CN113543264B - 一种非均匀路由协议设计方法 - Google Patents

一种非均匀路由协议设计方法 Download PDF

Info

Publication number
CN113543264B
CN113543264B CN202110843935.6A CN202110843935A CN113543264B CN 113543264 B CN113543264 B CN 113543264B CN 202110843935 A CN202110843935 A CN 202110843935A CN 113543264 B CN113543264 B CN 113543264B
Authority
CN
China
Prior art keywords
node
cluster
cluster head
individual
sink
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.)
Expired - Fee Related
Application number
CN202110843935.6A
Other languages
English (en)
Other versions
CN113543264A (zh
Inventor
漆华妹
林楚斌
江苏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202110843935.6A priority Critical patent/CN113543264B/zh
Publication of CN113543264A publication Critical patent/CN113543264A/zh
Application granted granted Critical
Publication of CN113543264B publication Critical patent/CN113543264B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • 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
    • 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)

Abstract

本发明提供了一种非均匀路由协议设计方法，该方法利用设定的先验知识初始化网络，然后统合节点能量和节点相对位置因素，利用设定的适应度函数考察策略和局部搜索更新策略选取各个簇首节点，进一步通过考虑通信簇群成员数量和簇首节点Sink节点相对距离约束的簇间混合多跳路由算法建立最优簇间路由。采用本发明的方案，在保障初始分簇可靠性的基础上，确保实际适应度最好的候选节点当选簇首节点，并得益于簇群成员数量和簇首节点Sink节点相对距离的约束控制，充分发挥成员节点较少的簇首用于进行簇间的数据转发时的能耗优势，且改善了簇首节点若离基站较远依旧有可能直接发给基站的问题，有效延长网络寿命，降低网络丢包率。

