基于蚁群的无线传感器网络分簇路由算法

合集下载

7基于蚁群的无线传感器网络路由算法_张海娟

传感器与微系统(T ransducer and M i c rosyste m T echno l og i es)2010年第29卷第1期计算与测试基于蚁群的无线传感器网络路由算法*张海娟,付争方(安康学院电子与信息工程系,陕西安康725000)摘要:针对无线传感器节点能量、通信能力及计算能力有限等特点,将蚁群算法应用于无线传感器网络,提出一种改进的蚁群路由算法,考虑了节点的能量、距离、通信半径和传输方向等参数.实验结果表明:该算法有效地减少了网络能量消耗、节点死亡数、路由跳数和数据传输的路径长度,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。

关键词:无线传感器网络;传感器节点;蚁群算法;路由中图分类号:TP393.04文献标识码:A文章编号:1000)9787(2010)01)0084)03Ant colony-based w ireless sensor networks routi ng algorith m*Z HANG H a-i juan,FU Zheng-fang(D epart m en t of E l ec tron ics and In for m ati on E ngi neer i ng,Ankang Un iversity,Ankang725000,Ch i n a)Abstract:A i m ed a t the feature o f w ire less senso r net wo rks(W SN s)nodes,such as energy-constra i ned,li m itedcomm un i cations capab ility and l ow er computi ng power and so on.A nt co l ony algorith m is app lied t o W S N s.Anovel routi ng a l go rith m o f W SN s w hich i s based on an t co l ony a l gor it hm i s presented.T he ene rgy o f nodes,d istance,radi us of co mm un ica tion and trans m i ssi on d irection and o t her para m eters is taken i nto account.R esea rchres u lts show that t h i s routing a lgo rith m can reduce ene rgy consu mp tion,the dead nu m be r of nodes,routi ng hopsand t he length of data trans m ission path.A s a resu lt of pro long i ng the life of w ire l ess sensor ne t w orks and m ak i ngthe W S N s f ast and ene rgy-e ffi c ient in the communicati on process.K ey word s:w ireless sensor net w orks(W SN s);sensor nodes;ant co lony a l go rith m;routi ng0引言蚁群算法是D origo M[1]提出的一种基于生物习性的启发式算法,用于解决复杂组合优化问题。

基于自组织聚类和蚁群算法的无线传感器网络路由算法

Ａｂｔａｔｓｒｃ：Ｂａｅｎｔｅｆａｕｅｏｎｒｙｄｆｉｎｙｉｒｌｓｅｓｒｎｔｒｓｈｓｐｐｒｐｏｏｅｅｔａｉｅｌｓｒｓｄｏｈｅｔｒｆｅｅｇｅｃｅｃｎｗｉｅｓｓｎｏｅｗｏｋ，Ｔｉａｅｒｐｓｓａｃｎｒｌｄｃｕｔ — ｉｅｚｅ
ｃａｏｅｆｃｅｔｏｔｇａｏｔｍＳＣＩＣ，ｈｃｏｓｔｏｌｏｇｎｚｇｃｓｒｇａｇｒｈ（ｏ）ａｄｉｔｌｅｔｎｈｉｐｗｒｉｉｎｒｕｉｌｒｈＯ－ＡＯｗｉｃｎｉｓｆｅ－ｒａｉｎｌｔｉｌｏｉｍｓｃｎｅｉｎｔｎｅｎｇｉｈｓｓｆｉｕｅｎｔｎｌｇＡ
ｇｔｄａｄｔｎｍｉｅｌｎｌｓｅｏｅｈｉｏｃｕｔｒｈａ．ｈｎａｇｅａｅａａｏｖｒｅｄｗｉｅｔａｓｔｄａｏｇｃｕ — ａｅｎｒｓｔｄａｏｇｃｕｔｒｎｄｓｃａｎｔｌｓｅｅｄＴｅｇｒｇｔｄｄｔｆｅｅｙｈａｌｂｎｍｉｅｌｎｌｓａｔｌｒｔ
ｃａｎｗｉｅｃｎｔｃｅ；ｈｎＢｓｓＩＯｌｏｔｍｏｃｎｔｃｅｒｏｔｌｏｅｈｉｒｅｃｌｓｅ．ｔｌｂｇｒ — ｈｉｌｂｏｓｒｔｄｔｅＳｕｅＡＣａｇｒｈｔｏｓｒｔａｎａ－ｐｉｌｕｉｕｍａｎｄｓｃａｎｆａｈｃｕｔｒＤａａｗｉｅａｇｅｏｌ

