CN108769939A - 一种无线传感器网络多路径可靠传输容错方法 - Google Patents
一种无线传感器网络多路径可靠传输容错方法 Download PDFInfo
- Publication number
- CN108769939A CN108769939A CN201810461137.5A CN201810461137A CN108769939A CN 108769939 A CN108769939 A CN 108769939A CN 201810461137 A CN201810461137 A CN 201810461137A CN 108769939 A CN108769939 A CN 108769939A
- Authority
- CN
- China
- Prior art keywords
- path
- node
- transmission
- wireless sensor
- sensor network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/04—Error control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/082—Load balancing or load distribution among bearers or channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种无线传感器网络多路径可靠传输容错方法,包括基于蚁群算法的无线传感器网络初始路径计算与建立方法、基于免疫机理的无线传感器网络多路径可靠传输容错方法和负载均衡机制三个部分。基于蚁群算法的无线传感器网络初始路径计算与建立方法主要是对跳/距离和人工蚂蚁信息素诱导产生因素的考虑。基于免疫机理的无线传感器网络多路径可靠传输容错方法包括抗体抗原、路径编码、适应度和变异规则等相关问题定义,基于免疫多路径传输方法实现。多路径负载平衡机制主要解决根据已建立的质量不等的传输路径,将不等数量的编码数据片分配到不同的路径上,以提高负载均衡和传输容错能力。
Description
技术领域
本发明涉及物联网技术领域,具体是一种基于最优最差蚂蚁系统与免疫机理的无线传感器网络多路径可靠传输容错方法。
背景技术
数据传输可靠性是衡量无线传感器网络性能的一个重要指标。采用路由容错策略和多路径传输来实现数据传输可靠性与稳定性,兼顾能耗均衡和传输时延等特征。无线传感器网络具有如节点数量大、分布范围广、Ad Hoc网络无中心、拓扑结构动态变化、通信计算能力、网络安全和以数据为中心等特点。无线传感器网络工作环境的不可预测性,诸如干扰因素,如温度,振动和电磁波可能会导致故障或故障,如无线电频率冲突、时钟异步、电池耗尽、信号损失和软件运行错误等,这将大大降低传感器节点的可靠性,削弱或无效的无线传感器网络的部分功能。这对无线传感器网络的可靠数据传输、稳定性和鲁棒性带来巨大的挑战,这需要在无线传感器网络基础理论和工程技术实现突破。
高可靠性和稳定性仍然是目前无线传感器网络研究的难点问题。数据传输的准确性和可靠性密切关联着相关应用。网络自身的健康对无线传感器网络的稳定运行、可靠传输和性能优化至关重要。当故障发生时,它可以自适应地采用合理的故障容错控制方案来处理网络故障,继而提供高可靠的计算服务。故障容错技术对提高无线传感器网络的可靠性和鲁棒性具有重要的意义。这是无线传感器网络一个关键的技术问题并成为一个重要的研究方向。由于无线传感器网络的复杂性和多样性,以及实际应用的限制,如网络故障样本的先验知识很难获取,故障特征提取难以反映网络故障的完整性。传统故障容错模型缺乏独立的在线学习能力,难以反映新出现的故障特征,不能满足大规模网络可扩展性的需求。
为了提高无线传感器网络传输稳定性和可靠性,引入改进蚁群算法-最优最差蚂蚁系统和免疫计算等智能计算方法,应用到无线传感器网络的多路径传输并结合负载均衡机制。人工免疫系统具有信息处理机制的优点诸如开放性、分布性、动态性和鲁棒性。人工免疫系统采用自我识别方法,相互激励和约束形成动态平衡网络。两者都是典型的分布式和自组织网络,都需要在动态的场景中保持系统的稳定性。免疫系统机理为无线传感器网络的协同优化和故障容错提供了新的思路和方法,并显示了良好的效果。无线传感器网络多路径传输策略是提高传输的可靠性和容错性的有效途径。作为改进蚁群算法的最优最差蚂蚁系统,已被证实具有较好的收敛速度和良好的路径寻优能力,可以对问题提供最优初始解,加速系统收敛性。因此,采用基于最大最小和免疫机制的无线传感器网络多路径路由策略,能够很好地解决上述存在问题,提高网络传输稳定和可靠性。
本专利主要研究节点失效或链路质量对网络层数据传输的稳定性和可靠性的影响。基于人工免疫系统和最优最差蚂蚁系统,结合多路径传输的负载均衡机制,将多路径建立问题转化为基于免疫计算的多目标优化问。最优最差蚂蚁系统的信息素的产生能被用来评价从源节点到目的节点的所有可能的路径,并结合负载平衡机制,实现多路径传输优化,提高无线传感器网络的传输可靠性和容错性。
发明内容
本发明的目的在于提供一种基于最优最差蚂蚁系统与免疫机理的无线传感网络多路径可靠传输容错方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于最优最差蚂蚁系统与免疫机理的无线传感网络多路径可靠传输容错方法,包括基于最优最差蚂蚁系统的无线传感器网络初始路径计算与建立方法、基于免疫机理的无线传感器网络多路径可靠传输容错方法和负载均衡机制等部分,具体包括以下步骤:
