基于粒子群优化的非均匀分簇路由算法【精品文档】(完整版)

基于粒子群优化的非均匀分簇路由算法

摘要:为了解决无线传感器网络分簇路由算法中存在的“热区”问题和簇头选取问题，设计了一种自适应粒子群优化的非均匀分簇路由算法。首先通过候选节点与汇聚节点之间的距离计算竞争半径并构造出大小不等的多个簇，然后根据簇规模引入优化的粒子群算法，评价节点剩余能量和节点之间的距离等因素选取最终簇头，以剩余能量较多的簇头作为下一跳，形成以汇聚节点为根节点的多跳路由。仿真结果表明，与leach算法和eeuc算法相比，所

提算法网络生存期分别延长了34%和16%,平均能量消耗分别减少了22%和12%，有效地减少了网络节点的能量消耗。

关键词:无线传感器网络；非均匀分簇路由算法；粒子群优化算法；能量消耗；生存期

中图分类号: tp393.07 文献标志码:a

abstract: to deal with the “hot area” problem and cluster heads selection in clustering routing algorithm of wireless sensor network (wsn), the paper designed an uneven clustering routing algorithm based on adaptive particle swarm optimization (pso). firstly, according to the distance between candidate nodes and sink node, the competitive radius was calculated and clusters of various sizes were constructed. then this paper introduced the pso according to the cluster size. the pso was used to select the final cluster heads by

evaluating factors such as residual energy of nodes and distance between nodes. the cluster heads with more residual energy were chosen as the next hop to form multi-top route in which the sink node is the root. the simulation results show that compared with other two similar algorithms, leach and eucc, the proposed algorithm extends 34% and 16% of survival time of network separately, reduces 22% and 12% of average energy consumption respectively, and effectively decreases the network nodes energy consumption.

key words: wireless sensor network (wsn); uneven clustering routing algorithm; particle swarm optimization (pso) algorithm; energy consumption; survival time

0 引言

无线传感器网络(wireless sensor network, wsn)是由部署在监测区域内的大量微型传感器节点形成的一种自组织网络［1］。由于传感节点通过自带电池供电且难以更新，因此，设计出一种能够高效地利用节点的能量且延长网络生存期的路由算法成为无线传感

器网络路由研究的首要目标［2-3］。

经典的低能量自适应分簇路由算法(low-energy adaptive clustering hierarch, leach)［4］每个周期由分簇和数据传输两个阶段构成，但是簇头以随机概率选取且簇头与汇聚节点单跳通

信，容易造成簇头能量耗尽过早死亡。文献［5-7］引入了粒子群优化（particle swarm optimization, pso）算法优化簇头选举，但簇头与汇聚节点单跳通信的方式仍然会造成簇头节点能量的快

速消耗。文献［8-10］在簇头与汇聚节点之间采取多跳的通信方式，有利于节约簇头能量。但是，崔莉等［11］认为距离汇聚节点较近的簇头须转发大量其他簇头发送的数据而消耗过多能量，形成“热区”。针对文献［11］的问题，李成法等提出了非均匀分簇(energy-efficient uneven clustering, eeuc)算法［12］，构造不同规模的簇来改善多跳路由的“热区”问题。但是当簇规模较大时，簇头选取不当更容易造成距离其较远的簇成员节点能量快速地消耗。

针对这些算法存在的不足，本文提出了一种自适应粒子群优化的非均匀分簇路由算法，用以缓解“热区”问题并延长簇内节点的生存期。采用与eeuc算法相同的成簇方案，不同的是本文根据节点与簇头的距离来判断簇规模大小，并在规模较大的簇中使用自适应粒子群优化算法重新选举簇头，当最终簇头选取完成后，以剩余能量较多的簇头作为下一跳，形成以汇聚节点为根节点的多跳路由。

1 pso算法

pso 算法是通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法。假设在d维搜索空间中，群体规模为n，群体中每个粒子i（1≤i≤n）有如下属性：

在d维空间，第t步迭代时的位置表示为向量x i(t)=(x i1 ,x i2 ,…,x id )，飞行速度为v i(t)=(v i1 ,v i2 ,…,v id )。粒子i经历过的最好位置为p i=(p i1 ,p i2 ,…,p id )，在整个群体中，所有粒子经历的最好位置为p g=(p g1 ,p g2 ,…,p gd )。每个粒子根据式(1)和式(2)来更新自身的位置和速度：

x id (t)=x id (t－1)+v id (t)(1)

v id (t)=wv id (t－1)+c 1r 1(p id －x id (t－1))+ c 2r 2(p gd －x id (t－1))(2)

其中：w为惯性权重；c 1和c 2为学习因子；r 1和r 2为区间［0,1］内的随机数。

2 基于pso的非均匀分簇算法

为了延长簇内节点的生存期并缓解由于簇头转发大量数据而消耗过多能量形成的“热区”问题，本文提出了一种基于pso的非均匀分簇路由算法。本算法包括三个阶段，分别为解决“热区”问题的非均匀分簇阶段、减少簇内节点能量消耗的pso优化簇头选取阶段及多跳通信阶段。

2.1 非均匀分簇阶段