CN108770003A - 一种基于粒子群优化的自组织无人机网络路由发现方法 - Google Patents
一种基于粒子群优化的自组织无人机网络路由发现方法 Download PDFInfo
- Publication number
- CN108770003A CN108770003A CN201810428136.0A CN201810428136A CN108770003A CN 108770003 A CN108770003 A CN 108770003A CN 201810428136 A CN201810428136 A CN 201810428136A CN 108770003 A CN108770003 A CN 108770003A
- Authority
- CN
- China
- Prior art keywords
- node
- rreq
- routing
- delay
- bandwidth
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
-
- 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
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种基于粒子群优化的自组织无人机网络路由发现方法,解决普通无线自组网按需平面距离矢量路由协议不考虑代价、带宽、延时的问题。本发明首先对无人机网络中的路由请求包和路由回复包的报文结构做出修改,引入了服务质量(QoS)约束;然后用粒子群算法优化整个路由发现过程,包括:路由请求消息的产生、路由请求消息的传播、路由请求消息的处理和转发、路由回复消息的产生、路由回复消息的接受和转发、源节点收到回复消息后的处理;最终选出一条带宽和延时符合QoS要求的高效路由。本发明能够在路由探测过程中收集反映网络当前状态的带宽、延时信息,根据这些信息选出一条综合考虑代价、带宽和延时的最优路径。
Description
技术领域
本发明涉及一种基于粒子群优化的自组织无人机网络路由发现方法,主要通过对路由发现的数据报文结构引入QoS(Quality of Service,服务质量)约束,在探测过程中使用粒子群算法优化,来选出一条综合考虑代价、带宽和延时的最优路径,使得选出的最终路径具有一定QoS保障,属于无人机自组织网络,进化算法,路由优化领域。
背景技术
按需距离矢量协议AODV(Ad Hoc On Demand Distance Vector Routing)是一种基于源路由方式的按需路由协议,它即借鉴了DSDV协议目的序列号的思想,也结合了DSR协议通过泛洪广播的路由发现机制。与DSR协议不同的是,AODV协议中的数据传播是通过在每个节点中建立正向路由和反向路由的机制来实现的,其中前向路由和石向路由中包含了通往目的节点的下一跳地址。因此数据包只需包含要传递的数据信息,减轻了网络负担,也减少了不必要的资源占用。
粒子群算法是近年来由J.Kennedy和R.C.Eberhart等开发的一种新的进化算法。粒子群算法属于进化算法的一种,从随机解出发,通过迭代寻找最优解,通过适应度来评价解的品质,通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视,并且在解决实际问题中展示了其优越性,属于并行算法的一种。
发明内容
技术问题:本发明的目的在于解决普通无线自组网按需平面距离矢量路由协议不考虑代价、带宽、延时的问题,在路由探测过程中能够收集反映网络当前状态的带宽、延时信息,并根据这些信息选出一条综合考虑代价、带宽和延时的最优路径,即选出的最终路径具有一定QoS保障。
技术方案:根据本发明提出的一种基于粒子群优化的自组织无人机网络路由发现方法,包括以下步骤:
步骤1)根据服务质量QoS约束对数据报文结构进行修改,在路由请求包RREQ报文中增加字段B、D、无人机位置横纵竖坐标xyz、延时i、带宽i、请求最小带宽、请求最大延时;所述TTL是IP数据包被路由器丢弃之前允许通过的最大网段数量;所述字段B表示带宽,为1,表示有带宽要求,相应设置“请求最小带宽”字段;所述“请求最小带宽”是目的节点计算最优路径的一个指标;所述字段D表示延时,设为1,表示有延时要求,相应设置“请求最大延时”字段;所述“请求最大延时”是目的节点计算最优路径的另一个指标;所述符号 i是指节点的序号;所述字段延时i表示RREQ在传输过程中所经过的第i个节点和第i+1个节点之间的传输延时,节点i+1收到RREQ包后,将收到该RREQ包的时间戳减去节点i发送 RREQ包的时间戳,得到节点i+1和节点i之间的延时,并将这个延时的值记录在延时i中;所述字段带宽i表示RREQ在传输过程中所经过的第i个节点的可用带宽;节点i收到RREQ 包后,将当前节点的可用带宽记录在带宽i中;所述字段请求最小带宽表示源节点需要发送的数据所要求的最小带宽;所述字段请求最大延时表示源节点需要发送的数据所要求的最大传输延时;所述位置(xi,yi,zi)表示序号为i的节点i的地理位置;
