基于量子遗传算法的无线传感器网络路由_钱晓华

辽宁大学学报

自然科学版第37卷　第2期　2010年

ＪＯＵＲＮＡＬＯＦＬＩＡＯＮＩＮＧＵＮＩＶＥＲＳＩＴＹ

ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ

Ｖｏｌ.37　Ｎｏ.2　2010

基于量子遗传算法的无线传感器网络路由

钱晓华＊

,王俊平

(辽宁大学经济学院计算机室,辽宁沈阳110036;辽宁大学计算中心,辽宁沈阳110036)

摘　要:提出了基于量子遗传算法的无线传感器网络的路由,利用量子遗传算法的高效搜索性,得到源节点和目的节点之间存在最佳路径,从而降低网络延迟,最大限度来保证网络总体能量消耗最少,延长无线传感器网络寿命.

关键词:量子遗传算法;无线传感器网络;路由

中图分类号:ＴＰ393 文献标识码:Ａ 文章编号:1000-5846(2010)02-0113-03

　＊作者简介:钱晓华(1960-),女,吉林抚松人,实验师,从事信息管理与实验研究。

收稿日期:2010-03-29

无线传感器网络由大量具有数据感知、信息处理和无线通信能力的传感节点组成,将节点部

署在感知对象附近采集信息,节点监测的数据沿着通过自组织的方式构成网络中的其他节点逐跳的进行传输,在传输过程中数据可能被多个节点处理,经过多跳后,通过互联网或卫星到达管理节点由监测者收集数据[1]

.无线传感器网络在军事、民用和工业、医院等生产领域具有非常广阔的应用前景.

与传统网络相比,其节点的能量、通信和处理数据能力较有限,所以路由设计需考虑其容错性、可扩展性、可靠性和节能等需求,利用一条路径进行数据传输的路由协议ＤＤ,是一种基于查询的路由协议,ＤＤ协议的设计只考虑单个节点的能量消耗,总体能量消耗方面考虑较少,并且面对网络攻击或者其他灾害时不能够及时地进行信息反馈.而在无线传感器网络中,网络总体能量关系到网络的生存寿命.仅依靠某一条路径进行数据传输造成部分节点的过早失效,最终导致网络迅速崩溃,从而降低网络生存寿命.为此,ＲａｈｕｌＣ.Ｓｈａｌ等人提出了一种能量多路径路由机制[2]

,在源节点和目的节点之间建立多条路径,根据路径上节点的通信能量消耗以及节点的剩余能量情况,给

每条路径赋予一定的选择概率,使得数据传输均衡消耗整个网络的能量,延长网络的生存期,但其

在某些重负荷节点保护和局部路径的优化方面还是不够有效.

由此,提出利用量子遗传算法[3-4]

(ＧｅｎｅｔｉｃＱｕａｎｔｕｍＡｌｇｏｒｉｔｈｍ,ＧＱＡ)增大搜索范围,实现信息的交流,从而在整体上高效优化搜索多路径,因此提出基于量子遗传算法的无线传感器路由算法,从而降低网络能耗,延长无线传感器网络的使用寿命.

1基于量子遗传算法的无线传感器网络路由

量子遗传算法是量子计算与遗传算法相结合的产物.基于量子比特和量子态叠加特性的遗传量子算法,采用多状态基因量子比特编码方式和通用的量子旋转门操作.引入动态调整旋转角机制和量子交叉,具有通用性,且效率更高

[5]

.

2基本概念

用图论形式化语言描述将无线传感器网络节点和链接,将路由传输问题映射到一个符号状态空间,即描述无线传感器网络模型.

【定义1】用Ｎ(Ｖ,Ｅ)表示网络.Ｖ为无线传感器网络节点集,Ｅ表示双向链路集,ｓ∈Ｖ为源节点,Ｄｅｌａｙ(ｅ)为目标节点集.

