CN103327564B - 基于蚁群算法的无线传感器网络路由方法 - Google Patents

Abstract

本发明公开了一种基于蚁群算法的无线传感器网络路由<b>方</b>法，其特征在于：包括路由建立准备阶段、路由建立阶段、路由优化阶段。本发明基于改进的蚁群算法，来设计具有全局能量均衡、高效自适应的无线传感网络路由算法。本发明通过改进蚁群路出算法中在数据包传回到sink阶段，采用了自适应路由选择算法，可以根据节点剩余能量情况，采取动态的路由选择策略，较好地保护了那些能量接近耗尽的节点，保持了网络功能完整性。

Description

基于蚁群算法的无线传感器网络路由方法

技术领域

本发明涉及信息通信领域，具体来讲是一种基于蚁群算法的无线传感器网络路由方法。

背景技术

大量的具有无线通信和数据处理能力传感器器件通过一定的协议构成自组织网络-无线传感器网络。这种网络可以有效的进行传感数据收集和传输。然而由于无线传感器网络具有自身的特点比如：通信、存储和处理能力较弱，有限的能量等，使得关于无线传感器网络的路由研究成为热点。

目前的无线传感网络路由算法，通过分析发现，目前这些经典的路由算法并不能够完全的满足无线传感网络路由协议诸多方面的要求，尤其是当网络拓扑结构发生变化或者传感接点的位置发生变化时，传统的传感网络路由算法很难能够做到迅速适应这种变化，在很短的时间内重新搜索到新的路径。另外，传统传感网络路由算法通信协议开销仍然很大，存在改进余地。

基本蚁群算法蚂蚁都是通过信息素最多的路径到达目的地，所以如果该路径是到达目的地的最优路径，在该路径上的蚂蚁数量将是巨大的。这将导致该路径上网络节点的能量急剧减少，使整个网络的生命周期缩短，并且很有可能导致该路径出现拥塞。蚁群算法易陷入局部最优解，表现为路由信息表停滞，因而当网络拓扑结构发生变化时，人工蚂蚁就不能很快发现新出现的更好路径。

发明内容

本发明的目的在于在此提供一种基于蚁群算法的无线传感器网络路由方法。解决这些问题，对蚁群算法进行改进，使得网络中的数据流量尽可能经过不同的路径，从而使得节点的能量消耗相对均衡，并且能够有效避免蚁群算法陷入局部最优解。

本发明是这样实现的，构造一种基于蚁群算法的无线传感器网络路由方法，其特征在于：包括以下步骤；

（1）路由建立准备阶段：

sink节点广播一个初始化信令，通知每个节点获取自己的邻接节点，将邻接节点加入自己的路由表，并将邻接节点链路的信息素置l，然后每个节点生成当前节点的蚂蚁包，蚂蚁包中包含起止点的编号、经过的路径表，并将出发节点写入蚂蚁包的经过路径表；

Sink节点设定最大迭代次数N _max，并初始化迭代次数N=0；

（2）路由建立阶段：

a、蚂蚁所在的当前节点i选择下一跳节点j的概率为p^k _ij ，选择概率最大的节点作为下一跳节点发送蚂蚁包；

b、节点（Sink点除外）收到蚂蚁包后按照a的规则进行蚂蚁包的转发；

（3）路由优化阶段：Sink点接受到蚂蚁包后，根据蚂蚁包中的路径表统计出每个节点有多少蚂蚁包发出，假定共有m个节点，节点发出蚂蚁包的数量是X_i （i=1，．．．，m），代表了每个节点的能量消耗；

定义网络中总的蚂蚁包发送量

(1)

定义网络中蚂蚁包发送量的数学期望

(2)

定义网络中蚂蚁包发送量的方差

(3)

定义网络中蚂蚁包发送量的评价函数

(4)

