基于自组织聚类和蚁群算法的无线传感器网络路由算法

合集下载

蚁群算法在无线传感器网络路由能量均衡中的应用

蚁群算法在无线传感器网络路由能量均衡中的应用摘要本文将蚁群算法应用于无线传感器路由中，将蚁群的信息素与网络节点的能量结合起来，在蚁群算法收敛的同时，在网络最短路径和传感器节点能量均衡消耗之间进行平衡。

通过仿真实验证明，该算法和基本蚁群算法相比，节点能量均衡消耗，延长了网络寿命。

关键词无线传感器网络；能量均衡；蚁群算法无线传感器网络由众多具有感知、通信和计算能力的传感器节点，以无线的方式连接起来，在军事、灾难救援、环境监测、医疗健康、家庭监护以及其他众多领域都有广泛的应用前景。

但是在实际情况中，无线传感器的能量是有限的并且在采集数据的过程中有能量消耗，所以节点能量消耗快慢对于网络寿命的长短有极为关键的作用。

很多研究者在研究无线传感器路由算法的时候仅仅考虑了节点间距离因素，使得数据沿着最短路径传输和采集，这样会导致最短路径上的传感器节点能量消耗过快而降低到正常工作值以下，缩短了网络的寿命。

因此，需要设计一种新的路由算法，均衡各传感器节点的能量消耗，才能延长网络的寿命，保证数据传输的连续性和持久性。

蚁群算法因为具有自组织、动态多路径和鲁棒性而特别适合于无线传感器网络路由的应用。

基于蚁群算法的各种优势，本文提出了一种基于蚁群算法的无线传感器网络路由能量均衡算法，在传感器节点传输数据的时候既考虑了节点间的距离因素，又考虑了节点的剩余能量和传输数据的能量消耗，延长的网络的寿命。

1基本蚁群算法模型1991年，M.dorigo等人将蚁群算法应用于求解TSP问题，提出了基本蚁群算法的数学模型。

TSP问题是求在N个城市中确定一条最短的遍历所有城市有且仅有一次的回路。

设m为蚂蚁的数量，N个城市中蚂蚁的数量为，其中bi(t)表示在t时刻位于城市i的蚂蚁数量，τij(t)表示t时刻城市i与j之间的信息素浓度，在初始状态时各城市间的信息素浓度相同都为一常数const，用Pijk(t)来计算蚂蚁在t时刻从城市i选择移动到城市j的概率，Pijk(t)的计算表达式为：= （1）在式（1）中，参数α代表蚂蚁运动过程中信息素起的作用程度，β代表启发因子作用，τij表示i与j两城市之间路径的信息素浓度，ηij表示两城市的能见度，与两城市间的距离相关，allowedk表示蚂蚁k下一步允许选择的城市。

基于蚁群优化的无线传感器网络路由算法

基于蚁群优化的无线传感器网络路由算法作者：邬欢欢张任来源：《智能计算机与应用》2014年第03期收稿日期：2014－05－13基金项目：塔里木大学校长基金（TDZKSS201319）。

作者简介：邬欢欢(1982-),男,新疆阿拉尔人,硕士,讲师,主要研究方向: 无线传感器网络、分布式信息处理。

摘要：路由技术是无线传感器网络（WSNs）的关键技术。

基于蚁群优化的无线传感器网络路由算法具有蚁群算法的自组织、正反馈和并行性的特点，在构造WSNs的最优路由时有很好的性能。

介绍了蚁群算法的数学模型，着重从启发因子的构建方式上描述了当前典型的基于蚁群的路由算法，并比较分析了这些算法的特点及存在问题，在此基础上给出了设计启发因子的方法，为进一步研究提供了一些解决思路。

关键词：无线传感器网络；路由算法；蚁群优化中图分类号：TP393文献标识码：A文章编号：2095-2163（2014）03-0067-03Ant Colony Optimization-based Routing Algorithm in Wireless Sensor NetworksWU Huanhuan， ZHANG Ren(College of Information Engineering, Tarim University, Alar Xinjiang 843300, China)Abstract：Routing technology is pivotal in the architecture of wireless sensor networks(WSNs). The routing algorithm based ACO(Ant Colony Optimization) has good performance in WSNs，for its server advantages，such as robustness，positive feedback，distributed computing and parallelism. The paper presents analysis of the mathematical model of ant colony algorithm, mainly from the construction method of heuristic factor describes the current typical routing algorithm based on ant colony algorithm.After doing research on typical algorithms，the paper compares their performance，presents a method of designing inspiration factor，and points out some research issues.Key words：WSNs; Routing Algorithm; ACO0引言无线传感器网络（wireless sensor networks，WSNs）的应用主要集中在小数据量的低速报文传送上，但随着近年物联网产业的飞速发展，WSNs作为物联网中主要的信息感知方式，在一些新业务的拓展应用中也需要对实时数据和高速数据源实现可靠的传输支持，这就对无线传感器的网络能耗提出了更高要求，所以节能研究还有广阔的探讨空间。