Description

一种非均匀路由协议设计方法
技术领域
本发明涉及网络路由设计与优化技术领域，尤其涉及一种非均匀路由协议设计方法。
背景技术
无线传感器网络是由大量的传感器节点构成的多跳、自组织网络，通过分布在不同监测区域的传感器节点可采集温湿度等多种有用数据，在进行数据融合后，传递给汇聚节点，供用户研究分析。无线传感器网络具有价格低廉，可快速部署，规模大等特点，因而在环境检测、智能家居、军事国防等领域有广阔的应用前景。
自组织网络路由面临的主要挑战是传统的保存在节点中的分布式路由数据库如何适应网络拓扑的动态变化。自组织网络中多跳路由通常是由普通节点协作完成的，而不是由专用的路由设备完成，因此，其路由协议的性能和质量直接对自组织网络的功能和应用效果产生影响。
无线传感器网络(WSNs)虽广泛应用于物理或环境监测的各个领域，但也暴露了许多问题。相较于其他传统网络，WSNs是由大量的传感器节点自组织的构成大规模的网络，传感器节点监测物理环境中的数据，尤其是应用于恶劣或特殊的人们无法接近的环境。由于传感器节点自身的运算、通信能力及能量都很弱，能量问题会限制无线传感器网络的应用及发展，因此，在无线多传感器网络的研究中，如何延长网络的生存时间，均衡网络能量消耗，减少能量空洞，控制网络“热区”问题，成为重点关注的研究方向。
传感器节点的分簇路由协议中分成不同层次的簇，采集的数据是通过簇内一般节点传递到簇首，并对该数据进行相应的融合处理，然后将经过处理过的数据再次广播，目前具有代表性的路由协议有LEACH、DEBUC、EEUC等协议，另外的，现有技术中也存在结合能量消耗考虑针对非均匀分簇路由协议的优化研究方案，其中，对网络进行非均匀分簇后，簇间则采用混合多跳路由算法传输数据。其中，在簇间数据传输阶段，将簇首节点与Sink节点的距离、簇首剩余能量因素作为选择下一跳簇首的计算约束参量，以使所选簇首满足一定的能量要求，但是针对不同的簇，实现簇间通信时，仅依靠簇首剩余能量无法精确保障下一跳簇首在整体通信进程中的消耗最优，且其仅考虑簇首节点与Sink节点的距离和Sink节点的最小跳数因素，会存在簇首节点如果离基站较远依旧有可能直接发给基站的问题，影响网络的通信性能。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成己为本领域技术人员所公知的现有技术。
发明内容
为解决上述问题，本发明提供了一种非均匀路由协议设计方法，该方法通过改善循环确定簇首的手段以及优化建立簇间通信路由的策略，提升非均匀分簇网络理由的效率、性能和可靠性。在一个实施例中，所述方法包括：
步骤S1、获取设定时间的节点分布数据作为先验数据，并基于先验数据计算对应的先验概率指数；
步骤S2、基于先验概率指数接近的节点同簇的原则进行非均匀网络划分，建立不同的节点簇；
步骤S3、统合节点能量和节点相对位置因素，利用设定的适应度函数考察策略和局部搜索更新策略选取本轮的簇首节点；
步骤S4、重复执行步骤S3直至所有节点簇的簇首选取完成，其他节点作为成员节点，完成分簇；
步骤S5、通过考虑通信簇群成员数量和簇首节点与Sink节点相对距离约束的簇间混合多跳路由算法选择簇间下一跳的簇首节点，并将数据整合发送给Sink节点，以建立最优簇间路由。
进一步地，一个实施例中，按照下式根据某节点自身数据包与周围节点产生的数据包的相似程度和节点自身距离sink节点的距离来计算各节点先验概率指数Pi的取值：
Pi＝t·DSij+(1-t)/(Disj+1)
DSij代表节点i和距离其一跳范围内的节点之间的数据包的相似度，Disj代表节点i与sink节点之间的距离。
优选地，一个实施例中，在基于先验概率指数接近的节点同簇的原则进行非均匀分簇的过程中，设置靠近sink节点的簇的簇成员数量少于远离sink节点的簇的簇成员数量。
在一个具体的实施例中，利用下式的函数计算各节点的适应度，用以选取本轮的簇首节点：
f(Pi)＝αf1+βf2+γf3
其中，
Figure BDA0003179837420000021
Figure BDA0003179837420000031
Figure BDA0003179837420000032
式中，f1表示当前节点i的剩余能量因子，f2表示当前节点i的簇内位置因子，f3表示当前节点i的簇间位置因子；E(pi)为节点剩余能量，E(ck)为所选簇首剩余能量，
Figure BDA0003179837420000033
为簇内节点到所选簇首的距离，
Figure BDA0003179837420000034
为本簇内节点的个数，
Figure BDA0003179837420000035
为各节点与Sink节点的距离；
Figure BDA0003179837420000036
为所选簇首与Sink节点的距离，α、β、γ分别表示剩余能量因子、簇内位置因子、簇间位置因子在适应度函数中的权重系数。
具体地，一个实施例中，选取簇首节点的过程中，当满足设定的搜索条件时，基于适应度计算数据依次通过最差个体更新策略和较优个体更新策略按照设定的规则分簇进行局部搜索更新，决策最优的簇首节点。
进一步地，通过最差个体更新策略进行局部搜索更新时，包括：以组内最优个体与最差个体的随机差值以及组内所有个体的平均值与最差个体的随机差值作为步长基数来调整更新较差个体的移动步长，确定更新后的节点个体Pw′；
计算更新后节点个体的适应度，若得到的新个体Pw′的适应度优于子群内最差个体Pw，则用Pw′更新Pw；
否则，采用主种群最优个体Pg代替组内最优个体，更新重新确定更新的节点个体Pw″；