步骤2)源节点发送路由请求数据包RREQ,并设置RREQ包的IP头内的TTL值为 TTL_START,设置等待RREP的时间为RING_TRAVERSAL_TIME;
步骤3)中间节点接收RREQ分组;
步骤4)第一个路由请求包到达目的节点,目的节点启动一个定时器;
步骤6)中间节点接收到RREP包,按照RREP包中的节点序列向下一跳节点转发RREP包;
步骤7)源节点接受到RREP包后,根据RREP包中的路径信息,更新当前路由表,从缓存中取出待发送数据发送。
其中,
所述步骤2)源节点发送路由请求数据包RREQ,并设置RREQ包的IP头内的TTL值为TTL_START,设置等待RREP的时间为RING_TRAVERSAL_TIME;
步骤2.1)检查当前路由表中是否存在到达目的节点的路由:若存在,转步骤2.2);若不存在,转步骤2.3);
步骤2.2)发送数据,转步骤3);
步骤2.3)将数据缓存,启动路由发现机制,广播路由请求包RREQ,并启动一个定时器;若在设定时间内收到RREP包,则从缓存中取出数据,转步骤2.2;若没有,TTL值加上TTL_INCREMENT,重复步骤2.3;若TTL值达到阈值TTL_THRESHOLD,每次使用的TTL都设置为该NET_DIAMENTE;所述TTL_INCREMENT指寿命时间增加量,所述TTL_THRESHOLD指寿命时间门限值,所述NET_DIAMETER指网络直径。
所述步骤3)中间节点接收RREQ分组,具体为:
步骤3.1)检查发起该RREQ路由请求包的源节点是不是本节点:若是,转步骤3.1.1);若不是,转步骤3.1.2;
步骤3.1.1)丢弃当前RREQ路由请求包;
步骤3.1.2)检查之前是否已经收到过当前RREQ包:若是,返回步骤3.1.1);若不是,转步骤3.2);
步骤3.2)判断自己是否是该RREQ分组的目的节点:若是,转步骤4);若不是,先计算当前节点与上一节点的延时,填入将要转发的RREQ包延时列表中相应的位置;把节点的当前可用带宽加入到带宽列表的位置;将节点位置信息加入RREQ中更新该RREQ包所经过的节点列表,加入转发通信包所需的其他信息后转发该RREQ包。
所述步骤4)第一个路由请求包到达目的节点,目的节点启动一个定时器;
步骤4.1)判断定时器是否超时:若未超时,转步骤4.1.1);若超时,转步骤4.1.2);
步骤4.1.1)缓存路由请求包RREQ,返回步骤4.1);
步骤4.1.2)目的节点提取收到的所有RREQ分组中的路径列表和对应的带宽和延时信息,并根据这些信息构建能够反映当前网络状态的拓扑结构;
所述步骤5)混合粒子群算法和遗传算法来寻找代价最小、带宽最充足、延时最小的路径;
步骤5.1)初始化粒子群种群,对缓存中的所有RREQ分组使用节点编码序列化编码[Srcid,…,Destid]生成初代种群粒子;
步骤5.2)按照粒子优劣的适应函数计算粒子群个体的适应度值,更新个体最优粒子和群体最优粒子;每个序列化编码表示一个粒子,粒子优劣的适应函数为:
所述rs,d为源节点r和目的节点d之间的一条路由,C(rs,d)为路由rs,d的代价,D(e)为路由 rs,d中包含的链路e的延时,B(rs,d)为路由rs,d上的最小带宽;φ(Z)为惩罚函数,当粒子满足约束条件时,其值为1,否则就等于r,r是惩罚的程度;
步骤5.3)执行交叉操作:采用整数交叉方法交叉个体极值和群体极值的交叉得到更新后的个体极值,所述整数交叉法指选择两个交叉位置,然后把个体和个体极值或者个体与群体极值交叉;
步骤5.4)执行变异操作:采用个体内部两位互换的方法,即随机选择变异位置,互换变异位置;
步骤5.5)当time>timeMAX结束迭代,否则转步骤5.2),所述的timeMAX为允许迭代的最大次数;
步骤5.6)目的节点构建路由回复包RREP,把用粒子群算法所找到的最优路径写入对应的区域,将RREP包转发给最优路径中到达目的节点前的那个节点。
所述步骤5.2)按照粒子优劣的适应函数计算粒子群个体的适应度值,更新个体最优粒子和群体最优粒子,具体为:
步骤5.2.1)更新每条路径的个体最佳路径和整个路径集合的群体最佳路径当将赋值给当将赋值给所述的个体最佳路径是指源节点r和目的节点d之间的一条路由在第time次迭代过程中 代价最小的路径,所述的群体最佳路径是指所有路径在第time次迭代过程中代价最小的 路径;
