CN101854695A - 基于能量和时延蚁群算法来确定无线传感网络路由的方法 - Google Patents

Abstract

本发明提供的基于能量和时延蚁群算法来确定无线传感网络路由的方法，首先由搜集无线传感网络的源节点、前进路径上所经过的各节点及目的节点的能量、时延、数据流量信息，并使负载有该些信息的返回蚂蚁按照前进蚂蚁的前进路经由目的节点向源节点返回，在返回途中，返回蚂蚁每达到一节点时，该节点按照能量和时延蚁群算法更新包含自身与相邻各节点的能量消耗和传输时延的信息素值表，以便供后续到达自身的数据包或蚂蚁确定行进路由路径，相较于现有基于PEGASIS和LEACH的方法，本发明的方法在能量效率、传输实时性和网络自适应性上具有明显优势。

Description

基于能量和时延蚁群算法来确定无线传感网络路由的方法

技术领域

本发明涉及一种确定无线传感网络路由的方法，特别涉及一种基于能量和时延蚁群算法来确定无线传感网络路由的方法。

背景技术

在网络路由中引进蚁群算法是1997年DORIGO针对数据网提出的Antnet。它用模拟蚂蚁沿最短路径寻找食物的方式进行路由选择，并取得了良好的效果。但在无线传感器网络中，引入蚁群算法将面临诸多难题。首先，Antnet涉及的参数多，计算量大，这对无线传感器节点的有限资源无疑是不切实际的；其二，容易造成部分节点过早死亡，使网络生命周期大为缩短。如何将蚁群算法有效引入无线传感网络以提高网络的传输能力和生命周期，实已成为本领域技术人员亟待解决的技术课题。

发明内容

本发明的目的在于提供一种基于能量和时延蚁群算法来确定无线传感网络路由的方法，以适用于对能量和实时性要求很高，而网络节点又很多的基于MESH结构的无线传感器网络。

为了达到上述目的及其他目的，本发明提供的基于能量和时延蚁群算法来确定无线传感网络路由的方法，包括步骤：1)无线传感网络的源节点将自身的数据流量、传输时延和能量状态信息加载在前进蚂蚁上，使所述前进蚂蚁从无线传感网络的源节点向目的节点前进；2)所述前进蚂蚁由源节点向目的节点前进路径上所到的每一节点，都将自身的数据流量、传输时延和能量状态信息加载在所述前进蚂蚁上，直到所述前进蚂蚁到达目的节点；3)当所述前进蚂蚁到达目的节点后，目的节点将所述前进蚂蚁搜集的其前进路径上各节点及自身的能量、时延、数据流量信息加载在返回蚂蚁上，并使返回蚂蚁按照前进蚂蚁的前进路经由目的节点向源节点返回；以及4)在返回途中，返回蚂蚁每达到一节点时，该节点按照能量和时延蚁群算法更新包含自身与相邻各节点的能量消耗和传输时延的信息素值表，以便供后续到达自身的数据包或蚂蚁确定行进路由路径。

综上所述，本发明的基于能量和时延蚁群算法来确定无线传感网络路由的方法根据能量损耗和时延来更新各节点的信息素表，仿真结果表明其在能量效率、传输实时性和网络自适应性上都要优于现有基于PEGASIS和LEACH的方法。

附图说明

图1为本发明的基于能量和时延蚁群算法来确定无线传感网络路由的方法的流程示意图。

图2为本发明的方法仿真于一个含有50个节点的无线传感网络的网络拓扑结构示意图。

图3为本发明的基于E&DANTS的方法仿真于图2所示的无线传感网络后所形成的网络通信结构。

图4为本发明的基于E&D ANTS的方法仿真于图2所示的无线传感网络后的自适应示意图。

具体实施方式

请参阅图1，本发明的基于能量和时延蚁群算法来确定无线传感网络路由的方法至少包括以下步骤：

首先，无线传感网络的源节点(即节点S)将自身的数据流量、传输时延和能量状态信息等加载在前进蚂蚁(即F_k)上，使所述前进蚂蚁F_k从无线传感网络的源节点S向目的节点(即节点d)前进。

接着，所述前进蚂蚁F_k由源节点S向目的节点d前进路径上所到的每一节点(如i₁……i_k)，都将自身的数据流量、传输时延和能量状态信息等加载在所述前进蚂蚁上，直到所述前进蚂蚁F_k到达目的节点d。