若得到的新个体Pw″适应度优于子群内最差个体Pw，则用Pw″更新Pw；否则随机生成一个新个体替代Pw。
一个可选的实施例中，通过较优个体更新策略行局部搜索更新时，实时更新种群所有个体的适应度，选取当前适应度最高的若干个体组成精英群，同时让精英群内的个体自发地向其附近小领域内的空间进行精细搜索，若发现更优解则进行更新。
具体地，一个实施例中，通过建立的簇间混合多跳路由算法建立最优簇间路由的过程中，按照下式利用代价函数Cost(i,j)计算权重函数值Weight：
Figure BDA0003179837420000037
Figure BDA0003179837420000038
式中，dij表示表簇首节点i到节点j的距离，di,sink、dj,sink分别表示节点i和节点j到Sink节点的距离，Eij表示节点i将信息传输j所需要消耗的能量，Ni是簇首节点的所在簇群的成员节点数量，且α+β+γ＝1，d0是距离阈值，高于阈值d0的(距离离基站较远)的簇首不会直接发送数据至基站，即当di,sink＞d0时，将权重Weight(i,Sink)置为0，以保证该簇首节点不会直接发送数据至基站。
进一步地，一个实施例中，建立的簇间混合多跳路由算法将数据整合发送给Sink节点的过程中，还包括：
计算各节点的权重函数值，函数值最大的节点则为下一跳簇首节点；
重复计算直到当前簇首节点的下一跳节点为其本身，则将数据直接传输给Sink节点，此时簇间数据传输路由完成建立。
基于上述任意一个或多个实施例中所述方法的其他方面，本发明还提供一种存储介质，所述存储介质上存储有可实现如上述任意一个或多个实施例中所述方法的程序代码。
与最接近的现有技术相比，本发明还具有如下有益效果：
本发明提供的一种非均匀路由协议设计方法，利用设定的先验知识初始化后，统合节点能量和节点相对位置因素，利用设定的适应度函数考察策略和局部搜索更新策略选取各个簇首节点，基于实时数据分布的先验概率数据进行网络划分，保障了初始分簇的可靠性，有利于平衡控制网络节点的通信能耗，进一步地，利用设定的适应度函数考察策略和局部搜索更新策略运算确定各个簇首节点，确保实际适应度最好的候选节点当选簇首节点。
另外的，本发明通过考虑通信簇群成员数量和簇首节点Sink节点相对距离约束的簇间混合多跳路由算法建立最优簇间路由，充分发挥成员节点较少的簇首用于进行簇间的数据转发时的能耗优势，且改善了簇首节点如果离基站较远依旧有可能直接发给基站的问题，由此可见，本发明实施例的方案通过简洁的运算优化，能够有效的延长网络的寿命长度，同时降低网络的丢包率，有助于促进自组织网络路由通信应用的优化发展。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一实施例提供的非均匀路由协议设计方法的流程示意图；
图2是本发明实施例中非均匀路由协议设计方法的自组织网络通信原理图；
图3是本发明一实施例中非均匀路由协议设计方法的簇首选取流程明细图；
图4是本发明另一实施例中非均匀路由协议设计方法的非均匀网络分簇示意图；
图5是本发明实施例中非均匀路由协议设计方法的簇间数据传输原理示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此本发明的实施人员可以充分理解本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程并依据上述实现过程具体实施本发明。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。各项操作的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
计算机设备包括用户设备与网络设备。其中，用户设备或客户端包括但不限于电脑、智能手机、PDA等；网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云。计算机设备可单独运行来实现本发明，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制，使用这些术语仅仅是为了将一个单元与另一个单元进行区分。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。当一个单元被称为“连接”或“耦合”到另一单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
由于自组织网络中多跳路由是由普通节点协作完成的，而不是由专用的路由设备完成的。自组织网络路由面临的主要挑战是传统的保存在节点中的分布式路由数据库如何适应网络拓扑的动态变化，因此，必须设计专用的、高效的无线多跳路由协议。目前，一般普遍得到认可的代表性成果协议除了有较为成熟的OLSR协议，还有DSDV(目的序列距离矢量)路由协议、DSR(动态路由)协议，RFC4728、TORA(临时按需)路由算法、AODV(Ad hoc按需距离矢量)路由协议，RFC3561等。然而，这些基于自组织网络的路由协议与OLSR一样为固定路由协议，当链路断开，其更新路由表时仍然需要一定的时间并丢失一部分数据包。在链路状态不好，网络流量过大或者网络拓扑多变的情况下将限制网络整体吞吐量的提升。