所述的一种基于最优最差蚂蚁系统与免疫机理的无线传感网络多路径可靠传输容错方法,其特征在于:所述的最优最差蚂蚁系统的计算与实现过程,是基于蚁群算法的无线传感器网络初始路径计算与建立方法的主要部分,主要考虑到是跳数/距离和人工蚂蚁产生信息素来进行路径的评价和选择。它可以快速评价从源节点到目的节点建立的多条传输路径。这些构成基于免疫的多路径传输算法的初始抗体变异种群。基于最优最差蚂蚁系统的的无线传感器网络初始路径计算与建立方法,主要包括基于最优最差蚂蚁系统的路径或链路信息素计算和路径质量评价和初始多路径建立工作机制,具体包括以下步骤:
步骤1初始化参数并为每个蚂蚁选择路径(1)和(2)。
τij(t+n)=ρ1τij(t)+Δτij(t,t+n) (2)
式(2)是在蚂蚁建立完整路径时更新信息素量,而不是在每个步骤中更新。
步骤2当蚂蚁产生一条路径时,通过式(5)局部更新信息素值。
τrs←(1-α)τrs+ρΔτrs (5)
Δτrs=(nLnn)-1 (6)
步骤3重复步骤1到2,直到在聚类节点上的每个蚂蚁生成一条路径,根据它们的路径长度来评价最好和最差的蚂蚁。
步骤4用式(7)全局更新最优蚂蚁生成路径的信息素。
τrs←(1-α)τrs+αΔτrs (7)
步骤5用式(9)全局更新最差蚂蚁生成路径的信息素。
τrs=(1-ρ)τrs-εLworst/Lbest (9)
步骤6重复步骤2至5直到所有蚂蚁都建立路径,记录每个路径上的信息素值,计算归一化值作为链路质量的评价。
所述的一种基于最优最差蚂蚁系统与免疫机理的无线传感网络多路径可靠传输容错方法,其特征在于:所述的基于最优最差蚂蚁系统(BWAS)的多路径传输建立方法与实现,具体包括以下步骤:
步骤1一定数量的数据包(蚂蚁)最初设置在每个节点上。初始化数据包的基本参数。每个数据包包括有目的节点地址、源节点地址、访问节点的禁忌表和择下一跳节点的分组转移概率。
步骤2在数据包向前转发的过程中,将在本地路由表中创建表项。该项目将记录信息素浓度、跳数和坐标的信息。然后将更新禁忌表。当中间节点接收到来自相邻节点的数据包时,将检查它是否从同一节点接收到的数据包。如果是这样,数据包将返回上一跳节点,并继续寻求最佳的下一跳。否则,跳数值将加1。
步骤3当数据包从源节点到达目的节点时,将停止下一跳的搜索工作,更新路由表中生成路径的信息素值。然后在生成的路由表中计算所有的路径长度,计算并得到最优和最差路径的质量,最后更新最优路径和最坏路径的信息素值。
步骤4当事件触发需要传输数据时,源节点将为目标节点建立多条传输路径。源节点将建立与所有节点的在其发射的射频功率范围的可能的传输路径。最优最差蚂蚁系统将计算出每条路径上的信息素强度。源节点首先选择最佳链路上的节点作为下一跳节点进行数据包传输,建立第一条从源节点到目的节点之间最佳的传输路径。源节点选择次优质量的非以前建立的传输路径的节点作为下一跳节点,建立从源节点到目的节点的第二条传输路径,并以此类推,建立多条到目的节点的互不相交的传输路径。路径上各链接的信息素值被归一化,其值反映链路或路径的质量。
所述的一种基于最优最差蚂蚁系统与免疫机理的无线传感网络多路径可靠传输容错方法,其特征在于:所述的基于免疫机理的无线传感器网络多路径可靠传输容错方法,主要采用免疫计算,在最优最差蚂蚁系统建立的初始多路径基础上进行优化,提高了数据传输的可靠性和容错性。传输路径是通过路径上节点有序组合来进行编码。用剩余能量、跳数/距离和传输延迟因子来定义亲和函数,计算和评价抗体和抗原的亲和力。通过变异规则根据给定的阈值,优良的抗体被选择形成新的抗体群体,最后建立多个最优传输路径。其具体包括以下步骤:
步骤1初始化参数。
步骤2根据式(12)计算路径的
步骤3根据抗体的编码规则对节点和路径进行编码,包括节点和传输路径。
步骤4选择最优最差蚂蚁系统的输出作为免疫多路径优化方法的输入。最优最差蚂蚁系统初步建立的多个传输路径作为初始抗体群,建立从源节点到目的节点的数量为n条不相交的传输路径。
步骤5根据式(10)计算传输路径的适应度。
步骤6生成多路径记忆库。已建立的传输路径{P1,P2,P3,...}即为抗体群。选择的优秀抗体进入记忆群,作为下一次迭代的抗体种群变化。
步骤7抗体突变。根据变异规则,记忆中的优良抗体发生突变。新的抗体种群的产生由原来的抗体和新的变异抗体。根据适应度函数计算和如果转到步骤6;否则转到步骤8。
步骤8终止迭代并输出最优解。具有值的最优k个抗体将不再变化,并被选择作为免疫计算优化的输出解,即为需要建立的最优化的传输多路径,否则转到步骤5。
步骤9源节点沿着建立的到目的节点的多条路径发送确认数据包来确定已建立的最优多路径。
所述的一种基于最优最差蚂蚁系统与免疫机理的无线传感网络多路径可靠传输容错方法,其特征在于:所述的基于免疫机理的无线传感器网络多路径负载均衡机制与方法,具体包括以下内容:
基于多路径负载平衡机制是将不同数量的编码数据片分配到不同质量的传输路径上。设Ri(i=1,2,3...)表示分配到路径pi上的编码数据片的而数量。归一化信息素值仅用于反映路径pi上的(j-1)th到jth的链路质量。其中i∈(1,2,...,n),j∈(1,2,...,m)。因此,用来反映整条路径的质量。给路径pi分配编码数据片的数量为 图2显示了在源节点和目标节点之间建立三条传输路径pi(i=1,2,3)。它们具有路径的质量为:p2>p1>p3。由负载均衡机制可知,更多的编码片段将分配给p2。针对上述方法结合附图来进行说明。
与现有技术相比,本发明的有益效果是:
本发明基于最优最差蚂蚁系统的路径寻优和快速收敛性等优点,以及免疫系统的记忆学习、反馈调节和无中心的分布式自治机理等信息处理机制,建立多路径传输路由,提高无线传感器网络的稳定性和容错性。该算法在路径的建立过程中根据信息数值衡量跳数和方向问题,快速建立从源节点到目标节点的较优路径。链接或路径的质量是由信息素值进行评价,这些构成抗体变异的初始种群,并作为初始最优解作为免疫多路径方法的输入。它解决了免疫多路径方法中以往没有较优的通常不考虑从源节点到目的节点的跳数和路径方向的初始变异种群问题,通过免疫计算进行多路径建立和优化。除了跳数或距离因素外,它还考虑到节点的传输延迟和能量消耗。基于最优最差蚂蚁系统的优点和良好的信息处理特点,使得基于免疫机制的多径传输算法的快速收敛性加强。结合多路径传输和负载平衡机制,以提高传输可靠性的和容错故障性。