基于蚁群算法的无线传感器网络路由协议研究的开题报告

基于蚁群算法的无线传感器网络路由协议研究的开题报告一、研究背景及意义随着无线传感器网络（Wireless Sensor Networks，WSN）的快速发展，其在环境监测、智能交通、智能家居等领域的应用越来越广泛。

在WSN中，节点的分布是随机的，节点间的通信距离有限，节点资源（如能量、计算能力等）有限，因此如何实现高效的路由协议是WSN研究的重要问题之一。

目前，商用的WSN路由协议大多基于传统的路由算法，如Dijkstra、AODV等，但这些传统的路由算法难以满足WSN的要求，例如能量消耗大、网络寿命短等。

蚁群算法（Ant Colony Optimization，ACO）是一种基于生物群体智能的优化算法，已在多个领域取得了较好的优化效果。

与传统的路由算法相比，蚁群算法具有无需全局信息、自适应等优势，因此其在WSN路由协议的设计中应用前景广阔。

本文将以蚁群算法为基础，设计一种适用于WSN的蚁群算法路由协议，以提高WSN的路由效率和网络寿命。

二、研究内容1. 蚁群算法的原理及其在WSN路由协议中的应用；2. 研究现有的WSN路由协议的优缺点，分析其不足之处；3. 设计一种基于蚁群算法的适用于WSN的路由协议；4. 在模拟平台上进行实验，与其他现有路由协议进行比较分析；5. 分析实验结果，总结该路由协议的优缺点，提出改进措施。

三、研究方法和步骤1. 文献调研和阅读，了解WSN和蚁群算法相关的基本理论和算法；2. 分析现有WSN路由协议的特点、优缺点；3. 设计一种基于蚁群算法的新型路由协议，包括协议的路由选择机制、信息素更新策略等方面；4. 实现该协议的模拟平台，并进行实验测试；5. 分析实验结果，总结协议的优缺点，提出改进措施；6. 撰写论文。

四、预期成果1. 提出一种基于蚁群算法的新型WSN路由协议；2. 在模拟平台上进行实验测试，验证该协议的效果；3. 分析协议的优缺点，提出改进措施；4. 发表一篇学术论文。

基于蚁群算法的无线传感器网络优化

早成功地应用于解决著名的旅行商问题（Ｓ）它采用分布式并行计算机制，有较强的鲁棒性ｊＴＰ．具．本文将蚁群算法应用于无线传感器网络，化网络拓扑结构，优提高ＷＳ整体的能量利用率．２部分Ｎ第介绍了算法设计；３部分是仿真实验，验结果验证了算法的有效性；４部分不仅总结了全文，第实第还讨论了
同．当某些路径上通过的蚂蚁越来越多时，在路径上留下的信息素数量也越来越多，导致信息素强度增大，蚂
蚁选择该路径的概率随之增加，而进一步增加该路径的信息素强度；从而某些路径上通过的蚂蚁较少时，路径上的信息素就会随时间的推移而蒸发．因此，模拟这种现象利用群体智能ｓｒｉｔｌｇｎｅ建立路径选ｗａｍｅｉｅｃ）ｎｌ择机制，蚁群算法的搜索向最优解推进．使蚁群算法所利用的搜索机制呈现出一种自催化或正反馈的特征．因此，以将蚁群算法模型理解成增强型学习系统［可引．
维普资讯
苏
州
大
学
学
报（自然科学版）
第２３卷
（ｂｓ）进行模拟．２蚂蚁利用信息素（ｈｒｍｏｅ进行相互通信．蚁在所选择的路径上会释放一种ｔｕｌｔ来ａｉ（）ｐｅｏｎ）蚂叫做信息素的物质，当同伴进行路径选择时，据路径Ｉ３息素进行选择，样信息素就成为蚂蚁之问会根－信＿￣这进行通讯的媒介．３蚂蚁的集群活动．过一只蚂蚁的运动很难到达食物源，整个蚁群进行搜索就完全不（）通但

一种基于遗传算法与蚁群算法混合算法的无线传感器网络定位算法

2017年软件2017, V ol. 38, No. 1基金项目: 国家自然科学基金支持(No.51275285)作者简介: 李杰(1991-)，男，硕士研究生，主要研究方向为无线传感器网络和嵌入式系统设计。

