CN103260206A - 一种基于影响度因子的混合动态无线路由有效搜索收敛方法 - Google Patents
一种基于影响度因子的混合动态无线路由有效搜索收敛方法 Download PDFInfo
- Publication number
- CN103260206A CN103260206A CN2013100032991A CN201310003299A CN103260206A CN 103260206 A CN103260206 A CN 103260206A CN 2013100032991 A CN2013100032991 A CN 2013100032991A CN 201310003299 A CN201310003299 A CN 201310003299A CN 103260206 A CN103260206 A CN 103260206A
- Authority
- CN
- China
- Prior art keywords
- node
- network
- routing
- route
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于影响度因子的混合动态无线路由有效搜索收敛方法。本发明的方法包括:将整个无线传感器网络的生命周期主要分为3个部分,分别是系统初始化、路由表和最优路径的建立、路由的调整与维护。系统的初始化将使得汇聚节点获取网络中节点的数目,传感器节点则获取到邻居节点的信息。本发明技术方案能够在数据路由的过程中有效减少寻找最优路径的通信消耗,同时均衡了能量消耗,提高了网络传输效率和生命周期。
Description
技术领域
本发明涉及无线路由领域,具体涉及到一种基于影响度因子的混合动态无线路由有效搜索收敛方法。
技术背景
随着数字电路、无线通信、微电机系统等学科的飞速发展,传感器信息获取技术已经从过去的单一化渐渐向集成化、微型化、网络化的方向发展,并带来了一场新的技术革命。无线传感器网络由部署在监测区域内的大量廉价的微型传感器节点组成,通过无线通信的方式而形成一个多跳的自组织、自适应网络系统。其目的是通过协作的感知、采集处理网络覆盖区域内的感知对象信息,并将信息传送给需要的用户。
现阶段的无线传感器网络主要被应用在军事领域,工业领域和环境的监测领域中,由传感器自节点组织起来的网络可以广泛的监测包括温度、湿度、能耗、PH值、雨量、水位、压力等一系列参数,这就给用户提供了更好、更快、也更加及时的数据,从而让其也能做出更加优化的判断与决策。与传统的网络相比,无线传感器网络体现出了其独有的一些特点,主要是:
(1) 节点密集分布于环境中,节点即可充当传感采集器又能充当路由器;
(2) 具有独特的底层通行机制和通信传输媒介;
(3) 各节点的计算能力、通信能力、和电源供应都相当有限;
(4) 可以同时存在多条链路进行数据传输;
(5) 传感器节点之间是无中心、自组织、多条通信的;
(6) 网络的自适应特性是其具有很好的鲁棒性和很强的伸缩性。
正是由于无线传感器网络的这些特点,使其具有了十分广阔的应用前景,也成为了当前乃至21世纪最重要的技术之一。它的应用,必将为人类的生活、生产方式方式带来深远的影响。
一个典型的无线传感器网络通常由传感器节点、汇聚节点、以及管理节点组成。大量的传感器节点将随机的部署在监测的区域内部或者周围,节点监测到数据后,会沿着其他的传感器接节点进行逐跳传输,最后到达汇聚节点或者是远方基站。最后数据通过卫星或者互联网传到管理节点。
无线传感器网络具有硬件资源有限和以数据为中兴的特点,通常需要以多种策略去考虑无线传感器网络路由协议,因此其路由技术也是无线传感器网络的核心技术之一。传统的网络如Ad hoc、无线局域网等主要设计目标是提高服务质量和公平有效的利用网络带宽。在设计这些路由算法的时候往往是以最小延迟路径、避免网络通信拥塞、均衡网络流量、提高网络利用率等为目标。而无线传感器网络本身具有能量有限、基于局部的拓扑信息、通常以数据为中心等特点,在设计无线传感器网络路由算法方面更多是需要满足以下几个方面的要求:
(1) 能量高效。无线传感器网络不仅需要考虑选择能量消耗最小的传输链路,而且要从整个网络的角度进行考虑,选择均衡量能消耗的链路。因此,整个传感器网络的路由机制也该尽量简单而高效。
(2) 可扩展性。无线传感器网络中节点的失败、新节点的加入以及节点的移动等因素会使得网络的拓扑结构随时发生变化。这就要求网络能够具有可扩展性使其能够适应网络的变化。
(3) 鲁棒性。无线传感器网路工作环境通常十分恶劣。传感器节点的不易更换性要求在有节点发生故障时,应该尽量利用其它节点有效信息来确保路由能够尽快得到恢复,因此就要求它有一定的容错性。在条件允许的情况下,甚至可以使用多条链路,以确保其可靠性。
