CN105636143B - 基于合作博弈的无线传感器网络分簇协作路由算法 - Google Patents

Abstract

本发明针对无线传感器网络中能量消耗不均引起的热点问题，提出了一种基于合作博弈的非均匀分簇协作路由算法。算法在分簇时综合考虑节点的位置、剩余能量、通信代价等因素，根据这些因素构造竞选函数，并利用合作博弈权衡各因素的权重大小，寻求最佳节点担任簇头，普通节点根据自身与簇头的距离和簇头与汇聚节点的距离加入相应的簇。并且进一步在路由阶段，在每个簇中根据节点剩余能量和位置等信息选出协作转发节点，利用协作节点转发簇头传来的数据，以此来避免簇头耗能过快。仿真结果表明，算法能有效均衡网络的能量消耗，缓解网络热点问题，从而延长网络的生命周期。

Description

基于合作博弈的无线传感器网络分簇协作路由算法

技术领域

本发明涉及一种基于合作博弈的无线传感器网络分簇协作路由算法，属于无线通信技术领域。

背景技术

无线传感器网络(Wireless Sensor Network,WSN)是由大量静止或移动的微型传感器节点通过高密度部署，以自组织和多跳的方式形成无线网络，具有灵活性和低功耗性等特点。节点部署在目标监测区域后，通过节点间相互协作，感知检测目标对象的多维信息，如声音、物体健康状况、温度、入侵物体及其运动状态等，并将监测到的数据进行处理发送，通过网络传输将信息提供给决策者。

由于无线传感器节点所携带能量是有限的，且节点部署后不易于更换。因此，减少节点的能耗是设计网络时考虑的重要因素。WSN分簇路由算法是利用节点相互协作完成数据传输，在保证网络可靠性的同时，尽量减少节点的能量消耗，均衡整个网络的能量消耗，从而延长网络的生命周期。设计合理的分簇路由算法对均衡节点的能量消耗、延长网络的生命周期具有重要的意义。

近年来，博弈论在WSN分簇路由算法中的应用越来越广泛，结合博弈理论知识，在节点间建立竞争与合作的关系，节点寻求最佳决策，以最小的通信代价和最优的传输路径完成数据传输任务，达到均衡网络能耗延长网络生命周期的目的。

节能对于传感器节点是最重要的特征之一，为了延长传感器节点的寿命，能源消耗和路由设计问题在构建无线传感器网络时必须被考虑到。在无线传感器网络中，传感器节点的主电源是电池，传感器节点能量大部分消耗在发射、接收数据包和进行数据融合，为了降低能耗，延长网络的生命周期，就需要设计能量均衡的高效路由模型。

一种非均匀的分簇和簇间多跳的路由协议(EEUC，Energy-Efficient UnevenClustering)通过调节节点的竞争半径，使汇聚节点附近的簇内节点数较少，节省簇头能量用于数据转发。另外，在选择转发路径时，同时考虑候选节点的剩余能量和相对汇聚节点的位置，均衡节点的能量消耗。一种能量均衡的无线传感器网络非均匀分簇路由协议(DEBUC，distributed energy-balanced unequal clustering routing protocol)，采用基于时间的簇头竞争算法，广播时间取决于候选簇头的剩余能量和其邻居节点的剩余能量，并根据节点剩余能量、簇内通信代价和簇间通信代价来选择中继节点，有效延长网络生命周期。为了解决节点不协作的问题，一种基于拍卖博弈的无线传感器网络路由机制被提出。在数据包转发机制中，拍卖博弈理论将发送数据的节点作为交易中的买方，发送数据节点的下一跳节点作为交易中的卖方，结合卖方节点的剩余能量和到Sink节点的跳数等因素，设计了基于支付的奖励机制，促进买方节点和卖方节点相互合作，形成一个耗能较低、传输可靠的路径。一种基于地理位置的均衡路由算法根据网络密度将转发节点传输范围内的区域进行划分，结合节点剩余能量和进化博弈理论确定转发路径。在转发区域内，转发节点根据经典博弈论选择转发数据包。该算法能在保证较好的网络传输质量的前提下均衡网络能量消耗。

