CN114363989B - 一种基于最短路径的wsn路由协议方法 - Google Patents

一种基于最短路径的wsn路由协议方法 Download PDF

Info

Publication number
CN114363989B
CN114363989B CN202111639840.9A CN202111639840A CN114363989B CN 114363989 B CN114363989 B CN 114363989B CN 202111639840 A CN202111639840 A CN 202111639840A CN 114363989 B CN114363989 B CN 114363989B
Authority
CN
China
Prior art keywords
node
nodes
cluster head
data
chromosome
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.)
Active
Application number
CN202111639840.9A
Other languages
English (en)
Other versions
CN114363989A (zh
Inventor
夏长权
徐思韵
时壮壮
朱颖
邓小颖
朱金荣
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.)
Yangzhou University
Original Assignee
Yangzhou 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 Yangzhou University filed Critical Yangzhou University
Priority to CN202111639840.9A priority Critical patent/CN114363989B/zh
Publication of CN114363989A publication Critical patent/CN114363989A/zh
Application granted granted Critical
Publication of CN114363989B publication Critical patent/CN114363989B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • 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
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于最短路径的WSN路由协议方法，包括：根据无线传感器网络节点广播簇首选举信息，选出预设个数的簇首节点，其他则为普通节点；随机选择候选簇首节点作为下一跳簇首节点，将初始簇首节点及下一跳簇首节点组合为一个染色体，并对染色体进行选择、交叉、变异后得到最短路径；簇首节点接收普通节点传送的数据，并对收到的数据进行融合处理；簇首节点将处理后的数据发送给下一跳簇首节点，并以此接力下去，直到传送至基站；计算传输数据的簇首节点和普通节点的能量消耗，判断节点是否死亡，若90％的节点死亡，则进行下一轮分簇。本发明有效避免了额外的路径开销，降低了网络能耗，延长网络的生命周期。

