CN104038976A - 一种新型无线传感网路由算法 - Google Patents

Abstract

本发明为一种新型无线传感网路由算法，针对现有分簇路由算法普遍存在分簇不均匀，整体网络能耗不均衡的问题，本发明提出了改进ACO-K分簇路由算法。K-medoids聚类算法对随机分布的传感器节点进行聚类，这样很好的解决了分簇不均匀的缺点，同时结合改进的蚁群算法在更换簇头节点，以及簇头之间数据传输选择下一跳节点的时候，综合考虑了节点的剩余能量，达到均衡整个网络的能耗。

Description

一种新型无线传感网路由算法

一、技术领域

本发明是一种新型无线传感器网路由算法，属于智能控制领域。

二、背景技术

无线传感器网络(Wireless Sensor Networks，WSN)由于其灵活性在军事侦察、环境检测和工业生产等领域有着广阔应用。以能量有效的方式收集相关性数据是WSN的重要应用之一，但此应用中存在着节点能量有限，相邻节点数据具有冗余信息等特点。这些特点决定中间节点不仅要负责转发数据分组，而且要按照一定的规则处理数据。数据融合可消除冗余信息，减少数据传输量，从而有效地节省能量，延长网络生命。为使高效的数据融合的顺利进行，对路由节点进行有效的聚类是十分必要的。

三、发明内容

本发明的目的在于提供一个基于改进蚁群和K-medoids的路由算法。用蚁群算法(ACO)和K-medoids算法进行聚类在聚类算法中，K-medoids算法因其适应性很广，受极端数据的影响小而被很多研究工作者采用。但是K-medoids聚类算法也有很多缺陷，例如：算法精度的稳定性比较差，在实际应用中聚类分析得出的结果效果不好，聚类的准确率不高。ACO是一种仿生优化算法，其具有很强的健壮性，求解效率高，容易与其他方法相结合等特点。本发明在K-medoids聚类算法的基础上，借鉴ACO算法的优点，提出了一种基于ACO的K-medoids路由算法，一定程度上克服了上述K-medoids算法的缺点，在保证算法稳定性的同时提高了算法求解效率。

四、具体实施方式

K-medoids聚类算法在对k个聚类中心对象进行初始化选择后，不断循环分析一个中心对象和一个非中心对象，以便选择更好的聚类中心对象[10]。根据分组后的聚类对象分析成本函数计算获得到的聚类质量效果。如果一个聚类中心对象O_j被替换之后，导致成本函数方差E迅速减小，那么就快速进行聚类中心替换。

但是传统的K-medoids算法具有收敛过快，聚类质量不高等缺点，所以本文将K-medoids与上小节的改进蚁群算法相结合得到本文的改进ACO-K分簇路由算法。

ACO-K路由算法算法描述：

Step1：对蚁群进行初始化操作，选择蚂蚁数目，NC_max为最大迭代次数，m为个蚂蚁作为初始中心点，设初始簇头中心点为(M₁，M₂，.....，M_m)；

Step2：根据欧氏距离公式，计算每只蚂蚁之间的距离，按照公式(5)综合考虑最短路径以及节点的剩余能量确定蚁群间的最优路径和聚类中心，并将此中心作为蚁群的历史最优位置；

Step3：根据K-medoids法对蚁群的历史最优位置进行新的聚类分析，确定每只蚂蚁所在的聚类以及类与类之间的中心点；

Step4：对形成的新蚁群按照step2的方法，计算每只蚂蚁代表的最优解，更新蚁群的历史最优位置和全局最优解；

Step5：重新计算蚂蚁之间的欧氏距离，确定新的聚类中心O_j，找到最优路径；

Step6：如果达到终止条件(取得最终的最优聚类中心或者最优路径)，则分簇结束，否则转向Step3。

Step7：根据上述分好的簇，簇内节点以点对点的传输方式进行数据的传输，簇间的数据被认为是没有相关性的通过公式(5)在簇头间选择一条最优路径传输到基站。

Step8：每簇分别进行数据的采集，当传输的次数为roundtoupdate的倍数时，根据节点的剩余能量选择新的簇头。

Step9：当网络中的所有节点能量全部消耗完毕之后，整个算法结束。

根据分簇的结果，参考LEACH算法的簇头更换的方法，进行数据传输。各个区域中的簇头节点被选举出来之后，簇头节点利用CSMA协议对各自区域的节点发送广播数据包，其中包含该节点成为簇头的信息，簇群节点接收到此数据包后加入该簇，至此簇建立阶段完成。在稳定运行阶段，普通节点利用CSMA协议向其簇头发送加入数据包。簇头节点收到加入数据包后，会产生一个TDMA时刻表，为簇内所有节点分配发送时隙，并将此时刻表向各成员广播。此后，簇头节点即开始接收各成员采集到的数据，并将其融合后发送到基站。