发明内容

发明目的：针对无线传感器网络中能量消耗不均引起的热点问题，本发明在研究现有算法的基础上，提出基于合作博弈的非均匀分簇协作路由算法(CGUCC,CooperativeGame based Unequal Clustering and Collaborating routing algorithm)。算法引入合作博弈优化簇头选取方式，均衡节点的能量消耗，并且进一步在数据转发阶段建立协作传输单元，分担簇头的数据转发压力，从而均衡网络能耗，延长网络生命周期。

技术方案：为实现上述发明目的，本发明采用的技术方案如下：

一种基于合作博弈的无线传感器网络分簇协作路由算法，包括分簇和路由两大步骤，所述分簇步骤中基于非均匀竞争半径进行分簇，包括簇头竞选和节点入簇，所述簇头竞选步骤中考虑剩余能量、节点位置和历史贡献因素，基于合作博弈权衡各因素的权重，构造竞选函数寻求簇头节点，具体过程包括：

(11)网络中各节点构建剩余能量因子Eco_i、节点位置优势因子Lo_i以及历史贡献因子C_i,f，其中i表示节点的编号，f表示当前轮数；

(12)各节点基于合作博弈方法计算得到各个因子的权重，分别记为

(13)各节点根据公式计算得到簇头竞选函数值；

(14)若节点自身的竞选函数值在邻居节点中最大，则节点宣布成为簇头。

优选地，所述步骤(11)中剩余能量因子Eco_i的计算方法为：

其中，E_i表示节点i剩余的能量，N_i表示节点i竞争半径R_i内的邻居节点数，E_i(j)表示节点i的第j个邻居节点的剩余能量。

优选地，所述步骤(11)中节点位置优势因子Lo_i的计算方法为：

其中，a₁和a₂为用来控制两种因素对位置优势因子影响力度的系数，ρ_i为密度系数，定义为：其中，N₀表示节点i在半径R_min内的节点个数，R_min表示网络中节点的最小竞争半径，N_i表示节点i在竞争半径R_i内的节点个数，d(i,Sink)表示节点i到Sink节点的距离。

优选地，所述步骤(11)中历史贡献因子C_i,f的计算方法为：

C_i,f＝C_i,f-1+Δc, f>1

其中C_i,f-1为节点i在f-1轮的贡献值因子，Δc为f-1轮结束后节点根据担任的角色得到贡献值，节点成为簇头的贡献值大于成为普通节点的贡献值。

优选地，所述步骤(12)中利用求解夏普利值的方法计算因子权重，具体包括：定义合作博弈中联盟S的特征函数分别为：

其中M为全体分配额的总和，d_α,d_β,d_γ为设置的使特征函数满足联盟的超可加特性的参数；

将各联盟的特征函数值代入如下公式求解得到因子权重的值：

其中|S|表示联盟中成员数，S\{k}表示除去因子k的集合，v(S)表示联盟S的特征函数，N为参与者集合，n为参与者个数。

进一步地，所述节点入簇步骤中普通节点选择满足发送信息时所经过的距离最短，消耗能量最少的簇头加入，具体为根据如下距离引力公式选择距离引力值最大的簇头加入：

其中CH_p表示第p个簇头，E(CH_p)表示簇头节点的剩余能量，d(i,CH_p)表示节点i与簇头CH_p的距离，d(CH_p,Sink)表示簇头CH_p与Sink节点的距离。

进一步地，所述路由步骤中包括协作节点集选择和传输路径选择两个步骤；

所述协作节点集选择步骤中，在每个簇中从普通节点中选取剩余能量较大的且较簇头更加靠近Sink节点的若干个节点作为候选协作节点；优选地，该步骤中根据如下公式计算簇内成员节点j的协作因子，选择协作因子值较大的若干节点作为协作节点：

其中：E_j为节点j的剩余能量，E₀为节点j的初始能量，α,β为加权系数，α>β，d(i,j)表示节点j与簇头i的距离，d(i,Sink),d(j,Sink)分别表示节点i,j与Sink节点的距离。