李振波，男，副教授，致力于研究微驱动器的结构设计与控制，微机器人结构设计与控制等。

通讯联系人: 陈佳品，男，教授，主要从事智能微系统及其信息处理的研究。

一种基于遗传算法与蚁群算法混合算法的无线传感器网络定位算法李杰，李振波，陈佳品(上海交通大学电子信息与电气工程学院薄膜与微细技术教育部重点实验室，上海 200240)摘要: 无线传感器网络技术应用广泛，而大多数应用依赖于节点定位，本文提出了一种基于遗传算法与蚁群算法混合算法的节点定位算法，遗传算法采用实数编码，利用线性交叉和非均匀变异算子进行搜索，在遗传算法搜索结果的基础上，利用改进的蚁群算法进行进一步搜索，蚁群算法采用MMAS 算法，根据遗传算法搜索结果产生初始吸引强度分布，之后应用精英策略比较混合算法产生的新个体与父代种群，保留较优个体为新一代种群。

仿真结果表明，混合算法的定位精度优于dv-hop, 遗传算法等传统定位算法，算法收敛性也优于遗传算法和蚁群算法，该混合算法汲取了两种算法的优点，时间效率高，定位精度高，收敛速度快，是一种优秀的无线传感器网络定位算法。

关键词: 无线传感器网络；遗传算法；蚁群算法；锚节点；距离中图分类号: TN929.5 文献标识码: A DOI ：10.3969/j.issn.1003-6970.2017.01.003本文著录格式：李杰，李振波，陈佳品. 一种基于遗传算法与蚁群算法混合算法的无线传感器网络定位算法[J]. 软件，2017，38（1）：11-15A Hybrid Algorithm Based on Genetic Algorithm and Ant ColonyAlgorithm for Wireless Network LocationLI Jie, LI Zhen-bo, CHEN Jia-pin(Key Lab. of Thin Film and Microfabrication of the Ministry of Education, School of Electronics, Informationand Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, CHN )【Abstract 】: Wireless sensor network technology is widely used, and most applications rely on node localization. In this paper, a hybrid algorithm based on genetic algorithm and ant colony algorithm is proposed. The genetic algorithm uses real-coded, linear and non-uniform mutation operator.Based on the search results of genetic algorithm, an improved ant colony algorithm is used to search further. The ant colony algorithm uses MMAS algorithm to generate the initial at-traction intensity distribution according to the genetic algorithm search result, and then applies the elite strategy to compare the new individuals and parental population, and the individuals with better fitness were the new generation. The simulation results show that localization precision of the hybrid algorithm is better than the traditional localization algorithm such as dv-hop and genetic algorithm, and the convergence of the algorithm is better than that of the genetic algorithm and ant colony algorithm. The hybrid algorithm has the advantages of two algorithms, High positioning ac-curacy, fast convergence speed, is an excellent wireless sensor network localization algorithm.【Key words 】: Wireless sensor networks; Genetic algorithm; Ant colony algorithm; Anchor node; Distance0 引言[1]微机电系统（MEMS ）、计算机、通信技术的巨大进步带动了大规模分布式无线传感器网络的发展，WSN 技术广泛应用于国防、环境、医疗和商业等领域，如今，WSN 已成为21世纪最受瞩目的技术之一。

基于蚁群优化的无线传感器网络路由算法

Ａｂｓｔｒａｃｔ：Ｈｏｗｔｏｇｅｔｈｉｇｈ－ｅｉｃｆｉｅｎｔｄａｔａｒｏｕｔｉｎｇｆｏｒｔｈｅｌｉｍｉｔｅｄｅｎｅｒｇｙｒｅｓｏｕｒｃｅｎｅｔｗｏｒｋｓｉｓｏｎｅｏｆｔｈｅｈｏｔｓｐｏｔｉｎ
ｍａｉｎｔａｉｎｎｅｔｗｏｒｋｌｉｆｅｔｉｍｅｔｏｂｅｌｏｎｇｅｓｔ，ｗｈｉｌｅｄｉｓｃｏｖｅｒｉｎｇｔｈｅｓｈｏｒｔｅｓｔｐａｔｈｓｆｒｏｍｓｏｕｒｃｅｎｏｄｅｓｔｏｂａｓｅｓｔａｔｉｏｎ
ｒｉｔｈｍ
ｂａｓｅｄｏｐｔｉｍｉｚａｔｉｏｎｔｅｃｈｎｉｑｕｅ，ｉｓｗｉｄｅｌｙｕｓｅｄｉｎｎｅｔｗｏｒｋｒｏｕｔｉｎｇ．ＰｒｅｓｅｎｔａＷＳＮｓＡＣＯｒｏｕｔｉｎｇａｌｇｏｒｉｔｈｍ，ｗｈｉｃｈｃａｎ
由算法，能够保持网络的生存时间最长，同时能找到从源节点到基站节点的最短路径；采用的多路数据传
输也可提供高效可靠的数据传输，同时考虑节点的能量水平。仿真结果表明：提出的算法延长了无线传感
器网络的寿命，实现无线传感器网络在通信过程中快速、节能的路由。
基于蚁群优化的无线传感器网络路由算法

