CN107920379A - 一种基于增加传输距离和重传的能量优先路由方法 - Google Patents

Abstract

一种基于增加传输距离和重传的能量优先路由方法，所述能量优先路由方法包括以下步骤：获取由传感器节点作为顶点、传感器路径作为顶点间的有向边、源节点和终止节点组成的有向图；每个顶点有初始能量，每条边与传输成本相关联，采用能量消耗模型表示两个节点间的距离消耗的能量值；定义数据包能够传输的最大传输距离和最大重传次数；结合MREPE、AMREP算法获取相邻节点间距离d≤R，以及R<d≤d_max时的带宽值，并通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找。本发明致力于解决在恶劣的无线网络环境下节点能量有限的前提下系统生存期短的问题，具有良好的健壮性与能量利用优化性。

Description

一种基于增加传输距离和重传的能量优先路由方法

技术领域

本发明涉及无线网络领域，尤其涉及一种基于增加传输距离和重传的能量优先路由方法。

背景技术

近年来，在无线技术上的发展使得构造ad-hoc(无中心的自组织网络)网络变得可行，并可用于传感器网络进行周围环境条件的检测和监控。在无线传感器网络中，由于每个节点的能量供应是有限的，怎样让节点按某路径发送消息并最大化系统生存期是一个重要的问题。有两种方式解决这个问题。一种是在每一个路由任务中最小化绝对能量消耗；另一种是尽可能将流量均匀的分布在各节点中，来平衡在选择路由路径时的能量消耗。多数情况下，由于更高的能量利用率，第二种方法更可取。实现这个策略最好的算法之一是MREP(Maximum Residual Energy Path，最大剩余能量路径)。

在无线传感器网络路由协议设计方面，以前是使用UDG(unit disk graph，单位圆盘图)通讯模型。在此模型中，两个节点可以在传输半径R(R表示在最大传输能量下，一次传输成功率为100％的最大传输距离)内正确传输消息，如果两个节点距离大于R，则此对节点间不能进行信息传输。

然而，这种简化的模型不能够准确的模拟现实情况中无线传感网络的物理层工作情况。但是LNS(Log-Normal Shadowing，对数正态分布阴影)模型可以很好地模拟现实情况。在此模型中，传输距离R范围内，消息可以一次性准确的传输；超出这个距离，消息只能以小于1.0的概率成功传输，而且距离越大，传输成功概率越小。显然，在UDG模型中，只有传输成功率为1.0的距离才会被作为有效的传输距离。

发明内容

本发明提供了一种基于增加传输距离和重传的能量优先路由方法，本发明通过MREPE、AMREP算法获取带宽值，将最大剩余能量问题转化为瓶颈问题，并且采用改进的迪杰斯特拉算法获得最小成本路径，详见下文描述：

一种基于增加传输距离和重传的能量优先路由方法，所述能量优先路由方法包括以下步骤：

获取由传感器节点作为顶点、传感器路径作为顶点间的有向边、源节点和终止节点组成的有向图；每个顶点有初始能量，每条边与传输成本相关联，采用能量消耗模型表示两个节点间的距离消耗的能量值；

定义数据包能够传输的最大传输距离和最大重传次数；

结合MREPE、AMREP算法获取相邻节点间距离d≤R，以及R＜d≤d_max时的带宽值，并通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找。

所述每条边与传输成本相关联具体为：

其中，传输成本为S_e(S_p,q)，S_e表示沿边e从p到q传输一个包消耗的节点能量。

所述能量消耗模型具体为：

e＝0.1*d²

其中，d表示节点间的传输距离。

其中，结合MREPE和改进迪杰斯特拉算法，获取相邻节点间距离d≤R，以及R＜d≤d_max时的带宽值，并寻找最大剩余能量路径具体为：

在MREPE算法中，根据传输成功率和传输距离的关系计算最大传输距离；

对于n，如果相邻节点间距离满足d≤R，n＝1，则消耗发送节点的能量为E(d)，此时带宽b(x_i,x_i+1)＝E(x_i)-E(d)；并通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找；