步骤5.2.2)计算路径调整方向
所述的路由调整方向是指路由中的具体节点向另一个节点的位置进行调整,表 示第time次迭代后的路由rs,d,第time表示迭代次数,rs,d为源节点r和目的节点d之间的一 条路由,初始路径调整方向为ω为惯性权值,c1和c2称为加速因子,分别为认知参数和 社会参数,ξ和η为两个独立的服从[0,1]之间均匀分布的随机数;所述的表示 在第time+1次迭代中路由rs,d有ξ的概率向个体最佳路径调整,所述的表示第 time+1次迭代中路由rs,d有η的概率向群体最佳路径调整;
步骤5.2.3)调整路由内部节点,把路径中的节点按照步骤5.2.2)求出的路由调整 方向调整,公式为:
所述的是指在第time+1次迭代中路径调整,当Ns,d节点调整后的位置不与真实节点重合或者不是路径中上一跳节点的邻接节点,就选择一个距离位置最近的Ni的上一跳节点的邻接节点来代替。
所述步骤3.2)RREQ包在广播之前计算当前节点与上一节点的延时的计算方法为收到RR EQ包的时间戳减去上一节点发送该RREQ的时间戳。
所述步骤5.2)惩罚程度r的取值范围为(0,1)。
有益效果:本发明提出的一种基于粒子群优化的自组织无人机网络路由发现方法,具体有益效果如下:
(1)本发明通过粒子群算法运算得到最优路径的,在选择最优路径的时候,同时考虑了代价,带宽,延时,并且选优的过程是目的节点完成的。
(2)本发明方法解决了普通ADOV协议不考虑代价、带宽、延时的问题,在路由探测过程中能够收集反映网络当前状态的带宽、延时信息,并根据这些信息选择代价、带宽和延时最佳平衡的一条路由作为最终路由,具有一定QoS保障。
附图说明
图1是基于粒子群优化的自组织无人机网络路由发现流程图。
图2是混合粒子群算法执行流程。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
步骤1)根据QoS约束对数据报文结构进行修改,具体步骤如下:
步骤1.1)在路由请求包(RREQ)报文中增加字段B、D、无人机位置横纵竖坐标xyz、延时i、带宽i、请求最小带宽、请求最大延时,如表1所示:
(1)TTL是IP数据包被路由器丢弃之前允许通过的最大网段数量。
(2)字段B标识带宽,为1,表示有带宽要求,相应设置“请求最小带宽”字段,“请求最小带宽”是目的节点计算最优路径的一个指标;
(3)字段D标识延时,设为1,表示有延时要求,相应设置“请求最大延时”字段。“请求最大延时”是目的节点计算最优路径的另一个指标;
(4)字段延时i标识RREQ在传输过程中所经过的第i个节点和第i+1个节点之间的传输延时,节点i+1收到REEQ包后,将收到该RREQ包的时间戳减去节点i发送RREQ 包的时间戳,得到节点i+1和节点i之间的延时,并将这个延时的值记录在延时 i中;
(5)字段带宽i标识RREQ在传输过程中所经过的第i个节点的可用带宽。节点i收到RREQ包后,将当前节点的可用带宽记录在带宽i中;
(6)字段请求最小带宽标识源节点需要发送的数据所要求的最小带宽;
(7)字段请求最大延时标识源节点需要发送的数据所要求的最大传输延时。
(8)位置(xi,yi,zi)表示序号为i的节点的地理位置。
步骤1.2)粒子群优化的AODV协议中,路由回复包(RREP)报文包含了目的节点计算出来的最优路径的全部信息,所以具体实施要增加无人机位置横纵竖坐标xyz、字段请求最小带宽和请求最大时延,作用同RREQ包,如表2所示。
步骤2)源节点发送路由请求数据包RREQ,并设置RREQ包的IP头内的TTL值为 TTL_START,设置等待RREP的时间为RING_TRAVERSAL_TIME。
步骤2.1)检查当前路由表中是否存在到达目的节点的路由;
(1)若存在,转步骤2.2;
(2)若不存在,转步骤2.3。
步骤2.2)发送数据,转步骤3。
步骤2.3)将数据缓存,启动路由发现机制,广播路由请求包RREQ,并启动一个定时器。若在设定时间内收到RREP包,则从缓存中取出数据,转步骤2.2;若没有,TTL值加上TTL_INCREMENT,重复步骤2.3。若TTL值达到阈值TTL_THRESHOLD,每次使用的TTL都设置为该NET_DIAMENTE。所述TTL_INCREMENT指寿命时间增加量,所述TL_THRESHOLD指寿命时间门限值,所述NET_DIAMETER指网络直径。
步骤3)中间节点接收RREQ分组。
步骤3.1)检查发起该RREQ路由请求包的源节点是不是本节点:
(1)若是,转步骤3.1.1;
(2)若不是,转步骤3.1.2。
步骤3.1.1)丢弃该包。
步骤3.1.2)检查之前是否已经收到过该RREQ包。
(1)若是,返回步骤3.1.1;
(2)若不是,转步骤3.2.