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。

基于蚁群算法的无线传感器网络路由协议综述

th
th
th
Abstract
This paper briefly introduces the characteristics of the wireless sensor network, the principle and characteristics of the basic ant colony algorithm, and summarizes the application of ant colony algorithm in the traveling salesman problem. Then, it focuses on how to improve the ant colony algorithm and apply it to the wireless sensor network, and points out the comparative performance of the WSNs routing protocol based on the improved ant colony algorithm.
2.3. 蚁群算法在路径寻优中的应用
旅行商问题 TSP (Traveling Salesman Problem)是经典的线路寻优问题。其实质是一个旅行商要遍历 N 个城市，从一个城市出发，经历所有城市且每个城市仅仅经历一次后回归出发的城市，要求遍历路径最短。TSP 问题规则简单，随着问题规模的增大求解复杂度骤增。以 50 个城市为例，采用穷举法再择优，由于路径总数量巨大，计算非常费时。但是，蚁群算法具有很强的发现最优解能力，适合解决此类问题。设定 n 为城市规模， m 为蚂蚁个数，网络运行初始每条路径上信息素为零。下面给出任意时刻 t 时，蚂蚁 k 从城市 i 到城市 j 的转移概率公式，如式(1)所示。 α τ ij ( t )ηijβ ( t ) , j ∈ allowed k α β Pijk ( t ) = ∑ τ is ( t )ηis ( t ) s∈allowedk 0 , otherwise

一种无线传感器网络分簇路由算法

一种无线传感器网络分簇路由算法王桂凤【期刊名称】《电脑知识与技术》【年(卷),期】2013(000)035【摘要】该文从经典低能量自适应分簇算法的基础出发，探讨了基于蚁群算法的无线传感器网络分簇路由算法。

将蚁群算法，应用到簇间路由中，找出簇头到基站的最佳路径，实现离基站较远的簇头节点，能够以最佳路径进行信息传输，达到减少簇头结点的能量开销的目的。

仿真结果表明，该算法在延长网络生存期方面相比LEACH算法提高约30%。

%This article from the classic low-energy based adaptive clustering algorithm, this paper discusses the ant colony algo-rithm based on wireless sensor network clustering routing algorithm. The ant colony algorithm is applied to the inter-cluster routing, locate the cluster head to the base station the best path to achieve far away from the base station cluster head node, can be the best path for information transmission, to reduce the energy of the cluster head node the purpose of the overhead. Simula-tion results show that the algorithm prolong network lifetime compared to LEACH algorithm improves aspects of approximately 30%.【总页数】3页(P7941-7943)【作者】王桂凤【作者单位】郑州旅游职业学院，河南郑州450009【正文语种】中文【中图分类】TP393【相关文献】1.一种新的无线传感器网络分簇路由算法 [J], 常城;谭明皓2.一种高效节能的无线传感器网络分簇路由算法 [J], 施志刚;李桂娟;李亮;张持健3.一种能耗均衡的无线传感器网络分簇路由算法 [J], 张诗悦;吴建德;王晓东;范玉刚;冷婷婷4.一种近似秩排序的无线传感器网络分簇路由算法 [J], 张雅琼;张慧;林基艳5.一种基于平均剩余能量的无线传感器网络分簇路由算法 [J], 鄢丽娟;张彦虎因版权原因，仅展示原文概要，查看原文内容请购买。

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]。

基于蚁群算法的无线传感器网络路由算法研究的开题报告

基于蚁群算法的无线传感器网络路由算法研究的开题报告一、选题背景随着科技的不断发展，无线传感器网络（Wireless Sensor Networks，简称WSN）成为了一种重要的信息采集、处理和传输的技术手段。

