WO2016095692A1 - 一种改进蚁群优化传感器网络簇头方法 - Google Patents

一种改进蚁群优化传感器网络簇头方法 Download PDF

Info

Publication number
WO2016095692A1
WO2016095692A1 PCT/CN2015/095897 CN2015095897W WO2016095692A1 WO 2016095692 A1 WO2016095692 A1 WO 2016095692A1 CN 2015095897 W CN2015095897 W CN 2015095897W WO 2016095692 A1 WO2016095692 A1 WO 2016095692A1
Authority
WO
WIPO (PCT)
Prior art keywords
node
energy
network
cluster head
ant colony
Prior art date
Application number
PCT/CN2015/095897
Other languages
English (en)
French (fr)
Inventor
彭力
Original Assignee
江南大学
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 江南大学 filed Critical 江南大学
Publication of WO2016095692A1 publication Critical patent/WO2016095692A1/zh

Links

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
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/08—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on transmission power
    • 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
    • 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

Definitions

  • the present invention relates to a data based non-model optimization technique.
  • Ant colony algorithm is a new type of simulated evolutionary algorithm, which is a summary of the real behavior of ant colonies in nature.
  • the ant colony algorithm is good at solving various NP problems, such as: knapsack problems, assignment problems, and traveling salesman problems. Due to its good performance in solving complex optimization problems, its development prospects have been widely recognized by scholars at home and abroad.
  • the specific steps of the general ant colony algorithm implementation are to solve the TSP problem as an example:
  • Step2 The outer loop starts. If the set optimal optimal solution condition is met, the algorithm stops outputting the optimal solution; otherwise, let the ant s(1 ⁇ s ⁇ m) return to the initial position i 0 , using L(s) Indicates the path set of the ants s walking, and initializes L(s) to be empty.
  • the ant colony algorithm is improved as follows, taking into account the remaining energy of the node to select the cluster head of the next round.
  • ⁇ is the pheromone weight and ⁇ is the heuristic factor weight
  • the pheromone is the reciprocal of the energy distance of the ant from the node v i to v j :
  • the energy distance from node v i to v j , and the energy distance can be expressed as:
  • E init is the initial energy of the node
  • E estimate (v i , v j ) is the estimated energy required for nodes v i to v j
  • time (v i , v j ) is the time required to point v i to v j .
  • Each node then enhances the pheromone and selects the node with the most energy remaining in the neighbor node as the next cluster head (such as node v j ), and the enhanced one is performed according to equation (8).

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Feedback Control In General (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及针对无线传感器网络簇头优化选取蚁群优化技术。为了实现在无线传感器网络能量均衡，适当选取做汇聚节点的簇头非常重要，本发明采用考虑了网络节点能耗因素改进的蚁群优化方法提高了网络的生命周期。当一个节点接到一个数据包时，会估算其邻居节点的剩余能量，并更新路由表，动态选择下一跳。信息素是蚂蚁从一个节点到另一个节点能量距离的倒数，然后每个节点增强信息素，并选择邻居节点中剩余能量最多的节点作为下一个簇头；经过多次迭代选取出做汇聚节点的簇头，通过考虑了网络节点能耗因素改进了蚁群优化方法，最终提高了网络能量平衡能力。