Description

一种基于最短路径的WSN路由协议方法
技术领域
本发明涉及无线传感器的技术领域，尤其涉及一种基于最短路径的WSN路由协议方法。
背景技术
无线传感器网络系统是以传感器为节点，并将其大量分布在所要监控的区域内，然后对信息进行采集、传输和处理，形成的一个智能型综合网络信息系统。无线传感器网络系统融合了无线通信、传感器、嵌入式和信息分布技术，是一种面向任务的自组网络，它由许多节点组成，各节点将被测目标的各种数据通过多种微型传感器发送给监测者，进行动态监测，之后再将采集的信息存入嵌入式计算系统进行处理，最后将处理结果以无线通信网络传输给监控中心。
无线传感器网络系统被广泛应用于智慧城市、智能家居等领域，并随着信息技术的发展，在军事、火灾监测、空间探测等领域得到越来越多专家学者的关注。然而，由于无线传感器网络系统节点分布众多，而且常常分布在野外，节点能量有限，一旦节点能量消耗殆尽，更换起来很不方便。
因此，如何设计路由协议减少能耗，延长网络生存时间显得尤为重要。目前来说，现有技术主要从簇间多跳方面考虑减少能耗，然而簇间组成树状网络或者每个源簇首通过最佳路径与基站通信这种方式，不可避免地会带来额外的路径开销。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：由于无线传感器网络系统节点分布众多，常分布在野外，路由协议能耗太高，网络生存时间较短，节点能量有限，更换很不方便，现有技术主要从簇间多跳方面考虑减少能耗，但这种方式会带来额外的路径开销。
为解决上述技术问题，本发明提供如下技术方案：根据无线传感器网络节点广播簇首选举信息，选出预设个数的簇首节点，其他则为普通节点；随机选择候选簇首节点作为下一跳簇首节点，将初始簇首节点及所述下一跳簇首节点组合为一个染色体，并对所述染色体进行选择、交叉、变异后得到最短路径；簇首节点接收普通节点传送的数据，并对收到的数据进行融合处理；簇首节点将处理后的数据发送给所述下一跳簇首节点，并以此接力下去，直到传送至基站；计算传输数据的簇首节点和普通节点的能量消耗，判断节点是否死亡，若90％的节点死亡，则进行下一轮分簇。
作为本发明所述的基于最短路径的WSN路由协议方法的一种优选方案，其中：每个无线传感器网络节点将自己的ID、位置、剩余能量信息发送给邻居节点，接收节点将相应的信息存储在邻居表中。
作为本发明所述的基于最短路径的WSN路由协议方法，包括：
权值ω计算公式为：
ω＝ω1*NodeEn+ω2*NumberNbr+ω3/AMRP+ω4/DisToBase
其中，NodeEn为节点剩余能量，NumberNbr为节点的邻居节点数量，AMRP为邻居节点到该节点的平均距离，DisToBase为节点到基站的距离，ω1，ω2，ω3，ω4为权系数，影响程度越大，则权系数越大。
作为本发明所述的基于最短路径的WSN路由协议方法，其中：选出预设个数的簇首节点包括，当所述权值ω越小，节点作所述簇首节点的几率越大；将每个节点的权值ω广播给所述邻居节点，并与所述邻居节点比较，若该节点的权值为邻居节点中最小的，并且没有分簇，则该节点当选为所述簇首节点；若该节点没有所述邻居节点，则该节点当选为所述簇首节点，其中，所述邻居节点根据不同簇首的距离选择加入距离最近的簇首，直到所有的节点都分簇成功。
作为本发明所述的基于最短路径的WSN路由协议方法，其中：选择包括，
根据遗传算法获取拥有最短路径的下一跳簇首节点；采用节点ID号作为编号，使用数字编码表示路径的染色体；取最短路径值，根据下式计算适应度：
Fitness＝length(A)*max(max(A))-pathlong
其中，A为簇首节点组成的矩阵，pathlong为当前簇首节点到起点的距离，Fitness为适应度值，length为；
采用轮盘赌算法产生随机值，比较所述随机值与累计相对适应度的关系，根据所述适应度值选择出优良个体进入下一代。
作为本发明所述的基于最短路径的WSN路由协议方法，其中：交叉包括，在表示路径的染色体Tx和Ty中，随机选取两个基因座i和j，将i个基因座和第j个基因座之间的各个基因座定义为交叉区域，并将交叉的内容分别记忆为temp1和temp2；根据所述交叉区域中的映射关系，在路径的染色体Tx中找出所有与temp2相同的元素，在路径的染色体Ty中找出所有与temp1相同的元素，全部置为0；将所述路径的染色体Tx、Ty进行循环左移，遇到0就删除，直到编码串中交叉区域的左端不再有0；将所有空位集中到所述交叉区域，将所述交叉区域内原有的基因依次向后移动；将所述temp2插入到路径的染色体Tx的交叉区域，所述temp1插入到路径的染色体Ty的交叉区域，形成新的染色体。