无线传感器节点通常由传感器、处理器、存储器、无线通信模块等组成，能够实现对环境的监控，数据的采集和处理，并通过无线通信技术将数据传输到基站。

无线传感器网络具有自组织、自适应和自修复等特点，在农业、环境监测、智能交通等领域得到广泛应用。

在无线传感器网络中，路由算法是其中一个重要的研究方向，它决定了节点之间的通信路线，对于网络的稳定性和能耗等方面有着重要的影响。

传统的路由算法包括距离矢量算法、链路状态算法等，但是这些算法存在着路由表的快速变化、能耗不均衡等问题，在实际应用中并不适合。

蚁群算法（Ant Colony Algorithm，简称ACO）是一种基于群体智能的启发式算法，在解决组合优化问题时具有较好的表现。

其原理是通过模拟蚂蚁在寻找食物时释放信息素、依照信息素浓度选择最短路径的过程，来求解优化问题。

无线传感器网络是一个复杂的优化问题，蚁群算法在其中具有很好的优化能力，因此在无线传感器网络中应用蚁群算法进行路由优化的研究具有重要的意义。

二、研究内容和目标本课题旨在利用蚁群算法，研究无线传感器网络的路由优化问题，并针对现有蚁群算法在应用中存在的问题进行改进。

具体内容包括：1.分析无线传感器网络中的路由优化问题，总结现有的路由算法的优缺点。

2.研究蚁群算法及其在组合优化问题中的应用。

3.提出基于蚁群算法的路由优化方法，并对该方法进行改进，解决存在的问题。

4.利用NS-3仿真平台，对该路由优化算法进行模拟实验，分析该算法的性能指标，如能耗、延迟等。

5.对仿真实验结果进行分析和讨论，总结算法的优缺点，并对以后的研究进行展望。

三、研究方法本课题采用文献调研、理论分析和仿真实验相结合的方法进行研究。

具体方法如下：1.通过阅读相关文献，收集有关蚁群算法、无线传感器网络和路由优化的资料，对现有路由算法进行总结和分析。

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分簇路由算法

基于蚁群的无线传感器网络分簇路由算法王桂凤;王勇;陶晓玲【摘要】在研究经典低能量自适应分簇路由算法的基础上,提出基于蚁群的无线传感器网络分簇路由算法.该算法将蚁群算法应用到簇间路由机制中,寻找簇头到基站的最佳路径,使得离基站较远的簇头节点沿着最佳路径传输信息,有效地减少了簇头节点的能量开销.同时,在簇头选举时,该算法不仅考虑簇头节点的剩余能量,而且兼顾簇头与簇头之间的距离,使得簇头分布更加均匀.仿真结果表明,该算法和LEACH及DADC算法相比,有效地均衡了网络能量消耗,并延长了网络生命周期.【期刊名称】《计算机工程》【年(卷),期】2010(036)018【总页数】3页(P73-75)【关键词】无线传感器网络;蚁群算法;数据汇聚【作者】王桂凤;王勇;陶晓玲【作者单位】桂林电子科技大学网络信息中心,广西,桂林,541004;桂林电子科技大学网络信息中心,广西,桂林,541004;桂林电子科技大学网络信息中心,广西,桂林,541004【正文语种】中文【中图分类】TP301.61 概述无线传感器网络(Wireless Sensor Network, WSN)是由众多具有通信和计算能力的传感器节点，以多跳通信、自组织方式形成的网络[1]。

由于传感器节点由电池供电，电源能量有限，因此如何高效、合理地使用能源，尽可能地延长网络的生命期，成为传感器网络研究的核心问题之一[2]。

网络路由是实现网络高效通信的基础，这使得 WSN的路由算法作为一项关键技术已成为目前的研究热点。

文献[3]提出一种称为低能量自适应分簇路由(LEACH)算法的动态分簇协议。

然而，该算法还存在簇头分布不均匀、所有簇头直接与基站通信、远离基站的簇头能量损耗很快的问题。

文献[4]提出了一种基于蚂蚁算法的分布式数据汇集路由算法(DADC)，该算法的基本思想是通过一组称为“蚂蚁”的人工代理寻找到达Sink节点的最优路径，并利用蚂蚁算法的正反馈效应达到数据汇集的目的。

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

一种基于蚁群算法的无线传感器网络分簇算法的开题报告

一种基于蚁群算法的无线传感器网络分簇算法的开题报告一、选题背景：无线传感器网络（Wireless Sensor Network，WSN）是由大量的分散的无线传感器组成的网络，每个传感器节点都具备感知、处理、通信等基本功能，可用于多种应用领域，如环境监测、物流、医疗等领域。

在WSN中，分簇算法是一种提高网络能量利用效率的重要方法，它将大规模无线传感器网络分解成多个小型的簇，实现节能、均衡、分布式的数据采集和处理，同时减小网络丢包率和延迟等问题。

目前，该领域的研究主要聚焦于如何设计高效的分簇算法来提高网络性能。

二、选题意义：分簇算法被广泛用于WSN中，为了解决一些问题，例如大量的数据传输、信道效率低、节点不平衡等问题。

目前，分簇算法可以分为集中式和分布式两种。

前者通常是由链路层或路由层中心节点来完成，后者则是由传感器节点自身来完成。

而本文研究的是一种基于蚁群算法的无线传感器网络分簇算法。

通过本文的研究，可以提出一种更为高效的、适用于WSN的分簇算法。

三、论文目标：本文主要目标是利用蚁群算法，实现对WSN的有效分簇，实现数据采集和处理的均衡、分布式灵活和能源利用效率高。

蚁群算法作为一种启发式算法，其优点在于其复杂度低、适应性强以及对于问题的全局搜索能力优秀，同时由于其具有良好的分布式特性，因此更适合于无线传感器应用中。

本文的主要贡献是提出了一种基于蚁群算法的无线传感器网络分簇算法，在对性能进行评估后证明了其优越性能。

四、论文研究方法：本文采用蚁群算法实现对WSN的有效分簇。

具体地，先将所有节点看做一个个蚂蚁，每只蚂蚁向周围节点探测，通过对各被探测到节点的质量和距离等信息进行记录并计算，最终将所有节点划分为不同的簇，从而实现了对WSN的有效分簇。