【定义2】网络时延:假设对于任一链路Ｍ　∪{Ｖ-{ｓ}},延时函数为Ｄｅｌａｙ(ｅ),对于任一网络节点ｎ∈Ｎ,端到端的时延函数为:Ｄｅｌａｙ(ＰＴ(

ｓ,ｔ))=

∑

ｅ∈Ｐｔ

(ｓ,ｔ)Ｄｅｌａｙ(ｅ)+

∑

ｅ∈ＰＴ

(ｓ,ｔ)Ｄｅｌａｙ(ｎ)°.

【定义3】数据丢包率:假设对于任一网络节点

ｎ∈Ｖ,丢包率函数为Ｌｏｓｓ(ｎ),则端到端的丢包率

为:Ｌｏｓｓ(Ｐｔ

(ｓ,ｔ))=1-∏

ｅ∈ＰＴ

(ｓ,ｔ)

(1-Ｌｏｓｓ(ｎ))°.

3量子遗传路由算法流程

Ｓｔｅｐ1:令ｔ=0,对节点规模为Ｎ的网络初始

化,对表示路由链路的节点进行量子比特编码,量子测量一次,则可以得到初始节点种群Ｑ(ｔ)={Ｐ1,Ｐ2….Ｐｎ}

.Ｓｔｅｐ2:对初始节点种群每个节点进行一次测量,得一个状态Ｐ(ｔ);

Ｓｔｅｐ3:对每个网络状态计算其适应度,每个网络状态的适应度函数如下:ｆ(ｘ)=ω1

ｃｏｓｔ(Ｔ(ｓ,Ｍ))

(ω2＊Ｆ(ｄ)+ω3＊

ｆ(ｊ)+ｆ(ｐ))Ｓｔｅｐ4:记录最佳节点及节点的适应度值;

Ｓｔｅｐ5:ｗｈｉｌｅ(小于最大迭代次数)①ｔ=ｔ+1;

②对节点种群Ｑ(ｔ)中每个节点进行一次测量,得到一个网络状态Ｐ(ｔ);

③对每个状态计算适应度;

④利用旋转量子门操作对节点进行更新;

⑤记录下最佳节点及其适应度.Ｓｔｅｐ6:保存最优传输路径,传输数据.

4算法分析

在传统的路由机制中,一般利用一条路径传输

数据信息,以某一参数值来衡量是否最优的传输路径,但是由于多种因素的制约,使用单条路径进行数据传输,在能量的消耗和传输效率上都存在着不足,不能满足较大规模的无线传感器网络.利用量

子遗传算法优化源节点和目的节点之间的路径以及局部路径,使得在不影响数据传输的同时,也保

证了网络整体能量的均衡和最小消耗,多条传输路径使得网络抵抗攻击的能力增强,进而也提高了网络安全性.量子遗传算法在多条传输路径中求最优路径时,利用量子概率编码个体的独立搜索能力,通过多个个体同时搜索以增强算法的搜索性能,克服无线传感器网络局限性,从而实现了目标的全局优化,以达到优化无线传感器网络传输路径的目的,进而降低整体能耗,延长网络寿命.

5仿真实验

为了测试量子遗传算法(ＬＹ)在无线传感器

网络路由传输中的效果,将其与定向扩散路由协议(ＤＤ)进行了比较.场景配置如下:节点均匀分布在100ｍ×100ｍ的区域中,节点最大传输距离

为100ｍ,节点初始能量为1Ｊ,仿真总时间为800ｓ,网络节点个数分别取50,100,150,200,250,300.

实验从以下两个方面进行了仿真比较:平均传输延迟是由无线传感器网络中的源节点到目的节点发送数据的平均传输延迟.从图1看出在相同节点数目的情况下,量子遗传算法的平均传输延迟比定向扩散协议的传输延迟小.而且量子遗传算法的时间平均传输延迟随着节点数目的增长幅度也比定向扩散协议的平均传输延迟的增长幅度小.这是因为量子遗传算法在求最优路径时,通过多个节点同时搜索,增强了算法的搜索性能,优化无线传感器网络传输路径的目的,从而降低网网络延迟

.

图1

平均传输延迟

114辽宁大学学报 自然科学版 2010年