(4) 快速收敛性。无线传感器网络能量和硬件资源的局限性要求其路由机制必须能够快速收敛,从而更好的适应网络拓扑的动态变化,减少通信的消耗,提高效率。
因此,需要一种有效的路由算法和机制,解决无线传感器网络中的均衡能量消耗和快速收敛等方面的问题。本专利正是针对这些方面提出了一种基于蚁群算法的路由选择方法。
发明内容
本发明的目的在于提供一种基于影响度因子的混合动态无线路由有效搜索收敛方法,该方法在采用引入能量因子的蚁群算法中,进一步加入了影响度因子。系统在构建路由解决方案的过程中,既达到快速的收敛而降低对寻找路径最优解的能量消耗,又使得收敛能够有效的集中在最优解的附近。同时在路由的维护中,采用局部和全局的更新策略,使路由的选择既不至于限于局部的最优解,又使其能够快速的建立新的最优解决方案。
本发明是这样来实现的,它主要包括以下几个步骤:
2、路由表和最优路径的建立:在每个网络中的放入m个最短路径查询包,以广播的形式向邻居节点发送,发送的过程将确保每个节点都具有邻居节点的路由信息,如果没有记录,则创建记录并写入节点路由表。
最短路径查询包在路由的过程会选取能量感知的的路由链路。节点通过选取到邻居节点的最优路径来转发数据。数据包进行多跳的过程将受到信息素浓度和能量的共同作用。处于节点i的数据包选取下一跳节点j的概率为
同时,最短路径查询包在路由的过程中,最短路径查询包在转移的过程中,经过的路径信息素将增加而未经过的路径信息素浓度将减小。在更改信息素浓度的时候,引入影响度因子f。在循环的过程中,逐渐追加信息素浓度对于构建路由解决方案的影响度。引入的影响度因子
其中,m为当前网络中放入的最优路径查询包数目,可以依据具体的网络规模所设置,n表示当前无线传感器网络中节点的数目。信息素浓度的计算公式为
3、 路由的调整与维护:随着无线传感器网络系统的不断运行,原有节点的能量也将会消耗。当节点的能量接近时,由于启发式因子的影响,该节点作为转发节点的概率将会变得非常小,但是其仍然能够作为数据采集节点而运行,这就增加了系统的鲁棒性。
由于当节点i以一定的概率选取邻居节点j作为转发路径时,节点ij上的路径信息素浓度就会得到加强,而那些不经常转发数据的路径信息素浓度由于挥发将会减小。此时,信息素浓度的计算公式更改为
(8)
相比于(5)式,(7)式不再需要使用影响度因子,此时应用的是局部和全局的动态策略进行状态更新。从源节点到汇聚节点,数据包的每一跳都将引起信息素的改变,同时再到达汇聚节点时,再做判断,如条件满足,将应用(8)式进行全局的状态更新,优化最优的路由路径。其中
(10)
本发明技术方案能够在数据路由的过程中有效减少寻找最优路径的通信消耗,同时均衡了能量消耗,提高了网络传输效率和生命周期。
附图说明
图1是本发明无线传感器网络模型图。
图2是本发明专利算法中的路由和最优路径的构建流程图。
图3是本发明专利算法中的路由调整和维护流程图。
具体实施方式
结合附图1、2、3所示,本发明提供一种基于影响度因子的混合动态无线路由有效搜索收敛方法,此算法的具体实施方式如下:
1、 系统初始化:
基于蚁群算法的无线传感器网络路由选择方法针对的是无线传感器网络。如图1所示。监测区域中的传感器节点组成一个自组织、自适应的传感器网络。节点采集到数据后,通过多跳的方式,最终传递到汇聚节点。最后再通过卫星、互联网等传达到管理节点。初始化中的步骤有:
(2) 收到蚂蚁路由查询包的节点,利用包中的信息素浓度初始值和能量阈值设置节点参数值,同时将包中距离汇聚节点跳数的参数值加1。如若收到多个则以最小的为准,然后再广播数据包;同时向发送蚂蚁路由查询包的源节点回复确认包;如若收到邻居节点的确认包,则向蚂蚁路由查询包中的源节点转发确认包;
(3) 根据步骤(1)和步骤(2),网络中的节点将设置好其初始的信息素浓度与能量阈值,同时汇聚节点将获得网络中节点的数目n以及每个节点所剩余的能量值 ;每个网络节点将得知其邻居节点的信息,同时知道邻居节点到汇聚节点的跳数。
2、 路由表和最优路径的建立:
在无线传感器网络中,每个节点都将保存一张路由表,该路由表中记录了其与邻居节点的路径信息。在路由表和最优路径的建立过程中,主要经过了以下几个步骤,如图2所示。
首先在任意节点上放m个最优路径查询包,这也意味着,在查询从初始节点到汇聚节点的最优路径过程中,组要m个循环。m的具体值依据具体问题和规模而定。数据包进行多跳的过程将受到信息素浓度和能量的共同作用。处于节点i的数据包选取下一跳节点j的概率为
同时,最优路径查询包在转移的过程中,经过的路径信息素将增加而未经过的路径信息素浓度将减小。在更改信息素浓度的时候,引入影响度因子f,逐渐追加信息素浓度对于构建路由解决方案的影响度。引入的影响度因子