所述传输路径选择步骤中采用数据转发过程只在协作节点之间进行的方式确定传输路径，具体为普通节点采集数据信息并发送至簇头，簇头将收到的信息进行融合处理，然后发送至协作节点，协作节点以多跳的方式将数据信息发送至Sink节点。作为优选，该步骤中，节点i在选择下一跳协作节点时，根据与上述协作节点集选择步骤中相同的公式(这里j表示候选协作节点)计算其与候选协作节点的协作因子，选择协作因子值最大的节点作为下一跳协作节点。

有益效果：与现有技术相比，本发明提出的CGUCC算法在分簇时综合考虑节点的位置、剩余能量、通信代价等因素，根据这些因素构造竞选函数，并利用合作博弈权衡各因素的权重大小，寻求最佳节点担任簇头，普通节点根据自身与簇头的距离和簇头与汇聚节点的距离加入相应的簇。并且进一步地在每个簇中根据节点剩余能量和位置等信息选出协作转发节点，数据传输阶段，利用协作博弈构建路由转发路径，能够减少数据转发消耗的能量，并均衡局部能量消耗。仿真结果表明，算法能有效均衡网络的能量消耗，缓解网络热点问题，从而延长网络的生命周期。

附图说明

图1为本发明实施例的方法流程图。

图2为本发明实施例中分簇示意图。

图3为本发明实施例中多跳传输过程示意图。

图4为本发明实施例的仿真实验中竞争半径和协作节点数量对网络生存时间的影响结果对比图。

图5为本发明实施例的仿真实验中剩余能量方差随轮数的变化的结果对比图。

图6为本发明实施例的仿真实验中网络存活节点数量的结果对比图。

图7为本发明实施例的仿真实验中网络剩余能量的结果对比图。

图8为本发明实施例的仿真实验中不同算法节点死亡30％的分布情况示意图，其中(a)为LEACH算法，(b)为EEUC算法，(c)为DEBUC算法，(d)为CGUCC算法。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

在介绍本实施例的算法之前，本发明先对网络的特性及用到的理论进行一些说明和定义。下面分别从网络模型假设、网络能耗模型和合作博弈模型等进行介绍。

网络模型

本实施例所采用的无线传感器网络有如下特征：

1)网络中节点具有相同的软硬件结构，各节点地位平等。

2)节点随机分布，部署完成后节点具有不可移动性，且不可更换或维护。

3)网络中节点的能量是有限的，能量耗尽后节点死亡。

4)整个网络中只有一个Sink节点，且位置固定，能量不受限。

5)传感器节点具有唯一性，每个节点具有唯一的ID标识。

6)所有传感器节点的发射功率可根据距离远近自适应调节。

能耗模型

由于网络能量主要是节点收发数据所消耗，所以本发明实施例中节点消耗能量只考虑节点用于收发数据所消耗的能量。在该模型中，源节点的能量消耗包括发送电路消耗和功率放大消耗，接收信息的能耗为接收电路的能耗。其中，功率放大器的能耗与传输距离d有关。当发送端和接收端的距离小于d₀时，采用自由空间模型，即发送数据时的损耗与距离的平方成正比，当发送端和接收端的距离大于d₀时，采用多路径衰减模型，此时的损耗和距离的四次方成正比。将l比特数据传输至距离d处时的能耗可表示为公式(1)的形式。

公式(2)可表示接收l比特数据的能耗。

E_Rx(l)＝lE_elec (2)

其中，E_elec表示发送或接收单位bit数据时用于信号处理所消耗的能量；ε_fs表示自由空间模型中功率放大器损耗；ε_amp表示多路径衰减模型功率放大器损耗。d₀为划分信道模型的临界距离，

合作博弈模型

博弈论是一种在冲突对抗条件下寻求最佳解决问题方式的理论，根据博弈成员行动方式的不同可分为合作博弈和非合作博弈。本发明引入合作博弈理论，用来优化无线传感器网络分簇算法。

合作博弈中参与者之间通过建立联盟来获取更多收益。假设一个联盟的收益是允许在其参与者之间自由分配的，这个假设在一个拥有统一货币作为交换媒介的系统中是成立的，这时每个参与者可以得到一个收益。

1.合作博弈的定义：它是以特征函数的形式(N,v)给出的，简称博弈的特征型。令N＝{1,2,…,n}表示参与者集合，其中n为正整数，表示参与者个数。S是N的子集，表示参与者之间的联盟，即

