,$ 做相关运算计算链路E-F、E-G被使用的概率分别为0.4989与0.5011，因此选择链路E-G进行信息传播。G将向其一跳范围内发送波函数，表示信息到达目的节点。I将向节点F发送波函数，F向J发送波函数，J向H发送波函数，表示信息到达目的节点。最终将会得到两条可行路由A-C-B-D-E-G-H和A-C-B-D-I-F-J-G。

这两条路由都不是DSR协议的最小跳数路由，但是两条可行路由A-C-B-D-E-G-H和A-C-B-D-I-F-J-G的稳定性都高于最小跳数路由。最终节点H从两条可行路由中选择概率高的路由进行信息传输。

在图4中，可以看到普通的路由算法和基于量子搜索思想的路由算法在计算量上的差异，给予量子搜索思想的路由算法可以有效的降低计算量。

Claims (2)

1、一种基于量子搜索思想的无线移动自组织网络路由控制系统，其特征在于：所述路由控制系统包括：

节点态矢量函数模型建立模块，其中包括波矢量函数模块和节点态矢量函数模块，用于设定路由的选择指标为：网络节点间距离、节点剩余能量和端到端时延，建立节点态矢量函数模型表示为：

$\left\{\begin{array}{c}|{\mathrm{\ψ}}_k\⟩=|u_{1k}\⟩|u_{2k}\⟩\·\·\·|u_{\mathrm{ik}}\⟩\·\·\·|u_{\mathrm{Nk}}\⟩\\ |u_{\mathrm{ik}}\⟩={\mathrm{\α}}_{\mathrm{ik}}{\stackrel{\→}{e}}_1+{\mathrm{\β}}_{\mathrm{ik}}{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_{\mathrm{ik}}{\stackrel{\→}{e}}_3\end{array}\right.,k,i\∈\{\mathrm{1,2},\·\·\·,N\}$

其中，|ψ_k>表示节点k的态矢量函数，它有众多态矢量函数分量组成；|u_ik>是态矢量函数分量，表示在节点i在节点k上的性能指标，

分别代表距离方向、能量方向和时延方向，α_ik表示距离方向的权重，β_ik表示能量方向的权重，γ_ik表示时延方向的权重；

α_ik表示为：

$\left\{\begin{array}{cc}{\mathrm{\α}}_{\mathrm{ik}}=\frac{1}{d_{\mathrm{ik}}}=\frac{1}{\sqrt{{(x_i-x_k)}^2+{(y_i-y_k)}^2}}& d_{\mathrm{ik}}\≤R\\ {\mathrm{\α}}_{\mathrm{ik}}=0& d_{\mathrm{ik}}>R\end{array}\right.;$

其中，(x_i，y_i)表示节点i的坐标，(x_k，y_k)表示节点k的坐标，d_ik表示节点i和节点k之间的距离，R表示无线移动自组织网络的一跳距离范围；

设定每个节点的能量都相同，均为定制0.1，β_ik表示为：

β_ik＝0.1-k₁E_Tx-k₂E_Rx-k₃(E_Tx+E_Rx)

其中，E_Tx表示发送者能量消耗，E_Rx表示接收者能量消耗，k₁表示节点k作为源节点发送过报文的次数，k₂表示节点k作为目的节点接收报文的次数，k₃表示节点k作为中间节点转发报文的次数；

γ_ik表示为：

${\mathrm{\γ}}_{\mathrm{ik}}=\frac{1}{k_1\sqrt{{(x_i-x_k)}^2+{(y_i-y_k)}^2+k_2}}$

其中，(x_i，y_i)表示节点i的坐标，(x_k，y_k)表示节点k的坐标。k₁表示在传输路径上的时延因子，k₂表示在节点处理上的时延因子；

路由选择模块，用于当源节点需要与目的节点d进行通信时，源节点会向向一跳范围内的节点发送一个波函数，源节点的波函数表示为： $f_0={\stackrel{\→}{e}}_1+{\stackrel{\→}{e}}_2+{\stackrel{\→}{e}}_3+d,$ 其中，常数项d代表目标节点的标号，如该节点的标号与波函数的标号相同，则判断该节点为目标节点；

在一跳范围内都将收到所述波函数，然后判断是否为目的节点，如果是目的节点，则向回发确认信息，表示路由建立；如果不是目标节点，则以本地节点态矢量函数分量与收到的波函数进行相关运算，计算该链路被选择的概率；选择概率大的节点作为中继节点，并将相关操作后的矢量函数作为新的波函数转发；

通过不停迭代，选择距离近、能量高和时延短的链路作为路由链路。

2、如权利要求1所述的基于量子搜索思想的无线移动自组织网络路由控制系统，其特征在于：所述的路由选择模块包括：

源节点路由选择单元，用于由标号为i的源节点向一跳范围内的节点发送初始波函数 $f_0={\stackrel{\→}{e}}_1+{\stackrel{\→}{e}}_2+{\stackrel{\→}{e}}_3+d,$ 在收到源节点波函数的节点将会进行如下操作：