Description

一种改进蚁群优化传感器网络簇头方法 技术领域
本发明涉及一种基于数据的非模型优化技术。
背景技术
蚁群算法是一种新型的模拟进化算法，是其对自然界中蚁群真实的行为研究总结而成。蚁群算法善于解决各种NP问题，诸如：背包问题、指派问题以及旅行商问题等。由于在解决复杂优化问题中的良好性能，其发展前景获得了国内外学者的广泛认可。一般蚁群算法实施的具体步骤以解决TSP问题为例为：
Step1:针对城市个数为n的TSP问题，其中N＝{1,2,....,n}，A＝{(i,j)|i,j∈N}，城市间的距离表示为D＝(dij)n×n，每一条路径的信息素初始化为τij(0)＝1/|A|，假设投入m只蚂蚁进行工作，每只蚂蚁都从同一座城市i0出发,有k:＝1。因此当前最有解为W＝{1,2,...,n}。
Step2:外层循环开始，如果满足设定的最优解条件，则算法停止输出最优解；否则，让蚂蚁s(1≤s≤m)重新回到初始位置i0，用L(s)表示蚂蚁s行走的路径集合，初始化L(s)为空。
Step3:内层循环开始，当第s只蚂蚁所在的城市为i,如果L(s)＝N或
Figure PCTCN2015095897-appb-000001
按顺序完成所有蚂蚁的计算；否则
Figure PCTCN2015095897-appb-000002
且L(s)≠N，则其中概率为：
Figure PCTCN2015095897-appb-000003
到达城市j，则L(s)＝L(s)U{j},i:＝j；
如果
Figure PCTCN2015095897-appb-000004
且L(s)≠N，则到达i0，L(s)＝L(s)U{i0},i:＝i0；重复执行step3。
Step4:对于所有m只蚂蚁，按照L(s)中城市的顺序依次计算路径的长度，如果L(s)≠N，同时路径长度充分大，则对m只蚂蚁中的路径长度进行比较，记录下路径长度最短的蚂蚁为t。如果f(L(t))<f(W)，则W:＝L(t)，用式(2)加强W路径上的弧信息素， 对其他弧的信息素痕迹进行挥发操作。
Figure PCTCN2015095897-appb-000005
得到新的τij(k)，k:＝k+1，重复执行step2。
发明内容
对于一般传感器网路，由于上述的算法没有考虑到网络节点当前的能耗问题，所以对蚁群算法做如下改进，综合考虑节点的剩余能量选择下一轮的簇头。
首先对蚂蚁的转移概率算法进行优化如下：
Figure PCTCN2015095897-appb-000006
其中α为信息素权重，β为启发因子权重，信息素是蚂蚁从节点vi到vj的能量距离的倒数：
Figure PCTCN2015095897-appb-000007
其中
Figure PCTCN2015095897-appb-000008
节点vi到vj的能量距离，而能量距离又可表示为：
Figure PCTCN2015095897-appb-000009
并且式中：
Figure PCTCN2015095897-appb-000010
Figure PCTCN2015095897-appb-000011
而Eestimate(vi,vj)由式(6)所得：
Figure PCTCN2015095897-appb-000012
其中Einit为节点的初始能量，Eestimate(vi,vj)节点vi到vj的所需能量估算，time(vi,vj)点vi到vj所需要的时间。当一个节点接到一个数据包时，会估算其邻居节点的剩余能量，并 更新路由表，动态选择下一跳。经过一定的轮数之后，轮数是设置的固定循环次数roundtoupdate的倍数时，信息素的挥发按式(7)进行。
η(vi,vj)＝(1-ρ)×η(vi,vj)   (7)
然后每个节点增强信息素，并选择邻居节点中剩余能量最多的节点作为下一个簇头(如节点vj)，增强的按式(8)进行。
Figure PCTCN2015095897-appb-000013
至此对于蚁群优化算法的改进完毕。

Claims (3)

  1. 本发明特征是针对无线传感器网络能量均衡问题，解决适当选取做汇聚节点的簇头，通过考虑了网络节点能耗因素改进的蚁群优化方法从而提高了网络的生命周期。
  2. 在权利要求1中，信息素是蚂蚁从一个节点到另一个节点能量距离的倒数，然后每个节点增强信息素，并选择邻居节点中剩余能量最多的节点作为下一个簇头；
  3. 在权利要求1中，本发明的另一个特征是当一个节点接到一个数据包时，会估算其邻居节点的剩余能量，并更新路由表，动态选择下一跳。
PCT/CN2015/095897 2014-12-15 2015-11-30 一种改进蚁群优化传感器网络簇头方法 WO2016095692A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410783185.8A CN105898897A (zh) 2014-12-15 2014-12-15 一种改进蚁群优化传感器网络簇头方法
CN201410783185.8 2014-12-15

Publications (1)

Publication Number Publication Date
WO2016095692A1 true WO2016095692A1 (zh) 2016-06-23

Family

ID=56125881

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2015/095897 WO2016095692A1 (zh) 2014-12-15 2015-11-30 一种改进蚁群优化传感器网络簇头方法

Country Status (2)