步骤3.2)判断自己是否是该RREQ分组的目的节点。
(1)若是,转步骤4;
(2)若不是,先计算当前节点与上一节点的延时,填入将要转发的RREQ包延时列表中相应的位置;把节点的当前可用带宽加入到带宽列表的位置;将节点位置信息加入RREQ中更新该RREQ包所经过的节点列表,加入转发通信包所需的其他信息后转发该RREQ包。
步骤4)第一个路由请求包到达目的节点,目的节点启动一个定时器。
步骤4.1)判断定时器是否超时:
(1)若未超时,转步骤4.1.1;
(2)若超时,转步骤4.1.2。
步骤4.1.1)缓存路由请求包RREQ,返回步骤4.1。
步骤4.1.2)目的节点提取收到的所有RREQ分组中的路径列表和对应的带宽和延时信息,并根据这些信息构建能够反映当前网络状态的拓扑结构,转步骤5;
步骤5)混合粒子群算法和遗传算法来寻找代价最小、带宽最充足、延时最小的路径。
步骤5.1)初始化粒子群种群,对缓存中的所有RREQ分组使用节点编码序列化编码[Srcid,…,Destid]生成初代种群粒子。
步骤5.2)按照粒子优劣的适应函数计算粒子群个体的适应度值,更新个体最优粒子和群体最优粒子。每个序列化编码表示一个粒子,粒子优劣的适应函数为:
其中,rs,d为源节点r和目的节点d之间的一条路由,C(rs,d)为路由rs,d的代价,D(e)为路由rs,d中包含的链路e的延时,B(rs,d)为路由rs,d上的最小带宽。φ(Z)为惩罚函数,当粒子满足约束条件时,其值为1,否则就等于r,r是惩罚的程度。
步骤5.2.1)更新每条路径的个体最佳路径和整个路径集合的群体最佳路径当将赋值给当将赋值给所述的个体最佳路径是指源节点r和目的节点d之间的一条路由在第time次迭代过程中 代价最小的路径,所述的群体最佳路径是指所有路径在第time次迭代过程中代价最小的 路径。
步骤5.2.2)计算路径调整方向
所述的路由调整方向是指路由中的具体节点向另一个节点的位置进行调整,表 示第time次迭代后的路由rs,d,第time表示迭代次数,rs,d为源节点r和目的节点d之间的一 条路由,初始路径调整方向为ω为惯性权值,c1和c2称为加速因子,分别为认知参数和 社会参数,ξ和η为两个独立的服从[0,1]之间均匀分布的随机数。所述的表示 在第time+1次迭代中路由rs,d有ξ的概率向个体最佳路径调整,所述的表示第 time+1次迭代中路由rs,d有η的概率向群体最佳路径调整。
步骤5.2.3)调整路由内部节点,把路径中的节点按照步骤5.2.2)求出的路由调整 方向调整,公式为:
所述的是指在第time+1次迭代中路径调整,当Ns,d节点调整后的位置不与真实节点重合或者不是路径中上一跳节点的邻接节点,就选择一个距离位置最近的Ni的上一跳节点的邻接节点来代替。
步骤5.3)执行交叉操作。采用整数交叉方法交叉个体极值和群体极值的交叉得到更新后的个体极值,所述整数交叉法指选择两个交叉位置,然后把个体和个体极值或者个体与群体极值交叉。
步骤5.4)执行变异操作。采用个体内部两位互换的方法。首先随机选择变异位置,互换变异位置。
步骤5.5)当time>timeMAX结束迭代,所述的timeMAX为允许迭代的最大次数。否则转步骤5.2)。
步骤5.6)目的节点构建路由回复包RREP,把用粒子群算法所找到的最优路径写入对应的区域,将RREP包转发给最优路径中到达目的节点前的那个节点。
步骤6)中间节点接收到RREP包,按照RREP包中的节点序列向下一跳节点转发RREP包。
步骤7)源节点接受到RREP包后,根据RREP包中的路径信息,更新当前路由表,从缓存中取出待发送数据发送。
在具体实施中,RREQ包在广播之前计算当前节点与上一节点的延时的计算方法为收到R REQ包的时间戳减去上一节点发送该RREQ的时间戳,惩罚程度r的取值范围为(0,1)。
表1是带QoS约束的RREQ报文结构。
表2是带路径的RREP报文结构。
表1
表2 。
Claims (8)
1.一种基于粒子群优化的自组织无人机网络路由发现方法,其特征在于,该方法包括以下步骤:
步骤1)根据服务质量QoS约束对数据报文结构进行修改,在路由请求包RREQ报文中增加字段B、D、无人机位置横纵竖坐标xyz、延时i、带宽i、请求最小带宽、请求最大延时;所述TTL是IP数据包被路由器丢弃之前允许通过的最大网段数量;所述字段B表示带宽,为1,表示有带宽要求,相应设置“请求最小带宽”字段;所述“请求最小带宽”是目的节点计算最优路径的一个指标;所述字段D表示延时,设为1,表示有延时要求,相应设置“请求最大延时”字段;所述“请求最大延时”是目的节点计算最优路径的另一个指标;所述符号i是指节点的序号;所述字段延时i表示RREQ在传输过程中所经过的第i个节点和第i+1个节点之间的传输延时,节点i+1收到RREQ包后,将收到该RREQ包的时间戳减去节点i发送RREQ包的时间戳,得到节点i+1和节点i之间的延时,并将这个延时的值记录在延时i中;所述字段带宽i表示RREQ在传输过程中所经过的第i个节点的可用带宽;节点i收到RREQ包后,将当前节点的可用带宽记录在带宽i中;所述字段请求最小带宽表示源节点需要发送的数据所要求的最小带宽;所述字段请求最大延时表示源节点需要发送的数据所要求的最大传输延时;所述位置(xi,yi,zi)表示序号为i的节点i的地理位置;