给定一个有限的参与者集合N，合作博弈的特征型是有序数对(N,v)，假设则定义特征函数v为从2^N到实数集R^N的映射，即v：2^N→R^N，且

2.特征函数满足的条件：当任意两个联盟的交集为空集时，这两个联盟中所有参与者组成的新联盟的总收益不小于原先两个联盟的收益之和，称为博弈的超可加性。也可简单描述为：对任意两个联盟S和T，S,T∈2^N，且特征函数v满足超可加性，即：

v(S)+v(T)≤v(S∪T) (3)

其中S∪T表示S与T的联合，即单独参与者的收益之和小于等于两个参与者联盟的收益。在合作博弈中，对任意联盟S，特征函数的差值(记为△_i(S))满足：

△_i(S)＝v(S)-v(S{i}) (4)

称△_i(S)为参与者i对联盟S的边际贡献，也就是就是联盟S中包含成员i和不包含成员i时的特征函数差值，差值越大说明成员i的边际贡献越大，成员i的最终收益也会较大。

3.合作博弈的收益：对博弈的每个参与者i给予一个收益值x_i，形成一个n维收益向量X＝(x₁,x₂,…,x_n)满足以下条件：

即参与者的最终收益不小于其特征函数，且要满足所有参与者的收益之和为M：

∑_i∈N x_i＝M (6)

称X＝(x₁,x₁,…,x_n)为合作博弈的一个配置，即参与者的分配额。M为全体分配额的总和，博弈中所有参与者的配额的总和应等于总配额M，博弈才能达到最终平衡。

分簇算法解决的主要问题是如何选择合适节点担任簇头。由于簇头能量消耗要高于普通节点，设计合理的簇头选择机制，对均衡整个网络的能量有重要意义。簇头选择时往往需要综合考虑多种因素，相关文献中没有合适的方法来权衡各因素的影响力大小，本发明利用合作博弈的方式，根据节点的多种因素当前状态合理分配相应权值，以达到更好的分簇效果。

对于簇头选择问题，本发明主要考虑了以下几个方面：

1.相对剩余能量因子Eco_i，其反映的是节点i剩余能量与其邻居节点剩余能量均值的关系，节点i剩余能量的相对优势越大则Eco_i的值越大；

2.节点i位置优势因子Lo_i，它包括节点i附近的节点密度和节点i与Sink节点的距离；

3.历史贡献因子C_i,f，f表示当前轮数，它指的是截止到f轮节点i对网络的贡献。节点担任簇头、协作转发节点和普通节点会有不同的贡献值。

设计节点i簇头竞选函数为：

式中：表示相对能量的权重，表示节点位置优势权重，表示历史贡献的权重。是一组相互影响的系数，合作博弈的目的是将一固定的分配额M根据各因子的贡献合理分配给相应系数，设总分配额M＝3，不同时期各系数会根据各因子的变化而改变。各系数收益集合表示为Φ：

三个因子的权重的设定遵循一定的原则，当网络刚开始工作不久，节点剩余能量充足，此时节点位置优势权重设置相对较大；随着网络工作周期的增加，网络的剩余能量权重会逐渐增大，历史贡献权重也会增加；当网络中节点的密度成为主导因素的时候，位置优势权重也会相对较大。

如图1所示，本发明实施例公开的一种基于合作博弈的无线传感器网络分簇协作路由算法分为分簇算法和路由算法两个部分。在分簇算法中根据节点位置分布、剩余能量、通信代价等信息构造竞选函数，结合联盟博弈论方法，选择合适节点担任簇头，并寻求最佳分簇方案。在路由算法中在每个簇中根据剩余能量和位置信息选择数据转发协作节点，簇间数据通过协作节点传输，以提高能量利用效率并均衡能量消耗。

下面首次介绍本发明实施例的分簇算法部分。本发明的分簇过程可以简单描述为：节点首先计算自身竞选函数值，然后将其广播到网络，同时侦听来自邻居节点的竞选函数值，若节点的竞选函数值在邻居节点中最大，则节点宣布成为簇头，并广播簇头消息，其他节点接收簇头消息，若节点在簇头的竞争半径内就不再参与簇头竞选，直到所有节点都有待选择的簇头，最后普通节点根据与簇头的距离和簇头的剩余能量加入相应的簇。