基于蜂群和蚁群算法的无线传感器网络路由协议研究中期报告

基于蜂群和蚁群算法的无线传感器网络路由协议研究中期报告一、研究背景随着无线传感器节点的普及和网络容量的不断增加，无线传感器网络（WSN）成为近年来研究的热点之一。

在无线传感器网络中，传输距离较远的节点需要通过其他节点进行中继才能完成数据传输，因此如何合理地设计网络路由算法成为了研究的关键之一。

传统的路由算法具有复杂度较高、计算量大等缺点，而基于蚁群和蜂群创新的算法在无线传感器网络路由中展现出了良好的性能，并且在多个领域得到了广泛应用。

因此，本次研究旨在探讨基于蚁群和蜂群算法的无线传感器网络路由协议，并进行实验验证。

二、研究内容本次研究的重点在于基于蚁群和蜂群算法的无线传感器网络路由协议设计。

主要内容如下：1. 蚁群和蜂群算法原理研究通过对蚁群和蜂群算法的原理进行深入研究，了解其基本思想和优点，为设计无线传感器网络路由算法奠定基础。

2. 无线传感器网络路由算法设计在了解蚁群和蜂群算法的基础上，结合无线传感器网络的特点，设计相应的路由算法，确定蚁群和蜂群的选择策略，制定相应的路由协议。

3. 算法实现与验证基于MATLAB或者NS2平台进行算法的实现，并通过仿真实验测试路由协议的性能指标，比如数据传输成功率、网络平均能耗等，以验证所设计的算法的有效性和可靠性。

三、预期研究成果本次研究的预期成果为设计出一种基于蚁群和蜂群算法的无线传感器网络路由协议，并完成相应的实验验证。

具体成果包括：1. 设计出一种基于蚁群和蜂群算法的无线传感器网络路由协议，能够有效地提高路由效率和网络性能。

2. 实现算法，并通过仿真实验验证路由协议的性能指标，证明所设计的算法的有效性和可靠性。

3. 对比分析所设计的算法与传统算法、其他常见的无线传感器网络路由协议的差异性和优点，得出适用场景和实际应用建议。

四、研究进度计划1. 第一周：确定研究方向，完成文献调研，为后续研究工作做好准备。

2. 第二周至第三周：深入研究蚁群和蜂群算法原理，了解其基本思想和优点，为后续设计路由协议做好准备。

无线传感器网络中基于蚁群算法的路由概要

1RGH 3DXVH 7LPH V3D F N H W ' H O L Y H U \ 5D W L R1RGH 6SHHG P V无线传感器网络中基于蚁群算法的路由韩韧摘要大量的具有无线通信和数据处理能力传感器器件通过一定的协议构成自组织网络-无线传感器网络。

这种网络可以有效的进行传感数据收集和传输。

然而由于无线传感器网络具有自身的特点比如:通信、存储和处理能力较弱,有限的能量等,使得关于无线传感器网络的路由研究成为热点。

本文中对该网络的特点以及路由算法要考虑的影响因素进行了分析,然后给出蚁群优化算法在无线传感器网络路由中的应用。

该路由方法易于实现、基于局部信息、将多种影响因素以信息素形式表现出来。

该路由方法的自组织、动态和多路径的特性比较适合应用于无线传感器网络的路由。

关键词无线传感器网络;蚁群算法;路由算法;信息素 1 引言随着微电子技术,计算技术和无线通信技术的进步,制造低功耗的传感器在技术上和成本上已经成为可能。

传感器具有信息采集、数据处理和无线通信多种功能。

通常传感器探测它周围的环境并生成电信号,并且处理这些信号使它们表现为传感器监测的目标或发生事件的属性。

无线传感器网络(Wireless Sensor Network包含了很多传感器节点,这些传感器可以相互通信或是与外部的基站通信。

大量的传感器可以保证精确探测一个很大的区域。

如图1所示, 通常传感器节点有传感器模块、处理模块、无线通信模块和能量模块。

传感器模块负责监测信息的采集和数据转换;处理模块负责传感器的操作,存储和处理自身采集的数据以及其他节点发来的数据;无线通信模块负责与其他传感器节点进行无线通信,交换控制消息和首发采集数据;能量供应模块为传感器节点提供所需的能量 [1]。