Country Link
CN (1) CN105898897A (zh)
WO (1) WO2016095692A1 (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107612916A (zh) * 2017-09-22 2018-01-19 潘晓君 基于蚁群融合算法的分布式入侵检测方法
CN108566664A (zh) * 2018-05-08 2018-09-21 贵州大学 一种分布式高能效的wsn分簇路由优化方法
CN108650696A (zh) * 2018-05-03 2018-10-12 南京邮电大学 一种高能效的无线传感网簇头选择方法
CN108738031A (zh) * 2018-04-16 2018-11-02 大连理工大学 面向协同感知的多传感器联合部署模型构建方法
CN108770036A (zh) * 2018-06-20 2018-11-06 中国联合网络通信集团有限公司 簇头间通信方法及无线传感网络路由协议
CN108811026A (zh) * 2018-07-17 2018-11-13 北京农业信息技术研究中心 农田复杂环境机会传输候选转发集构建与中继协调方法
CN109275118A (zh) * 2018-09-27 2019-01-25 广州文搏科技有限公司 物业值班智能辅助系统
CN110119316A (zh) * 2019-05-17 2019-08-13 中国石油大学(华东) 一种基于松弛度与蚁群系统的关联任务调度策略
CN110162807A (zh) * 2018-02-12 2019-08-23 沈阳理工大学 基于改进蚁群优化bp神经网络弹药贮存可靠性评估方法
CN111144608A (zh) * 2019-11-12 2020-05-12 国网辽宁省电力有限公司本溪供电公司 一种基于蚁群算法的配电网网架优化规划方法
CN111194065A (zh) * 2020-02-13 2020-05-22 吉林建筑科技学院 一种高能效的环形无线传感器网络多跳分簇路由方法
CN111666212A (zh) * 2020-05-28 2020-09-15 平安医疗健康管理股份有限公司 利用蚁群算法生成测试用例的方法、装置、设备和介质
CN111954281A (zh) * 2020-07-28 2020-11-17 西安理工大学 一种基于无线紫外光通信的蜂群无人机编队分簇路由方法
CN112327858A (zh) * 2020-11-16 2021-02-05 中国人民解放军陆军防化学院 一种佩戴空气呼吸器人员执行既定任务的路径规划方法
CN112464492A (zh) * 2020-12-11 2021-03-09 国网湖南省电力有限公司 输电线路的短期覆冰跳闸概率分析方法及系统
CN112947437A (zh) * 2021-02-05 2021-06-11 常州大学 一种用于安防机器人楼宇内遍历巡逻的改进蚁群算法
CN113382390A (zh) * 2021-06-10 2021-09-10 中国石油大学(华东) 一种城市车联网中基于蚁群优化的自修复路由策略
CN113395739A (zh) * 2021-06-10 2021-09-14 中国石油大学(华东) 一种城市车联网中基于蚁群优化的改进型自修复路由策略
CN113516309A (zh) * 2021-07-12 2021-10-19 福州大学 一种基于多路切图准则和蚁群优化的od流向聚类方法
CN113556728A (zh) * 2021-06-07 2021-10-26 北京邮电大学 基于复合信息素浓度场蚁群算法的Ad hoc网络路由
CN113938975A (zh) * 2021-03-26 2022-01-14 中原工学院 一种基于竞争窗口蚁群分簇的移动传感网路由优化方法
CN115118724A (zh) * 2022-06-23 2022-09-27 福州大学 基于蚁群算法的多无人机辅助边缘计算系统部署优化方法
CN115494840A (zh) * 2022-08-20 2022-12-20 安徽工程大学 一种基于蒙特卡洛因子的mc-iaco的焊接机器人路径规划方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106658641B (zh) * 2016-12-28 2020-03-27 上海海事大学 一种分布式无线传感网络分簇路由方法
CN107124747A (zh) * 2017-04-12 2017-09-01 邹霞 基于蚁群优化的传感器网络路由方法
CN107396419A (zh) * 2017-08-03 2017-11-24 扬州大学 一种基于优化k‑means的多移动节点数据收集方法
CN111510983B (zh) * 2020-03-19 2022-10-28 东北电力大学 一种结合信任度的无线传感器网络簇头选举方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101072448B1 (ko) * 2010-04-27 2011-10-11 강원대학교산학협력단 무선센서 네트워크 시스템 및 그의 클러스터링 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
CN103269507A (zh) * 2013-03-05 2013-08-28 江苏科技大学 双簇头无线传感器网络路由方法
CN103354654A (zh) * 2013-07-24 2013-10-16 桂林电子科技大学 基于蚁群算法的高能效无线传感器网络路由方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101072448B1 (ko) * 2010-04-27 2011-10-11 강원대학교산학협력단 무선센서 네트워크 시스템 및 그의 클러스터링 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
CN103269507A (zh) * 2013-03-05 2013-08-28 江苏科技大学 双簇头无线传感器网络路由方法
CN103354654A (zh) * 2013-07-24 2013-10-16 桂林电子科技大学 基于蚁群算法的高能效无线传感器网络路由方法