在分簇的多跳路由中，节点i的能耗是不同的，靠近Sink节点的节点因需要承担更多的数据转发任务，从而消耗更多的能量。为了均衡簇头的能耗，算法在簇的建立阶段采取非均匀分簇，使越靠近Sink节点的簇面积越小，节点i的竞争半径R_i与其到Sink节点的距离有关，计算方式如公式(9)所示：

其中：d_m为Sink节点与监测区域的最大距离，d₀为监测区域边长。R_max为常数，表示节点竞争半径的上限值，ω为竞争半径非均匀程度的控制系数，取值为0～1。从公式(9)可看出越靠近Sink节点竞争半径越小。

簇的建立阶段分为簇头竞选和节点入簇两个过程，下面将详细描述这两个过程。

1.构造簇头竞选函数

上文已经介绍了节点竞选函数的组成，下面将详细介绍本发明实施例中竞选函数中每一个变量的含义及其计算方法，包括相对能量因子、位置优势因子和贡献因子的构建和其权重的确定。

(1)构建竞选因子

在选择簇头时，为了使剩余能量高的节点有更高的概率当选簇头，本实施例算法设计相对能量因子，尽可能使节点i的邻居节点中剩余能量高的节点当选为簇头，节点i的相对能量因子Eco_i表示为：

其中：E_i表示是节点i剩余的能量，N_i表示节点i竞争半径R_i内的邻居节点数，E_i(j)表示节点i的第j(j＝1,2,…,N_i)个邻居节点的剩余能量，当节点i的剩余能量较大，且其邻居节点的平均剩余能量较小时，节点i的相对能量因就会越大。Eco_i的值越小，其当选簇头的概率就越低，Eco_i的取值在[0,1]之间。

候选簇头节点周围的节点数目和位置关系将会影响能量利用效率，若簇头节点位置不佳，可能会导致簇内通信代价增大。本实施例设计一个位置优势因子Lo_i，节点位置越合理，成为簇头的概率更大。位置优势因子包含周围节点密度(用ρ_i表示)和节点与Sink节点的相对位置，位置优势较大的节点更容易成为簇头。节点i位置优势因子Lo_i表示为：

其中，a_1,a₂用来控制两种因素对位置优势因子影响力度，a₁+a₂＝1。当节点i的周围节点密度越大，且其相对于邻居节点更靠近Sink节点时，节点i位置优势因子越大。ρ_i为密度系数，定义为：

其中，N₀表示节点i在半径R_min内的节点个数，R_min表示网络中节点的最小竞争半径，N_i表示节点i在竞争半径R_i内的节点个数。

针对节点过度担任簇头的问题，本发明将节点的历史工作考虑在内，防止节点过度进行转发任务。为此引入贡献因子来约束节点的选举行为。本实施例定义C_i,f为节点i在f轮的贡献值因子，初始值C_i,0＝1。每轮结束后节点根据担任的角色得到本轮贡献值Δc(Δc的取值空间为{c₁,c₂,c₃})，c₁＝3,c₂＝1,c₃＝0。c₁表示节点成为簇头的贡献值，c₂表示节点成为协作传输节点的贡献值，c₃表示节点为普通节点的贡献值。贡献值因子C_i,f表示为：

C_i,f＝C_i,f-1+Δc,f>1 (13)

其中C_i,f-1为节点i在f-1轮的贡献值因子。

(2)计算各因子权重

利用合作博弈解决各因子的权重分配时，会涉及到求合作博弈解的问题，本发明实施例利用求解夏普利值(Shapley Value)的方法求合作博弈的解。

利用夏普利值求解公式(7)中各影响系数，需要知道合作博弈中各联盟的特征函数。设表示因子k在参加联盟过程中可以获得的收益(也称夏普利值)，在本发明中所指的是各因子权重的大小。收益衡量了在一个合作博弈中每个参与者所占权重，因子k的收益是根据其贡献得到的，这样就具有了“论功行赏”的效果。联盟S指本发明三个因子所有可能存在的联盟情况。定义合作博弈中联盟S的特征函数分别为：