附图说明
图1具有不同信息素值的所有可能多路径
图2用于免疫计算的多路径
图3基于最优最差蚂蚁系统和免疫机理建立的网络传输多路径。
图4为基于最优最差蚂蚁系统的多传输路径建立示意。
图5为基于多路径传输的负载均衡机制示意。
图6为最优最差蚂蚁系统的多路径建立。
图7为基于免疫机理的多路径建立和优化。
图8为基于最优最差蚂蚁系统和免疫机理的多路径传输容错机理示意。
具体实施方式
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本发明实施例中,针对无线传感器网络数据传输稳定性、可靠性和容错性问题,提出的一种基于蚁群与免疫机理的无线传感器网络多路径可靠传输容错方法,步骤如下:
(1)最优最差蚂蚁系统的计算与实现过程,是基于蚁群算法的无线传感器网络初始路径计算与建立方法的主要部分,主要考虑到是跳数/距离和人工蚂蚁产生信息素来进行路径的评价和选择。它可以快速评价从源节点到目的节点建立的多条传输路径。这些构成基于免疫的多路径传输算法的初始抗体变异种群。基于最优最差蚂蚁系统的无线传感器网络初始路径计算与建立方法,主要包括基于最优最差蚂蚁系统的路径或链路信息素计算和路径质量评价和初始多路径建立工作机制,具体包括以下步骤:
步骤1初始化参数并为每个蚂蚁选择路径(1)和(2)。
τij(t+n)=ρ1τij(t)+Δτij(t,t+n) (2)
式(2)是在蚂蚁建立完整路径时更新信息素量,而不是在每个步骤中更新。
步骤2当蚂蚁产生一条路径时,通过式(5)局部更新信息素值。
τrs←(1-α)τrs+ρΔτrs (5)
Δτrs=(nLnn)-1 (6)
步骤3重复步骤1到2,直到在聚类节点上的每个蚂蚁生成一条路径,根据它们的路径长度来评价最好和最差的蚂蚁。
步骤4用式(7)全局更新最优蚂蚁生成路径的信息素。
τrs←(1-α)τrs+αΔτrs (7)
步骤5用式(9)全局更新最差蚂蚁生成路径的信息素。
τrs=(1-ρ)τrs-εLworst/Lbest (9)
步骤6重复步骤2至5直到所有蚂蚁都建立路径,记录每个路径上的信息素值,计算归一化值作为链路质量的评价。
(2)基于最优最差蚂蚁系统的多路径传输建立方法与实现,具体包括以下步骤:
步骤1一定数量的数据包(蚂蚁)最初设置在每个节点上。初始化数据包的基本参数。每个数据包包括有目的节点地址、源节点地址、访问节点的禁忌表和择下一跳节点的分组转移概率。
步骤2在数据包向前转发的过程中,将在本地路由表中创建表项。该项目将记录信息素浓度、跳数和坐标的信息。然后将更新禁忌表。当中间节点接收到来自相邻节点的数据包时,将检查它是否从同一节点接收到的数据包。如果是这样,数据包将返回上一跳节点,并继续寻求最佳的下一跳。否则,跳数值将加1。
步骤3当数据包从源节点到达目的节点时,将停止下一跳的搜索工作,更新路由表中生成路径的信息素值。然后在生成的路由表中计算所有的路径长度,计算并得到最优和最差路径的质量,最后更新最优路径和最坏路径的信息素值。
步骤4当事件触发需要传输数据时,源节点将为目标节点建立多条传输路径。源节点将建立与所有节点的在其发射的射频功率范围的可能的传输路径。最优最差蚂蚁系统将计算出每条路径上的信息素强度。源节点首先选择最佳链路上的节点作为下一跳节点进行数据包传输,建立第一条从源节点到目的节点之间最佳的传输路径。源节点选择次优质量的非以前建立的传输路径的节点作为下一跳节点,建立从源节点到目的节点的第二条传输路径,并以此类推,建立多条到目的节点的互不相交的传输路径。路径上各链接的信息素值被归一化,其值反映链路或路径的质量。
(3)基于免疫机理的无线传感器网络多路径可靠传输容错方法,主要采用免疫计算,在最优最差蚂蚁系统建立的初始多路径基础上进行优化,提高了数据传输的可靠性和容错性。传输路径是通过路径上节点有序组合来进行编码。用剩余能量、跳数/距离和传输延迟因子来定义亲和函数,计算和评价抗体和抗原的亲和力。通过变异规则根据给定的阈值,优良的抗体被选择形成新的抗体群体,最后建立多个最优传输路径。
①相关免疫问题的定义
抗体:定义为从源节点到目的节点的n条最佳路径。
抗原︰定义为静态聚类拓扑中的簇头。
节点编码:从源节点到目的节点之间的簇头之间建立传输路径。根据网络簇头节点数量,簇头节点用二进制进行编码。若节点数量小于16,每个簇头可以被编码在4个二进制代码的数字,如1011。源节点和目的节点应该被编码为0000和1111。节点被编码如下表2。
表2节点编码示意
路径编码:路径编码被确定为每个节点代码的有序组合。源节点和目的节点分别编码在0000和1111。假设节点N21、N22和N23的编码为{0011,0100,0101}。这条由节点集{S,N21,N22,N23,D,}构成的传输路径编码为{00000011010001011111}。
适应度计算︰路径适应度函数与目标节点的跳数、剩余能量和传输时延密切相关。它的定义为:
为路径pi的综合测量,其定位为路径跳数、剩余能量和传输延迟归一化因子值的加权和。它是用来对建立的多条传输路径进行质量评价,通过式(11)进行计算。
其中w1+w2+w3=1,表示路径pi的每个节点的初始能量的总和。max{H(pi)}表示所有既定路径的最大跳数。max{H(pi)}表示所有传输路径的时间延迟。H(pi)本质上可以用路径的信息素值来进行计算或描述。因子H(pi)和信息素值反映源节点到目的节点的距离。式(11)可以进行修改由式(12)所示。