算法空间复杂度分析

算法的空间复杂度：蚁群中的蚂蚁个数m，路由拓扑中：分簇的簇头个数k，随机分布节点n，所以，算法总体的空间复杂度为：

T＝O(m*k*n) (1)

时间复杂度

在本发明算法步骤1中，时间复杂度为

T＝O(m*NC_max) (2)

在步骤2中，欧氏距离的时间复杂度为

T＝(d²*m) (3)

在步骤3中，参考点和聚类中心更新的时间复杂度为

T＝(n*k) (4)

总体时间复杂度为：

T＝(d²*m+m*NC_max+n*k) (5)

簇头数目的选择

假设网络的总能量为E_total且网络每一轮数据传输所消耗的总能量为E_round。在理想状况下(即所有节点的能耗均相等)，在网络的生命周期内可进行的数据传输总轮次R等于

R＝E_total/E_round (6)

当E_total固定，则网络生命周期取决E_round的大小。假设在每轮数据传输中，每个簇成员节点向簇头发送k比特的信息。经数据融合后，每个簇头也向观察者发送k个比特。则网络每轮数据传输的能耗是

$E_{\mathrm{round}}=k({2\mathrm{NE}}_{\mathrm{elec}}+{\mathrm{NE}}_{\mathrm{DA}}+n_{\mathrm{cus}}{\mathrm{\ϵ}}_{\mathrm{amp}}{d_{\mathrm{tos}}}^4+{\mathrm{N\ϵ}}_{\mathrm{fs}}{d}_{\mathrm{tocus}}^2)---\left(7\right)$

其中，N为传感器网络节点总数，n_cus是簇的数目，E_DA表示簇头节点处理本地数据或进行数据融合的能耗d_tos和d_tocus分别表示簇头到观察者的平均距离和簇成员节点到簇头之间的平均距离。当传感器节点随机均匀的部署在边长为M的正方形内时，有：

$d_{\mathrm{tocus}}=\frac{M}{\sqrt{2\mathrm{\π}{n}_{\mathrm{cus}}}}---\left(8\right)$

将(8)带入(7)，并对E_round求一阶导数，让其等于零，可以得到最优簇头数：

$n_{\mathrm{cusopt}}=\sqrt{\frac{N}{2\mathrm{\π}}}\sqrt{\frac{{\mathrm{\ϵ}}_{\mathrm{fs}}}{{\mathrm{\ϵ}}_{\mathrm{amp}}}}\frac{M}{{d_{\mathrm{tos}}}^2}---\left(9\right)$

Claims (6)

1.本发明是一种新型无线传感网路由算法，该发明含有以下步骤：

(1)对蚁群进行初始化操作，选择蚂蚁数目，NC_max为最大迭代次数，m为个蚂蚁作为初始中心点，设初始中心点为(M₁，M₂，.....，M_m)；

(2)根据欧氏距离公式，计算每只蚂蚁之间的距离，确定蚁群间的最优路径和聚类中心，并将此中心作为蚁群的历史最优位置；

(3)根据K-medoids法对蚁群的历史最优位置进行新的聚类分析，确定每只蚂蚁所在的聚类以及类与类之间的中心点；

(4)对形成的新蚁群按照step2的方法，计算每只蚂蚁代表的最优解，更新蚁群的历史最优位置和全局最优解；

(5)重新计算蚂蚁之间的欧氏距离，确定新的聚类中心O_j，找到最优路径；

(6)如果达到终止条件(取得最终的最优聚类中心或者最优路径)，则分簇结束，否则转向Step3。

(7)根据上述分好的簇，簇内节点以点对点的传输方式进行数据的传输，簇间的数据被认为是没有相关性的通过公式(5)在簇头间选择一条最优路径传输到基站。

(8)每簇分别进行数据的采集，当传输的次数为roundtoupdate的倍数时，根据节点的剩余能量选择新的簇头。

(9)当网络中的所有节点能量全部消耗完毕之后，整个算法结束。

2.根据权利要求1所述的一种新型无线传感网路由算法，其特征在于：所述步骤(2)的是根据各个蚂蚁的欧式距离来几段最优路径和聚类中心。

3.根据权利要求1所述的一种新型无线传感网路由算法，其特征在于：所述步骤(3)在利用数ACO对最优位置不断修正的。

4.根据权利要求1所述的一种新型无线传感网路由算法，其特征在于：所述步骤(4)(5)(6)不断循环迭代寻找最优的聚类中心。

5.根据权利要求1所述的一种新型无线传感网路由算法，其特征在于：所述步骤(7)网络内的数据通讯都是在之前分好的簇内进行，这样减少了分簇时所消耗的能量。

6.根据权利要求1所述的一种新型无线传感网路由算法，其特征在于：所述步骤(8)网络内的数据通讯都是在之前分好的簇内进行，这样减少了分簇时所消耗的能量。