作为本发明所述的基于最短路径的WSN路由协议方法，其中：所述变异包括，染色体编码为节点ID的无重复编码，采用交换变异法，随机产生两个数，交换两个节点的顺序。
作为本发明所述的基于最短路径的WSN路由协议方法，其中：融合处理包括，所述普通节点通过建立CDMA时隙表将数据发送给所述簇首节点，簇首节点对每个所述普通节点送达的数据进行特征提取，融合为冗余率较低的有效信息，通过建立能量模型来假设数据的融合率。
作为本发明所述的基于最短路径的WSN路由协议方法，包括：能量模型采用一阶无线电模型，即节点发送L比特数据的能量消耗为：
ETx(L,d)＝Eelec*L+εamp*L
εamp按下述公式计算为：
d0按下述公式计算为：
传感器节点接收L比特数据时消耗的能量为：
ERx(L)＝Eelec*L
传感器节点融合1位数据消耗的能量为：
EDA＝1*EPDb
其中，d为两个节点之间的距离，L为数据包的长度，Eelec为传输1位数据消耗的能量，εamp为放大器的能量消耗；εfs为自由空间模型的能量消耗，εmp为多径衰落模型的能量消耗，d0为放大器的阈值；EPDb为融合1位数据消耗的能量。
本发明的有益效果：有效避免了额外的路径开销，降低了网络能耗，延长网络的生命周期。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的一种基于最短路径的WSN路由协议方法的成簇基本流程示意图；
图2为本发明一个实施例提供的一种基于最短路径的WSN路由协议方法的最短路径效果示意图；
图3为本发明二个实施例提供的一种基于最短路径的WSN路由协议方法的存活节点个数与轮数的关系示意图；
图4为本发明二个实施例提供的一种基于最短路径的WSN路由协议方法的网络剩余能量与轮数的关系示意图；
图5为本发明二个实施例提供的一种基于最短路径的WSN路由协议方法的无线传感器节点分布示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1～2，为本发明的一个实施例，提供了一种基于最短路径的WSN路由协议方法，包括：
S1：根据无线传感器网络节点广播簇首选举信息，选出预设个数的簇首节点，其他则为普通节点。
需要说明的是，每个无线传感器网络节点将自己的ID、位置、剩余能量信息发送给邻居节点，接收节点将相应的信息存储在邻居表中。
权值ω计算公式为：
ω＝ω1*NodeEn+ω2*NumberNbr+ω3/AMRP+ω4/DisToBase
其中，NodeEn为节点剩余能量，NumberNbr为节点的邻居节点数量，AMRP为邻居节点到该节点的平均距离，DisToBase为节点到基站的距离，ω1，ω2，ω3，ω4为权系数，影响程度越大，则权系数越大；
当所述权值ω越小，节点作所述簇首节点的几率越大；
将每个节点的权值ω广播给所述邻居节点，并与所述邻居节点比较，若该节点的权值为邻居节点中最小的，并且没有分簇，则该节点当选为所述簇首节点；
若该节点没有所述邻居节点，则该节点当选为所述簇首节点，其中，所述邻居节点根据不同簇首的距离选择加入距离最近的簇首，直到所有的节点都分簇成功。
S2：随机选择候选簇首节点作为下一跳簇首节点，将初始簇首节点及所述下一跳簇首节点组合为一个染色体，并对所述染色体进行选择、交叉、变异后得到最短路径。
需要说明的是，根据遗传算法获取拥有最短路径的下一跳簇首节点；
采用节点ID号作为编号，使用数字编码表示路径的染色体，其中，数字编码采用自然编码，产生的编码不能重复；
取最短路径值，采用C-F(x)形式，根据下式计算适应度：
Fitness＝length(A)*max(max(A))-pathlong
其中，A为簇首节点组成的矩阵，pathlong为当前簇首节点到起点的距离，Fitness为适应度值，length为；
采用轮盘赌算法产生随机值，比较所述随机值与累计相对适应度的关系，根据所述适应度值选择出优良个体进入下一代；