步骤2)源节点发送路由请求数据包RREQ,并设置RREQ包的IP头内的TTL值为TTL_START,设置等待RREP的时间为RING_TRAVERSAL_TIME;
步骤3)中间节点接收RREQ分组;
步骤4)第一个路由请求包到达目的节点,目的节点启动一个定时器;
步骤6)中间节点接收到RREP包,按照RREP包中的节点序列向下一跳节点转发RREP包;
步骤7)源节点接受到RREP包后,根据RREP包中的路径信息,更新当前路由表,从缓存中取出待发送数据发送。
2.根据权利要求1所述的基于粒子群优化的自组织无人机网络路由发现方法,其特征在于,所述步骤2)源节点发送路由请求数据包RREQ,并设置RREQ包的IP头内的TTL值为TTL_START,设置等待RREP的时间为RING_TRAVERSAL_TIME;
步骤2.1)检查当前路由表中是否存在到达目的节点的路由:若存在,转步骤2.2);若不存在,转步骤2.3);
步骤2.2)发送数据,转步骤3);
步骤2.3)将数据缓存,启动路由发现机制,广播路由请求包RREQ,并启动一个定时器;若在设定时间内收到RREP包,则从缓存中取出数据,转步骤2.2;若没有,TTL值加上TTL_INCREMENT,重复步骤2.3;若TTL值达到阈值TTL_THRESHOLD,每次使用的TTL都设置为该NET_DIAMENTE;所述TTL_INCREMENT指寿命时间增加量,所述TTL_THRESHOLD指寿命时间门限值,所述NET_DIAMETER指网络直径。
3.根据权利要求1所述的基于粒子群优化的自组织无人机网络路由发现方法,其特征在于,所述步骤3)中间节点接收RREQ分组,具体为:
步骤3.1)检查发起该RREQ路由请求包的源节点是不是本节点:若是,转步骤3.1.1);若不是,转步骤3.1.2;
步骤3.1.1)丢弃当前RREQ路由请求包;
步骤3.1.2)检查之前是否已经收到过当前RREQ包:若是,返回步骤3.1.1);若不是,转步骤3.2);
步骤3.2)判断自己是否是该RREQ分组的目的节点:若是,转步骤4);若不是,先计算当前节点与上一节点的延时,填入将要转发的RREQ包延时列表中相应的位置;把节点的当前可用带宽加入到带宽列表的位置;将节点位置信息加入RREQ中更新该RREQ包所经过的节点列表,加入转发通信包所需的其他信息后转发该RREQ包。
4.根据权利要求1所述的基于粒子群优化的自组织无人机网络路由发现方法,其特征在于,所述步骤4)第一个路由请求包到达目的节点,目的节点启动一个定时器;
步骤4.1)判断定时器是否超时:若未超时,转步骤4.1.1);若超时,转步骤4.1.2);
步骤4.1.1)缓存路由请求包RREQ,返回步骤4.1);
步骤4.1.2)目的节点提取收到的所有RREQ分组中的路径列表和对应的带宽和延时信息,并根据这些信息构建能够反映当前网络状态的拓扑结构。
5.根据权利要求1所述的基于粒子群优化的自组织无人机网络路由发现方法,其特征在于,所述步骤5)混合粒子群算法和遗传算法来寻找代价最小、带宽最充足、延时最小的路径;
步骤5.1)初始化粒子群种群,对缓存中的所有RREQ分组使用节点编码序列化编码[Srcid,…,Destid]生成初代种群粒子;
步骤5.2)按照粒子优劣的适应函数计算粒子群个体的适应度值,更新个体最优粒子和群体最优粒子;每个序列化编码表示一个粒子,粒子优劣的适应函数为:
所述rs,d为源节点r和目的节点d之间的一条路由,C(rs,d)为路由rs,d的代价,D(e)为路由rs,d中包含的链路e的延时,B(rs,d)为路由rs,d上的最小带宽;φ(Z)为惩罚函数,当粒子满足约束条件时,其值为1,否则就等于r,r是惩罚的程度;
步骤5.3)执行交叉操作:采用整数交叉方法交叉个体极值和群体极值的交叉得到更新后的个体极值,所述整数交叉法指选择两个交叉位置,然后把个体和个体极值或者个体与群体极值交叉;
步骤5.4)执行变异操作:采用个体内部两位互换的方法,即随机选择变异位置,互换变异位置;
步骤5.5)当time>timeMAX结束迭代,否则转步骤5.2),所述的timeMAX为允许迭代的最大次数;
步骤5.6)目的节点构建路由回复包RREP,把用粒子群算法所找到的最优路径写入对应的区域,将RREP包转发给最优路径中到达目的节点前的那个节点。
6.根据权利要求5所述的基于粒子群优化的自组织无人机网络路由发现方法,其特征在于,所述步骤5.2)按照粒子优劣的适应函数计算粒子群个体的适应度值,更新个体最优粒子和群体最优粒子,具体为:
步骤5.2.1)更新每条路径的个体最佳路径和整个路径集合的群体最佳路径当将赋值给当将赋值给所述的个体最佳路径是指源节点r和目的节点d之间的一条路由在第time次迭代过程中代价最小的路径,所述的群体最佳路径是指所有路径在第time次迭代过程中代价最小的路径;