设置参数d_α,d_β,d_γ使特征函数满足公式(3)中联盟的超可加特性。因子k(k＝1,2,3)的夏普利值的计算如公式(15)所示：

其中|S|表示联盟中成员数，S\{k}表示除去因子k的集合，v(S)表示联盟S的特征函数。

将各联盟的特征函数值代入公式(15)中即可求解出的值，得到各因子的权重，就可以得到节点的竞选函数。这样基于夏普利值的簇头选举机制的就设计完成了。簇头选择完成以后，普通节点将根据与各簇头节点的位置关系选择自身要加入的簇。

2.普通节点加入合适的簇

簇头节点确定之后，便向网络中广播簇头当选消息，等待其它节点加入本簇。普通节点接收到来自簇头的消息，并根据消息的信号强弱判断与簇头的距离，节点选择通信代价最小的簇头加入，即选择的簇头满足发送信息时所经过的距离最短，消耗能量最少。定义距离引力G，普通节点i根据距离引力G(i,CH_p)来确定加入哪个簇，CH_p表示第p个簇头，距离引力表示为公式(16)，节点不仅考虑簇头的剩余能量大小，同时还要考虑节点与簇头的距离和该节点与Sink的距离。

其中，E(CH_p)表示簇头节点的剩余能量，d(i,CH_p)表示节点i与簇CH_p的距离，d(CH_p,Sink)表示簇头节点与Sink节点的距离。分簇的目的就是为了均衡网络负载的能量消耗，尽量让更多的节点加入剩余能量多的簇头，同时考虑节点消息的传输距离。

下面介绍本发明实施例的路由算法部分。路由算法是指将簇头节点的信息以多跳的形式传送至Sink节点的路径选择方法。本发明实施例构造一种协作路由传输算法，算法中簇头节点不再担任数据转发节点，而是在每个簇中选取一组协作节点来承担转发任务。这样簇头节点的负担将会大大减轻，避免其能量消耗过快。

算法分为协作节点集确立阶段和路径选择阶段。前者是选出候选协作节点集合，后者建立到达Sink节点的最优路径，进行数据稳定的传输。

1.确定候选协作节点集

协作节点的选择方法：节点分簇完成以后，在每个簇中从普通节点中选取剩余能量较大的N_c个节点作为候选协作节点，且要求候选协作节点较簇头更加靠近Sink节点，若用d(i,j)表示节点j与簇头i的距离，d(i,Sink),d(j,Sink)分别表示节点i,j与Sink节点的距离，则节点j做协作节点要满足条件d(j,Sink)<d(i,Sink)。定义簇内成员节点j的协作因子为Syn(i)，表示为：

其中：E_j为节点j的剩余能量，E₀为节点j的初始能量，α,β为加权系数，满足α+β＝1。公式(17)的含意是要求协作节点的剩余能量相对于其他节点要尽量大，且协作节点在簇头与Sink节点之间，并尽量靠近两者之间的连线。因为路由算法目的是在提高能量利用效率的前提下尽量均衡节点的能量，所以本发明实施例设计系数α要大于系数β。

协作节点选择完成以后，节点就可以建立数据转发的候选路径。分簇的结构如图2所示，从图中可以看出，越是靠近基站，簇的大小越小，簇内簇头和协作节点在相对靠近基站的位置。

2.确定数据传输路径

图3中的方式一簇间数据转发只在簇头节点之间进行，方式二簇头将数据转发给协作节点，协作节点再转发给下一个簇的簇头节点，这样交替进行，方式三数据转发过程只在协作节点之间进行。本发明实施例采用方式三，避免簇头参与数据转发的能量消耗。

普通节点采集数据信息并发送至簇头，簇头将收到的信息进行融合处理，然后发送至协作节点，协作节点以多跳的方式将数据信息发送至Sink节点。假设节点i有数据需要传输，计算其与候选协作节点的距离和候选节点剩余能量选择下一跳协作节点，根据公式(17)中的协作因子选择下一跳协作节点，不同的是这里j表示候选协作节点，从候选集中确定协作转发节点。然后将数据信息传输至下一跳节点，直至数据传输到Sink节点，数据传输过程完成。