无线传感器网络(WSNs)已广泛应用于物理或环境监测的各个领域]，但也暴露了许多问题。相较于其他传统网络，WSNs是由大量的传感器节点自组织的构成大规模的网络，传感器节点监测物理环境中的数据，尤其是恶劣或特殊的人们无法接近的环境中工作。传感器节点运算、通信能力及能量都很弱。能量问题严重限制了无线传感器网络的应用及发展。因此，在无线多传感器网络的研究中，如何延长网络的生存时间，均衡网络能量消耗，减少能量空洞，控制网络“热区”问题，成为重点关注的对象。
传感器节点的分簇路由协议中分成的簇是不同层次的。根据相应的算法在全部节点中选择若干节点作为簇首，而一般的节点只需按照就近原则加入临近的一个簇内，那么该网络就会以簇的形式存在。采集的数据是通过簇内一般节点传递到簇首，并对该数据进行相应的融合处理，然后将经过处理过的数据再次广播。方便管理节点、可扩展性好，网络规模较大是分层路由协议的特点。目前具有代表性的路由协议有LEACH、DEBUC、EEUC等。为了解决无线传感器网络中传统的分簇路由协议存在的簇首选举不合理、能量消耗不均衡等问题，现有研究中提出一种基于改进的混合蛙跳算法的非均匀分簇路由协议，采用对网络进行非均匀分簇后，簇内采用改进混合蛙跳算法成簇，簇间则采用混合多跳路由算法传输数据。其中，在簇间数据传输阶段，仅考虑各簇首节点与Sink节点的距离、簇首剩余能量、与Sink节点的最小跳数的因素来选择下一跳的簇首节点，但未考虑到充分利用分簇中成员节点较少的簇首在簇内通信中消耗的能量较少，无法确保基于最优的能量消耗实现簇间的数据转发。同时，由于只考虑了簇首节点与Sink节点的距离以及与Sink节点的最小跳数，会存在簇首节点如果离基站较远依旧有可能直接发给基站的问题。
为解决上述问题，本发明提供一种非均匀路由协议设计方法，该方案进一步对路由协议的设计进行针对上述不足的改进，在采用簇间混合多跳算法通过计算代价函数和权重函数选择下一跳簇首节点的过程中，不仅将簇首节点与Sink节点的距离、簇首剩余能量和节点与Sink节点的最小跳数作为代价函数与权重函数的约束因素，还进一步考虑了簇内成员数量对簇间通信路由性能的影响，且利用设定的策略对权重函数进行整体约束，避免了簇首节点如果离基站较远依旧有可能直接发给基站的问题。采用本发明提供的方案可以更有效地延长网络的寿命长度，同时降低网络的丢包率。
接下来基于附图详细描述本发明实施例的方法的详细流程，附图的流程图中示出的步骤可以在包含诸如一组计算机可执行指令的计算机系统中执行。虽然在流程图中示出了各步骤的逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
图1示出了本发明实施例一提供的非均匀路由协议设计方法的流程示意图，参照图1可知，该方法包括如下步骤。
步骤S110、获取设定时间的节点分布数据作为先验数据，并基于先验数据计算对应的先验概率指数；
步骤S120、基于先验概率指数接近的节点同簇的原则进行非均匀网络划分，建立不同的节点簇；
步骤S130、统合节点能量和节点相对位置因素，利用设定的适应度函数考察策略和局部搜索更新策略选取本轮的簇首节点；
步骤S140、重复执行步骤S130直至所有节点簇的簇首选取完成，其他节点作为成员节点，完成分簇；
步骤S150、通过考虑通信簇群成员数量和簇首节点Sink节点相对距离约束的簇间混合多跳路由算法选择簇间下一跳的簇首节点，并将数据整合发送给Sink节点，以建立最优簇间路由。
自组织网络中，各传感器节点的分簇路由协议中分成不同层次的簇，采集的数据是通过簇内一般节点传递到簇首，并对该数据进行相应的融合处理，然后将经过处理的数据再次广播，如图2所示。
图3示出了本发明实施例中非均匀路由协议设计方法的簇首选取流程明细图；如图3所示，为平衡节点能耗，本发明研究的改进路由协议中簇首采取轮循环，即周期重选，每一轮都包括三个阶段：成簇、建立簇间路由、数据传输。
进一步地，在成簇阶段中，为了保障非均匀分簇结果的可靠性，本发明先通过基于先验知识的非均匀分簇进行初始化后，完成网络划分，将节点网络划分为几个大小不同的簇，如图4所示。具体地，一个实施例中，在步骤S110中，按照下式根据某节点自身数据包与周围节点产生的数据包的相似程度和节点自身距离sink节点的距离来计算各节点先验概率指数Pi的取值：
Pi＝t·DSij+(1-t)/(Disj+1)
式中，DSij代表节点i和距离其一跳范围内的节点之间的数据包的相似度，Disj代表节点i与sink节点之间的距离，t表示动态调整因子，实际应用时，其数值可以考虑不同模型对分簇大小的实际需求设置为不同的值，例如0.5。
上式中，节点的Pi值主要由数据包与周围节点产生的数据包的相似程度和节点距离sink节点的距离来决定，其中DSij(DataSimilarityij)代表节点i和距离其一跳范围内的节点之间的数据包的相似度。Disj(Distencei)节点i与sink节点之间的距离。
基于上述运算对网络中前一时刻的数据分布情况进行统计计算先验概率，形成先验知识Pi后，考虑到实际应用中通常将成簇阶段分为分簇和簇首选取两个阶段。接下来，在运算确定簇首节点之前，根据各节点的Pi值进行分簇，将Pi值相近的节点划分为同一簇，即综合考虑位置和内容相似度两个方面对网络中的节点进行非均匀分簇，其中，靠近sink节点的簇的簇成员较少，远离sink节点的簇的簇成员相对较多，以使较靠近sink节点的簇首能够节约能量来进行数据传输，达到均衡簇首能耗消耗的目的。
因此实际应用时，一个实施例中，步骤S120中，在基于先验概率指数接近的节点同簇的原则进行非均匀分簇的过程中，靠近sink节点的簇的簇成员数量少于远离sink节点的簇的簇成员数量。