其中ηij表示路径pi的信息素值。
由于路径的质量问题,更多的数据包将会丢失或重传。这将导致更多的本地能源消耗和严重的拥塞,路径上的数据包传输延迟也将增大,剩余能量决定网络生存周期。因此,只使用路径多跳信息作为标准来评价路径质量的方式已不满足网络整体要求。因此,路径质量应由到目的节点的跳数、剩余能量和传输延迟。高节点优先选择建立最优传输路径。这对于提高传动可靠性具有重要意义。
记忆:所有从源节点到目的节点的多个传输路径{p1,p2,p3,...}。抗体{p1,p2,p3,...pn}满足条件被选入作为抗体记忆群,用于下一次迭代的变异抗体群体记忆。通过决定是建立路径的数量。
抗体变异:抗体变异规律如下。(1)变异节点包括不包括源节点和目的节点的路径上的所有节点。(2)节点的变化方向是从源节点到目的节点。变化节点应在上一个节点射频频率功率范围内节点。(3)变异节点不包括既定变异路径上的变异节点。(4)变化规律如下:0随机变异为0或1,1随机变异为0或1。
②具体实施步骤:
步骤1初始化参数。
步骤2根据式(12)计算路径的
步骤3根据抗体的编码规则对节点和路径进行编码,包括节点和传输路径。
步骤4选择最优最差蚂蚁系统的输出作为免疫多路径优化方法的输入。最优最差蚂蚁系统初步建立的多个传输路径作为初始抗体群,建立从源节点到目的节点的数量为n条不相交的传输路径。
步骤5根据式(10)计算传输路径的适应度。
步骤6生成多路径记忆库。已建立的传输路径{P1,P2,P3,...}即为抗体群。选择的优秀抗体进入记忆群,作为下一次迭代的抗体种群变化。
步骤7抗体突变。根据变异规则,记忆中的优良抗体发生突变。新的抗体种群的产生由原来的抗体和新的变异抗体。根据适应度函数计算和如果转到步骤6;否则转到步骤8。
步骤8终止迭代并输出最优解。具有值的最优k个抗体将不再变化,并被选择作为免疫计算优化的输出解,即为需要建立的最优化的传输多路径,否则转到步骤5。
步骤9源节点沿着建立的到目的节点的多条路径发送确认数据包来确定已建立的最优多路径。
(4)基于免疫机理的无线传感器网络多路径负载均衡机制与方法,具体包括以下内容:
基于多路径负载平衡机制是将不同数量的编码数据片分配到不同质量的传输路径上。设Ri(i=1,2,3...)表示分配到路径pi上的编码数据片的而数量。归一化信息素值仅用于反映路径pi上的(j-1)th到jth的链路质量。其中i∈(1,2,...,n),j∈(1,2,...,m)。因此,用来反映整条路径的质量。给路径pi分配编码数据片的数量为 图2显示了在源节点和目标节点之间建立三条传输路径pi(i=1,2,3)。它们具有路径的质量为:p2>p1>p3。由负载均衡机制可知,更多的编码片段将分配给p2。针对上述方法结合附图来进行说明。
图4为基于最优最差蚂蚁系统的多个传输路径建立示意。假设建立如下传输路径, 其中是位于已经建立了的传输链接上,其中是位于已经建立了的传输链接上,其中是位于已经建立了的传输链接上。因此,源节点根据信息素的最大强度可以首先建立路径(S→N21→N22→N23→D)。其它传输路径具有相似的建立过程。
图5是基于多路径传输的负载均衡机制示意。其负载均衡机理是将不同数量的编码数据路径根据路径的质量进行不等数量的分配。设Ri(i=1,2,3...)代表路径pi上的编码数据片的数量。归一化信息素值仅用于反映路径pi上的(j-1)th到jth链接的质量,其中i∈(1,2,...,n),j∈(1,2,...,m)。因此,用来衡量整条路径的质量。分配到路径pi上的编码数据片数量是其中图2显示了建立在源节点和目的节点之间的三条传输路径pi(i=1,2,3)源节点和目标节点之间建立。它具有路径质量p2>p1>p3。因为负载均衡机制,更多的编码数据片将分配给路径p2。
图6显示了由BME算法建立了n的路径的数量。每个链接都有不同的信息素值这被通过链接或路径的质量进行评价。用来表示信息素值的jth链接在pi。例如,N11节点与节点s,N12,N21,N22,N23,N31,N32除N41和N42联系。这些两个节点不是节点链接显示为虚线的N11功率范围内。根据BWAS机制基于多径的建立,如果节点N11被选定为下一个跳跃点和N12将被选为N11下一个跃点节点。因此,可以建立传输路径如果采用不相交的传输模型所示红颜色。这是生物医学工程的最优解算法。
图7为基于免疫机理的多路径建立和优化。总共建立了8条传输路径,分别是p1~P8。路径P1~P4是最初建立的多条路径,用红色标准的P5~P8是通过免疫进化新生成的路径,分别是
{S→N11→N23→D,S→N21→N22→N33→D,S→N31→N42→N33→D,S→N41→N32→D}。
这8条路是根据适应函数进行路径质量评价的,四条路径质量高的路径被选择进入人下一次迭代的新抗体种群中,直到最终所有路径的质量不再变化时的多条路径即为最优路径。
图8为基于最优最差蚂蚁系统和免疫机理的多路径传输容错机理示意。现在假设源节点需要将数据包传输到目的节点。这些编码后经过分解后的数据片分别沿着四传输路径{p1,p2,p3,p4}向目的节点进行传输。图中所示带红色乘法符号的节点为故障或故障节点,有蓝色乘法符号表示能量消耗较快的节点,其剩余能量小于设定值。在第一种情况中,如果节点N12成为故障,将丢失数据片0。路径p2和p3也有数据片的丢失。但如果目的节点上接收到底编码数据片达到一定值就能构建源数据包,就不会影响数据包的成功传输。如果N12、N32故障,网络也可以成功地通过p2和p4路径进行数据包传输。故障节点N12只对p1的数据传输而不影响其它路径的源数据包的传输。如果多条路径发生故障,源数据包不能成功地传递到目标节点,则将再次计算所有的传输路径。