$\left\{\begin{array}{c}\mathrm{if}{d}_{\mathrm{ik}}>R\⇒P_k=0\\ \mathrm{if}{d}_{\mathrm{ik}}\≤R\⇒\left\{\begin{array}{c}\mathrm{if\; k}=d\⇒P_k=1\\ \mathrm{if\; k}\≠d\⇒\left\{\begin{array}{c}{P}_k=|f_0\·|u_{\mathrm{ik}}\⟩|\stackrel{\mathrm{\Δ}}{=}\frac{{\mathrm{\α}}_k}{\underset{d_{\mathrm{ij}}\≤R}{\max }\left\{{\mathrm{\α}}_j\right\}}+\frac{{\mathrm{\β}}_k}{\underset{d_{\mathrm{ij}}\≤R}{\max }\left\{{\mathrm{\β}}_j\right\}}+\frac{{\mathrm{\γ}}_k}{\underset{d_{\mathrm{ij}}\≤R}{\max }\left\{{\mathrm{\γ}}_j\right\}}\\ f_k=f_0\·|u_{\mathrm{ik}}\⟩={\mathrm{\α}}_i{\stackrel{\→}{e}}_1+{\mathrm{\β}}_i{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_i{\stackrel{\→}{e}}_3+d\stackrel{\mathrm{\Δ}}{=}{\mathrm{\α}}_k{\stackrel{\→}{e}}_1+{\mathrm{\β}}_k{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_k{\stackrel{\→}{e}}_3+d\end{array}\right.\end{array}\right.\end{array}\right.$

上式中，Pk表示节点k被选择的概率，以及是否选择链路

进行数据传输的概率，如果节点k和源节点不在一跳范围内即d_ik>R，则节点k被选择的概率为0，d_ik表示节点i和节点k之间的距离；如果节点k和源节点i在一跳范围内即d_ik≤R，则节点k被选择的概率为源节点i发送的波函数与节点k节点态矢量函数的相关运算；如果节点k的概率满足下式，那么节点k将会被选择，成为一个可能的中继节点：

$\frac{P_k-\underset{P_j\≠0}{\min }\left\{P_j\right\}}{\underset{P_j\≠0}{\max }\left\{P_j\right\}-P_k}\≥\mathrm{\α}$

其中

表示源节点一跳范围内节点被选择概率的最小值，

表示源节点一跳范围内节点被选择概率的最大值，α是一个常数；

如果节点k被选择，那么节点k会继续向其一跳范围内发送更新的波函数，即为上式中的f_k；

中间节点路由选择单元，用于设定中间节点m收到来自节点n的波函数 $f_n={\mathrm{\α}}_n{\stackrel{\→}{e}}_1+{\mathrm{\β}}_n{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_n{\stackrel{\→}{e}}_3+d$ 后，中间节点如何选取后续节点作为路由的中继节点的过程如下：

$\left\{\begin{array}{c}\mathrm{if}{d}_{\mathrm{mn}}>R\⇒P_m=0\\ \mathrm{if}{d}_{\mathrm{mn}}\≤R\⇒\left\{\begin{array}{c}\mathrm{if\; m}=d\⇒P_m=1\\ \mathrm{if\; m}\≠d\⇒\left\{\begin{array}{c}{P}_m=|f_n\·|u_{\mathrm{nm}}\⟩|\stackrel{\mathrm{\Δ}}{=}\frac{{\mathrm{\α}}_m}{\underset{d_{\mathrm{mn}}\≤R}{\max }\left\{{\mathrm{\α}}_j\right\}}+\frac{{\mathrm{\β}}_m}{\underset{d_{\mathrm{mn}}\≤R}{\max }\left\{{\mathrm{\β}}_j\right\}}+\frac{{\mathrm{\γ}}_m}{\underset{d_{\mathrm{mn}}\≤R}{\max }\left\{{\mathrm{\γ}}_j\right\}}\\ f_m=f_n\·|u_{\mathrm{nm}}\⟩\stackrel{\mathrm{\Δ}}{=}\frac{{\mathrm{\α}}_n\×{\mathrm{\α}}_{\mathrm{nm}}}{{\mathrm{\α}}_n+{\mathrm{\α}}_{\mathrm{nm}}}{\stackrel{\→}{e}}_1+\min ({\mathrm{\β}}_n,{\mathrm{\β}}_{\mathrm{nm}}){\stackrel{\→}{e}}_2+\frac{{\mathrm{\γ}}_n\×{\mathrm{\γ}}_{\mathrm{nm}}}{{\mathrm{\γ}}_n+{\mathrm{\γ}}_{\mathrm{nm}}}{\stackrel{\→}{e}}_3+d\\ \stackrel{\mathrm{\Δ}}{=}{\mathrm{\α}}_m{\stackrel{\→}{e}}_1+{\mathrm{\β}}_m{\stackrel{\→}{e}}_2+{\mathrm{\γ}}_m{\stackrel{\→}{e}}_3+d\end{array}\right.\end{array}\right.\end{array}\right.$

上式中，P_m表示节点m被选择的概率，以及是否选择链路

进行数据传输的概率，如果节点m和上继节点n不在一跳范围内即d_mn>R，则节点m被选择的概率为0，d_mn表示节点m和节点n之间的距离；如果第m个节点和源节点n在一跳范围内即d_mn≤R，则节点m被选择的概率为上继节点n发送的波函数与节点m节点态矢量函数的相关运算。

与节点n处于一跳范围内的节点，在收到f_n后进行判断，确定是否自己为目的节点；如果不是目的节点，将作相关运算；计算节点被选择的概率，并形成新的波函数进行传播；如果节点m的概率满足下式，那么节点m将会被选择：

$\frac{P_m-\underset{d_{\mathrm{jn}}\≤R,P_j\≠0}{\min }\left\{P_j\right\}}{\underset{d_{\mathrm{jn}}\≤R,P_j\≠0}{\max }\left\{P_j\right\}-P_m}\≥\mathrm{\α}$

其中表示节点n一跳范围内节点被选择概率的最小值，表示源节点一跳范围内节点被选择概率的最大值，α是一个常数；

如果节点m被选择，那么节点m会继续向其一跳范围内发送更新的波函数，即为上式中的f_m。

Images