基于上述逻辑形成非均匀的网络节点簇后，接下来的簇首选取本申请通过计算适应度函数和进行局部搜索策略更新后，适应度最好的候选节点将当选本轮分簇的簇首节点。其中，适应度函数主要考察节点的剩余能量因子、簇内位置因子和簇间位置因子要素；
因此，一个实施例中，利用下式的函数计算各节点的适应度，用以选取本轮的簇首节点：
f(Pi)＝αf1+βf2+γf3(5)
其中，
Figure BDA0003179837420000081
Figure BDA0003179837420000082
Figure BDA0003179837420000083
式中，f1表示当前节点i的剩余能量因子，f2表示当前节点i的簇内位置因子，f3表示当前节点i的簇间位置因子；E(pi)为节点剩余能量，E(ck)为所选簇首剩余能量，
Figure BDA0003179837420000084
为簇内节点到所选簇首的距离，
Figure BDA0003179837420000085
为本簇内节点的个数，
Figure BDA0003179837420000086
为各节点与Sink节点的距离；
Figure BDA0003179837420000087
为所选簇首与Sink节点的距离，α、β、γ分别表示剩余能量因子、簇内位置因子、簇间位置因子在适应度函数中的权重系数。
研究人员考虑到簇首节点能量开销较大，选取簇首时应将剩余能量更多的候选节点列为优先选取的对象，故考虑节点剩余能量和网络中所有节点的能量关系，引入按照下式计算的剩余能量因子，得益于剩余能量因子的约束控制，使候选节点的剩余能量越高就越有机会成为簇首节点。
选择子区域的簇首节点的过程中，利用上述适应度函数计算各节点的适应度，并按降序排序，确定网络节点的分布是否满足搜索条件，若满足搜索条件，则进行局部策略更新，直到这次算法迭代结束。其中，根据实际运算情况确定网络节点的分布是否满足搜索条件，如当迭代次数达到阈值或网络节点的分布达到全局最优时，确定满足搜索条件。
进一步地，考虑到簇首节点需要与簇内节点具有良好的传输效率，位置更优的候选节点应优先列为选取簇首的对象，故考虑候选节点所处的位置信息，综合其在整个簇内范围下的位置情况，与其它节点的距离，将簇内位置因子引入适应度函数，以使当所选节点在簇内位置越优，与其余节点均有良好的传输效益时，节点成为簇首的机会就越大。
另外，考虑到簇首节点需与Sink节点频繁传输信息，其距离也是重要的影响因素之一，故考虑簇首节点与Sink节点的距离关系，将簇间位置因子引入适应度函数，以使基于适应度函数选取簇首时，当所选簇首与Sink节点的距离越小，该节点成为簇首的机会就越大。
综上，适应度函数的公式如下：
f(Pi)＝αf1+βf2+γf3，式中：α、β、γ分别表示剩余能量因子、簇内位置因子、簇间位置因子在适应度函数中的权重系数，取值范围为[0,1],且α+β+γ＝1。越高的适应度函数值f(Pi)表明对应的候选节点有着更多的剩余能量，与Sink的距离更近，与簇内成员节点相对位置更优。
进一步地，一个实施例中，选取簇首节点的过程中，当满足设定的搜索条件时，基于适应度计算数据依次通过最差个体更新策略和较优个体更新策略按照设定的规则分簇进行局部搜索更新，决策最优的簇首节点。
具体地，局部搜索策略更新则分为最差个体更新策略以及较优个体更新策略，每一轮分簇先进行最差个体更新策略：以组内最优个体与最差个体以及组内所有个体的平均值与最差个体的随机差值作为为步长基数来调整更新较差个体的移动步长，因此，一个优选的实施例中，通过最差个体更新策略进行局部搜索更新时，包括：以组内最优个体与最差个体的随机差值以及组内所有个体的平均值与最差个体的随机差值作为步长基数来调整更新较差个体的移动步长，确定更新后的节点个体Pw′；
计算更新后节点个体的适应度，若得到的新个体Pw′的适应度优于子群内最差个体Pw，则用Pw′更新Pw；
否则，采用主种群最优个体Pg代替组内最优个体，更新重新确定更新的节点个体Pw″；
若得到的新个体Pw″适应度优于子群内最差个体Pw，则用Pw″更新Pw；否则随机生成一个新个体替代Pw。
具体地，按照下式来调整更新较差个体的移动步长，确定更新后的节点个体Pw′：
Pw′＝Pb+μ·(rand·(Pb-Pw)+(1-rand)·(Pavg-Pw)) (6)
μ是提出的变异因子，其数值随着算法的迭代次数而更改，迭代次数低于阈值时，采用高斯变异的方式定义该变异因子，即μ～N(0,δ2)，迭代次数高于阈值时，则采用柯西变异的方式定义该变异因子，则有μ～C(η,0)；rand是0和1之间的随机数，Pavg是子群内所有个体的平均值，Pw是子群内最差个体，Pb是子群内最优个体。
若得到的新个体Pw′适应度优于子群内最差个体Pw，则用Pw′更新Pw；否则用主种群最优个体Pg代替上式中的Pb进行计算：
Pw′＝Pb+μ·(rand·(Pg-Pw)+(1-rand)·(Pavg-Pw)) (7)
然后重新进行更新判断，若得到的新个体Pw′适应度优于子群内最差个体Pw，则用Pw′更新Pw；否则随机生成一个新个体取代Pw。
进一步地，一个实施例中，通过较优个体更新策略行局部搜索更新时，实时更新种群所有个体的适应度，选取当前适应度最高的若干个体组成精英群，同时让精英群内的个体自发地向其附近小领域内的空间进行精细搜索，若发现更优解则进行更新。
通过较优个体更新策略行局部搜索更新的过程中，具体选取当前适应度最高的h个个体组成精英群，实际应用时，h值的选取不宜过高，一般在种群个体总数的10％以下，且至少为1，以减少对算法收敛速度的影响，同时让精英群内的个体自发地向其附近小领域内的空间进行精细搜索，若发现更优解则进行更新：