当R＜d≤d_max时，根据传输成功率和节点间距离的关系计算传输一次的成功率，再计算出传输次数，此时带宽b(x_i,x_i+1)＝E(x_i)-nE(R)，并通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找。

其中，结合AMREP算法和改进迪杰斯特拉算法，获取相邻节点间距离d≤R，以及R＜d≤d_max时的带宽值，并寻找最大剩余能量路径具体为：

在AMREP算法中，首先执行相邻节点间距离满足d≤R的情况：n＝1，则消耗发送节点的能量为E(d)，此时带宽b(x_i,x_i+1)＝E(x_i)-E(d)；通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找；

当d≤R不存在合理路径时，即R＜d≤d_max时，调用MREPE算法根据传输成功率和节点间距离的关系计算传输一次的成功率，再计算出传输次数，此时带宽b(x_i,x_i+1)＝E(x_i)-nE(R)。

进一步地，所述改进迪杰斯特拉算法具体为：

1)初始时令集合S＝{V0}，集合T＝V-S＝{其余顶点}，T中顶点有对应的权值，若存在<V0，Vi>边，d(V0，Vi)表示为<V0，Vi>边上的权值；若不存在<V0，Vi>边，d(V0，Vi)表示为∞；

其中，V0为源节点；<V0，Vi>为V0到Vi的一条有向边，Vi可代表多条与V0相连的边的顶点；

2)从集合T中选取一个与S中顶点有关联的边、且权值最小的顶点W，加入到S中；

3)对其余集合T中顶点的权值进行修改；

4)重复上述步骤2)、3)，直到集合S中包含所有顶点。

进一步地，上述对其余集合T中顶点的权值进行修改具体为：

若加进权值最小的顶点W作中间顶点，从V0到Vi的权值和缩短，则修改此权值和；否则不做改变。

本方法提出了一组低复杂度的设计方案，致力于解决在恶劣的无线网络环境下节点能量有限的前提下系统生存期短的问题，具有良好的健壮性与能量利用优化性，其有益效果主要体现在以下两方面：

1)能够在不改变节点物理位置的前提下，使网络的拓扑结构变得更加密集，增加了可行的路径，实现流量的相对均匀分布；

2)利用增大传输距离和重传的机制，充分利用剩余能量，使得系统的生存期延长了大约22％。

附图说明

图1为一种基于增加传输距离和重传的能量优先路由方法的流程图；

图2为有向图G(N，A)模型的示意图；

图3为改进的MREP算法的流程图；

图4为AMPEP算法的流程图；

图5为改进的迪杰斯特拉算法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

传统的MREP算法是采用的UDG模型。本发明实施例考虑在不增加传输能量的情况下，利用增加传输距离和重传机制来获取较高的传输成功率。在扩大每个节点传输距离的情况下，虽然重传增加了传输每个包的平均能量消耗，但也延长了系统的生存期(传输了更多的包)。这是因为虽然节点的物理位置保持不变，但是网络的拓扑结构变得更加密集。

MREPE(MREP with Extended Range增加距离的最大剩余能量路径)算法，采用了LNS模型，扩大了传输距离的范围，使得最大传输距离d_max＞R，并且允许重传，提高最终的传输成功率。此算法不仅增加了传输的路径数目，还延长了系统的生存期。

AMREP(Adaptive MREP，自适应最大剩余能量路径)算法也采用了LNS模型，其核心思想是首先使用MREP算法寻找路径，当系统在MREP算法中没有可用路径时，将算法转化成MREPE算法。此种思想明显的增加了每个节点的传输范围，延长了系统生存期。

本发明实施例将首次利用以上两种算法对原有MREP算法进行改进，通过增加传输距离和重传机制来延长系统生存期，进而提高能量利用率。

本发明实施例的MREPE和AMREP算法主要用于解决MREP算法系统生存期短的问题。由于MREP算法采用了UDG模型，所以超出传输范围R就不能进行消息传输。假设某一传输路径必须经过某一对节点，当其中有一个节点能量用完时，系统的生存期便结束了。该算法使得系统的可靠性不高，而且还浪费了很多能量。