为了验证本实施例算法的有效性及优势，本发明通过仿真实验与现有算法进行了比较。实验仿真环境设置如下：200个传感器节点随机分布于200m×200m的正方形区域，汇聚节点(sink)坐标为(100,250)。表1展示了实验采用的多种参数。

表1仿真参数设置

为了验证CGUCC算法的有效性，本发明与LEACH算法、EEUC算法和DEBUC算法进行比较。分别比较不同算法节点存活数量和网络总的剩余能量随着时间推移的变化。

图4显示了CGUCC算法的最大竞争半径R_max和候选协作节点数量N_c对网络生存状态的影响。从图中可以看出，候选协作节点数量变化对网络生存时间影响不是很明显，当协作节点数量增加时，网络存活时间有所增加，但协作节点越多，其对存活时间的影响会减弱。同时，协作节点增多会增加算法计算量，所以协作节点数量不宜过多，后续仿真N_c取值为2。图中右侧纵坐标表示分簇个数，最大竞争半径R_max的变化对网络生存时间有着明显的影响，R_max的大小直接决定网络的分簇数量，随着R_max变大分簇个数会变得越少。图4也可以看作是分簇数量对网络生存时间的影响，当最大竞争半径为40m左右时，即分簇个数在24个时，网络生存时间达到最大。

不同算法节点剩余能量的方差随轮数变化曲线如图5所示，从图中可以看出，LEACH算法方差峰值最大，这是因为簇头节点直接将数据转发给Sink节点，远离Sink的节点能耗要远远快于靠近Sink的节点能耗。EEUC算法和DEBUC算法采用路由转发的方式传输数据，能使网络能耗趋于均衡，剩余能量方差峰值要明显小于LEACH。本发明介绍的CGUCC算法剩余能量方差一直维持在较低水平，说明算法能较好地均衡各节点之间的能量，使网络有效生存时间得到提升。

四种算法的网络存活节点数量如图6所示，从图中可以看出，LEACH算法中最早出现死亡并且网络存活时间最短，这是因为簇头节点直接将采集到的数据发送至Sink节点，消耗能量很大，节点能量很快耗尽。另外三种算法采用的都为非均匀分簇，EEUC算法没有考虑分簇时的节点通信代价，而CGUCC算法与DEBUC算法相比路由转发更节省能量，所以其出现节点死亡时用时最长，节点出现死亡后，死亡节点数目增加很快，说明CGUCC算法能很好的均衡网络能量。

网络总的剩余能量如图7所示，从图中可以看出LEACH算法能量消耗最快，这是因为簇头采用单挑的方式与Sink节点进行通信，且采用随机的方式选择簇头，造成能量消耗过快。另外三种算法都采用一定的方法使簇头节点分布更加合理，网络整体的能耗要优于LEACH算法。本发明提出CGUCC算法利用合作博弈优化簇头选取，并设计协作节点转发数据，可以提升能量利用效率，总体能耗表现最优。

图8显示的是不同该算法在节点死亡30％时，死亡节点的分布情况。从图中可以看出，CGUCC算法死亡节点分布较其他算法更均匀。

综上，本发明实施例提出的CGUCC算法首先构建非均匀竞争半径，簇头竞选综合考虑节点位置、剩余能量和传输代价，构造节点的竞选函数，根据函数值的大小来决定节点竞选成功与否；簇头竞选完成后，节点加入相应的簇，在簇头之间选择转发中继节点作为簇间路由的转发节点；数据传输阶段，利用协作博弈构建路由转发路径，能够减少数据转发消耗的能量，并均衡局部能量消耗。仿真结果表明，本算法能有效避免网络空洞，防止网络局部失效，延长了网络的生命周期。

Claims (5)

1.一种基于合作博弈的无线传感器网络分簇协作路由算法，包括分簇和路由两大步骤，所述分簇步骤中基于非均匀竞争半径进行分簇，包括簇头竞选和节点入簇，其特征在于，所述簇头竞选步骤中考虑剩余能量、节点位置和历史贡献因素，基于合作博弈权衡各因素的权重，构造竞选函数寻求簇头节点，具体过程包括：

(11)网络中各节点构建剩余能量因子Eco_i、节点位置优势因子Lo_i以及历史贡献因子C_i，f，其中i表示节点的编号，f表示当前轮数；其中，剩余能量因子Eco_i的计算方法为：