本发明提出基于最优最差蚂蚁系统和免疫机理的无线传感器网络多路径可靠传输容错方法,包括基于最优最差蚂蚁系统的无线传感器网络初始路径计算与建立方法、基于免疫机理的无线传感器网络多路径可靠传输容错方法和负载均衡机制三个部分。最优最差蚂蚁系统的无线传感器网络初始路径计算与建立方法考虑到跳数/距离和人工蚂蚁信息素。它可以快速评估从源节点建立到目的节点的路径所有链接的质量。这些构成了初始抗体群体,作为免疫多径传输方法的输入。基于免疫机理的多路径优化方法能快速收敛到最优解,同时考虑了传输延时的因素和能量消费以及跳数/距离。结合负载均衡机制,同时考虑了能量均衡和低传输延迟。针对节点失效或链路质量影响网络层数据传输的稳定性和可靠性的问题,本专利采用改进蚂蚁算法和免疫机理等智能计算,开展无线传感器网络多路径容错和分组冗余传输。采用数据接收率、能量消耗效率和传输时延等参数对多路径传输性能评估。此方法具有良好的容错性、稳定性和数据传输的可靠性,解决高可靠性和高稳定性仍是目前无线传感器网络的难点问题。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种无线传感器网络多路径可靠传输容错方法,包括基于蚁群算法的无线传感器网络初始路径计算与建立方法、基于免疫机理的无线传感器网络多路径可靠传输容错方法和负载均衡机制三个部分。前者基于蚁群算法的无线传感器网络初始路径计算与建立方法考虑了跳数/距离和人工蚂蚁产生的信息素等因素。它可以有效评估从源节点到目的节点建立的多条链接和传输路径的质量。这些构成基于免疫机理的多路径传输算法的初始抗体变异种群。后者基于免疫机理的无线传感器网络多路径可靠传输容错方法将进行抗异群体的初始与变异。除了考虑到跳数/距离因子,同时考虑到了能量消耗与传输延迟。由于最佳的初始解和定向抗体变异,其可以快速收敛到最优值。结合负载均衡机制,无线传感器网络数据接收速率、能量消耗效率和传输时延指标等具有所提高,提高网络的传输稳定性和容错性。
2.根据权利要求1所述的一种无线传感器网络多路径可靠传输容错方法,其特征在于:所述的最优最差蚂蚁系统的计算与实现过程,是基于蚁群算法的无线传感器网络初始路径计算与建立方法的主要部分,主要考虑到是跳数/距离和人工蚂蚁产生信息素来进行路径的评价和选择。它可以快速评价从源节点到目的节点建立的多条传输路径。这些构成基于免疫的多路径传输算法的初始抗体变异种群。基于最优最差蚂蚁系统的无线传感器网络初始路径计算与建立方法,主要包括基于最优最差蚂蚁系统的路径或链路信息素计算和路径质量评价和初始多路径建立工作机制,具体包括以下步骤:
步骤1初始化参数并为每个蚂蚁选择路径(1)和(2)。
τij(t+n)=ρ1τij(t)+Δτij(t,t+n) (2)
式(2)是在蚂蚁建立完整路径时更新信息素量,而不是在每个步骤中更新。
步骤2当蚂蚁产生一条路径时,通过式(5)局部更新信息素值。
τrs←(1-α)τrs+ρΔτrs (5)
Δτrs=(nLnn)-1 (6)
步骤3重复步骤1到2,直到在聚类节点上的每个蚂蚁生成一条路径,根据它们的路径长度来评价最好和最差的蚂蚁。
步骤4用式(7)全局更新最优蚂蚁生成路径的信息素。
τrs←(1-α)τrs+αΔτrs (7)
步骤5用式(9)全局更新最差蚂蚁生成路径的信息素。
τrs=(1-ρ)τrs-εLworst/Lbest (9)
步骤6重复步骤2至5直到所有蚂蚁都建立路径,记录每个路径上的信息素值,计算归一化值作为链路质量的评价。
3.根据权利要求1所述的一种无线传感器网络多路径可靠传输容错方法,其特征在于:所述的基于最优最差蚂蚁系统(BWAS)的多路径传输建立方法与实现,具体包括以下步骤:
步骤1一定数量的数据包(蚂蚁)最初设置在每个节点上。初始化数据包的基本参数。每个数据包包括有目的节点地址、源节点地址、访问节点的禁忌表和择下一跳节点的分组转移概率。
步骤2在数据包向前转发的过程中,将在本地路由表中创建表项。该项目将记录信息素浓度、跳数和坐标的信息。然后将更新禁忌表。当中间节点接收到来自相邻节点的数据包时,将检查它是否从同一节点接收到的数据包。如果是这样,数据包将返回上一跳节点,并继续寻求最佳的下一跳。否则,跳数值将加1。
步骤3当数据包从源节点到达目的节点时,将停止下一跳的搜索工作,更新路由表中生成路径的信息素值。然后在生成的路由表中计算所有的路径长度,计算并得到最优和最差路径的质量,最后更新最优路径和最坏路径的信息素值。
步骤4当事件触发需要传输数据时,源节点将为目标节点建立多条传输路径。源节点将建立与所有节点的在其发射的射频功率范围的可能的传输路径。最优最差蚂蚁系统将计算出每条路径上的信息素强度。源节点首先选择最佳链路上的节点作为下一跳节点进行数据包传输,建立第一条从源节点到目的节点之间最佳的传输路径。源节点选择次优质量的非以前建立的传输路径的节点作为下一跳节点,建立从源节点到目的节点的第二条传输路径,并以此类推,建立多条到目的节点的互不相交的传输路径。路径上各链接的信息素值被归一化,其值反映链路或路径的质量。
4.根据权利要求1所述的一种无线传感器网络多路径可靠传输容错方法,其特征在于:所述的基于免疫机理的无线传感器网络多路径可靠传输容错方法,主要采用免疫计算,在最优最差蚂蚁系统建立的初始多路径基础上进行优化,提高了数据传输的可靠性和容错性。传输路径是通过路径上节点有序组合来进行编码。用剩余能量、跳数/距离和传输延迟因子来定义亲和函数,计算和评价抗体和抗原的亲和力。通过变异规则根据给定的阈值,优良的抗体被选择形成新的抗体群体,最后建立多条最优传输路径。其具体包括以下步骤:
步骤1初始化参数。
步骤2根据式(12)计算路径的
步骤3根据抗体的编码规则对节点和路径进行编码,包括节点和传输路径。
步骤4选择最优最差蚂蚁系统的输出作为免疫多路径优化方法的输入。最优最差蚂蚁系统初步建立的多个传输路径作为初始抗体群,建立从源节点到目的节点的数量为n条不相交的传输路径。