MREPE和AMREP算法都在不增加节点单次传输最大能量的情况下，允许节点在超出传输距离R一定范围内进行传输。这样增加了最大传输距离，使得网络拓扑结构变得密集，以此增加了传输路径，使得网络流量分布的更加均匀。通过降低因为某个节点的能量缺失使得系统生存期变短的可能性，最终延长了系统的生存期，提高了系统的可靠性。

实施例1

本发明实施例提出了一组复杂度较低的设计方案，MREPE算法没有增加MREP算法的复杂度，AMREP算法也几乎没有增加。一般的认为无线传感网络包括在一个方形内任意分布的一系列静态节点。假设每个节点都知道自己到其他节点的距离，并且在传感器网络中，有一个源节点和一个汇聚节点，其中除了这两个节点是有充足的能量支撑外，其他节点都由一个能量有限的电池提供能量。

每一个参与到消息转发的节点都会消耗一定的能量。能量消耗值取决于传输包的数量和传输的距离。在发送一个包之前，基于修改的MERP算法，源节点选择一个能使系统生存期最大化的合理路径。本方法将最大剩余能量问题转化为瓶颈问题，并且采用改进的迪杰斯特拉算法获得最小成本路径，参见图1，该技术方案主要涉及以下三方面：

101：获取由传感器节点作为顶点、传感器路径作为顶点间的有向边、源节点和终止节点组成的有向图；每个顶点有初始能量，每条边与传输成本相关联，采用能量消耗模型表示两个节点间的距离消耗的能量值；

102：定义数据包能够传输的最大传输距离和最大重传次数；

103：结合MREPE、AMREP算法获取相邻节点间距离d≤R，以及R＜d≤d_max时的带宽值，并通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找。

其中，步骤101中的每条边与传输成本相关联具体为：

其中，传输成本为S_e(S_p,q)，S_e表示沿边e从p到q传输一个包消耗的节点能量。

进一步地，步骤101中的能量消耗模型具体为：

e＝0.1*d²

其中，d表示节点间的传输距离。

进一步地，步骤103中的结合MREPE和改进迪杰斯特拉算法，获取相邻节点间距离d≤R，以及R＜d≤d_max时的带宽值，并寻找最大剩余能量路径具体为：

在MREPE算法中，根据传输成功率和传输距离的关系计算最大传输距离；

对于n，如果相邻节点间距离满足d≤R，n＝1，则消耗发送节点的能量为E(d)，此时带宽b(x_i,x_i+1)＝E(x_i)-E(d)；并通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找；

当R＜d≤d_max时，根据传输成功率和节点间距离的关系计算传输一次的成功率，再计算出传输次数，此时带宽b(x_i,x_i+1)＝E(x_i)-nE(R)，并通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找。

进一步地，步骤103中的结合AMREP算法和改进迪杰斯特拉算法，获取相邻节点间距离d≤R，以及R＜d≤d_max时的带宽值，并寻找最大剩余能量路径具体为：

在AMREP算法中，首先执行相邻节点间距离满足d≤R的情况：n＝1，则消耗发送节点的能量为E(d)，此时带宽b(x_i,x_i+1)＝E(x_i)-E(d)；通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找；

当d≤R不存在合理路径时，即R＜d≤d_max时，调用MREPE算法根据传输成功率和节点间距离的关系计算传输一次的成功率，再计算出传输次数，此时带宽b(x_i,x_i+1)＝E(x_i)-nE(R)。

综上所述，本发明实施例通过上述步骤101-步骤103致力于解决在恶劣的无线网络环境下节点能量有限的前提下系统生存期短的问题，具有良好的健壮性与能量利用优化性。

实施例2

下面结合具体的计算公式、图2-图5、实例对实施例1中的方案进行进一步地介绍，详见下文描述：

201：节点定义；

参见图2，路由问题可以看做有向图G(N，A)模型，N是图中所有的顶点(传感器节点)，A是图中顶点间的有向边(传感器路径)，比如(p,q)表示从顶点p到顶点q。两个特殊的顶点s和t分别表示源节点和终止节点。每个顶点p有初始能量E(p)≥0，E(p)是在发送一个包之前的当前节点p可用能量。