它传感器节点或是基站。

基站一边连接传感器网络, 一边连接相应的设备,使用户可以访问和使用传感器网络探测并传输过来的数据。

・传感器节点的能量和带宽都比较小,在一个有许多传感器节点的网络里如何高效的使用每个传感器接点的能量和带宽来传输数据是一个挑战。

基于蚁群的无线传感器网络路由算法

１１算法思想．
无线传感器网络面临着节省能耗和延长网络寿命的挑战，这就对路由协议有更高的要求，在传统路由算法的基础上，学者提出了基于蚁群的路由算法。尽管单个蚂蚁本身智力有限，
但通过蚁群的协同工作就可以执行许多复杂任务。由于无线
维普资讯
第２５卷第３期
２００８年３月
计算机应用研究
ＡｐｐｉａｉｓａｃｏｍｐｔｒｌｃｔｏｎＲｅｅｒｈｆＣｏｕｅｓ
Ｖｏ．５１２Ｎｏ３．
Ｍａ．２０８ｒ０
１ＡＣＲＡ
内对复杂问题有一个较优的结果。目前主要有蚁群算法（ｎａｔｃｌｎｓｍ，Ｃ）极大一极小蚁群算法、蚁群算法等。这ｏｙｓｔＡＳ、ｏ径规划、络路由、试生成等方Ｓ、路网测面有着广泛的应用。
（ｏｌｅｏｕｏｔｎ，ｏｈ￣ｅｎＰｌｅｈｉｌｎｖｓｙＸ ’ ｎ７０７Ｃｉ）ＣｌｇｅｆＡｔｉＮａｗｔｏｔｎｃｉｒｉ，ｉ８１０２，ｈｎｍａｏｒｙｃａＵｅｔａ
Ａｂｔａｔｈｓｐｐｒｒｐｓｄａｎｃｌｙｂｓｕｉｇａｏｔｍ（ＣＡ）ｆｕｉｇｏｔｉｔｎｄｓｎｎ，ｉｗｉｓｒｃ：Ｔｉａｅｏｏｅｎａｔｏｎ —ａｅｒｔｌｒｈＡＲｐｏｄｏｎｇｉｏｒｔｐｉｚｉｅｉｉｇｎｈｈｒｏｎｍａｏｇｃ

基于蚁群算法的无线传感器网络路由算法

ｗｉｅｅｓｅｏｎｅｗｏｋｒｌｓｓｎｓｒｔｒ
ＺＣｅｇＨＵｈｎＨｕ，ＥｕｉｉＹＦＬｎ
（ｅａｔｎｆＥｅｔｃｎｉｅｒｇｎＡｔｍｔｎ，ｅｉｎｖｒｔｆＴｃｎｌｙ，ｅｉ３０９，ｈｎ）ＤｐｒｔｌｒＥｇｅｎａｄｕｏａｉＨｆＵｉｅｉｏｅｈｏｏＨｆ２００Ｃｉｍｅｏｃｉｎｉｏｅｓｙｇｅａ
在定向扩散协议的基础上，通过搜寻蚂蚁以广播的方式在网络中扩散建立起源节点到目的节点的多条路径
们的重视。感器网络是由部署在观测环境内的大量微传
型传感器节点通过无线通信方式组成的一种无线网络。组成传感器网络的节点包括传感器和汇聚节点（ｉｋ。Ｓｎ）传感器节点的能量十分有限，且在部署后难以再次补并
ＡｂｔａｔＢｓｄｎｈｓｅｉｌｅｎｏｎｒｙｏｔｌｏｒｌｓｓｎｏｎｔｒｓｒｃ：ａｅｏｔｅｐｃａｄｍａｄｆｅｅｇｃｎｒｆｒｗｉｅｓｅｓｒｅｗｏｋ，ｔｉｐｐｒｒｐｓｄｎｎ— ｅｎｏｅｈｓａｅｐｏｏｅａｏｄｍａｄ
中图分类号：Ｔ３３Ｐ９文献标识码：Ａ文章编号：１７ — ７０２１）５０６ — ４６４７２（００１ — ０７０

蚁群算法在无线传感器网络中的应用分析

蚁群算法在无线传感器网络中的应用分析无线传感器网络(Wireless Sensor Network，WSN)是近年来新兴的一种互联网技术，由许多小型的传感器设备组成，能够自主感知和采集环境数据，并通过无线通信网络进行数据传输。