式（4）中τ为可调参数，通过调节τ的值可以调整E(x)和D(x)的权重，根据需求调节；

Sink点根据每个节点的蚂蚁包产生后向蚂蚁包，N<N_max 时，在后向蚂蚁包中要求节点发送新的蚂蚁包，否则认为路由建立完毕；

节点收到自己的后向蚂蚁包，将后向蚂蚁包中的邻接链路信息更新。

根据本发明所述的基于蚁群算法的无线传感器网络路由方法，其特征在于：蚂蚁所在的当前节点i选择下一跳节点j的概率p^k _ij 由下确定；

（1）位于节点i的第k只蚂蚁选择下一个节点j的概率p^k _ij 使用以下公式确定；

（5）

其中， 是信息素强度，是从节点i到节点j的距离的倒数，E_j 是蚂蚁k即将访问的下一个节点的剩余能量， allowed_k 是蚂蚁k还未访问节点的集合，α是表示信息素相对重要程度的参数，其值越大，则该蚂蚁越倾向于选择其他蚂蚁经过的路径，蚂蚁之间的协作性越强；β是表示能见度的相对重要性，反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度，其值越大，则该状态转移概率接近于贪心规则；

式（5）中增加了能量控制因子，在其收敛于最优解的同时，平衡了节点的能量消耗，延长了整个网络的生命周期；同时式（5）中也考虑了时延因素，时延在一定程度上能有效地反映网络的拥塞程度，因此该算法能够有效地缓解网络拥塞；

（2）针对无线传感网络拓扑结构易变的特性，位于节点i的第k只蚂蚁选择下一个节点j时，按以下方法进行：

（6）

式中：q是（0，1）中均匀分布的随机数，q0∈（0，1），Ln是节点n的邻居节点数，通过选择q0值，可决定是按信息素搜索路径还是探索新路径；

由分析（6）式知，若q0值较大，则多数蚂蚁容易选择信息素最大的边，这样在搜索过程中可能容易出现多数蚂蚁搜索到相同的路径，容易陷入局部最优解。若q0值较小，能扩大搜索的空问，但搜索有一定的盲目性，不容易收敛。综合这两方面考虑，qo的值在迭代过程中作动态调整；

(7)

式中n0，n1分别为迭代次数；n_max 为最大迭代次数，0.7<C<0.9，0<C0<0.3，式（7）表明，算法开始运行时，以较大的概率选择信息素较大的边，迭代n0次后，为了防止陷入局部最优解，改变qo值，扩大搜索空间；最后为了使算法收敛到全局最优解，再次改变qo值，以较大的概率选择信息素最大的边，直到运行结束。

根据本发明所述的基于蚁群算法的无线传感器网络路由方法，其特征在于：在搜索过程中，若发现的路径比以往最优解更优则进行适当的奖励，否则进行一定的惩罚；

奖罚机制的信息素更新方法由（8）和（9）式给出：

节点收到自己的后向蚂蚁包，将后向蚂蚁包中的邻接链路信息按下式更新，

（8）

（9）

选择后向蚂蚁包中的节点作为下一跳；同时根据后向蚂蚁包中信息判断是否发送新的蚂蚁包，无需发送时，路由建立完毕。

本发明经过改进，

（1）位于节点i的第k只蚂蚁选择下一个节点j的概率p^k _ij 使用以下公式确定

其中，τ _ij (t)是信息素强度，η _ij (t)是从节点i到节点j的距离的倒数，E_j 是蚂蚁k即将访问的下一个节点的剩余能量，allowed_k 是蚂蚁k还未访问节点的集合，α是表示信息素相对重要程度的参数，其值越大，则该蚂蚁越倾向于选择其他蚂蚁经过的路径，蚂蚁之间的协作性越强；β是表示能见度的相对重要性，反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度，其值越大，则该状态转移概率接近于贪心规则。

上式中增加了能量控制因子，在其收敛于最优解的同时，平衡了节点的能量消耗，延长了整个网络的生命周期。同时上式中也考虑了时延因素，时延在一定程度上能有效地反映网络的拥塞程度，因此该算法能够有效地缓解网络拥塞。

