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。

蚂蚁在遍历过程中，各条路径的信息素会逐渐消退，用参数1-ρ表示信息素的残留因子，为防止信息素无限累积，ρ的取值范围是[0,1)。

每只蚂蚁在走完一步或者完
成对N个城市的遍历后，需要对残留信息进行更新处理。

设τij(t+n)表示t+n时刻后在路径（i,j）上残留的信息素量，计算公式为：
τij(t+n)=ρτij(t)+Δτij （2）
其中，，Δτij(t)表示在路径（i,j）上的信息素增
量，Δτijk(t)表示第k只蚂蚁在本次循环中在路径（i,j）上留的信息量。

在计算Δτijk的时候，采用蚁周模型计算法，即：
（3）
2蚁群算法在WSN路由能量均衡中的应用
将蚁群算法应用于无线传感器网络路由中，假设在传感器节点i向传感器节点j发送数据时的发送能耗为Esend，j点接收能耗为Ereceive，Es为传感器节点正常工作的能量临界值，则节点i和j必须满足：
≥0 （4）
≥Es （5）
公式（4）表示节点i拥有正常传送数据的能力，公式（5）表示节点j在接收数据后有能力将数据发送到下一传感器节点。

节点i选择节点j采用公式（1），其中ηij计算方式为：
ηij= （6）
dij指i和j两点之间的路径长度，Einistal指传感器节点初始能量值。

这样在节点i遍历网络时不仅考虑了与下一跳节点之间的距离还考虑了下一跳节点的剩余能量和传输到下一跳节点的能量消耗。

对于传感器节点移动时信息素浓度的变化，通过信息素增强和信息素蒸发两种机制实现，这样能够保证数据传输时自动选择优化路径。

在节点i遍历到节点j后，i和j之间的路径信息素浓度按照公式（2）增加。

为了避免传感器节点遍历时过早地集中在某条路径中而使得该路径节点能量消耗过快导致网络瘫痪，使用公式（3）对路径信息素浓度进行周期性蒸发，减小过去信息素影响从而促进新路径的使用。

3实验仿真及分析
假定无线传感器网络部署的范围为一个200×200的正方形区域，数据发送源节点位于（0,0），目的节点为（200,200），在区域内随机分布160个传感器节点，节点的通信半径为20，初始能量均为100个单位，临界工作能量为20个单位，
节点发送能耗为0.5个单位，接收能耗为0.25个能量单位，节点的距离通过平面两点间的距离公式来进行计算。

取α=2，β=1，ρ=0.1，用仿真实验对基于基本蚁群算法的路由算法和本文提出的路由算法进行比较，每个算法实验执行30次，每次执行1000次循环。

从图2实验结果中可以看出，采用基于基本蚁群算法来进行WSN路由时，某些传感器节点能量消耗过大而其余节点能量利用不充分，这样导致了优势路径中传感器节点负担较大导致网络寿命短暂；而图1中采用本文提出的蚁群算法的来进行WSN路由时，节点能量消耗相对平均，均衡了WSN各传感器节点的能量利用，从而延长了网络寿命。

参考文献
[1]梁华为,陈万明,李帅,等.一种无线传感器网络蚁群优化路由算法[J]. 传感器技术学报,2007,20 (11).
[2]叶志伟,郑肇葆.蚁群算法中参数α、β、ρ设置的研究­-以TSP问题为例[J].2004,(7).
[3]马良,项培军.蚂蚁算法在组合优化中的应用[J]. 管理科学学报,2001,4(2).
[4]任丰原,黄海宁,林闯.无线传感器网络.软件学报,2003,14(7).
[5]Dorigo M, Gambardella L M. Ant colonies for the travelling salesman problem R. Technical Report/IRIDIA/96-3, Belgium: Universite Libre de Bruxelles,1996.
‘
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。