五、论文预期结果：预期结果是一种基于蚁群算法的无线传感器网络分簇算法。

在该算法下，WSN节点的分簇能够实现快速遍历，同时保证较高的网络传输效率，从而提升WSN的能源利用效率、数据采集效率和服务质量等综合性能。

基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法

基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法作者：缪聪聪等来源：《计算机应用》2013年第12期摘要：无线传感器网络（WSN）路由中，节点未充分考虑路径剩余能量及链路状况进行的路由会造成网络中部分节点网络寿命减少，严重影响网络的生存时间为此，将蚁群优化算法与非均匀分簇路由算法相结合，提出一种基于蚁群优化算法的无线传感器非均匀分簇路由算法该算法首先利用考虑节点能量的优化非均匀分簇方法对节点进行分簇，然后以需要传输数据的节点为源节点，汇聚节点为目标节点，利用蚁群优化算法进行多路径搜索，搜索过程充分考虑了路径传输能耗、路径最小剩余能量、传输距离和跳数、所选链路的时延和带宽等因素，最后选出满足条件的多条最优路径，完成源目的节点间的信息传输实验表明，该算法充分考虑路径传输能耗和路径最小剩余能量、传输跳数及传输距离，能有效延长无线传感器网络的生存期关键词：蚁群算法；能量均衡；非均匀分簇；无线传感器网络；路由算法中图分类号：TP393 文献标志码：A0引言无线传感器网络（Wireless Sensor Network，WSN）是一种获取和处理信息的新兴技术，被大量应用到环境监测和野外设备监控方面[1-2]，但WSN节点仅依靠电池供电，不合理的能量消耗会使网络过早出现死亡节点而降低网络生存期因此如何设计节约节点能耗且提高网络通信质量的WSN路由算法成为研究热点人们提出了分簇路由算法以减少开销，方便管理节点和控制信道接入，提高资源使用效率[3]Heinzelman等[4]提出了经典的低功耗自适应分簇（Low Energy Adaptive Clustering Hierarch，LEACH）协议，采用随机选取节点作为簇头的分簇方式来降低网络能耗，但通信采用单跳方式，所有簇头直接向基站传送信息，能耗较大之后提出的改进算法EECS[5]通过候选节点广播自己的剩余能量来竞选簇头，簇头的选择要考虑自身到基站的距离，但远离基站的簇比靠近基站的簇要求更多的能量，在均衡全网能耗上并不理想文献[6]首次提出利用非均匀分簇的思想来解决这个“热区”问题，但是它考虑的是一个异构网络，簇头为超级节点，而且位置是事先计算好的，无需动态构造簇的操作文献[7]提出了一种基于非均匀分簇的无线传感器网络路由协议EEUC，通过非均匀分簇来均衡网络能耗，但需要周期性地随机竞选簇首，而且竞选簇首时只考虑了节点的剩余能量，未考虑链路可靠性和实时性后来在非均匀分簇基础上又提出基于最小生成树的非均匀分簇算法UCRAMST[8]、基于粒子群的非均匀路由算法[9]等以上算法只从剩余能量的角度来考虑，并没有考虑链路的其他状况，无法选择最优的路径进行路由，会导致更多不必要能量的消耗基于蚁群算法（Ant Colony Algorithim，ACA）[10-13]的无线传感网路由协议是目前国内外研究的热点之一基于蚁群算法的路由协议通过蚂蚁包的发送，每个节点都可以获悉网络当前实际情况，并根据信息素概率公式选择下一跳，非常适合设计这种能量负载均衡同时又可综合考虑链路状态和实时性的多路径分簇路由协议文献[14]中提出的ARA算法是最早的将蚁群算法应用于无线移动自组织网络的按需多路径算法，路由的建立依靠前向蚂蚁和后向蚂蚁来实现，开销比较小文献[15]中提到的IEEABR算法是一个主动式的路由协议，采用累加的方式进行信息素更新，但这样的策略容易陷入局部最优，使个别路径上的节点过早死亡，从而对整体的网络寿命和通信能力产生不利影响在以往WSN非均匀分簇路由算法研究中，采用非均匀分簇可避免“热区”而导致节点死亡，但较少考虑能量以外的其他环境参数，采用蚁群算法模型可以较好解决非均匀分簇路由算法没有充分考虑簇首与基站之间各跳的带宽、实时性、路径上剩余的最小能量、距离目的节点的跳数来进行最优路径选择的问题文献[16]提出的利用蚁群的非均匀分簇路由算法考虑了带宽和实时性，但没有考虑已成功发送数据的路径消耗的能量以及路径上节点的最小剩余能量，在路由更新时没有考虑节点到目的节点的跳数，会导致局部路径最优因此，本文将蚁群优化算法与非均匀分簇路由算法相结合，提出一种基于蚁群优化算法的无线传感器非均匀分簇（Ant Colony based Energy Balanced Uneven Clustering，ACEBUC）路由算法优化非均匀分簇方法考虑节点能量对节点进行分簇，而蚁群优化算法则进行多路径搜索，搜索过程考虑路径上剩余的最小能量、距离目的节点的跳数、所选链路的时延和带宽等因素，更合理地更新信息素和设计下一跳的概率公式1蚁群算法蚁群算法是由意大利学者Dorigo等[10-11]提出的一种基于种群的启发式仿生进化系统蚁群算法最早用于解决著名的旅行商问题（Traveling