每条边，如e＝(p,q)和传输成本S_e(S_p,q)联系，S_e表示沿边e从顶点p到顶点q传输一个包消耗的能量。由此沿着边e传输一个包，顶点p的节点能量E(p)将减少S_e。用d表示两个节点间的距离。当d＜＝R(所规定的传输半径)时，包在两节点间的传输成功率为100％，消耗的能量值是距离的函数，e＝E(d)，d增大e也增大。

此处本方法采用能量消耗模型(发送一个二进制位消耗的能量)表示E(d)：

e＝0.1*d²(nJ/bit) (1)

其中，d表示节点间的传输距离，d＞R时，传输能量达到最大值E(R)，此时两相邻节点间数据包传输的成功率为m，0≤m＜1。此成功率随着距离的增大而减小。然而，如果这个节点发送同样的包多次，那么至少一次传输成功的可能性就会增大，由公式1-(1-m)ⁿ(n为传输次数，m为传输一次成功的概率)可计算出成功率。

当n足够大时，成功率接近100％，此时传输n次消耗的能量为nE(R)。让p₀表示一个可成功接收包的阈值(比如0.999)。满足下式便可认为一个包被成功传输：

1-(1-m)ⁿ≥p₀ (2)

202：最大传输距离d_max和最大重传次数n_max的定义；

定义n_max为一个包能够最终成功传输(大于或等于阈值p₀)的最大传输次数。d_max是在n_max下所允许的最大传输距离。由公式(2)可以得出公式(3)：

其中，m的值取决于相邻节点间的距离，m和d之间的关系很复杂，利用下列公式来表述：

一对节点间，只有当d≤d_max时，可进行有效的传输。当d≤R时，包被传输一次即可达到100％成功率，能量消耗取决于两节点间距离；当R＜d≤d_max，包将被传输多次以保证能成功传输，同时能量损失也比较高。

203：改进的MREP算法；

假设在图G中已有路径P(x₁，x₂，x₃，.....x_k)，每条边(x_i,x_i+1)和带宽b(x_i,x_i+1)≥0有一定联系，带宽b(x_i,x_i+1)为发送节点发送一个包之后的剩余能量，定义如下：

其中，最小的带宽值是路径B(P)的瓶颈值。

在MREPE算法中，首先，自定义p₀和n_max的值，并将两者带入公式(2)获取最小值p_min；再根据传输成功率和传输距离的关系(公式4)计算d_max。

对于n，如果相邻节点间距离满足d≤R，那么n＝1，消耗发送节点的能量为E(d)，此时b(x_i,x_i+1)＝E(x_i)-E(d)；

当R＜d≤d_max时，根据传输成功率和节点间距离的关系(公式4)计算传输一次的成功率m，再代入公式(3)便可计算出传输次数n，此时发送节点消耗的能量为e＝nE(R)，b(x_i,x_i+1)＝E(x_i)-nE(R)。

在AMREP算法中，首先执行相邻节点间距离满足d≤R的情况：n＝1，消耗发送节点的能量E(d)，用公式a表示：b(x_i,x_i+1)＝E(x_i)-E(d)；

当这些节点的能量即将耗尽，不存在合理的路径进行包的传输时，再转化为R＜d≤d_max的情形：

先根据上式计算出d_max，再根据传输成功率和节点间距离的关系(公式4)计算m，再由公式(3)便可计算出传输次数n，此时发送节点消耗的能量为e＝nE(R)，用公式b表示b(x_i,x_i+1)＝E(x_i)-nE(R)。

综上，公式(5)可写为

具体步骤如下，参见图3：

1)输入自定义的p₀和n_max，计算出p_min、d_max和n；

2)判断是否到达目的节点；如果是，流程结束；如果否，执行步骤3)；

3)从源节点开始，对于源节点的每个相邻节点，由公式(6)计算它的瓶颈值b(x₁,x₂)，并将每一个瓶颈值放入每个相邻节点的瓶颈成本值B(P)；选择瓶颈成本值B(P)最大的相邻节点作为下一个节点；