Cited By (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107612916A (zh) * 2017-09-22 2018-01-19 潘晓君 基于蚁群融合算法的分布式入侵检测方法
CN107612916B (zh) * 2017-09-22 2019-12-24 潘晓君 基于蚁群融合算法的分布式入侵检测方法
CN110162807A (zh) * 2018-02-12 2019-08-23 沈阳理工大学 基于改进蚁群优化bp神经网络弹药贮存可靠性评估方法
CN110162807B (zh) * 2018-02-12 2023-09-12 沈阳理工大学 基于改进蚁群优化bp神经网络弹药贮存可靠性评估方法
CN108738031A (zh) * 2018-04-16 2018-11-02 大连理工大学 面向协同感知的多传感器联合部署模型构建方法
CN108738031B (zh) * 2018-04-16 2021-07-16 大连理工大学 面向协同感知的多传感器联合部署模型构建方法
CN108650696A (zh) * 2018-05-03 2018-10-12 南京邮电大学 一种高能效的无线传感网簇头选择方法
CN108566664A (zh) * 2018-05-08 2018-09-21 贵州大学 一种分布式高能效的wsn分簇路由优化方法
CN108770036A (zh) * 2018-06-20 2018-11-06 中国联合网络通信集团有限公司 簇头间通信方法及无线传感网络路由协议
CN108770036B (zh) * 2018-06-20 2020-10-02 中国联合网络通信集团有限公司 簇头间通信方法及无线传感网络路由装置
CN108811026B (zh) * 2018-07-17 2020-06-09 北京农业信息技术研究中心 农田复杂环境机会传输候选转发集构建与中继协调方法
CN108811026A (zh) * 2018-07-17 2018-11-13 北京农业信息技术研究中心 农田复杂环境机会传输候选转发集构建与中继协调方法
CN109275118B (zh) * 2018-09-27 2020-08-14 华奥系科技(汕头)有限公司 物业值班智能辅助系统
CN109275118A (zh) * 2018-09-27 2019-01-25 广州文搏科技有限公司 物业值班智能辅助系统
CN110119316A (zh) * 2019-05-17 2019-08-13 中国石油大学(华东) 一种基于松弛度与蚁群系统的关联任务调度策略
CN111144608A (zh) * 2019-11-12 2020-05-12 国网辽宁省电力有限公司本溪供电公司 一种基于蚁群算法的配电网网架优化规划方法
CN111194065A (zh) * 2020-02-13 2020-05-22 吉林建筑科技学院 一种高能效的环形无线传感器网络多跳分簇路由方法
CN111194065B (zh) * 2020-02-13 2022-02-25 吉林建筑科技学院 一种高能效的环形无线传感器网络多跳分簇路由方法
CN111666212A (zh) * 2020-05-28 2020-09-15 平安医疗健康管理股份有限公司 利用蚁群算法生成测试用例的方法、装置、设备和介质
CN111954281A (zh) * 2020-07-28 2020-11-17 西安理工大学 一种基于无线紫外光通信的蜂群无人机编队分簇路由方法
CN112327858A (zh) * 2020-11-16 2021-02-05 中国人民解放军陆军防化学院 一种佩戴空气呼吸器人员执行既定任务的路径规划方法
CN112327858B (zh) * 2020-11-16 2024-03-26 中国人民解放军陆军防化学院 一种佩戴空气呼吸器人员执行既定任务的路径规划方法
CN112464492A (zh) * 2020-12-11 2021-03-09 国网湖南省电力有限公司 输电线路的短期覆冰跳闸概率分析方法及系统
CN112947437A (zh) * 2021-02-05 2021-06-11 常州大学 一种用于安防机器人楼宇内遍历巡逻的改进蚁群算法
CN112947437B (zh) * 2021-02-05 2022-07-19 常州大学 一种用于安防机器人楼宇内遍历巡逻的改进蚁群算法
CN113938975A (zh) * 2021-03-26 2022-01-14 中原工学院 一种基于竞争窗口蚁群分簇的移动传感网路由优化方法
CN113556728A (zh) * 2021-06-07 2021-10-26 北京邮电大学 基于复合信息素浓度场蚁群算法的Ad hoc网络路由
CN113556728B (zh) * 2021-06-07 2023-09-22 北京邮电大学 基于复合信息素浓度场蚁群算法的Ad hoc网络路由
CN113382390A (zh) * 2021-06-10 2021-09-10 中国石油大学(华东) 一种城市车联网中基于蚁群优化的自修复路由策略
CN113395739A (zh) * 2021-06-10 2021-09-14 中国石油大学(华东) 一种城市车联网中基于蚁群优化的改进型自修复路由策略
CN113516309A (zh) * 2021-07-12 2021-10-19 福州大学 一种基于多路切图准则和蚁群优化的od流向聚类方法
CN113516309B (zh) * 2021-07-12 2023-08-11 福州大学 一种基于多路切图准则和蚁群优化的od流向聚类方法
CN115118724A (zh) * 2022-06-23 2022-09-27 福州大学 基于蚁群算法的多无人机辅助边缘计算系统部署优化方法
CN115494840A (zh) * 2022-08-20 2022-12-20 安徽工程大学 一种基于蒙特卡洛因子的mc-iaco的焊接机器人路径规划方法
CN115494840B (zh) * 2022-08-20 2024-04-12 安徽工程大学 一种基于蒙特卡洛因子的mc-iaco的焊接机器人路径规划方法

