CN105898897A - 一种改进蚁群优化传感器网络簇头方法 - Google Patents

Abstract

本发明涉及针对无线传感器网络簇头优化选取蚁群优化技术。为了实现在无线传感器网络能量均衡，适当选取做汇聚节点的簇头非常重要，本发明采用考虑了网络节点能耗因素改进的蚁群优化方法提高了网络的生命周期。当一个节点接到一个数据包时，会估算其邻居节点的剩余能量，并更新路由表，动态选择下一跳。信息素是蚂蚁从一个节点到另一个节点能量距离的倒数，然后每个节点增强信息素，并选择邻居节点中剩余能量最多的节点作为下一个簇头；经过多次迭代选取出做汇聚节点的簇头，通过考虑了网络节点能耗因素改进了蚁群优化方法，最终提高了网络能量平衡能力。

Description

一种改进蚁群优化传感器网络簇头方法

技术领域

本发明涉及一种基于数据的非模型优化技术。

背景技术

蚁群算法是一种新型的模拟进化算法，是其对自然界中蚁群真实的行为研究总结而成。蚁群算法善于解决各种NP问题，诸如：背包问题、指派问题以及旅行商问题等。由于在解决复杂优化问题中的良好性能，其发展前景获得了国内外学者的广泛认可。一般蚁群算法实施的具体步骤以解决TSP问题为例为：

Step1：针对城市个数为n的TSP问题，其中N＝{1，2，....，n}，A＝{(i，j)|i，j∈N}，城市间的距离表示为D＝(d_ij)_n×n，每一条路径的信息素初始化为τ_ij(0)＝1/|A|，假设投入m只蚂蚁进行工作，每只蚂蚁都从同一座城市i₀出发，有k：＝1。因此当前最有解为W＝{1，2，...，n}

Step2：外层循环开始，如果满足设定的最优解条件，则算法停止输出最优解；否则，让蚂蚁s(1≤s≤m)重新回到初始位置i₀，用L(s)表示蚂蚁s行走的路径集合，初始化L(s)为空。

Step3：内层循环开始，当第s只蚂蚁所在的城市为i，如果L(s)＝N或按顺序完成所有蚂蚁的计算；否则且L(s)≠N，则其中概率为：

$\left\{\begin{array}{cc}\frac{{\mathrm{\τ}}_{\mathrm{ij}}(k-1)}{\underset{l\∈T}{\mathrm{\Σ}}{\mathrm{\τ}}_{\mathrm{il}}(k-1)},& j\∈T\\ 0,& j\∉T\end{array}\right.---\left(1\right)$

到达城市j，则L(s)＝L(s)∪{j}，i：＝j；

如果且L(s)≠N，则到达i₀，L(s)＝L(s)∪{i₀}，i：＝i₀；重复执行step3。

Step4：对于所有m只蚂蚁，按照L(s)中城市的顺序依次计算路径的长度，如果L(s)≠N，同时路径长度充分大，则对m只蚂蚁中的路径长度进行比较，记录下路径长度最短的蚂蚁为t。如果f(L(t))＜f(W)，则W：＝L(t)，用式(2)加强W路径上的弧信息素，对其他弧的信息素痕迹进行挥发操作。

得到新的τ_ij(k)，k：＝k+1，重复执行step2。

发明内容

对于一般传感器网路，由于上述的算法没有考虑到网络节点当前的能耗问题，所以对蚁群算法做如下改进，综合考虑节点的剩余能量选择下一轮的簇头。

首先对蚂蚁的转移概率算法进行优化如下：

$p_{v_i{v}_j}^k\left(t\right)=\left\{\begin{array}{cc}\frac{{\mathrm{\τ}}_{v_i{v}_j}^{\mathrm{\α}}\left(t\right){\mathrm{\η}}_{v_i{v}_j}^{\mathrm{\β}}\left(t\right)}{\underset{\mathrm{\μ}\∈V_{\mathrm{allow}}}{\mathrm{\Σ}}{\mathrm{\τ}}_{v_i\mathrm{\μ}}^{\mathrm{\α}}\left(t\right){\mathrm{\η}}_{v_i\mathrm{\μ}}^{\mathrm{\β}}\left(t\right)}& j\∈V_{\mathrm{allow}}\\ 0& \mathrm{otherwise}\end{array}\right.---\left(3\right)$

其中α为信息素权重，β为启发因子权重，信息素是蚂蚁从节点v_i到v_j的能量距离的倒数：

${\mathrm{\τ}}_{v_i{v}_j}^{\mathrm{\α}}\left(t\right)=\frac{1}{E_{d_{v_i{v}_j}}^{\′}\left(t\right)}---\left(4\right)$

其中节点v_i到v_j的能量距离，而能量距离又可表示为：

$E_{d_{v_i{v}_j}}^{\′}\left(t\right)=\frac{E_{d(v_i,v_j)}}{e_1\left(v_i\right)\×e_2(v_i,v_j)}---\left(5\right)$

并且式中：

$e_1\left(v_i\right)=\frac{E_{\mathrm{cur}}\left(v_i\right)}{E_{\mathrm{init}}},e_2(v_i,v_j)=\frac{E_{\mathrm{estimate}}(v_i,v_j)}{E_{\mathrm{init}}},$

$E_{d(v_i,v_j)}=E_{\mathrm{tx}-\mathrm{elec}}\×k+{\mathrm{\ϵ}}_{\mathrm{amp}}\×k\×d_{v_i{v}_j}^2$

而E_estimate(v_i，v_j)由式(6)所得：

$E_{\mathrm{estimate}}(v_i,v_j)=E_{\mathrm{init}}-\frac{E_{\mathrm{init}}-E_{\mathrm{estimate}}(v_i,v_j)}{\mathrm{time}(v_i,v_j)}\×[\mathrm{time}(v_i,v_j)+1]---\left(6\right)$

其中E_init为节点的初始能量，E_estimate(v_i，v_j)节点v_i到v_j的所需能量估算，time(v_i，v_j)点v_i到v_j所需要的时间。当一个节点接到一个数据包时，会估算其邻居节点的剩余能量，并更新路由表，动态选择下一跳。经过一定的轮数之后，轮数是设置的固定循环次数roundtoupdate的倍数时，信息素的挥发按式(7)进行。

η(v_i，v_j)＝(1-ρ)×η(v_i，v_j) (7)

然后每个节点增强信息素，并选择邻居节点中剩余能量最多的节点作为下一个簇头(如节点v_j)，增强的按式(8)进行。

$\mathrm{\η}(v_i,v_j)=\mathrm{\η}(v_i,v_j)+E_{d(v_i,v_j)}---\left(8\right)$

至此对于蚁群优化算法的改进完毕。

Claims (3)

1.本发明特征是针对无线传感器网络能量均衡问题，解决适当选取做汇聚节点的簇头，通过考虑了网络节点能耗因素改进的蚁群优化方法从而提高了网络的生命周期。

2.在权利要求1中，信息素是蚂蚁从一个节点到另一个节点能量距离的倒数，然后每个节点增强信息素，并选择邻居节点中剩余能量最多的节点作为下一个簇头。

3.在权利要求1中，本发明的另一个特征是当一个节点接到一个数据包时，会估算其邻居节点的剩余能量，并更新路由表，动态选择下一跳。