交叉包括：在表示路径的染色体Tx和Ty中，随机选取两个基因座i和j，将i个基因座和第j个基因座之间的各个基因座定义为交叉区域，并将交叉的内容分别记忆为temp1和temp2；
根据所述交叉区域中的映射关系，在路径的染色体Tx中找出所有与temp2相同的元素，在路径的染色体Ty中找出所有与temp1相同的元素，全部置为0；
将所述路径的染色体Tx、Ty进行循环左移，遇到0就删除，直到编码串中交叉区域的左端不再有0；
将所有空位集中到所述交叉区域，将所述交叉区域内原有的基因依次向后移动；
将所述temp2插入到路径的染色体Tx的交叉区域，所述temp1插入到路径的染色体Ty的交叉区域，形成新的染色体。
变异包括：染色体编码为节点ID的无重复编码，采用交换变异法，随机产生两个数，交换两个节点的顺序。
S3：所述簇首节点接收普通节点传送的数据，并对收到的数据进行融合处理。
需要说明的是，普通节点通过建立CDMA时隙表将数据发送给所述簇首节点，簇首节点对每个所述普通节点送达的数据进行特征提取，融合为冗余率较低的有效信息，通过建立能量模型来假设数据的融合率。
S4：所述簇首节点将处理后的数据发送给所述下一跳簇首节点，并以此接力下去，直到传送至基站。
S5：计算传输数据的簇首节点和普通节点的能量消耗，判断节点是否死亡，若90％的节点死亡，则进行下一轮分簇。
需要说明的是，能量模型采用一阶无线电模型，即节点发送L比特数据的能量消耗为：
ETx(L,d)＝Eelec*L+εamp*L
εamp按下述公式计算为：
d0按下述公式计算为：
传感器节点接收L比特数据时消耗的能量为：
ERx(L)＝Eelec*L
传感器节点融合1位数据消耗的能量为：
EDA＝1*EPDb
其中，d为两个节点之间的距离，L为数据包的长度，Eelec为传输1位数据消耗的能量，εamp为放大器的能量消耗；εfs为自由空间模型的能量消耗，εmp为多径衰落模型的能量消耗，d0为放大器的阈值；EPDb为融合1位数据消耗的能量。
本发明有效避免了额外的路径开销，降低了网络能耗，延长网络的生命周期。
实施例2
参照图3～5为本发明另一个实施例，该实施例不同于第一个实施例的是，提供了一种基于最短路径的WSN路由协议方法的验证测试，为对本方法中采用的技术效果加以验证说明，本实施例采用LEACH算法与本发明方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。
在计算机上使用仿真软件，对WSN路由方法进行仿真模拟。假定在100×150m2的目标检测区域内，随机部署100个传感器节点，每个传感器节点具有相同的初始能量，基站位于坐标(50，150)处，具体参数设置如下表所示：
表1：实验参数设置表。
主要参数 参数值
Eo 2
Eelec 50nJ/bit
Efs 10pJ/bit/m2
Emp 0.0013pJ/bit/m4
EDA 5nJ/bit
CC 0.6
本发明采用LEACH算法作为对比，假定网络中百分之九十节点死亡时刻即为网络生存周期，此时网络处于瘫痪状态，丧失了基本的信息传输能力。在实验参数设置一致的条件下，具体对比情况如下图所示：
表2：实验结果对比表。
LEACH算法 本发明算法
能量消耗殆尽 38轮 60轮
网络生存周期 45轮 82轮
初始节点死亡 11轮 6轮
如表2所示，LEACH算法与本发明算法相比较，能量消耗殆尽在38轮；网络的生命周期是45轮；初始节点死亡在11轮，而本发明算法的能量消耗殆尽在60轮；网络生命周期在82轮；初始节点死亡是6轮。相同条件下，本发明达到减少网络能耗，延长网络生命周期的目的。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种基于最短路径的WSN路由协议方法，其特征在于，包括：
根据无线传感器网络节点广播簇首选举信息，选出预设个数的簇首节点，其他则为普通节点；
随机选择候选簇首节点作为下一跳簇首节点，将初始簇首节点及所述下一跳簇首节点组合为一个染色体，并对所述染色体进行选择、交叉、变异后得到最短路径；
所述簇首节点接收普通节点传送的数据，并对收到的数据进行融合处理；
所述簇首节点将处理后的数据发送给所述下一跳簇首节点，并以此接力下去，直到传送至基站；