(4)
其中,m为当前网络中放入的最短路径查询包数目,可以依据具体的网络规模所设置,n表示当前无线传感器网络中节点的数目。信息素浓度的计算公式为
3、 路由的调整和维护:
由于当节点i以一定的概率选取邻居节点j作为转发路径时,节点ij上的路径信息素浓度就会得到加强,而那些不经常转发数据的路径信息素浓度由于挥发将会减小。此时,局部信息素浓度的计算公式为
相比于(5)式,(7)式中不再需要使用影响度因子,因为此时路径上转发的为采集的数据包,并且在此转发阶段从源节点到汇聚节点一段时间内可能只有一个数据包的转发,所以在对新的最优解决方案构建过程中, 其影响度也就不再具有差异性。
Claims (4)
1.一种基于影响度因子的混合动态无线路由有效搜索收敛方法,其主要特征是:节点的初始信息素浓度为 ,通过此初值的设置来增加初始阶段对于新解的探索;在对于中间路由节点的选择上,设置能量阈值;在路由解决方案的构建阶段,引入影响度因子,减小随机因素影响,并达到快速收敛;对于路由的选择,应用引入能量因子的蚁群算法,采用动态混合的更新策略,周期性的更新个节点的路由表,维护路由信息,采用改进蚁群算法的路由选择方法步骤主要包括:系统初始化;节点路由表与最优路径的建立;路由调整与维护:
节点路由表及最优路径的建立:应用蚁群算法的路由方案,主要包括形成节点的路由表,计算各路径上的信息素浓度,计算出当前网络中各路径上的包含能量感知因子的最优路径;
路由的调整与维护:采用的蚁群算法对网络路由进行调整与维护,主要是链路信息素浓度的调整和动态网络中最新最优路径的获取。
2.根据权利要求1所述一种基于影响度因子的混合动态无线路由有效搜索收敛方法,其特征在于系统初始化的步骤包括:
收到蚂蚁路由查询包的节点,利用包中的信息素浓度初始值和能量阈值设置节点参数值,同时将包中距离汇聚节点跳数的参数值加1,如若收到多个则以最小的为准,然后再广播数据包;同时向发送蚂蚁路由查询包的源节点回复确认包;如若收到邻居节点的确认包,则向蚂蚁路由查询包中的源节点转发确认包;
3.根据权利要求1所述一种基于影响度因子的混合动态无线路由有效搜索收敛方法,其特征在于路由表及最优路径的建立的步骤包括:
在每个网络节点中放入m个 最短路径查询包,其包中将携带信息包的跳数和当前剩余能量,以广播的方式向邻居节点发送,发送的过程中,确保了每个节点都具有网络中邻居节点的路由信息,如果没有,则创建该路由记录,并写入路由表,创建的记录中应包含邻居节点的标识,邻居节点的剩余能量,路径上得信息素浓度和距离汇聚节点的跳数信息;
选取能量感知的最优路由路径是当有数据包需要从当前节点发送到汇聚节点时,节点通过计算到邻居节点的概率来选取相应链路进行数据传送,信息素浓度与能量将共同影响其结果,处于节点i的数据包选取下一个节点j的概率
(2)
最优路径查询包在转移的过程中,经过的路径信息素将增加而未经过的路径信息素浓度将减小,在更改信息素浓度的时候,引入影响度因子f,在循环的过程中,逐渐追加信息素浓度对于构建路由解决方案的影响度,其中影响度
m为当前网络中放入的最优路径查询包数目,可以依据具体的网络规模所设置,n表示当前无线传感器网络中节点的数目,信息素浓度的计算公式为
(5)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100032991A CN103260206A (zh) | 2013-06-08 | 2013-06-08 | 一种基于影响度因子的混合动态无线路由有效搜索收敛方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100032991A CN103260206A (zh) | 2013-06-08 | 2013-06-08 | 一种基于影响度因子的混合动态无线路由有效搜索收敛方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103260206A true CN103260206A (zh) | 2013-08-21 |
Family
ID=48963840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100032991A Pending CN103260206A (zh) | 2013-06-08 | 2013-06-08 | 一种基于影响度因子的混合动态无线路由有效搜索收敛方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103260206A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104640154A (zh) * | 2015-02-16 | 2015-05-20 | 贵州师范大学 | 一种用于智能交通系统的非均匀分簇路由的方法 |