接着，当所述前进蚂蚁F_k到达目的节点d后，目的节点d将所述前进蚂蚁F_k搜集的其前进路径上各节点(即源节点S、节点i₁……节点i_k)、及自身(即目的节点d)的能量、时延、数据流量信息加载在返回蚂蚁B_k上，并使返回蚂蚁B_k按照前进蚂蚁F_k的前进路经(即源节点S、节点i₁……节点i_k、目的节点d)由目的节点向源节点(即目的节点d、节点i₁……节点i_k、源节点S)返回。

接着，在返回途中，返回蚂蚁B_k每达到一节点时，该节点按照能量和时延蚁群算法更新包含自身与相邻各节点的能量消耗和传输时延的信息素值表，以便供后续到达自身的数据包或蚂蚁确定行进路由路径。在本实施例中，可采用

来更新信息素值表，而最优信息素更新策略方法为：按照

计算出Δτ_ij(t)，其中，ρ为一个常数，1-ρ表示衰减程度，且ρ∈[0，1]，为最优信息素更新策略，τ_ij(t+1)为节点(i，j)在第t+1时刻的信息素值，τ_ij(t)为节点(i，j)在第t时刻的信息素值。由于任意一节点(i，j)的启发值ηi可以通过该节点的剩余能量在整个无线传感器网络中的总能量所占比例来确定，即：

其中，ei为节点(i，j)消耗的能量值，则返回蚂蚁B_k从目的节点d返回到源节点S时，能够计算出该返回蚂蚁B_k所经路径的能量消耗和移动时延，即

α和β为两个参数，分别反映了蚂蚁事件在运动过程中所收集的能量消耗信息和时延信息在蚂蚁选择路径中的相对重要性，其值预先设定，通过改变权重因子α，β和x的值，灵活地调整算法以适应不同应用场合的需要。在这些人工蚂蚁移动的过程中，k代表重复的人工蚂蚁的数目，也表示k次蚂蚁事件。通过计算出前k次蚂蚁事件移动的平均值

并且比较第k+1次事件z_new与前k次的平均值

若是z_new小于平均值

则最后一次轨迹信息素的值将会增加；反之，则减少。因此可知：

τ₀为系统初始阶段的信息素值。

为了取得最优的链路开销，需要尽可能地计算g(t)的下限值。这种使用动态平衡的混合策略既可以帮助识别过去蚂蚁事件搜索的成就，又可以提高探索新路径的能力。可运用强化学习(RL)的方法估计当前蚂蚁事件移动时链路开销的最优值，即

$g\left(t\right)=(1-\mathrm{\γ})g(t-1)+\mathrm{\γ}{\left(e_{\mathrm{ij}}^x\right)}^{\mathrm{\α}}{\left(t_{\mathrm{jd}}^i\right)}^{\mathrm{\β}}.$

其中γ是学习率，γ∈[0，1]。显而易见，当某条链路i→j上的时延和消耗的能量越小时，函数g(t)的值也就越小，换句话说，本发明的评估值就越来越趋近于最优解。

为了验证本发明的基于能量和时延蚁群算法(即E&D ANTS)来确定无线传感网络路由的方法的有效性，在此采用OPNET构建如图2所示的无线传感网络模型。该网络拓扑结构图为模拟一个100mx100m的大小的实验场，里面随机分布了50个无线传感器节点(即Node)。这里用C++实现本发明基于E&D ANTS的方法，同时也在OPNET仿真平台上实现了现有PEGASIS和LEACH方法。

在这个网络拓扑图中，任意两节点间的链接都是双向的链路。每条链路上的权重值都由相应的能量损耗值(单位：nJ/bit)和人工蚂蚁的传输时延(单位：ms)所决定。

假定每条链路上的带宽为B，采用了单射频前端传输，故在每个方向上的带宽就被拆分为B/2。网络中每个节点初始化能量为2焦耳，每个节点产生的数据流服从泊松分布过程，目的节点按平均概率选择。链路采用Drop-Tail模型(有限长缓存的FIFO队列)，队列缓存长度为50个。当人工蚂蚁或者数据包进入节点，首先在该队列中缓存，然后根据路由表P_i选择下一中继节点。为了加速信息素初始阶段的收敛速度，对既是邻居节点又是目的节点的路由表初始化一个较大的概率值，通常设为一般情况下值τ₀(＝1/L_i)的2倍。在本实验中，网络通信模型参数见表1，方法中各参数的设定如下：(α，β，γ，x，ρ，ω)为(0.8，0.4，0.1，0.2，0.9，0.4)。