4)从步骤3)选好的节点开始，根据公式(6)计算每一个下一级相邻节点带宽值；将每个下一级相邻节点x_i+1的带宽值和步骤1)选择的节点x_i的最大瓶颈成本值作比较，选择两者中最小的值，并将它放入这个相邻节点的瓶颈值中；当所有的相邻节点的瓶颈值获得时，选择具有最大瓶颈值的节点作为下一个节点；然后执行步骤2)。

204：AMPEP算法；

具体步骤如下，参见图4：

1)输入自定义的p₀和n_max，计算出p_min、d_max和n；

2)判断是否到达目的节点；如果是，流程结束；如果否，执行步骤3)；

3)当d＜＝R时是否存在可用的路径来传输，如果是，执行步骤4)；如果否，执行步骤5)；

4)根据公式a计算出每个相邻节点的瓶颈值，选出最大瓶颈值节点作为下一跳，执行步骤6)；

5)根据公式b计算出每个相邻节点的瓶颈值，选出最大瓶颈值节点作为下一跳，执行步骤7)；

6)由公式a计算下一级相邻节点瓶颈值，同上面步骤所选节点瓶颈值比较，取其较小值，选择最大瓶颈值节点作为下一跳；然后执行步骤2)。

7)由公式b计算下一级相邻节点瓶颈值，同上面步骤所选节点瓶颈值比较，取其较小值，选择最大瓶颈值节点作为下一跳；然后执行步骤2)。

205：最后，通过改进的迪杰斯特拉算法进行最大剩余能量路径的寻找。

参见图5，设有向图G＝{V，E}，V是有向图中所有顶点，E是有向图中所有有向边，边的权值表示传输包消耗的能量，具体步骤如下：

1)初始时令集合S＝{V0}，集合T＝V-S＝{其余顶点}，T中顶点有对应的权值，若存在<V0，Vi>边，d(V0，Vi)表示为<V0，Vi>边上的权值；若不存在<V0，Vi>边，d(V0，Vi)表示为∞；

其中，V0为源节点；<V0，Vi>为V0到Vi的一条有向边，Vi可代表多条与V0相连的边的顶点。

2)从集合T中选取一个与S中顶点有关联的边、且权值最小的顶点W，加入到S中；

3)对其余集合T中顶点的权值进行修改；

即，若加进W作中间顶点，从V0到Vi的权值和缩短，则修改此权值和；否则不做改变。

4)重复上述步骤2)、3)，直到集合S中包含所有顶点。

综上所述，本发明实施例通过上述步骤201-步骤205致力于解决在恶劣的无线网络环境下节点能量有限的前提下系统生存期短的问题，具有良好的健壮性与能量利用优化性。

实施例3

本发明实施例以基于无线网络的数据包传输为例来给出具体的实施方式，下面结合附图3至图5对本发明实施例中的作用和效果进行展示，具体步骤如下：

(1)最大传输距离d_max和重传次数n的确定；

假设每个节点都知道自己到其他节点的距离。并且在传感网络中，有一个源节点和一个汇聚节点，其中除了这两个节点是由充足的能量支撑外，其他节点都由一个能量有限的电池提供能量。自定义p₀和n_max的值，依据上述公式分别求得d_max和n。在后续步骤中，同一数据包在一对节点上的传输次数和传输距离不得大于n_max和d_max。

(2)结合MREPE、AMREP算法获取相邻节点间距离d≤R，以及R＜d≤d_max时的带宽值，并通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找。

根据MREPE和AMREP算法的不同分为两种不同的情况：

1、在MREPE算法中，d≤R的情况和R＜d≤d_max的情况同时参与改进Dijkstra算法的迭代过程，根据相邻节点间不同的距离，带入公式求出传输次数1(d≤R)或者n(R＜d≤d_max)，在计算带宽值b(x_i,x_i+1)时，用发送节点的能量减去每次传输的能量乘以传输次数之积。用以上步骤得到的b(x_i,x_i+1)参与比较，再通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找。