Salesman Problem，TSP），采用了分布式正反馈并行计算机制，易于与其他方法结合，并具有较强的鲁棒性[12-13]基于蚁群算法的路由协议中，每个节点维护一张路由表和一张附加表：路由表记录目标节点地址和到达目标节点地址的下一跳的启发式信息值；附加表包含网络蚂蚁流量的分布信息，记录蚂蚁经过的节点通过设计选择下一跳的概率公式和启发式信息值可设计不同的路由算法以往的相关研究证明，基于蚁群的路由算法能延长网络生存时间，但是会陷入局部最优，导致能量消耗“热区”本文结合非均匀分簇的能量均衡的优势设计基于蚁群的路由协议，以解决两者的不足，达到延长网络生存时间的目的2网络模型考虑一个M×M的正方形区域内随机分布N个传感器节点，本文假设：1）在观测区域内，传感器节点和基站在部署后均不会发生位置移动；2）所有节点都是同构的；3）链路是对称的，若已知对方发射功率，节点能够根据接收信号的强度（Received Signal Strength Indication，RSSI）来计算到发送者的近似距离；4）根据接收者的距离远近，节点可以调整其发射功率来节约能量本文在EEUC的非均匀分簇结构的基础上采用ACEEUC算法进行优化EEUC采用分布式拓扑控制算法非均匀分簇结构，如图1所示用一个n个点m条边的无向加权连通图G（V，E）作为网络模型，V是簇首和汇聚节点，E是边集设C是簇首集合，有N个元素，Sink是汇聚节点，路由问题就是在G中寻找从C中任意要发送数据的节点到Sink节点满足性能要求的多条路径设每一跳链路i上所消耗的能量为ei，链路延迟为ti，链路带宽为bi现要求N跳路由链路要满足目标函数f（Sink）最小：本文用EDF表示融合单位比特数据消耗的能量假设邻近节点采集的数据具有较高的冗余度，每个成员发送长度为b的数据包，簇头可以将其成员的数据融合成长度为b的数据包，而簇间通信冗余度很低，不能融合3ACEBUC路由算法本文提出的ACEBUC算法按轮次分为簇首选举、路径搜索、数据传输、簇内调整和路由更新能量均衡主要体现在采用非均匀分簇的方式解决基站附近容易出现热区的问题，本文的簇首选举方法是在文献[7]方法上进行优化改进，而在路径搜索方面则采用基于蚁群的簇首多跳路径搜索，将节点能量和链路的时延及带宽信息作为启发式信息3.1簇首选举采用非均匀分簇的方式可以解决基站附近容易出现热区的问题，EEUC对候选簇首的选择是依据LEACH算法中的随机获取每个节点成为候选簇首的概率t，且与设定的阈值T进行比较，选出t本文提出的ACEBUC算法考虑尽可能增长网络生存时间，簇首选举只在第一轮采用全网络竞争方式，后续轮在簇内进行调整选择簇首候选节点应该是能量较充足的节点为让剩余能量多的节点成为候选节点的概率增大，现对T（i）作如下改进：其中：Eri是si节点的剩余能量，Erave为全网平均剩余能量，p为簇头节点占所有节点百分比的期望值网络内的簇首个数对网络的生存时间存在影响，过多或者过少都不合适，为了减少能耗，需要在选择簇首阶段确定理想簇首数，同时确定簇首的广播半径本文采用由文献[5]提出的理想簇首数目：3.2基于蚁群的路径搜索在簇首将数据传输到目的节点的这个阶段，簇首首先对簇内数据进行融合，然后数据以多跳通信的方式发送至目的节点，随后，非簇首节点进入休眠状态以节约能量多路径搜索是基于蚁群算法的模型，簇首节点释放蚂蚁寻找从簇首到目的节点的有效路径，每个蚂蚁都有自己的内存表，用禁忌表来存储已经过的节点，以后在搜索中不能访问这些节点，用簇首节点表（allowed）存储允许访问的节点ACEBUC协议中规定前向蚂蚁要携带以下信息：所有簇首节点ID、能耗Ecost、剩余能量Eremain、信息素τkij、概率pki，j（t）、已访问节点字段VisitedNode、时延delayij和带宽bandwidthij；后向蚂蚁要携带已访问节点字段VisitedNode、链路最小剩余能量EkminRemain和链路平均消耗能量EaveCostACEBUC协议中规定前向蚂蚁要携带以下信息：所有簇首节点ID、产生前向蚂蚁的源节点地址SrcAdd、已访问节点字段VisitedNode，蚂蚁访问过节点已消耗的能量总和Esum，蚂蚁从源节点出发的时间SrcTime；蚂蚁经过簇首建立的路由表信息包括：能耗Ecost，剩余能量Eremain，信息素τkij，下一跳概率pki，j（t）；后向蚂蚁要携带已访问节点字段VisitedNode，此后向蚂蚁对应的前向蚂蚁从源节点出发的时间SrcTime，链路最小剩余能量Emin，链路平均消耗能量Eavg每个前向蚂蚁的任务是找一条连接源节点到目的节点的路径，在源节点和目的节点之间的节点若没有路由信息，则广播前向蚂蚁，若有路由信息则按着下一跳的信息素概率公式单播发送前向蚂蚁，其下一跳选择只能从allowed中以某种概率搜索，概率pki，j（t）的计算公式为式（9）：在路径搜索中，前向蚂蚁分组里携带了从源节点出发的时间，这样端到端的时延很容易获得，同时链路带宽和发送数据包的大小已知；利用数据包传输的延迟时间，汇聚节点可以计算出源节点到汇聚节点的数据发送率，将这个速率与预期速率相比较，若小于预期速率，则意味着产生了丢包