其中，E_i表示节点i剩余的能量，N_i表示节点i竞争半径R_i内的邻居节点数，E_i(j)表示节点i的第j个邻居节点的剩余能量；

节点位置优势因子Lo_i的计算方法为：

其中，a₁和a₂为用来控制两种因素对位置优势因子影响力度的系数，ρ_i为密度系数，定义为：其中，N₀表示节点i在半径R_min内的节点个数，R_min表示网络中节点的最小竞争半径，N_i表示节点i在竞争半径R_i内的节点个数，d(i，Sink)表示节点i到Sink节点的距离；

历史贡献因子C_i，f的计算方法为：

C_i，f＝C_i，f-1+Δc，f＞1

其中C_i，f-1为节点i在f-1轮的贡献值因子，Δc为f-1轮结束后节点根据担任的角色得到贡献值，节点成为簇头的贡献值大于成为普通节点的贡献值；

(12)各节点基于合作博弈方法计算得到各个因子的权重，分别记为

(13)各节点根据公式计算得到簇头竞选函数值；

(14)若节点自身的竞选函数值在邻居节点中最大，则节点宣布成为簇头；

所述路由步骤中包括协作节点集选择和传输路径选择两个步骤；

所述协作节点集选择步骤中，在每个簇中从普通节点中选取剩余能量较大的且较簇头更加靠近Sink节点的若干个节点作为候选协作节点；

所述传输路径选择步骤中采用数据转发过程只在协作节点之间进行的方式确定传输路径，具体为普通节点采集数据信息并发送至簇头，簇头将收到的信息进行融合处理，然后发送至协作节点，协作节点以多跳的方式将数据信息发送至Sink节点；其中，节点i在选择下一跳协作节点时，根据如下公式计算其与候选协作节点的协作因子，选择协作因子值最大的节点作为下一跳协作节点：

其中：E_j为候选协作节点j的剩余能量，E₀为候选协作节点j的初始能量，α，β为加权系数，α＞β，d(i，j)表示节点j与节点i的距离，d(i，Sink)，d(j，Sink)分别表示节点i，j与Sink节点的距离。

2.根据权利要求1所述的一种基于合作博弈的无线传感器网络分簇协作路由算法，其特征在于，Δc的取值空间为{c₁，c₂，c₃}，其中，c₁＝3，c₂＝1，c₃＝0，c₁表示节点成为簇头的贡献值，c₂表示节点成为协作传输节点的贡献值，c₃表示节点为普通节点的贡献值，初始值C_i，0＝1。

3.根据权利要求1所述的一种基于合作博弈的无线传感器网络分簇协作路由算法，其特征在于，所述步骤(12)中利用求解夏普利值的方法计算因子权重，具体包括：

定义合作博弈中联盟S的特征函数分别为：

其中M为全体分配额的总和，d_α，d_β，d_γ为设置的使特征函数满足联盟的超可加特性的参数；

将各联盟的特征函数值代入如下公式求解得到因子权重的值：

其中|S|表示联盟中成员数，S\{k}表示除去因子k的集合，v(S)表示联盟S的特征函数，N为参与者集合，n为参与者个数。

4.根据权利要求1所述的一种基于合作博弈的无线传感器网络分簇协作路由算法，其特征在于，所述节点入簇步骤中普通节点选择满足发送信息时所经过的距离最短，消耗能量最少的簇头加入，具体为根据如下距离引力公式选择距离引力值最大的簇头加入：

其中CH_p表示第p个簇头，E(CH_p)表示簇头节点的剩余能量，d(i，CH_p)表示节点i与簇头CH_p的距离，d(CH_p，Sink)表示簇头CH_p与Sink节点的距离。

5.根据权利要求1所述的一种基于合作博弈的无线传感器网络分簇协作路由算法，其特征在于，所述协作节点集选择步骤中根据如下公式计算簇内成员节点j的协作因子，选择协作因子值较大的若干节点作为协作节点：

其中：E_j为节点j的剩余能量，E₀为节点j的初始能量，α，β为加权系数，α＞β，d(i，j)表示节点j与簇头i的距离，d(i，Sink)，d(j，Sink)分别表示节点i，j与Sink节点的距离。