基于遗传算法的WSN网络层数据融合算法研究

摘要

无线传感器网络集成了传感器、嵌入式计算、网络和无线通信四大技术，是一种新型的无基础设施的无线网络，能够实时监测、感知和采集各种环境或监测对象的信息，并对其进行处理，传送到需要这些信息的用户。无线传感器网络作为现代通信技术中一个新的研究领域，已经引起了学术界和工业界的高度重视。
　　 无线传感器网络节点数量庞大、单个节点资源极其有限，如何有效地节约能源，延长网络生命周期就成了网络设计的首要目标。采用数据融合技术可以有效地减少网络中的数据冗余，获得更准确的信息，提高数据收集效率。因此，近年来提出了许多基于路由的数据融合算法。论文分析了数据融合和路由结合在一起构成的具有NPC(Non-deterministic Polynomial Complete)问题显著特征的组合优化问题，并提出了一个基于遗传算法的近似解决算法－GARDA(Routing and Data Aggregation Algorithms Based on Genetic Algorithms)。
　　 本文中，无线传感器节点随机分布在感知区域内，所有节点被分成若干结构和大小固定的簇，从而减少了成簇的能耗；簇内综合考虑节点能量和节点当选簇头次数两个因素产生簇头，因而实现了簇内节点能耗均衡化；簇间(即网络层)以最小化网络能耗为目标将融合和路由问题抽象为一个NPC问题，采用ILP(Integer Linear Program)技术提出了理论上的解决方案。然而由于在实际应用当中，ILP参数过多会导致计算代价较高而难以实现，所以常常采用近似算法来求解具体的NPC问题。鉴于遗传算法是一种基于自然选择和遗传变异等生物进化机制的全局性搜索概率算法，对于组合优化中的NPC问题非常有效，本文提出了一种采用遗传算法来求解该NPC问题的算法，即GARDA算法，实现了网络层中的数据融合。通过对该算法的仿真测试，证明了该算法有效地降低了网络的能耗，延长了网络的生存期。