CN103813404B (zh) * | 2014-01-28 | 2017-02-15 | 河南科技大学 | 一种双生物启发的无线自组网络路由决策方法 |
CN108965417A (zh) * | 2018-07-04 | 2018-12-07 | 梧州市兴能农业科技有限公司 | 农田土壤污染无线监测系统 |
CN108989416A (zh) * | 2018-07-09 | 2018-12-11 | 深圳大图科创技术开发有限公司 | 风电机组振动智能实时监测系统 |
CN109151752A (zh) * | 2018-07-31 | 2019-01-04 | 梧州市兴能农业科技有限公司 | 农田土壤重金属污染智能预警系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101969641A (zh) * | 2010-11-16 | 2011-02-09 | 上海大学 | 基于快速ECDSA的大规模无线传感器网络轻量级Byzantine容错路由 |
CN103052129A (zh) * | 2013-01-09 | 2013-04-17 | 北京邮电大学 | 一种无线多跳中继网络中节能路由及功率分配方法 |
-
2013
- 2013-06-08 CN CN2013100032991A patent/CN103260206A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101969641A (zh) * | 2010-11-16 | 2011-02-09 | 上海大学 | 基于快速ECDSA的大规模无线传感器网络轻量级Byzantine容错路由 |
CN103052129A (zh) * | 2013-01-09 | 2013-04-17 | 北京邮电大学 | 一种无线多跳中继网络中节能路由及功率分配方法 |
Non-Patent Citations (1)
Title |
---|
夏威: "《中国优秀硕士学位论文全文数据库》", 31 December 2012 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103813404B (zh) * | 2014-01-28 | 2017-02-15 | 河南科技大学 | 一种双生物启发的无线自组网络路由决策方法 |
CN104640154A (zh) * | 2015-02-16 | 2015-05-20 | 贵州师范大学 | 一种用于智能交通系统的非均匀分簇路由的方法 |
CN104640154B (zh) * | 2015-02-16 | 2017-12-05 | 贵州师范大学 | 一种用于智能交通系统的非均匀分簇路由的方法 |
CN108965417A (zh) * | 2018-07-04 | 2018-12-07 | 梧州市兴能农业科技有限公司 | 农田土壤污染无线监测系统 |
CN108965417B (zh) * | 2018-07-04 | 2021-12-21 | 梧州市兴能农业科技有限公司 | 农田土壤污染无线监测系统 |
CN108989416A (zh) * | 2018-07-09 | 2018-12-11 | 深圳大图科创技术开发有限公司 | 风电机组振动智能实时监测系统 |
CN108989416B (zh) * | 2018-07-09 | 2021-06-25 | 国电电力湖南郴州风电开发有限公司 | 风电机组振动智能实时监测系统 |
CN109151752A (zh) * | 2018-07-31 | 2019-01-04 | 梧州市兴能农业科技有限公司 | 农田土壤重金属污染智能预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bhandary et al. | Routing in wireless multimedia sensor networks: a survey of existing protocols and open research issues | |
Deepalakshmi et al. | Ant colony based QoS routing algorithm for mobile ad hoc networks | |