Pe′＝(1+μ·rand)·Pe (8)
式中：Pe是选出的精英个体，Pe′是更新后的精英个体，μ是提出的变异因子。若得到的新精英个体Pe′优于原精英Pe，则用Pe′更新Pe；否则保持原精英个体不变。
具体的簇首选取流程为：在利用基于先验知识的非均匀分簇进行初始化后，网络分区完成，节点网络被划分为大小不一的若干个簇区，下一步应对子区的簇首节点进行选取。首先利用上文提到的适应度函数计算各节点的适应度，按降序排序后判断网络节点的分布是否满足搜索条件：是否迭代次数尚未达到阈值或网络节点分布尚未达全局最优，若满足次搜索条件则进行局部策略更新，在局部策略更新的过程中，每一次迭代后，我们必须进行局部搜索的条件判断，即判断簇区节点组成分布尚未达到局部最优解，若尚未得到局部最优解则重复进行局部搜索，得到最优解就立即跳出循环，然后转移到全局搜索的条件，如果此时全局搜索条件不满足，即网络节点分布在理论上达到全局最优，就将每个簇区域的局部最优解作为当前区域簇首节点，利用sink进行数据传输，分簇中的其余节点自动成为成员节点，至此分簇完成，成簇阶段结束。
接下来进入簇间路由建立阶段，建立簇间路由是在簇首节点接收到簇内成员节点传输到的信息之后，对收集到的数据进行数据融合，并通过建立的簇间混合多跳路由算法计算下一跳簇首并将数据整合发送给Sink节点的整体过程。
本发明中采用的簇间混合多跳路由算法与仅考虑簇首剩余能量的代价函数和权重函数不同，技术人员在研发过程中考虑到实现簇间通信时，成员节点较少的簇头在簇内通信中消耗的能量较少，故有较多的能量保留下来用于簇间数据转发。因此，通过合理的运算逻辑引入簇首节点的所在簇群的成员节点数量作为约束因素，用于选择簇内成员节点较少的簇首作为中继节点。
另外的，为了有效克服现有路由协议实施时存在的离基站较远簇首节点可能直接发给基站的问题，研发人员在权重计算的过程中引入相应的距离约束条件，再不影响预期中继节点选取规则的条件下，实现当前计算节点与sink节点间的距离满足设定的距离要求时，该节点对应的权重值使其绝对不会直接发送数据至sink节点。
因此，具体地，通过建立的簇间混合多跳路由算法建立最优簇间路由的过程中，各簇首节点首先接收从Sink节点转发的数据并收集信息。同时记录簇首节点与Sink节点的距离、簇首剩余能量、与Sink节点的最小跳数，一个实施例中，按照下式利用代价函数Cost(i,j)计算权重函数值Weight：
Figure BDA0003179837420000111
Figure BDA0003179837420000112
式中，dij表示当前簇首节点i到节点j的距离，di,sink、dj,sink分别表示节点i和节点j到Sink节点的距离，Eij表示簇首节点i将信息传输到节点j所需要消耗的能量，Ni是簇首节点i所在簇群的成员节点数量，且α+β+γ＝1，d0是距离阈值，高于阈值d0的(距离离基站较远)的簇首不会直接发送数据至基站，即当di,sink＞d0时，将权重Weight(i,Sink)置为0，以保证该簇首节点不会直接发送数据至基站。
进一步地，一个实施例中，建立的簇间混合多跳路由算法将数据整合发送给Sink节点的过程中，还包括：
计算各节点的权重函数值，函数值最大的节点则为下一跳簇首节点；
重复计算直到当前簇首节点的下一跳节点为其本身，则将数据直接传输给Sink节点，此时簇间数据传输路由完成建立，实际应用时，簇间数据传输可采用CDMA通信技术，如图5所示。
高效、可靠的无线多跳路由协议是促进自组织网络路由通信应用发展的重要因素，采用本发明实施例提供的协议路由设计方案，利用设定的先验知识初始化后，统合节点能量和节点相对位置因素，利用设定的适应度函数考察策略和局部搜索更新策略选取各个簇首节点；利于平衡控制网络节点的通信能耗，基于实时数据分布的先验概率数据进行网络划分，保障了初始分簇的可靠性，进一步地，利用设定的适应度函数考察策略和局部搜索更新策略运算确定各个簇首节点，确保实际适应度最好的候选节点当选簇首节点。
基于上述分簇结果，通过考虑通信簇群成员数量和簇首节点Sink节点相对距离约束的簇间混合多跳路由算法建立最优簇间路由，充分发挥成员节点较少的簇首用于进行簇间的数据转发时的能耗优势，且改善了簇首节点如果离基站较远依旧有可能直接发给基站的问题，由此可见，本发明实施例的方案通过简洁的运算优化，能够有效的延长网络的寿命长度，同时降低网络的丢包率。
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
需要指出的是，在本发明的其他实施例中，该方法还可以通过将上述实施例中的某一个或某几个进行结合来得到新的非均匀路由协议设计方法。
需要说明的是，基于本发明上述任意一个或多个实施例中的方法，本发明还提供一种存储介质，该存储介质上存储有可实现如述任意一个或多个实施例中所述方法的程序代码，该代码被操作系统执行时能够实现如上所述的非均匀路由协议设计方法。
应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而不意味着限制。
说明书中提到的“一实施例”意指结合实施例描述的特定特征、结构或特征包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一实施例”并不一定均指同一个实施例。
虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (8)