同时在前向蚂蚁到达一个簇首后更新簇首路由表，根据能耗模型公式计算接收能耗以及到下一跳的发射能耗总和，同时更新路由表的剩余能量，然后更新蚂蚁携带的信息包中的总消耗能量，直到找出满足目标函数的最优路径3.3路由更新当源数据节点的簇首si将数据成功发送到目的节点之后，统计传输信息的转发时延，根据后向蚂蚁获取路径上的最小剩余能量以及路径的平均能耗、距离目的节点的跳数，更新各簇头sj的信息素浓度在蚁群算法中，信息素增强为式（12），路由更新采用式（13）ACEBUC算法对信息素的更新不是传统的累加方式，而是节点每次收到后向蚂蚁就重新计算链路信息素，这样数据包在网络上的分布更均匀此定义对sj节点的信息素更新公式如（14）所示3.4簇内调整在第一轮数据传输的最后，要判断路由经过的簇首能量水平，若簇首能量高于簇平均能量，保持原簇首不变；反之，进行簇内调整，选取大于平均能量的节点进入簇内候选节点，低于平均能量的节点进入休眠设候选簇首个数为m，在候选簇首中再依据式（8）求得下一轮簇首新选出的簇首广播原簇首ID、自身ID、自身剩余能量的消息通知簇内成员及其他簇首成员，所有簇首节点收到簇头调整信息后更新各自对应的路由表信息4仿真与分析现对EEUC、ACOUC、IEEABR算法和本文提出的ACEBUC算法分别用NS2进行了仿真，并在能耗、可靠性、实时性、路由成功率方面进行分析ACEBUC的工作方式是周期性采集目标数据传输给汇聚点，适用于对野外环境进行周期性信息采集和实时监控，节点随机布撒或分布在被监控设备周围实验中所用的参数如表1所示，其中能量消耗模型所用参数取自文献[5]4.1簇首特征本文采用改进的EEUC算法的非均匀分簇方式，在文献[9]中指出簇首数目由参数R0c和c 共同决定，同时由实验证明在c=0.5时，网络存活时间最长在c固定时，簇首数目与R0c成反比本文取c=0.5，由式（5）可知理想簇头个数为2～56，由图5可知，可取30m进行实验，生成的簇头数为40，在理想簇首范围内4.2网络能量消耗EEUC算法均采用每轮依据概率重新选取簇头，每轮生成的簇首数目会有波动，而一个稳定的分簇算法应在网络拓扑固定的情况下，生成较一致的簇首数目；ACOUC算法在信息素更新时仍采用累加信息素的方式，并没有考虑在路由成功后，具有较高信息素的路径由于承担过多数据发送任务反而消耗过多能量；IEEABR算法由于没有采用非均匀分簇的方式，容易知道在靠近汇聚点的簇首耗能较大；ACEBUC仅在首轮采用竞选方式，之后在簇内进行选举，因此簇首数目稳定，整个网络具有较好的稳定性在每一轮次中所有簇首消耗的能量在所有节点消耗的总能量中占大部分比重通过实验统计四种算法每轮簇首消耗的能量，第一个实验点记录首轮消耗能量，之后随机抽取9轮进行统计，结果如图6所示由图6可以看出，ACEBUC仅在首轮消耗较多的能量，之后在簇内竞选簇首，比EEUC、ACOUC、IEEABR算法能更好地实现节能4.3可靠性和实时性ACEBUC算法在簇内节点将数据发送给簇首节点之后，由簇首节点将数据进行融合，并采用蚁群改进算法，充分考虑链路的能量、带宽和时延进行下一跳路由选择通过实验分别比较EEUC、ACOUC、IEEABR和ACEBUC算法的丢包率和时延情况由图7、8可以看出，EEUC 算法的丢包率相对较高、时延较大，因为该算法采用多跳方式，但是在路由选择时并没有充分考虑链路状况，只是简单考虑节点的能量，因此在数据传输时会出现较高的丢包率；ACOUC、IEEABR均采用蚁群算法模型，在路由选择时充分考虑了链路状况，因此丢包率和时延相对较低；ACEBUC采用多跳传输，考虑了链路状态，选择最优最可靠的路径，出现丢包的情况较少，时延相对较小4.4网络生存时间通过仿真记录每轮结束节点存活数量直到节部死亡比较四种算法的网络存活时间由图9可以看出， EEUC采用竞争选取簇头方式，并考虑能量空洞问题，但是在路由选择时并没有考虑链路状况；而ACEBUC算法不像EEUC算法每轮都要在全网络进行簇首选举，只是在首轮在全网络内进行簇首选举，之后采取在簇内竞选簇首的方式，实现了节能，路由采用蚁群改进算法，使网络生存时间长于EEUC算法；ACOUT与IEEABR算法在定义路由信息素时都没有合理考虑路径的能量消耗速度、路径上剩余的最小能量、距离目的节点的跳数等，在路由时容易陷入局部最优，网络生存时间不如ACEBUC长4.5路由成功率随机生成具有100至400个节点的随机网络拓扑结构进行路由仿真比较，对于每个网络拓扑，选择所有节点中距离最远的节点作为源和目的节点，这样2个节点间的可选路径较多从图10可以看出随着节点数的增加，网络规模增大，ACEBUC显示出算法的优势，其路由成功率要高于其他三个算法5结语本文将蚁群优化算法与非均匀分簇路由算法相结合，有效地减少了簇首选举和路由维护的开销，而且能实时寻找性能更好的路由仿真分析表明，ACEBUC的网络存活时间比EEUC、ACOUC算法都有显著提高但是在路由层次，本文采用的蚁群优化路由算法比较适用于大规模节点路由情况，对于节点较少且实验区域较小的情况并不需要采用蚁群路由算法，可以直接采用单跳发送数据参考文献：[1]AKYILDIZ I F， SU W， SANKARASUBRIMANIAM Y， et al. Wireless sensor networks： a survey [J]. Computer Networks， 2002， 38（4）： 393-422.