计算传输数据的簇首节点和普通节点的能量消耗，判断节点是否死亡，若90％的节点死亡，则进行下一轮分簇；
每个无线传感器网络节点将自己的ID、位置、剩余能量信息发送给邻居节点，接收节点将接收的ID、位置、剩余能量信息存储在邻居表中；
权值ω计算公式为：
ω＝ω1*NodeEn+ω2*NumberNbr+ω3/AMRP+ω4/DisToBase
其中，NodeEn为节点剩余能量，NumberNbr为节点的邻居节点数量，AMRP为邻居节点到该节点的平均距离，DisToBase为节点到基站的距离，ω1，ω2，ω3，ω4为权系数，影响程度越大，则权系数越大；
选出预设个数的簇首节点包括，
当所述权值ω越小，节点作所述簇首节点的几率越大；
将每个节点的权值ω广播给所述邻居节点，并与所述邻居节点比较，若该节点的权值为邻居节点中最小的，并且没有分簇，则该节点当选为所述簇首节点；
若该节点没有所述邻居节点，则该节点当选为所述簇首节点，其中，所述邻居节点根据不同簇首的距离选择加入距离最近的簇首，直到所有的节点都分簇成功；
在表示路径的染色体Tx和Ty中，随机选取两个基因座i和j，将i个基因座和第j个基因座之间的各个基因座定义为交叉区域，并将交叉的内容分别记忆为temp1和temp2；
根据所述交叉区域中的映射关系，在路径的染色体Tx中找出所有与temp2相同的元素，在路径的染色体Ty中找出所有与temp1相同的元素，全部置为0；
将所述路径的染色体Tx、Ty进行循环左移，遇到0就删除，直到编码串中交叉区域的左端不再有0；
将所有空位集中到所述交叉区域，将所述交叉区域内原有的基因依次向后移动；
将所述temp2插入到路径的染色体Tx的交叉区域，所述temp1插入到路径的染色体Ty的交叉区域，形成新的染色体；
根据遗传算法获取拥有最短路径的下一跳簇首节点；
采用节点ID号作为编号，使用数字编码表示路径的染色体；
取最短路径值，根据下式计算适应度：
Fitness＝length(A)*max(max(A))-pathlong
其中，A为簇首节点组成的矩阵，pathlong为当前簇首节点到起点的距离，Fitness为适应度值，length为矩阵A的行列最大值；
采用轮盘赌算法产生随机值，比较所述随机值与累计相对适应度的关系，根据所述适应度值选择出优良个体进入下一代。
2.如权利要求1所述的基于最短路径的WSN路由协议方法，其特征在于：所述变异包括，
染色体编码为节点ID的无重复编码，采用交换变异法，随机产生两个数，交换两个节点的顺序。
3.如权利要求1所述的基于最短路径的WSN路由协议方法，其特征在于：融合处理包括，
所述普通节点通过建立CDMA时隙表将数据发送给所述簇首节点，簇首节点对每个所述普通节点送达的数据进行特征提取，融合为冗余率较低的有效信息，通过建立能量模型来假设数据的融合率，假设融合率为cc＝0.6。
4.如权利要求1所述的基于最短路径的WSN路由协议方法，其特征在于：包括，
所述能量模型采用一阶无线电模型，即节点发送L比特数据的能量消耗为：
ETx(L,d)＝Eelec*L+εamp*L
εamp按下述公式计算为：
d0按下述公式计算为：
传感器节点接收L比特数据时消耗的能量为：
ERx(L)＝Eelec*L
传感器节点融合1位数据消耗的能量为：
EDA＝1*EPDb
其中，d为两个节点之间的距离，L为数据包的长度，Eelec为传输1位数据消耗的能量，εamp为放大器的能量消耗；εfs为自由空间模型的能量消耗，εmp为多径衰落模型的能量消耗，d0为放大器的阈值；EPDb为融合1位数据消耗的能量。
CN202111639840.9A 2021-12-29 2021-12-29 一种基于最短路径的wsn路由协议方法 Active CN114363989B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111639840.9A CN114363989B (zh) 2021-12-29 2021-12-29 一种基于最短路径的wsn路由协议方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111639840.9A CN114363989B (zh) 2021-12-29 2021-12-29 一种基于最短路径的wsn路由协议方法