WSN在多个领域都有着广泛的应用，如工业监控、环境监测、医疗保健等。

然而，WSN在实际应用中存在着传输质量低、能量平衡问题等种种难题。

蚁群算法(Ant Colony Algorithm)作为一种全局搜索优化算法，具有较强的全局搜索能力和适应性，可以通过模拟蚂蚁的搜索行为寻找问题的最优解。

本文将深入分析蚁群算法在无线传感器网络中的应用，探讨其优点和局限性，同时提出优化建议。

一、蚁群算法基本原理蚁群算法是一种非常基础的群体智能算法，它源于观察蚂蚁群觅食行为。

蚂蚁群在搜寻食物的过程中，会在地面上释放一些可以吸引其它蚂蚁的信息素，并根据距离信息素浓度大小决定搜索方向等。

经过多轮试验后，最终形成一条到达食物的最短路径。

这种类似于蚂蚁寻找路径的行为被人们称为蚁群算法，是一种典型的模拟进化算法和群体智能算法。

蚁群算法的主要思路是通过蚂蚁模拟寻找食物路径的过程来解决问题。

其基本流程如下：1. 初始化蚁群信息素和各个参数。

2. 根据信息素浓度选择蚂蚁的搜索方向，并赋予适当的权重。

3. 每个蚂蚁根据权重选择路径并更新其信息素浓度。

4. 若存在更优路径，则更新全局最优路径信息素浓度。

5. 重复以上步骤，直到满足结束条件。

二、蚁群算法在无线传感器网络中的应用蚁群算法在传感器网络中的应用主要是通过优化路由和能量平衡等问题来提高WSN性能表现。

通过模拟蚂蚁的寻路行为，充分利用传感器网络中的拓扑结构，从而提高了通信效率和数据传输质量。

下面将详细探讨蚁群算法在WSN中的具体应用。

1. 无线传感器网络路由优化在分布式无线传感器网络中，节点之间的通信有时需要通过多个中继节点进行转发，这就要涉及到选择最优路径问题，以达到降低能耗和延长网络寿命的目的。

基于改进蚁群算法的智慧农业无线传感器网络路由优化研究

基于改进蚁群算法的智慧农业无线传感器网络路由优化研究刘彤彤王磊摘要：为了提高智慧农业无线传感器网络路由的生存时间，节点能量消耗相对均衡，采用改进蚁群算法。

首先建立无线传感器网络模型和约束条件；接着通过消耗能量预测节点传输能力，剩余能量、过载区域以及覆盖冗余度构成适应度函数；然后改进蚁群算法，包括基于最佳路径的目标函数值信息素分配策略，二点交叉算子对信息素分配策略对应的任意2个网络节点序列进行优化；最后给出无线传感器网络路由优化流程。

试验仿真显示本研究算法使无线传感器网络路由的节点间剩余能量差异性最小，网络生存时间较长，不同节点数接收数据包平均剩余能量较多。

关键词：无线传感器网络；最佳路径；改进蚁群；剩余能量TP212.9；S126文献标志码： A：1002-1302（2017）15-0199-03无线传感器网络被广泛应用在农业生产、监测、科研等智能领域，例如温室大棚环境监测、土壤水分监测等可根据农作物生长需要进行实时智能决策，并自动开启或者关闭指定的环境调节设备，但是无线传感器网络节点受到硬件资源和传输节点能量的限制，数据处理和传输能力较弱，如何有效利用能量，延长无线传感器网络寿命并保证网络功能成为智慧农业无线传感器研究的重要方向[1]。

目前关于智慧农业无线传感器网络路由能量利用效率和能量均衡优化研究方法有：蚁群算法（Ant colony，AC），具有较强的全局寻优能力[2]，但是需要收发双向蚂蚁大量、反复地更新信息素，若对链路稳定性进行考虑，那么最优路径中有可能包含不稳定链路，因此路由生存时间受到影响，导致需要更大的网络开销；粒子群算法（Particle Swarm Optimization，PSO），通过睡眠调度机制优化网络覆盖性能[3]，但是没有考虑覆盖率、能量利用效率、节点生存率的均衡性；动态分簇算法（Dynamic Clustering，DC），让簇内节点把数据发送至簇头[4]，然后簇头对汇总的数据进行融合，再以多跳方式发送给汇聚节点，这种算法能够节省能量，但是存在网络延迟等问题；定向扩散算法（Directed Diffusion，DD），能够减小数据冗余[5]，但是路由开销增加，效率低。

基于自组织聚类和蚁群算法的无线传感器网络路由算法

基于自组织聚类和蚁群算法的无线传感器网络路由算法邱立达【摘要】根据无线传感网络能量受限的特点,提出一种低能耗路由算法SOC-IACO,算法由自组织聚类算法SOC和改进蚁群算法WAC组成.先通过SOC将节点分簇,选取簇头构造簇头数据链,再通过WAC构造簇内节点数据链.簇内数据沿节点数据链汇聚至簇头、簇头数据沿簇头数据链汇聚至总簇头,由总簇头发送数据至基站.实验表明,由于聚类过程中考虑了节点分布和簇负载均衡并采用双层链路由,SOC-IACO算法能大幅降低节点能耗提高网络寿命.【期刊名称】《梧州学院学报》【年(卷),期】2010(020)006【总页数】6页(P30-35)【关键词】无线传感器网络;自组织聚类;蚁群算法【作者】邱立达【作者单位】闽江学院,物理学与电子信息工程系,福建,福州350108【正文语种】中文【中图分类】TN91无线传感器网络（WSN）的能耗主要来自数据的发送/接收和融合。