[2]ALKARAKI J N， KAMAL A E. Routing techniques in wireless sensor networks： a survey [J]. IEEE Wireless Communications， 2004， 11（6）， 6-28.[3]汤波，罗昌俊.能量均衡的无线传感器网络分簇方法[J]. 计算机应用研究，2008，25（3）：878-880.[4]HEINZELMAN W R，CHANDRAKASAN A，BALAKRISHNAN H. Energyefficient communication protocol for wireless microsensor networks [C]// HICSS 2000： Proceedings of the 33rd Annual Hawaii International Conference on System Sciences. Washington， DC： IEEE Computer Society， 2000，8： 8020.[5]YE M，LI C F， CHEN G H，et al. EECS： an energy efficient cluster scheme in wireless sensor networks [C]// IPCCC 2005： Proceedings of the 2005 24th IEEE Performance，Computing， and Communications Conference. Piscataway： IEEE， 2005： 535-540.[6]SORO S， HEINZELMAN W B. Prolonging the lifetime of wireless sensor networks via unequal clustering [C]// IPDPS 05： Proceedings of the 19th International Parallel and Distributed Processing Symposium.Washington， DC： IEEE Computer Society， 2005： 8-15.[7]李法成，陈贵海，叶懋，等.一种基于非均匀分簇的无线传感器[J].计算机学报，2007，30（1）：27-36.[8]张明才，薛安荣，王伟.基于最小生成树的非均匀分簇路由算法[J].计算机应用，2012，32（3）：787-790.[9]邹杰，史长琼，姬文燕.基于粒子群优化的非均匀分簇路由算法[J].计算机应用，2012，32（3）：787-790.[10]COLOMI A，DORIGO M，MANIEZZO V. Distributed optimization by ant colonies[C]/ / ECAL 1991： Proceedings of the 1991 European Conference on Artificial Life.[S.l.]： Elsevier，1991： 134-142.[11]DORIGO M. Optimization learning and natural algorithms[D]. Milano： Politecnico di Milano， Department of Electronics， 1992.[12]DORIGO M，STUTZLE T. 蚁群优化[M].张军，胡晓敏，罗旭耀，等译.北京：清华大学出版社，2007： 3-7.[13]DORIGO M，BONABEAU E，THERAULAZ G. Inspiration for optimization from social insect behavior [J]. Nature，2000，406（6）：39-42.[14]GUNES M， SORGES U， BOUAZIZI I. ARA： the antcolony based routing algorithm for MANETs [C]// ICPP 2002： Proceedings of the 2002 International Conference on Parallel Processing Workshops. Piscataway： IEEE， 2002：79-85.[15]童孟军，俞立，郑立静. 基于蚁群算法的无线传感器网络能量有效路由算法研究[J].传感技术学报，2011，24（11）：1632-1638.[16]张荣博，曹建福.利用蚁群优化的非均匀分簇无线传感器网络路由算法[J].西安交通大学学报，2010，44（6）：33-38[17]汤波，罗昌俊.能量均衡的无线传感器网络分簇方法[J]. 计算机应用研究，2008，25（3）：878-880.。