（2）针对无线传感网络拓扑结构易变的特性，位于节点i的第k只蚂蚁选择下一个节点j时，我们是按以下方法进行：

该式中：q是(0，1)中均匀分布的随机数，q0∈ (0，1)，Ln是节点n的邻居节点数，通过选择q0值，可决定是按信息素搜索路径还是探索新路径。

由分析知，若q0值较大，则多数蚂蚁容易选择信息素最大的边，这样在搜索过程中可能容易出现多数蚂蚁搜索到相同的路径，容易陷入局部最优解。若qo值较小，能扩大搜索的空问，但搜索有一定的盲目性，不容易收敛。综合这两方面考虑，qo的值在迭代过程中作动态调整。

该式中n0，n1分别为迭代次数；n_max 为最大迭代次数，0.7<C<0.9，0<C0<0.3。该式表明，算法开始运行时，以较大的概率选择信息素较大的边，迭代n0次后，为了防止陷入局部最优解，改变q0值，扩大搜索空间；最后为了使算法收敛到全局最优解，再次改变q0值，以较大的概率选择信息素最大的边，直到运行结束。

（3）在蚁群算法中，不仅要解决停滞问题，防止陷于局部最优解，同时还要避免蚂蚁陷入环路，当出现环路，即蚂蚁又返回到一个已经访问过的节点时，所有与形成环路的节点有关的信息全部去掉，然后在邻居节点中按相同的概率值选择其中的一个，以免再次进入环路。

在本发明中，我们采用以牺牲一个很小的空间为代价，保存节点的跳数信息。在路由建立准备阶段，由Sink节点发起节点跳数建立，在Sink节点周围一跳范围内的节点（假定为K）最先得知自己的邻接节点表中有Sink点，则将自己的跳数计为1，并且向邻接节点表中的其他节点发送自己的跳数信息。邻接节点K+l收到消息，将邻接节点表中k节点的跳数写为1，并且进行判断，选取邻接节点表中跳数最小的节点加1作为自己的跳数，并且向邻接节点表中除了最小跳数节点之外的邻接节点发送自己的跳数信息。直至网内每个节点知道自己的跳数值和邻接节点的跳数。

规定节点在选择下一跳节点时，都是从邻居节点表挑选出一批跳数值最小的节点作为候选下一跳节点，而且跳数值必须比自身要大，采用这一规定是为了使算法的搜索过程尽量不要背离sink方向，加大搜索收敛速度，并且节点永远不可能陷入环路。

（4）信息素更新规则：蚁群算法在进行信息素更新时，无论搜索到的解如何，在这些路径上的信息素都会得到一定程度的加强，而未搜索到的更好的解信息素没有得到加强，反而会随着时间的推移不断挥发而更加难以搜索到，因此蚁群算法更容易受到早期发现较好解的影响，陷入局部最优解，为了克服这种现象，我们采用以下带有奖罚机制的更新方法。在搜索过程中，若发现的路径比以往最优解更优则进行适当的奖励，否则进行一定的惩罚。奖罚机制的信息素更新方法由（8）和（9）式给出。

本发明的优点在于：本发明通过改进蚁群路出算法中在数据包传回到sink阶段，采用了自适应路由选择算法，可以根据节点剩余能量情况，采取动态的路由选择策略，较好地保护了那些能量接近耗尽的节点，保持了网络功能的完整性。同时为了验证算法的收敛性，在相同的条件下进行了100次实验，结果发现改进蚁群算法只有5次没有收敛到最优解，陷入局部最优，由于改进蚁群算法中引入了跳数选择机制以及带有奖罚机制的更新方法，不但避免了算法陷入回路问题，而且使得很好的解决了蚁群算法易陷入局部最优的难题。

附图说明

图1是本发明流程示意图

图2是α的值与第一个节点生存周期关系示意图

图3是β的值与第一个节点死亡时间关系示意图

图4是ρ的值与第一个节点死亡时间关系示意图。

具体实施方式

下面对本发明进行详细说明，本发明在此提供一种基于蚁群算法的无线传感器网络路由方法，包括以下步骤；

（1）路由建立准备阶段：

sink节点广播一个初始化信令，通知每个节点获取自己的邻接节点，将邻接节点加入自己的路由表，并将邻接节点链路的信息素置l，然后每个节点生成当前节点的蚂蚁包，蚂蚁包中包含起止点的编号、经过的路径表，并将出发节点写入蚂蚁包的经过路径表；