数据发送的传输放大能耗和距离平方成正比。

由于WSN中节点通常随机分布且能量有限，因此减小节点间通信距离，成为降低通信能耗延长网络寿命的关键。

目前基于低能耗WSN层次拓扑的主要算法有LECH/LECH-C、HEED、PEGASIS等。

其中LECH-C[1]是经典分簇算法。

该协议采用先选取簇头，再分簇的方法。

每一轮中，由于簇头不同，形成的簇分布也不同。

由于没有考虑节点位置信息，常导致分簇不均匀。

且其簇内采用“星型”通信方式使得节点能耗很大。

PEGASIS[2]单链算法则通过构造节点数据链，使数据沿链传送至链首节点，由链首将数据发送至BS。

单链方案降低了通信距离和能耗，但路由时延大、可靠性差；所采用的贪心算法是局部最优算法，成链效果差。

针对LECH-C和PEGASIS的缺点，本文提出了一种分簇成链路由算法SOC-IACO。

SOC-IACO由自组织聚类算法SOC和改进蚁群算法[3]WAC组成，其中SOC是我们针对WSN设计的聚类算法，[4]充分考虑了节点分布和簇均衡负载；而WAC 是在基本蚁群算法[5]的基础上通过使用新的信息素更新公式、领域交换等措施来扩大解空间和提高收敛速度。