步骤5.2.2)计算路径调整方向
所述的路由调整方向是指路由中的具体节点向另一个节点的位置进行调整,表示第time次迭代后的路由rs,d,第time表示迭代次数,rs,d为源节点r和目的节点d之间的一条路由,初始路径调整方向为ω为惯性权值,c1和c2称为加速因子,分别为认知参数和社会参数,ξ和η为两个独立的服从[0,1]之间均匀分布的随机数;所述的表示在第time+1次迭代中路由rs,d有ξ的概率向个体最佳路径调整,所述的表示第time+1次迭代中路由rs,d有η的概率向群体最佳路径调整;
步骤5.2.3)调整路由内部节点,把路径中的节点按照步骤5.2.2)求出的路由调整方向调整,公式为:
所述的是指在第time+1次迭代中路径调整,当Ns,d节点调整后的位置不与真实节点重合或者不是路径中上一跳节点的邻接节点,就选择一个距离位置最近的Ni的上一跳节点的邻接节点来代替。
7.根据权利要求3所述的基于粒子群优化的自组织无人机网络路由发现方法,其特征在于,所述步骤3.2)RREQ包在广播之前计算当前节点与上一节点的延时的计算方法为收到RREQ包的时间戳减去上一节点发送该RREQ的时间戳。
8.根据权利要求5所述的基于粒子群优化的自组织无人机网络路由发现方法,其特征在于,所述步骤5.2)惩罚程度r的取值范围为(0,1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810428136.0A CN108770003A (zh) | 2018-05-07 | 2018-05-07 | 一种基于粒子群优化的自组织无人机网络路由发现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810428136.0A CN108770003A (zh) | 2018-05-07 | 2018-05-07 | 一种基于粒子群优化的自组织无人机网络路由发现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108770003A true CN108770003A (zh) | 2018-11-06 |
Family
ID=64010042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810428136.0A Pending CN108770003A (zh) | 2018-05-07 | 2018-05-07 | 一种基于粒子群优化的自组织无人机网络路由发现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108770003A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109688614A (zh) * | 2019-01-14 | 2019-04-26 | 西安电子科技大学 | 用于高动态无人机自组网路由协议的实现方法及系统 |
CN109803344A (zh) * | 2018-12-28 | 2019-05-24 | 北京邮电大学 | 一种无人机网络拓扑及路由联合构建方法 |
CN110233657A (zh) * | 2019-04-01 | 2019-09-13 | 南京邮电大学 | 一种基于粒子群遗传算法的多无人机区域覆盖部署方法 |
CN110514884A (zh) * | 2019-09-05 | 2019-11-29 | 广东石油化工学院 | 一种基于延迟矢量的功率信号滤波方法和系统 |
CN111555979A (zh) * | 2020-04-16 | 2020-08-18 | 中国航空无线电电子研究所 | 一种航空自组织网络路由优化方法 |
CN115190561A (zh) * | 2022-06-02 | 2022-10-14 | 中科南京移动通信与计算创新研究院 | 基于遗传算法的高速载体群自组网QoS路由方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101321134A (zh) * | 2008-07-21 | 2008-12-10 | 西安电子科技大学 | 动态网络条件下的服务质量路由选择方法 |
US20090221316A1 (en) * | 2008-03-03 | 2009-09-03 | Industrial Technology Research Institute | Apparatus and method for transforming signal strength of wireless positioning system |
CN101969406A (zh) * | 2010-11-02 | 2011-02-09 | 南京邮电大学 | 基于选择探测的多约束QoS路由方法 |