Sink节点设定最大迭代次数N _max，并初始化迭代次数N=0；

（2）路由建立阶段：

a、蚂蚁所在的当前节点i选择下一跳节点j的概率为p^k _ij ，选择概率最大的节点作为下一跳节点发送蚂蚁包；

b、节点（Sink点除外）收到蚂蚁包后按照a的规则进行蚂蚁包的转发；

（3）路由优化阶段：Sink点接受到蚂蚁包后，根据蚂蚁包中的路径表统计出每个节点有多少蚂蚁包发出，假定共有m个节点，节点发出蚂蚁包的数量是X_i （i=1，．．．，m），代表了每个节点的能量消耗；

定义网络中总的蚂蚁包发送量

(1)

定义网络中蚂蚁包发送量的数学期望

(2)

定义网络中蚂蚁包发送量的方差

(3)

定义网络中蚂蚁包发送量的评价函数

(4)

式（4）中τ为可调参数，通过调节τ的值可以调整E(x)和D(x)的权重，根据需求调节；

Sink点根据每个节点的蚂蚁包产生后向蚂蚁包，N<N_max 时，在后向蚂蚁包中要求节点发送新的蚂蚁包，否则认为路由建立完毕；

节点收到自己的后向蚂蚁包，将后向蚂蚁包中的邻接链路信息更新。

根据本发明所述的基于蚁群算法的无线传感器网络路由方法，其特征在于：蚂蚁所在的当前节点i选择下一跳节点j的概率p^k _ij 由下确定；

（1）位于节点i的第k只蚂蚁选择下一个节点j的概率p^k _ij 使用以下公式确定；

（5）

其中，τ _ij (t)是信息素强度，η _ij (t)是从节点i到节点j的距离的倒数，E_j 是蚂蚁k即将访问的下一个节点的剩余能量，allowed_k 是蚂蚁k还未访问节点的集合，α是表示信息素相对重要程度的参数，其值越大，则该蚂蚁越倾向于选择其他蚂蚁经过的路径，蚂蚁之间的协作性越强；β是表示能见度的相对重要性，反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度，其值越大，则该状态转移概率接近于贪心规则；

式（5）中增加了能量控制因子，在其收敛于最优解的同时，平衡了节点的能量消耗，延长了整个网络的生命周期；同时式（5）中也考虑了时延因素，时延在一定程度上能有效地反映网络的拥塞程度，因此该算法能够有效地缓解网络拥塞。

（2）针对无线传感网络拓扑结构易变的特性，位于节点i的第k只蚂蚁选择下一个节点j时，按以下方法进行：

（6）

式中：q是（0，1）中均匀分布的随机数，q0∈ （0，1），Ln是节点n的邻居节点数，通过选择q0值，可决定是按信息素搜索路径还是探索新路径；

由分析（6）式知，若q0值较大，则多数蚂蚁容易选择信息素最大的边，这样在搜索过程中可能容易出现多数蚂蚁搜索到相同的路径，容易陷入局部最优解。若qo值较小，能扩大搜索的空问，但搜索有一定的盲目性，不容易收敛。综合这两方面考虑，qo的值在迭代过程中作动态调整；

(7)

式中n0，n1分别为迭代次数；n_max 为最大迭代次数，0.7<C<0.9，0<C0<0.3，式（7）表明，算法开始运行时，以较大的概率选择信息素较大的边，迭代n0次后，为了防止陷入局部最优解，改变qo值，扩大搜索空间；最后为了使算法收敛到全局最优解，再次改变qo值，以较大的概率选择信息素最大的边，直到运行结束。

根据本发明所述的基于蚁群算法的无线传感器网络路由方法，其特征在于：在搜索过程中，若发现的路径比以往最优解更优则进行适当的奖励，否则进行一定的惩罚。奖罚机制的信息素更新方法由（8）和（9）式给出：