基于蚁群分簇的无线传感器网络路由研究

基于蚁群分簇的无线传感器网络路由研究摘要：在无线传感器网络、建筑传统的蚁群算法的路由容易能量孔的影响，网络的生命周期和整体性能。

本文提出了一种新的蚁群划分聚类算法。

主要的思想是，选择下一跳是抽象为装配规划问题的最短路径和最小费用流。

实验表明，相比于其它蚁群聚类算法，该方法来延长网络的生命周期，减少数据包遗失率。

关键词：无线传感器；网络路由；蚁群分簇；能量；负载均衡中图分类号：tp212网络的生命周期可以被定义为从网络开始，随着时间的流逝，用光第一能源节点和死亡的这段时间[1]。

蚁群的聚类算法是一种智能优化方法的成熟和高效，应用于无线传感器网络。

现有的无线传感器网络的聚类蚁群算法，一般是使用啤酒花或欧氏距离来计算下一跳节点，按照现有的算法，如果一个节点剩余能量少在高浓度的信息素链接，那么节点过早死亡，形成能洞在这里，当能量洞出现在水槽节点、能源孔外围传感器数据将无法传送到水槽节点，使节点不可用。

1 相关工作在本文中，作者改进了蚁群的聚类算法，提出了eeabr（节能路由算法）算法的中心思想的算法是改进信息素，信息素更新过程中，信息素更新不单依赖于节点的数量在路径（hop）来衡量，也参考路径的能量。

但是仍然有考虑不足的地方在这篇文章中，一个节点剩余能量更少可能仍然是在一个更高的平均剩余能量路径，因此节点会过早死亡，减少了网络的生命周期。

针对上述方法的局限性，提出了一种基于蚁群算法的模型（蚁群优化聚类蚁群优化算法——beaco基于能源和蚁群opitimization）。

2 基于剩余能量的负载均衡的蚁群分簇算法2.1 下一跳节点选择首先，sink节点到所有节点发送广播消息，消息记录在跳数，当节点接收一条消息，它会计算你的到来，我们使用sink节点之间的跳数来衡量每个节点和sink节点距离。

当源节点要发送数据时，它会选择下一跳节点按照一定的概率，概率和节点sink、剩余能量的节点概率是一个组合的规划问题的最小费用流，计算公式如下：2.2 关于能量的评估在本文中，我们引入一个新集群模型。