步骤5根据式(10)计算传输路径的适应度。
步骤6生成多路径记忆库。已建立的传输路径{P1,P2,P3,...}即为抗体群。选择的优秀抗体进入记忆群,作为下一次迭代的抗体种群变化。
步骤7抗体突变。根据变异规则,记忆中的优良抗体发生突变。新的抗体种群的产生由原来的抗体和新的变异抗体。根据适应度函数计算和如果转到步骤6;否则转到步骤8。
步骤8终止迭代并输出最优解。具有值的最优k个抗体将不再变化,并被选择作为免疫计算优化的输出解,即为需要建立的最优化的传输多路径,否则转到步骤5。
步骤9源节点沿着建立的到目的节点的多条路径发送确认数据包来确定已建立的最优多路径。
5.根据权利要求1所述的一种无线传感器网络多路径可靠传输容错方法,其特征在于:所述的基于免疫机理的无线传感器网络多路径负载均衡机制与方法,具体包括以下内容:
基于多路径负载平衡机制是将不同数量的编码数据片分配到不同质量的传输路径上。设Ri(i=1,2,3...)表示分配到路径pi上的编码数据片的而数量。归一化信息素值仅用于反映路径pi上的(j-1)th到jth的链路质量。其中i∈(1,2,...,n),j∈(1,2,...,m)。因此,用来反映整条路径的质量。给路径pi分配编码数据片的数量为 图2显示了在源节点和目标节点之间建立三条传输路径pi(i=1,2,3)。它们具有路径的质量为:p2>p1>p3。由负载均衡机制可知,更多的编码片段将分配给p2。针对上述方法结合附图来进行说明。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810461137.5A CN108769939A (zh) | 2018-05-15 | 2018-05-15 | 一种无线传感器网络多路径可靠传输容错方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810461137.5A CN108769939A (zh) | 2018-05-15 | 2018-05-15 | 一种无线传感器网络多路径可靠传输容错方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108769939A true CN108769939A (zh) | 2018-11-06 |
Family
ID=64006841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810461137.5A Pending CN108769939A (zh) | 2018-05-15 | 2018-05-15 | 一种无线传感器网络多路径可靠传输容错方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108769939A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109639590A (zh) * | 2019-01-15 | 2019-04-16 | 网宿科技股份有限公司 | 实现非等价线路负载均衡的数据传输方法及路由节点设备 |
CN111901088A (zh) * | 2020-06-29 | 2020-11-06 | 浙江大学 | 水下传感器自组网多路径传输纠删编码块分配方法和装置 |
CN113055285A (zh) * | 2021-03-22 | 2021-06-29 | 天地信息网络有限公司 | 基于mptcp与网络编码的自适应数据传输方法 |
CN113504432A (zh) * | 2021-07-08 | 2021-10-15 | 广西电网有限责任公司电力科学研究院 | 一种变电站接地网监控系统 |
CN113824635A (zh) * | 2021-11-24 | 2021-12-21 | 中国电子科技集团公司第二十八研究所 | 一种城市窄带弱连接环境下冗余多径数据可靠传输方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1960331A (zh) * | 2006-09-21 | 2007-05-09 | 上海大学 | 全局能量均衡的智能化无线传感网路由算法 |
CN101415256A (zh) * | 2008-11-28 | 2009-04-22 | 南京航空航天大学 | 基于人工免疫系统的无线传感器网络故障诊断方法 |
CN101925100A (zh) * | 2010-09-03 | 2010-12-22 | 东华大学 | 一种异构无线传感器网络的容错路由恢复方法 |
WO2011106626A2 (en) * | 2010-02-25 | 2011-09-01 | Interdigital Patent Holdings, Inc. | Blind timing synchronization and low complexity channel estimation in aco-ofdm systems |
CN102196527A (zh) * | 2011-05-28 | 2011-09-21 | 东华大学 | 一种移动Sink无线传感器网络的路由恢复方法及其恢复协议 |
KR20110116568A (ko) * | 2010-04-19 | 2011-10-26 | 목포대학교산학협력단 | 무선 센서 및 액터 네트워크에서의 신장 트리 기반 라우팅 방법 |
CN102917430A (zh) * | 2012-10-17 | 2013-02-06 | 上海大学 | 基于量子蚁群算法的无线传感器网络可信安全路由 |