基于量子蚁群算法的无线传感器网络路由

基于量子蚁群算法的无线传感器网络路由吴俊;罗永红;潘丽姣【摘要】无线传感器网络路由是无线传感器网络研究领域的一个研究热点;针对能最控制在无线传感器网络路由上的特殊要求,为了促使网络节点能量消耗相对均衡,研究者将蚁群算法应用于无线传感器网络的路由,但是蚁群算法在求解无线传感器路由问题时存在易于陷入局部最优和收敛速度慢等问题,将量子蚁群算法应用于无线传感器网络路由,用量子比特的概率幅表示蚂蚁当前位置信息,用量子旋转门更新蚂蚁携带的量子比特,用量子非门实现蚂蚁所在位置的变异;仿真实验表明该方法具有收敛速度快,解的质量高、稳定性好等优点,为蚁群算法在无线传感器网络中应用提出了一种新的解决方案.%Wireless sensor network routing in wireless sensor networks, a research focus areas of research. For energy control in wireless sensor network routing on the special requirements of network nodes in order to facilitate relatively balanced energy consumption, ant colony algorithm is applied to wireless sensor network routing, but the ant colony algorithm in solving the routing problem in wireless sensor there is easy to fall into local optimum and the convergence speed is slow and other issues, this article will quantum ant colony algorithm.Simulation results show that the method has fast convergence and solution quality, high stability and good for the ant colony algorithm applied in wireless sensor networks presents a new solution.【期刊名称】《计算机测量与控制》【年(卷),期】2011(019)002【总页数】3页(P487-489)【关键词】无线传感器网络;蚁群算法;路由;量子蚁群【作者】吴俊;罗永红;潘丽姣【作者单位】义乌工商职业技术学院机电信息分院,浙江义乌,322000;义乌工商职业技术学院机电信息分院,浙江义乌,322000;义乌工商职业技术学院机电信息分院,浙江义乌,322000【正文语种】中文【中图分类】TP3930 引言无线传感器网络(w ireless sensor netw orks，WSN)是由大量具有信息感知，数据处理和无线通讯能力的传感器构成的无线自组织网络[1]。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ａｂｔａｔｓｒｃ：Ｂａｅｎｔｅｆａｕｅｏｎｒｙｄｆｉｎｙｉｒｌｓｅｓｒｎｔｒｓｈｓｐｐｒｐｏｏｅｅｔａｉｅｌｓｒｓｄｏｈｅｔｒｆｅｅｇｅｃｅｃｎｗｉｅｓｓｎｏｅｗｏｋ，Ｔｉａｅｒｐｓｓａｃｎｒｌｄｃｕｔ — ｉｅｚｅ
ｃａｏｅｆｃｅｔｏｔｇａｏｔｍＳＣＩＣ，ｈｃｏｓｔｏｌｏｇｎｚｇｃｓｒｇａｇｒｈ（ｏ）ａｄｉｔｌｅｔｎｈｉｐｗｒｉｉｎｒｕｉｌｒｈＯ－ＡＯｗｉｃｎｉｓｆｅ－ｒａｉｎｌｔｉｌｏｉｍｓｃｎｅｉｎｔｎｅｎｇｉｈｓｓｆｉｕｅｎｔｎｌｇＡ
ｇｔｄａｄｔｎｍｉｅｌｎｌｓｅｏｅｈｉｏｃｕｔｒｈａ．ｈｎａｇｅａｅａａｏｖｒｅｄｗｉｅｔａｓｔｄａｏｇｃｕ — ａｅｎｒｓｔｄａｏｇｃｕｔｒｎｄｓｃａｎｔｌｓｅｅｄＴｅｇｒｇｔｄｄｔｆｅｅｙｈａｌｂｎｍｉｅｌｎｌｓａｔｌｒｔ
ｃａｎｗｉｅｃｎｔｃｅ；ｈｎＢｓｓＩＯｌｏｔｍｏｃｎｔｃｅｒｏｔｌｏｅｈｉｒｅｃｌｓｅ．ｔｌｂｇｒ — ｈｉｌｂｏｓｒｔｄｔｅＳｕｅＡＣａｇｒｈｔｏｓｒｔａｎａ－ｐｉｌｕｉｕｍａｎｄｓｃａｎｆａｈｃｕｔｒＤａａｗｉｅａｇｅｏｌ
第２０卷第６期２１００年１月２
梧学院学报
ＪＵＮＬＯＺＵＵＩＥＳＴＯＲＡＦＷＵＨＯＮＶＲｌＹ
Ｎｏ６１．Ｖｏ．２０Ｄｅ．０１ｃ２０
基于自组织聚类和蚁群算法的无线传感器网络路由算法
ＡｎｌｎｇｒｔｍｔＣｏｏｙＡｌｏｉｈ
ＱｉｉａｕＬｄ
（ｅａｔｎＰｙｉｓｎｉｔｏｉＩｆｒｔｎｎｉｅｒｇｆｎｉｎｎｖｒｉ，ｕｈｕ５１８ＣａＤｐｒｍｅｔｆｈｓｄｅｒｎｃｎｏｍａｉｇｎｅｉＭｉｊｇｉｅｓｙＦｚｏ００，ｍｎ）ｏｃａＥｏＥｎｏａＵｔ３
ｔｒｈａｓｃａｎｔ．ＳｍｕａｉｎｒｓｌｈｗｔａＯＣ— ＡＣＯｒｄｃｓｔｅｎｄｎｒｙｃｎｕｔｎａｄｅｔｎｈｅｗｏｋｌｅｅ－ｅｄｈｉｏＢＳｉｌｔｅｕｔｓｏｈｔＳｏｓＩｅｕｅｏｅｅｅｇｏｓｍｐｉｎｘｅｄｔｅｎｔｒｉ — ｈｏｆｔｙｃｎｉｅｉｇｎｄｓｄｓｉｕｉｎｉｌｓｅｎｒｃｓｎｓｎｏｂｅｌｙｒｃａｎｓｃｕｅｔａｓｔａａｉｂｏｓｄｒｎｏｅｉｔｂｔｎｃｕｔｒｇｐｏｅｓａｄｕｉｇｄｕｌ－ａｅｈｉｔｔｒｏｔｎｍｉｄｔ．ｍｅｒｏｉｕｒｒ
ＣｌｙＡｇｒｈ（Ｃ）．ＳｆｓｙｕｅＯｌｒｈｒｌｓｒａｄｓｌｔａｓｃｔｌｓｒｅｄｎｌｓｒｈａｓｏｎｌｉｍＩＯＢｒｌｓｓＣａｏｔｍｔｆｍｃｔｓｎｅｃｓｓｏｉｅｃｔａｓｄａｃｕｔ — ｅｄｏｏｔＡｉｔＳｇｉｏｏｕｅｅａｄｕｅｈａｅ
邱立达
（闽江学院
【摘
物理学与电子信息工程系，福建
福州
３００）５１８
要】根据无线传感网络能量受限的特点，提出一种低能耗路由算法ＳＣＩＣＯ —ＡＯ，算法由自组织聚类算法ＳＣ和改Ｏ
进蚁群算法ＷＡＣ组成。先通过ＳＣ将节点分簇，选取簇头构造簇头数据链，再通过ＷＡＯＣ构造簇内节点数据链。簇内数据沿节点数据链汇聚至簇头、簇头数据沿簇头数据链汇聚至总簇头，由总簇头发送数据至基站。实验表明，由于聚类过程中考虑了节点分布和簇负载均衡并采用双层链路由，ＳＣＩＣＯ —ＡＯ算法能大幅降低节点能耗提高网络寿命。
【词】无线传感器网络；自组织聚类；蚁群算法关键
【图分类号】Ｎ１中Ｔ９【献标识码】文Ａ【编号】６３８３（０００ —０００文章１７ — ５５２１）６０３— ６
ＡｉｅｅｓＳｎｏｔｒｓＲｏｔｎｏｏｏｓｄｏＷｒｌｓｅｓｒＮｅｗｏｋｕｉｇＰｒｔｃｌＢａｅｎＳｌ－ｒａｉｉｇＣｌｓｅｉｇａｄＩｔｌｇｎｅｆｏｇｎｚｎｕｔｒｎｎｎｅｌｅｔｉ