1.一种非均匀路由协议设计方法，其特征在于，所述方法包括：
步骤S1、获取设定时间的节点分布数据作为先验数据，并基于先验数据计算对应的先验概率指数；
步骤S2、基于先验概率指数接近的节点同簇的原则进行非均匀网络划分，建立不同的节点簇；
步骤S3、统合节点能量和节点相对位置因素，利用设定的适应度函数考察策略和局部搜索更新策略选取本轮的簇首节点；
步骤S4、重复执行步骤S3直至所有节点簇的簇首选取完成，其他节点作为成员节点，完成分簇；
步骤S5、通过考虑通信簇群成员数量和簇首节点与Sink节点相对距离约束的簇间混合多跳路由算法选择簇间下一跳的簇首节点，并将数据整合发送给Sink节点，以建立最优簇间路由；
其中，通过建立的簇间混合多跳路由算法建立最优簇间路由的过程中，按照下式利用代价函数Cost(i,j)计算权重函数值Weight：
Figure FDA0003578004020000011
Figure FDA0003578004020000012
式中，dij表示表簇首节点i到节点j的距离，di,sink、dj,sink分别表示节点i和节点j到Sink节点的距离，Eij表示节点i将信息传输j所需要消耗的能量，Ni是簇首节点的所在簇群的成员节点数量，且α+β+γ＝1，d0是距离阈值，距离高于阈值d0的簇首不会直接发送数据至基站，即当di,sink＞d0时，将权重Weight(i,Sink)置为0，以保证该簇首节点不会直接发送数据至基站；
建立的簇间混合多跳路由算法将数据整合发送给Sink节点的过程中，包括：
计算各节点的权重函数值，函数值最大的节点则为下一跳簇首节点；
重复计算直到当前簇首节点的下一跳节点为其本身，则将数据直接传输给Sink节点，簇间数据传输路由完成建立。
2.如权利要求1所述的方法，其特征在于，按照下式根据某节点自身数据包与周围节点产生的数据包的相似程度和节点自身距离sink节点的距离来计算各节点先验概率指数Pi的取值：
Pi＝t·DSij+(1-t)/(Disj+1)
DSij代表节点i和距离其一跳范围内的节点之间的数据包的相似度，Disj代表节点i与sink节点之间的距离。
3.如权利要求1所述的方法，其特征在于，在基于先验概率指数接近的节点同簇的原则进行非均匀分簇的过程中，设置靠近sink节点的簇的簇成员数量少于远离sink节点的簇的簇成员数量。
4.如权利要求1所述的方法，其特征在于，利用下式的函数计算各节点的适应度，用以选取本轮的簇首节点：
f(Pi)＝αf1+βf2+γf3
其中，
Figure FDA0003578004020000021
Figure FDA0003578004020000022
Figure FDA0003578004020000023
式中，f1表示当前节点i的剩余能量因子，f2表示当前节点i的簇内位置因子，f3表示当前节点i的簇间位置因子；E(pi)为节点剩余能量，E(ck)为所选簇首剩余能量，
Figure FDA0003578004020000024
为簇内节点到所选簇首的距离，
Figure FDA0003578004020000025
为本簇内节点的个数，
Figure FDA0003578004020000026
为各节点与Sink节点的距离；
Figure FDA0003578004020000027
为所选簇首与Sink节点的距离，α、β、γ分别表示剩余能量因子、簇内位置因子、簇间位置因子在适应度函数中的权重系数。
5.如权利要求1所述的方法，其特征在于，选取簇首节点的过程中，当满足设定的搜索条件时，基于适应度计算数据依次通过最差个体更新策略和较优个体更新策略按照设定的规则分簇进行局部搜索更新，决策最优的簇首节点。
6.如权利要求5所述的方法，其特征在于，通过最差个体更新策略进行局部搜索更新时，包括：以组内最优个体与最差个体的随机差值以及组内所有个体的平均值与最差个体的随机差值作为步长基数来调整更新较差个体的移动步长，确定更新后的节点个体Pw′；
计算更新后节点个体的适应度，若得到的新个体Pw′的适应度优于子群内最差个体Pw，则用Pw′更新Pw；
否则，采用主种群最优个体Pg代替组内最优个体，更新重新确定更新的节点个体Pw″；
若得到的新个体Pw″适应度优于子群内最差个体Pw，则用Pw″更新Pw；否则随机生成一个新个体替代Pw。
7.如权利要求5所述的方法，其特征在于，通过较优个体更新策略行局部搜索更新时，实时更新种群所有个体的适应度，选取当前适应度最高的若干个体组成精英群，同时让精英群内的个体自发地向其附近小领域内的空间进行精细搜索，若发现更优解则进行更新。
8.一种存储介质，其特征在于，所述存储介质上存储有可实现如权利要求1～7中任一项所述方法的程序代码。
CN202110843935.6A 2021-07-26 2021-07-26 一种非均匀路由协议设计方法 Expired - Fee Related CN113543264B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110843935.6A CN113543264B (zh) 2021-07-26 2021-07-26 一种非均匀路由协议设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110843935.6A CN113543264B (zh) 2021-07-26 2021-07-26 一种非均匀路由协议设计方法