CN102158417A (zh) * | 2011-05-19 | 2011-08-17 | 北京邮电大学 | 实现多约束QoS路由选择的优化方法及装置 |
CN105577547A (zh) * | 2016-01-18 | 2016-05-11 | 重庆邮电大学 | 一种移动自组织网络中基于多Qos路由选择方法 |
CN106161204A (zh) * | 2016-06-08 | 2016-11-23 | 苏州大学 | 一种基于群体智能的移动社交网络中的数据传输方法 |
-
2018
- 2018-05-07 CN CN201810428136.0A patent/CN108770003A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090221316A1 (en) * | 2008-03-03 | 2009-09-03 | Industrial Technology Research Institute | Apparatus and method for transforming signal strength of wireless positioning system |
CN101321134A (zh) * | 2008-07-21 | 2008-12-10 | 西安电子科技大学 | 动态网络条件下的服务质量路由选择方法 |
CN101969406A (zh) * | 2010-11-02 | 2011-02-09 | 南京邮电大学 | 基于选择探测的多约束QoS路由方法 |
CN102158417A (zh) * | 2011-05-19 | 2011-08-17 | 北京邮电大学 | 实现多约束QoS路由选择的优化方法及装置 |
CN105577547A (zh) * | 2016-01-18 | 2016-05-11 | 重庆邮电大学 | 一种移动自组织网络中基于多Qos路由选择方法 |
CN106161204A (zh) * | 2016-06-08 | 2016-11-23 | 苏州大学 | 一种基于群体智能的移动社交网络中的数据传输方法 |
Non-Patent Citations (2)
Title |
---|
朱莹莹: "基于混合粒子群算法的移动机器人路径规划研究", 《中国优秀硕士学位论文全文数据库信息科技辑(月刊)》 * |
袁丽乔: "基于粒子群优化的无线自组织网络路由技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑(月刊)》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109803344A (zh) * | 2018-12-28 | 2019-05-24 | 北京邮电大学 | 一种无人机网络拓扑及路由联合构建方法 |
CN109803344B (zh) * | 2018-12-28 | 2019-10-11 | 北京邮电大学 | 一种无人机网络拓扑及路由联合构建方法 |
US11129082B2 (en) | 2018-12-28 | 2021-09-21 | Beijing University Of Posts And Telecommunications | Method of route construction of UAV network, UAV and storage medium thereof |
CN109688614A (zh) * | 2019-01-14 | 2019-04-26 | 西安电子科技大学 | 用于高动态无人机自组网路由协议的实现方法及系统 |
CN110233657A (zh) * | 2019-04-01 | 2019-09-13 | 南京邮电大学 | 一种基于粒子群遗传算法的多无人机区域覆盖部署方法 |
CN110233657B (zh) * | 2019-04-01 | 2021-07-09 | 南京邮电大学 | 一种基于粒子群遗传算法的多无人机区域覆盖部署方法 |
CN110514884A (zh) * | 2019-09-05 | 2019-11-29 | 广东石油化工学院 | 一种基于延迟矢量的功率信号滤波方法和系统 |
CN110514884B (zh) * | 2019-09-05 | 2021-09-17 | 广东石油化工学院 | 一种基于延迟矢量的功率信号滤波方法和系统 |
CN111555979A (zh) * | 2020-04-16 | 2020-08-18 | 中国航空无线电电子研究所 | 一种航空自组织网络路由优化方法 |
CN111555979B (zh) * | 2020-04-16 | 2022-07-01 | 中国航空无线电电子研究所 | 一种航空自组织网络路由优化方法 |