Bouzid et al. | Efficient routing protocol for wireless sensor network based on reinforcement learning | |
CN103338495B (zh) | 基于leps协议的双向能量均衡无线传感网路由方法 | |
CN106817738A (zh) | 一种基于联盟博弈的路由方法 | |
Okazaki et al. | Ant-based dynamic hop optimization protocol: A routing algorithm for mobile wireless sensor networks | |
CN103260206A (zh) | 一种基于影响度因子的混合动态无线路由有效搜索收敛方法 | |
CN108684063A (zh) | 一种基于网络拓扑变化的按需路由协议改进方法 | |
Jain et al. | A route selection approach for variable data transmission in wireless sensor networks | |
De Castro et al. | An autonomic bio-inspired algorithm for wireless sensor network self-organization and efficient routing | |
Sadeghi et al. | Load‐balanced data gathering in Internet of Things using an energy‐aware cuckoo‐search algorithm | |
Poongkuzhali et al. | An optimized power reactive routing based on AODV protocol for Mobile Ad-hoc network | |
Muhila et al. | A New Energy Efficient Routing Scheme for Data Gathering | |
Del-Valle-Soto et al. | An efficient multi-parent hierarchical routing protocol for WSNs | |
Boucetta et al. | Ant colony optimization based hierarchical data dissemination in WSN | |
Yang et al. | Multi-path routing protocol for mobile ad hoc network | |
Halder et al. | Power aware AODV routing protocol for MANET | |
Peng et al. | An energy-aware random multi-path routing protocol for MANETs | |
Padyal et al. | Continuous neighbour discovery approach for improvement of routing performance in WSN | |
CN110121185A (zh) | 一种配电通信网络路由优化方法 | |
Torres et al. | Improving lifetime and availability for ad hoc networks to emergency and rescue scenarios | |
Aissani et al. | EA-SPEED: energy-aware real-time routing protocol for wireless sensor networks | |
Biswas et al. | An energy aware heuristic-based routing protocol in Wireless Sensor Networks | |
Chaudhari et al. | Multilayered distributed routing for power efficient MANET performance | |
Chinara et al. | Topology control by transmission range adjustment protocol for clustered mobile ad hoc networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130821 |