节点收到自己的后向蚂蚁包，将后向蚂蚁包中的邻接链路信息按下式更新， （8）

（9）

选择后向蚂蚁包中的节点作为下一跳；同时根据后向蚂蚁包中信息判断是否发送新的蚂蚁包，无需发送时，路由建立完毕。

仿真结果和分析

为了验证该算法的性能，我们对该算法和LEACH算法进行了仿真对比。在200×200的范围内，我们选取随机分布的50个节点，并且每次传输过程实现数据融合，这里假设每个节点传送和接受的都是大小固定的4000bit数据，基站位于(100，200)，初始能量Q=0.5。

为了研究口，α，β，ρ等参数对我们算法性能的影响，我们首先仿真了α，β，ρ等参数不同数值的场景，为了减少偶然性，每个实验都进行50次，实验结果取平均值。

我们首先固定区域范围为200×200，选择节点数目为50，然后我们固定值β=2，ρ=0.5，依次选择α的值为(1，2，⋯10)，我们把软件下方信息栏中第一个节点死亡所经历的周期数(First Dead)记录下来，重复50次，结果取平均值，我们得到口的值与第一个节点死亡时的关系图(如图2所示)：图2α的值与第一个节点生存周期关系。

图2中，横坐标表示α的值，纵坐标表示第一个节点死亡时所经历的周期数，从图2可以看出，当口的值较小时，节点生存周期比较长，这主要有两方面原因。一是由于能量因子所占的比重相对大一点，另一个则是由于当口较小时，对过去的蚂蚁信息利用不够，路径选择的随机性比较大，以收敛时间为代价延长了生存周期。但是如果α值太大，可以加速收敛，但搜索的随机性减弱，可能造成过早陷入局部最优解。所以α的值不易过小也不易过大。

同样，我们固定区域范围为200×200，选择节点数目为50，然后我们固定值α=l，ρ=0．5，依次选择β的值为(1，2，⋯8)，我们把软件下方信息栏中第一个节点死亡所经历的周期数(First Dead)记录下来，重复50次，结果取平均值，我们得到β的值与第一个节点死亡时的关系图(如图3所示)：图3β的值与第一个节点死亡时间关系。

图3中，横坐标表示β的值，纵坐标表示第一个节点死亡时所经历的周期数，从图3可以看出，期望启发因子β反映了启发信息在指导蚁群搜索过程中的相对重要程度，其大小反映了蚁群寻优过程中先验性、确定性因素的作用强度，当β的值较小时，将导致蚂蚁选择路径的随机性比较大，不能很好的发现最优路径，第一个节点生存周期比较短，当β的值变大时，蚂蚁能收敛到一个比较好的解，但当β过大时算法的收敛性

能变差。

最后，我们固定区域范围为200×200，选择节点数目为50，然后我们固定值α=1，β=2，依次选择ρ的值为(O.1，0.2，⋯0.9)，我们把软件下方信息栏中第一个节点死亡所经历的周期数(First Dead)记录下来，重复50次，结果取平均值，我们得到ρ的值与第一个节点死亡时的关系图(如图4所示)：图4ρ的值与第一个节点死亡时间关系示意图。

图4中，横坐标表示ρ的值，纵坐标表示第一个节点死亡时所经历的周期数，从图4可以看出，当ρ的值较小时，信息素挥发较慢，以前蚂蚁留下的不正确的信息素不能够较快挥发，蚂蚁不易找到新的更好的解，导致第一个节点生存周期比较短，ρ值增大时，则信息素挥发加快，以前蚂蚁留下的不正确的信息素能较快的挥发，蚂蚁更容易找最优解，延长了节点的生存周期，但是当ρ增大到一定值后，将导致蚂蚁不能很好的利用以前蚂蚁的遗留信息素，蚂蚁很难找到最优解，使得节点的生存周期变短。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (1)

1.一种基于蚁群算法的无线传感器网络路由方法，其特征在于：包括以下步骤；

(1)路由建立准备阶段：

Sink节点广播一个初始化信令，通知每个节点获取自己的邻接节点，将邻接节点加入自己的路由表，并将邻接节点链路的信息素置l，然后每个节点生成当前节点的蚂蚁包，蚂蚁包中包含起止点的编号、经过的路径表，并将出发节点写入蚂蚁包的经过路径表；