CN103826278A (zh) * | 2014-01-28 | 2014-05-28 | 河南科技大学 | 一种基于多生物启发的无线传感网络自适应路由决策方法 |
CN104135749A (zh) * | 2014-08-20 | 2014-11-05 | 河海大学常州校区 | 基于网络密度分簇的无线传感器网络移动信标路径规划方法 |
CN105959262A (zh) * | 2016-04-22 | 2016-09-21 | 电子科技大学 | 一种无线传感器网络中抑制恶意程序传播的控制方法 |
CN106385692A (zh) * | 2016-08-31 | 2017-02-08 | 重庆三峡学院 | 一种免疫多路径解耦容错传输的免疫覆盖方法 |
CN106937349A (zh) * | 2015-12-29 | 2017-07-07 | 扬州大学 | 基于移动汇聚节点和蚁群算法的无线传感器网路由协议 |
CN107071718A (zh) * | 2017-06-15 | 2017-08-18 | 梧州市兴能农业科技有限公司 | 一种高精度的农田环境监测系统 |
-
2018
- 2018-05-15 CN CN201810461137.5A patent/CN108769939A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1960331A (zh) * | 2006-09-21 | 2007-05-09 | 上海大学 | 全局能量均衡的智能化无线传感网路由算法 |
CN101415256A (zh) * | 2008-11-28 | 2009-04-22 | 南京航空航天大学 | 基于人工免疫系统的无线传感器网络故障诊断方法 |
WO2011106626A2 (en) * | 2010-02-25 | 2011-09-01 | Interdigital Patent Holdings, Inc. | Blind timing synchronization and low complexity channel estimation in aco-ofdm systems |
KR20110116568A (ko) * | 2010-04-19 | 2011-10-26 | 목포대학교산학협력단 | 무선 센서 및 액터 네트워크에서의 신장 트리 기반 라우팅 방법 |
CN101925100A (zh) * | 2010-09-03 | 2010-12-22 | 东华大学 | 一种异构无线传感器网络的容错路由恢复方法 |
CN102196527A (zh) * | 2011-05-28 | 2011-09-21 | 东华大学 | 一种移动Sink无线传感器网络的路由恢复方法及其恢复协议 |
CN102917430A (zh) * | 2012-10-17 | 2013-02-06 | 上海大学 | 基于量子蚁群算法的无线传感器网络可信安全路由 |
CN103826278A (zh) * | 2014-01-28 | 2014-05-28 | 河南科技大学 | 一种基于多生物启发的无线传感网络自适应路由决策方法 |
CN104135749A (zh) * | 2014-08-20 | 2014-11-05 | 河海大学常州校区 | 基于网络密度分簇的无线传感器网络移动信标路径规划方法 |
CN106937349A (zh) * | 2015-12-29 | 2017-07-07 | 扬州大学 | 基于移动汇聚节点和蚁群算法的无线传感器网路由协议 |
CN105959262A (zh) * | 2016-04-22 | 2016-09-21 | 电子科技大学 | 一种无线传感器网络中抑制恶意程序传播的控制方法 |
CN106385692A (zh) * | 2016-08-31 | 2017-02-08 | 重庆三峡学院 | 一种免疫多路径解耦容错传输的免疫覆盖方法 |
CN107071718A (zh) * | 2017-06-15 | 2017-08-18 | 梧州市兴能农业科技有限公司 | 一种高精度的农田环境监测系统 |
Non-Patent Citations (1)
Title |
---|
王明伟1,陈立万,李洪兵,陈强,张春炯: "基于混合免疫系统机理的无线传感网络故障检测算法", 《仪表技术与传感器》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109639590A (zh) * | 2019-01-15 | 2019-04-16 | 网宿科技股份有限公司 | 实现非等价线路负载均衡的数据传输方法及路由节点设备 |
CN109639590B (zh) * | 2019-01-15 | 2022-08-30 | 网宿科技股份有限公司 | 实现非等价线路负载均衡的数据传输方法及路由节点设备 |
CN111901088A (zh) * | 2020-06-29 | 2020-11-06 | 浙江大学 | 水下传感器自组网多路径传输纠删编码块分配方法和装置 |
CN113055285A (zh) * | 2021-03-22 | 2021-06-29 | 天地信息网络有限公司 | 基于mptcp与网络编码的自适应数据传输方法 |
CN113055285B (zh) * | 2021-03-22 | 2022-12-16 | 天地信息网络有限公司 | 基于mptcp与网络编码的自适应数据传输方法 |
CN113504432A (zh) * | 2021-07-08 | 2021-10-15 | 广西电网有限责任公司电力科学研究院 | 一种变电站接地网监控系统 |