Also Published As

Publication number Publication date
CN105898897A (zh) 2016-08-24

Similar Documents

Publication Publication Date Title
WO2016095692A1 (zh) 一种改进蚁群优化传感器网络簇头方法
Jadhav et al. Whale optimization based energy-efficient cluster head selection algorithm for wireless sensor networks
Xiao et al. An optimization of the object function for routing protocol of low-power and lossy networks
Sharma et al. Energy efficient load balancing approach to improve AOMDV routing in MANET
Sandhu et al. Mobility model for WBANs
Tayeb et al. Cluster head energy optimization in wireless sensor networks
CN104009916A (zh) 基于社会属性转发的容迟网络节能路由方案
CN103826282B (zh) 基于剩余能量的集合划分多跳路由方法
Taraka et al. Routing in ad hoc networks using ant colony optimization
Nie et al. Latency and lifetime-aware clustering and routing in wireless sensor networks
Wen et al. Energy efficient data collection scheme in mobile wireless sensor networks
CN107172676B (zh) 一种基于节点冗余度和图着色算法的无线传感器网络路由选择方法
Das et al. Energy efficient and trustable routing protocol for wireless sensor networks based on genetic algorithm (E2TRP)
Hooda et al. Enrichment of life span of sensor networks through BCO and gateway node
Mohapatra et al. Improvised routing using border cluster node for Bee-AdHoc-C: an energy-efficient and systematic routing protocol for MANETs
Orojloo et al. Energy and path aware ant colony optimization based routing algorithm for wireless sensor networks
Fahmy et al. Predicted energy-efficient bee-inspired routing (peebr) path selection optimization
Boyd et al. A collaborative wireless sensor network routing scheme for reducing energy wastage
Kakkar TOPSIS optimized Dual-Hop Routing Protocol for Homogeneous Wireless Sensor Networks with Grid-Based Clustering
Bushnag et al. Directed diffusion based on weighted Grover's quantum algorithm (DWGQ)
Shimomura et al. Ant colony optimization with intelligent and dull ants
Thi et al. Improving distributed energy efficient clustering algorithm to save lifetime for heterogeneous WSN
Ragunathan et al. A hop-count and time based MANET routing protocol
Naruephiphat et al. An energy-aware clustering technique for wireless sensor networks
Sooda et al. Competitive performance analysis of two evolutionary algorithms for routing optimization in graded network

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15869200

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15869200

Country of ref document: EP

Kind code of ref document: A1