表1网络通信模型参数表

如图3所示，本发明的基于E&D ANTS的方法能够利用目前网络的状态信息，有效地评估到邻节点的最小开销的链路和最高信息素值，从而做出最优的选择。

再则，实验总共进行20次，最后结果通过求平均值来测量。本发明的基于E&D ANTS的方法的实验结果表明，如图4所示的能量(即Energy)、延迟(即Delay)和数据包尺寸(即packetsize，单位为比特bit)，可以看出本发明的基于E&DANTS的方法收敛性好。当网络状态趋于稳定后，本发明的基于E&D ANTS的方法在传输相同大小的数据包时，其网络的能量消耗(Energy)和数据传输延时(Delay)明显较小。为了验证本发明的基于E&D ANTS的方法的鲁棒自适应性问题，在时间步t为500时改变网络的拓扑结构，如关掉图1中圆圈里的所有节点或者减少链路带宽B为127kb/s。由曲线图可知，本发明的基于E&D ANTS的方法经过一个短暂而平稳地波动后，继续维持原有的状态通信。

综上所述，本发明的基于能量和时延蚁群算法来确定无线传感网络路由的方法采用基于Energy*Delay的蚁群算法，简称E&D ANTS。算法中人工蚂蚁通过在线延迟的方式进行数据交换，并收集邻居节点状态和网络路由信息，以此建立起最佳路由表，使每次传输固定大小的数据和消耗相同能量的情况下使数据包传输时延最小。由于在无线通信系统中，能量消耗和传输时延是两个相互对立特征量，在此可运用加强学习的方法(Reinforcement Learning)来训练该模型。该算法实现简单，凝成网络路由开销小，自适应性强。试验表明，可以通过改变权重因子α，β和x的值，灵活地调整算法以适应不同应用场合的需要。而且E&D ANTS算法能够动态调整信息素值，实时跟踪网络状态，做出路由决策，有很好的负载均衡性和自适应性。仿真结果表明其在能量效率、传输实时性和网络自适应性上都要优于现有基于PEGASIS和LEACH的方法。

上述实施例仅列示性说明本发明的原理及功效，而非用于限制本发明。任何熟悉此项技术的人员均可在不违背本发明的精神及范围下，对上述实施例进行修改。因此，本发明的权利保护范围，应如权利要求书所列。

Claims (4)

1.一种基于能量和时延蚁群算法来确定无线传感网络路由的方法，其特征在于包括步骤：

1)无线传感网络的源节点将自身的数据流量、传输时延和能量状态信息加载在前进蚂蚁上，使所述前进蚂蚁从无线传感网络的源节点向目的节点前进；

2)所述前进蚂蚁由源节点向目的节点前进路径上所到的每一节点，都将自身的数据流量、传输时延和能量状态信息加载在所述前进蚂蚁上，直到所述前进蚂蚁到达目的节点；

3)当所述前进蚂蚁到达目的节点后，目的节点将所述前进蚂蚁搜集的其前进路径上各节点及自身的能量、时延、数据流量信息加载在返回蚂蚁上，并使返回蚂蚁按照前进蚂蚁的前进路经由目的节点向源节点返回；

4)在返回途中，返回蚂蚁每达到一节点时，该节点按照能量和时延蚁群算法更新包含以自身作为源节点时和其他各节点的能量消耗和传输时延的信息素值表，以便供后续到达自身的数据包或蚂蚁确定行进路由路径。

2.如权利要求1所述的基于能量和时延的蚁群算法来确定无线传感网络路由方法，其特征在于：所述能量和时延蚁群算法采用

来更新信息素值表，其中，ρ为一个常数，1-ρ表示衰减程度，且ρ∈[0，1]，

为最优信息素更新策略，τ_ij(t+1)为节点(i，j)在第t+1时刻的信息素值，τ_ij(t)为节点(i，j)在第t时刻的信息素值。

3.如权利要求2所述的基于能量和时延蚁群算法来确定无线传感网络路由的方法，其特征在于：最优信息素更新策略方法为：按照

计算出Δτ_ij(t)，其中，

Δτ_ij(t)即为

τ₀为初始信息素值，

为前k次蚂蚁事件移动的平均值，z_new第k+1次蚂蚁事件的值，k代表重复的前进蚂蚁的数目或k次蚂蚁事件，α和β为两个参数，分别根据蚂蚁事件在运动过程中所收集的能量消耗信息和时延信息在蚂蚁选择路径中的相对重要性来预先设定。

4.如权利要求3所述的基于能量和时延蚁群算法来确定无线传感网络路由的方法，其特征在于：采用强化学习的方法计算g(t)，即

其中，γ是学习率，γ∈[0，1]。

Images