CN113824635A (zh) * | 2021-11-24 | 2021-12-21 | 中国电子科技集团公司第二十八研究所 | 一种城市窄带弱连接环境下冗余多径数据可靠传输方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108769939A (zh) | 一种无线传感器网络多路径可靠传输容错方法 | |
CN112821940B (zh) | 一种基于星间链路属性的卫星网络动态路由方法 | |
Chaudhry et al. | A green multicast routing algorithm for smart sensor networks in disaster management | |
Liu | Intelligent routing based on deep reinforcement learning in software-defined data-center networks | |
Guo et al. | Multi-path routing in spatial wireless ad hoc networks | |
Ram Mohan et al. | Reputation-based secure routing protocol in mobile ad-hoc network using Jaya Cuckoo optimization | |
Yao et al. | A learning-based approach to intra-domain QoS routing | |
Sharma et al. | OFFRP: optimised fruit fly based routing protocol with congestion control for UAVs guided ad hoc networks | |
Hemalatha et al. | An efficient stable node selection based on Garson's pruned recurrent neural network and MSO model for multipath routing in MANET | |
Kumar et al. | DCRL‐RPL: Dual context‐based routing and load balancing in RPL for IoT networks | |
Kumar et al. | A game-theoretic approach for cost-effective multicast routing in the internet of things | |
Sharma et al. | eeFFA/DE-a fuzzy-based clustering algorithm using hybrid technique for wireless sensor networks | |
Liu et al. | An adaptive multipath routing method based on improved GA and information entropy | |
Godfrey et al. | Q-learning based routing protocol for congestion avoidance | |
Chen et al. | An efficient neural network-based next-hop selection strategy for multi-hop VANETs | |
Majdi | Proposing new routing protocol based on chaos algorithm | |
Jalade et al. | Adaptive deep Runge Kutta Garson’s network with node disjoint local repair protocol based multipath routing in MANET | |
CN106507431B (zh) | 无线传感器网络路由方法 | |
Wu et al. | Energy-aware routing for wireless sensor networks by AHP | |
CN109150728A (zh) | 基于赋权时空图的空天信息网络路由方法 | |
El-Sayed | Shortest paths routing problem in MANETs | |
CN109769283B (zh) | 一种msn下基于亲缘关系的分族分层机会路由方法 | |
Lavanya et al. | Mobility-Based Optimized Multipath Routing Protocol on Optimal Link State Routing in MANET | |
Khalilnasl et al. | Cluster-based routing scheme for wireless sensor network using PSO and Firefly algorithms | |
Srivastava et al. | An ANN based QoS aware Adaptive Gateway Discovery Approach for MANET and Infrastructured Networks Integration. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |
|
RJ01 | Rejection of invention patent application after publication |