Sink节点设定最大迭代次数N_max，并初始化迭代次数N＝0；

(2)路由建立阶段：

a、蚂蚁所在的当前节点i选择下一跳节点j的概率为p^k _ij，选择概率最大的节点作为下一跳节点发送蚂蚁包；

b、除Sink节点外的其他节点收到蚂蚁包后按照a的规则进行蚂蚁包的转发；

(3)路由优化阶段：Sink节点接收到蚂蚁包后，根据蚂蚁包中的路径表统计出每个节点有多少蚂蚁包发出，假定共有m个节点，节点发出蚂蚁包的数量是X_i，其中i＝1，...，m，代表了每个节点的能量消耗；

定义网络中总的蚂蚁包发送量

定义网络中蚂蚁包发送量的数学期望

定义网络中蚂蚁包发送量的方差

定义网络中蚂蚁包发送量的评价函数

F(x)＝E(x)D(x)^τ (4)

式(4)中τ为可调参数，通过调节τ的值可以调整E(x)和D(x)的权重，根据需求调节；

Sink节点根据每个节点的蚂蚁包产生后向蚂蚁包，N<N_max时，在后向蚂蚁包中要求节点发送新的蚂蚁包，否则认为路由建立完毕；

节点收到自己的后向蚂蚁包，将后向蚂蚁包中的邻接链路信息更新；

蚂蚁所在的当前节点i选择下一跳节点j的概率p^k _ij由以下方式确定；

(1)当q＞q0时，位于节点i的第k只蚂蚁选择下一个节点j的概率p^k _ij使用以下公式确定；

其中，τ_ij是从节点i到节点j的信息素强度，η_ij是从节点i到节点j的距离的倒数，E_j是蚂蚁k即将访问的下一个节点j的剩余能量，allowed_k是蚂蚁k还未访问节点的集合，α是表示信息素相对重要程度的参数，其值越大，则该蚂蚁越倾向于选择其他蚂蚁经过的路径，蚂蚁之间的协作性越强；β是表示能见度的相对重要性，反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度，其值越大，则该概率接近于贪心规则；

式(5)中增加了能量控制因子，在其收敛于最优解的同时，平衡了节点的能量消耗，延长了整个网络的生命周期；同时式(5)中也考虑了时延因素，时延在一定程度上能有效地反映网络的拥塞程度；

(2)针对无线传感网络拓扑结构易变的特性，位于节点i的第k只蚂蚁选择下一个节点j时，按以下方法进行：

式中：q是(0，1)中均匀分布的随机数，q0∈(0，1)，L_n是节点n的邻居节点数，通过选择q0值，可决定是按信息素搜索路径还是探索新路径；

由分析式(6)知，若q0值较大，则多数蚂蚁容易选择信息素最大的边，在搜索过程中容易出现多数蚂蚁搜索到相同的路径，容易陷入局部最优解，若q0值较小，能扩大搜索的空问，但搜索有一定的盲目性，不容易收敛，综合这两方面考虑，q0的值在迭代过程中作动态调整；

式中n0，n1分别为迭代次数；N_max为最大迭代次数，0.7<C<0.9，0<C0<0.3，式(7)表明，算法开始运行时，以较大的概率选择信息素较大的边，迭代n0次后，为了防止陷入局部最优解，改变q0值，扩大搜索空间；最后为了使算法收敛到全局最优解，再次改变q0值，以较大的概率选择信息素最大的边，直到运行结束；其中，cycle是迭代次数变量；

节点收到自己的后向蚂蚁包，将后向蚂蚁包中的邻接链路信息按下式更新，

τ_ij(t+n)＝(1-ρ)τ_ij(t)+Δτ_ij(t) (8)

选择后向蚂蚁包中的节点作为下一跳；同时根据后向蚂蚁包中信息判断是否发送新的蚂蚁包，无需发送时，路由建立完毕。