Publications (2)

Publication Number Publication Date
CN113543264A CN113543264A (zh) 2021-10-22
CN113543264B true CN113543264B (zh) 2022-06-10

Family

ID=78089039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110843935.6A Expired - Fee Related CN113543264B (zh) 2021-07-26 2021-07-26 一种非均匀路由协议设计方法

Country Status (1)

Country Link
CN (1) CN113543264B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104640154A (zh) * 2015-02-16 2015-05-20 贵州师范大学 一种用于智能交通系统的非均匀分簇路由的方法
CN106550422A (zh) * 2016-11-08 2017-03-29 华中科技大学 一种基于和声搜索算法的无线传感器网络分簇路由方法
CN110062432A (zh) * 2019-04-26 2019-07-26 长春师范大学 一种基于最小能耗的无线传感器网络分簇路由算法
CN111698705A (zh) * 2020-05-29 2020-09-22 华南理工大学 一种基于能量优化的无线传感器网络非均匀分簇路由方法
CN112954763A (zh) * 2021-02-07 2021-06-11 中山大学 一种基于樽海鞘算法优化的wsn分簇路由方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111580564B (zh) * 2020-04-30 2022-06-10 湖南科技大学 一种三维群无人机并行式多目标搜索协同作业方法
CN112822746A (zh) * 2021-01-15 2021-05-18 重庆邮电大学 一种能量有效型无线传感器网络成簇算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104640154A (zh) * 2015-02-16 2015-05-20 贵州师范大学 一种用于智能交通系统的非均匀分簇路由的方法
CN106550422A (zh) * 2016-11-08 2017-03-29 华中科技大学 一种基于和声搜索算法的无线传感器网络分簇路由方法
CN110062432A (zh) * 2019-04-26 2019-07-26 长春师范大学 一种基于最小能耗的无线传感器网络分簇路由算法
CN111698705A (zh) * 2020-05-29 2020-09-22 华南理工大学 一种基于能量优化的无线传感器网络非均匀分簇路由方法
CN112954763A (zh) * 2021-02-07 2021-06-11 中山大学 一种基于樽海鞘算法优化的wsn分簇路由方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
An energy-efficient non-uniform clustering routing protocol based on improved shuffled frog leaping algorithm for wireless sensor networks;Qi Huamei等;《IET Communications》;20210104;374-383 *
基于模糊K均值和自适应混合蛙跳算法的分簇路由设计;刘珂等;《河南理工大学学报(自然科学版)》;20150228(第01期);80-85 *
基于非均匀分簇的无线传感器网络分层路由协议;黄廷辉等;《计算机应用》;20160110(第01期);72-77 *

Also Published As

Publication number Publication date
CN113543264A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN112954763B (zh) 一种基于樽海鞘算法优化的wsn分簇路由方法
Prasanth et al. Implementation of efficient intra-and inter-zone routing for extending network consistency in wireless sensor networks
Tao et al. Flow-balanced routing for multi-hop clustered wireless sensor networks
CN108737191B (zh) 面向超密集无线传感器网基于无监督学习的拓扑控制方法
CN110087273B (zh) 无线传感器网络分簇路由的方法、无线传感器网络协议平台
CN113411766B (zh) 智慧物联网综合感知系统及方法
Rath et al. Load balanced routing scheme for MANETs with power and delay optimisation
Mohanadevi et al. A qos-aware, hybrid particle swarm optimization-cuckoo search clustering based multipath routing in wireless sensor networks
WO2024188157A1 (zh) 一种WIFI Mesh组网传播优化方法、系统及存储介质
CN107846719A (zh) 一种基于改进鲸鱼群算法的无线传感器网络路由方法
Rahimunnisa Hybrdized genetic-simulated annealing algorithm for performance optimization in wireless adhoc network
CN114727353A (zh) 基于遗传算法的移动机会传感器网络自适应信息传输方法
CN105636144A (zh) 一种延长zigbee网络生命周期的方法
CN116634504A (zh) 基于改进nsga-ii算法的无人机组网拓扑关系与带宽分配优化策略
Rezaei et al. Multi-hop routing algorithm using steiner points for reducing energy consumption in wireless sensor networks
CN113727408A (zh) 一种基于速度与能量感知的无人机自组网改进aodv路由方法
Bharany et al. Energy Efficient Clustering Protocol for FANETS Using Moth Flame Optimization. Sustainability 2022, 14, 6159
CN113543264B (zh) 一种非均匀路由协议设计方法
Razooqi et al. Enhanced Ant Colony Optimization for Routing in WSNs An Energy Aware Approach.
Palaniappan et al. Proposed energy efficient multi attribute time slot scheduling algorithm for quality of service in wireless sensor network
CN107801227A (zh) 一种面向无线传感器网层次化分析的路由调度方法
Aitha et al. A strategy to reduce the control packet load of aodv using weighted rough set model for manet
CN103269505A (zh) 基于多移动因子的无线传感器网络数据收集方法
Jiang et al. Parallel cuckoo search for cognitive wireless sensor networks
Kumar et al. EBDRA: energy balanced dynamic cluster routing approach for WSN

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220610