2、在AMREP算法中，d≤R时，先按照原先的MREP算法进行最大剩余能量路径的寻找。当d≤R不存在合理路径时，算法转换到MREPE来寻找额外的路径(即通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找)。此时不但扩大了范围，而且扩大了邻接点的数量。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于增加传输距离和重传的能量优先路由方法，其特征在于，所述能量优先路由方法包括以下步骤：

获取由传感器节点作为顶点、传感器路径作为顶点间的有向边、源节点和终止节点组成的有向图；每个顶点有初始能量，每条边与传输成本相关联，采用能量消耗模型表示两个节点间的距离消耗的能量值；

定义数据包能够传输的最大传输距离和最大重传次数；

结合MREPE、AMREP算法获取相邻节点间距离d≤R，以及R<d≤d_max时的带宽值，并通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找。

2.根据权利要求1所述的一种基于增加传输距离和重传的能量优先路由方法，其特征在于，所述每条边与传输成本相关联具体为：

其中，传输成本为S_e(S_p,q)，S_e表示沿边e从p到q传输一个包消耗的节点能量。

3.根据权利要求1所述的一种基于增加传输距离和重传的能量优先路由方法，其特征在于，所述能量消耗模型具体为：

e＝0.1*d²

其中，d表示节点间的传输距离。

4.根据权利要求1所述的一种基于增加传输距离和重传的能量优先路由方法，其特征在于，结合MREPE和改进迪杰斯特拉算法，获取相邻节点间距离d≤R，以及R<d≤d_max时的带宽值，并寻找最大剩余能量路径具体为：

在MREPE算法中，根据传输成功率和传输距离的关系计算最大传输距离；

对于n，如果相邻节点间距离满足d≤R，n＝1，则消耗发送节点的能量为E(d)，此时带宽b(x_i,x_i+1)＝E(x_i)-E(d)；并通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找；

当R<d≤d_max时，根据传输成功率和节点间距离的关系计算传输一次的成功率，再计算出传输次数，此时带宽b(x_i,x_i+1)＝E(x_i)-nE(R)，并通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找。

5.根据权利要求1所述的一种基于增加传输距离和重传的能量优先路由方法，其特征在于，结合AMREP算法和改进迪杰斯特拉算法，获取相邻节点间距离d≤R，以及R<d≤d_max时的带宽值，并寻找最大剩余能量路径具体为：

在AMREP算法中，首先执行相邻节点间距离满足d≤R的情况：n＝1，则消耗发送节点的能量为E(d)，此时带宽b(x_i,x_i+1)＝E(x_i)-E(d)；通过改进迪杰斯特拉算法进行最大剩余能量路径的寻找；

当d≤R不存在合理路径时，即R<d≤d_max时，调用MREPE算法根据传输成功率和节点间距离的关系计算传输一次的成功率，再计算出传输次数，此时带宽b(x_i,x_i+1)＝E(x_i)-nE(R)。

6.根据权利要求4或5所述的一种基于增加传输距离和重传的能量优先路由方法，其特征在于，所述改进迪杰斯特拉算法具体为：

1)初始时令集合S＝{V0}，集合T＝V-S＝{其余顶点}，T中顶点有对应的权值，若存在<V0，Vi>边，d(V0，Vi)表示为<V0，Vi>边上的权值；若不存在<V0，Vi>边，d(V0，Vi)表示为∞；

其中，V0为源节点；<V0，Vi>为V0到Vi的一条有向边，Vi可代表多条与V0相连的边的顶点；

2)从集合T中选取一个与S中顶点有关联的边、且权值最小的顶点W，加入到S中；

3)对其余集合T中顶点的权值进行修改；

4)重复上述步骤2)、3)，直到集合S中包含所有顶点。

7.根据权利要求6所述的一种基于增加传输距离和重传的能量优先路由方法，其特征在于，所述对其余集合T中顶点的权值进行修改具体为：

若加进权值最小的顶点W作中间顶点，从V0到Vi的权值和缩短，则修改此权值和；否则不做改变。