CN115190561A (zh) * | 2022-06-02 | 2022-10-14 | 中科南京移动通信与计算创新研究院 | 基于遗传算法的高速载体群自组网QoS路由方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108770003A (zh) | 一种基于粒子群优化的自组织无人机网络路由发现方法 | |
Sharma et al. | Performance comparison and detailed study of AODV, DSDV, DSR, TORA and OLSR routing protocols in ad hoc networks | |
Ehsan et al. | Performance comparison of ad hoc wireless network routing protocols | |
Gwalani et al. | AODV-PA: AODV with path accumulation | |
Nayak et al. | Analysis of random way point and random walk mobility model for reactive routing protocols for MANET using NetSim simulator | |
CN101521926B (zh) | 用于大规模无线分布式网络的协同路由方法 | |
CN107846706A (zh) | 一种拥塞避免的编码感知无线mesh网络多路径路由方法 | |
CN108449271A (zh) | 一种监测路径节点能量和队列长度的路由方法 | |
CN108684063A (zh) | 一种基于网络拓扑变化的按需路由协议改进方法 | |
Mu | An improved AODV routing for the zigbee heterogeneous networks in 5G environment | |
Yao et al. | A neighbor-table-based multipath routing in ad hoc networks | |
CN103096411B (zh) | 基于反向能量限制路由协议的物联网通信方法 | |
Zhai et al. | A reliable and adaptive AODV protocol based on cognitive routing for Ad hoc networks | |
Peng et al. | An energy-aware random multi-path routing protocol for MANETs | |
Hui et al. | A survey of multipath load balancing based on network stochastic model in Manet | |
CN112383947B (zh) | 基于网络环境的无线自组网混合式路由协议方法 | |
Yoshihiro et al. | A new hybrid approach for scalable table-driven routing in MANETs | |
Roy et al. | Performance optimization of ad hoc on demand vector routing protocol in cognitive radio network | |
Park et al. | Improved AOMDV to increase path stability by utilizing the node mobility information in MANET | |
CN112910779A (zh) | 一种基于Ad Hoc网络的跨层路由优化协议 | |
Lim et al. | Landmark guided forwarding | |
Le et al. | An efficient hybrid routing approach for hybrid wireless mesh networks | |
SreeRangaRaju et al. | ZRP versus AODV and DSR: a comprehensive study on ZRP performance using QualNet simulator | |
Huang et al. | Zone-based hierarchical routing in two-tier backbone ad hoc networks | |
Fu et al. | Research of QoS routing algorithm in Ad Hoc networks based on reinforcement learning |
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 |