Publications (2)

Publication Number Publication Date
CN114363989A CN114363989A (zh) 2022-04-15
CN114363989B true CN114363989B (zh) 2024-04-05

Family

ID=81103048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111639840.9A Active CN114363989B (zh) 2021-12-29 2021-12-29 一种基于最短路径的wsn路由协议方法

Country Status (1)

Country Link
CN (1) CN114363989B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116600365B (zh) * 2023-04-18 2024-02-23 中国科学院上海微系统与信息技术研究所 无线传感器网络分簇路由方法及装置、存储介质和终端

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108737191A (zh) * 2018-05-31 2018-11-02 中国科学院上海微系统与信息技术研究所 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
CN111246416A (zh) * 2020-01-13 2020-06-05 山东交通学院 一种基于遗传算法的水下无线传感器网络拓扑控制方法
CN111970743A (zh) * 2020-08-26 2020-11-20 吉林建筑科技学院 基于混沌遗传算法的无线传感器网络负载均衡路由协议

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108737191A (zh) * 2018-05-31 2018-11-02 中国科学院上海微系统与信息技术研究所 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
CN111246416A (zh) * 2020-01-13 2020-06-05 山东交通学院 一种基于遗传算法的水下无线传感器网络拓扑控制方法
CN111970743A (zh) * 2020-08-26 2020-11-20 吉林建筑科技学院 基于混沌遗传算法的无线传感器网络负载均衡路由协议

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Genetic Algorithm-based Optimized Cluster Head selection for single and multiple data sinks in Heterogeneous Wireless Sensor Network";panelSandeep Verma et al;《Applied Soft Computing》;第1-21页 *
"基于遗传算法的最短路径问题求解";康晓军、王茂才;《计算机工程与应用》;第1-3页 *
"改进的WSN节能分簇多跳路由算法";韩芳等;《计算机系统应用》;第1-6页 *

Also Published As

Publication number Publication date
CN114363989A (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
Murugaanandam et al. Reliability-based cluster head selection methodology using fuzzy logic for performance improvement in WSNs
KR101500289B1 (ko) 센서 네트워크 시스템, 센서 네트워크 제어 방법, 센서 노드, 센서 노드 제어 방법, 및 센서 노드 제어 프로그램
JP5804504B2 (ja) マルチホップ無線ネットワークの経路制御方法
Rezaeipanah et al. A Hybrid Approach for Prolonging Lifetime of Wireless Sensor Networks Using Genetic Algorithm and Online Clustering.
Lee et al. Data stashing: energy-efficient information delivery to mobile sinks through trajectory prediction
KR100650743B1 (ko) 애드혹(Ａｄ－ｈｏｃ) 네트워크에서 유전 알고리즘을이용한 브로드캐스트 라우팅 경로 선택방법
KR101560523B1 (ko) 에너지 효율성을 고려한 무선센서 네트워크 운영방법
CN107277889A (zh) 一种基于k‑means的无线传感器网络分簇方法
Sakai et al. Timer-based CDS construction in wireless ad hoc 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
CN114363989B (zh) 一种基于最短路径的wsn路由协议方法
CN110798841B (zh) 多跳无线网络部署方法、网络能力确定方法和装置
CN113207156A (zh) 一种无线传感器网络的分簇路由方法及系统
CN112822747B (zh) 一种基于遗传算法和蚁群算法的路由选择策略的方法
CN110958659B (zh) 改进遗传禁忌搜索的深井巷道wsn分簇路由方法及装置
Wang et al. Reliable node clustering for mobile Ad hoc networks
CN107995667A (zh) 一种可控簇规模的能耗均衡路由方法
Sangeetha et al. Genetic optimization of hybrid clustering algorithm in mobile wireless sensor networks
CN102761881A (zh) 无线传感器网络静态节点最优覆盖控制集求解方法
CN114189917A (zh) 基于量子退火的移动自组织网络分簇及簇间路由规划方法
Lee et al. Predictive data delivery to mobile users through mobility learning in wireless sensor networks
CN111970744A (zh) 一种基于改进ap和遗传算法的能量感知分簇路由协议
CN108684066B (zh) 基于K-medoids的无线传感器网络分簇方法
CN107689883B (zh) 协同节点的确定方法和装置
Cho et al. Energy efficient routing in wireless sensor networks

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