一种基于模拟退火的无线传感器网络层次式路由方法

摘要

本发明提出了一种基于模拟退火的无线传感器网络层次式路由方法，该方法基于层次式的网络拓扑结构。网络中由簇内节点、簇头节点和汇聚节点共同维护层次式结构。该方法首先将无线传感器网络划分层次，构建节点的层次式结构，然后再进行数据传输。在构建节点的层次式结构阶段，根据能量选举簇头节点和备份簇头节点。在数据传输阶段，综合运用协商机制、多跳的能量多路径路由机制和模拟退火算法：簇内节点运用协商机制将数据传送给簇头节点，簇头节点进行数据融合后，再将数据传送给汇聚节点，在簇头节点和汇聚节点之间采用多跳的能量多路径路由机制，并利用模拟退火算法搜索出最优路径，然后将数据沿着最优路径从簇头节点传输到汇聚节点。

说明书

技术领域

本发明涉及一种无线传感器网络的路由方法，主要用于解决无线传感器网络中数据传输的能量效率、网络负载、网络生存时间的问题，属于无线传感器网络和人工智能的交叉技术应用领域。

背景技术

无线传感器网络是由一组具有感知、处理和无线通信能力的传感器节点通过自组织方式形成的无线网络，其目的是协作地感知、采集和处理网络覆盖区域中感知对象的信息，并发送给观察者。无线传感器网络通过节点的协同工作来采集和处理网络覆盖区域中的目标信息，它的建立和节点间通信不依赖于固定的通信基础设施，传感器节点通过分布式网络协议来实现组网。无线传感器网络具有大规模、自组织性、动态性、以数据为中心等特点，在环境与军事监控、地震与气候预测、地下、深水以及外层空间探索等许多方面都具有广泛的应用前景。

无线传感器网络中每个节点能够通过拓扑控制机制和网络协议自动转发监测数据，但其电源能量、通信能力、计算能力和存储能力有限，所以，无线传感器网络路由设计的重要目标是降低节点能源损耗，延长网络生命周期。

协商是通过结构化地交换相关信息并改进有关共同观点或计划的过程，也即协商是协作双方为达成共识而减少不一致性或不确定性的过程。在无线传感器网络中，簇内节点和簇头节点之间利用协商机制进行数据传输，有利于抑制冗余数据的发送，确保有效的数据传输。

传统的无线传感器网络层次式路由协议在簇头节点和汇聚节点之间，往往采用单跳的通信方式，相距较远的簇头节点也必须直接和汇聚节点进行通信，极大地消耗了簇头节点的能量，降低了网络的生存时间，影响了网络规模的可扩展性。而簇头节点和汇聚节点间采用多跳路由方案，簇头节点将数据发往邻近的其他簇头节点而不是相距较远的汇聚节点，可以减少单个簇头节点的能量耗费，平衡无线传感器网络中各个簇头节点的能量负载，尤其是能避免某些簇头节点因为远距离传输数据至汇聚节点而导致过早死亡的情况。

传统网络的路由机制往往选择源节点到目的节点之间跳数最少的路径来传输数据，但在无线传感器网络中，如果频繁使用同一条路径传输数据，就会造成这条路径上的节点因能量消耗过快而过早失效，从而使整个网络分割成互不相连的孤立部分，缩短了整个网络的生存期。因此，Rahul C.Shah等人提出了一种能量多路径路由机制。该机制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，选择不同的路径，使得数据传输均衡消耗整个网络的能量，延长整个网络的生存期。

模拟退火算法（SA，Simulated Annealing）是一种通用概率演算法，用来求解一个命题的最优解。模拟退火算法由初始解和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所求得的近似最优解。模拟退火算法作为局部搜索算法的扩展，求得的解与初始解状态无关；它具有渐进收敛性，已在理论上被证明是一种以概率1收敛于全局最优解的全局优化算法；它还具有并行性。因此，模拟退火算法可以在较短时间内求得更优近似解，而且允许任意选取初始路径和随机数序列，减少了算法求解路径的前期工作量。

发明内容

技术问题：本发明的目的是提供一种基于模拟退火的无线传感器网络层次式路由方法，该方法基于层次式的网络拓扑结构，用来解决无线传感器网络的数据传输耗费能量大等问题，从而提高能量效率、实现网络负载的平衡、延长网络生存期，适应无线传感器网络能量高效、可扩展性、鲁棒性、快速收敛性等要求。

技术方案：本发明所采用的基于模拟退火的无线传感器网络层次式路由方法为：首先将无线传感器网络划分层次，构建节点的层次式结构，然后再进行数据传输。在构建节点的层次式结构阶段，根据能量选举簇头节点和备份簇头节点。在数据传输阶段，综合运用协商机制、多跳的能量多路径路由机制和模拟退火算法。簇内节点运用协商机制将数据传送给簇头节点，簇头节点进行数据融合后，再将数据传送给汇聚节点，在簇头节点和汇聚节点之间采用多跳的能量多路径路由机制，并利用模拟退火算法搜索出最优路径，然后将数据沿着最优路径从簇头节点传输到汇聚节点。

一、体系结构

本发明所述的无线传感器网络中，整个网络被划分为若干个区域，每个区域称为一个簇(cluster)；每个簇内包含若干个节点，称为簇内节点。此外，每个簇内都含有一个称为簇头节点的节点。

(1)簇内节点负责采集监测区域的数据，然后传输到簇头节点。簇内节点通常是一个微型的嵌入式系统，它的处理能力、存储能力和通信能力相对较弱，并且能量很有限。

(2)簇头节点将簇内节点传输来的数据进行数据融合后，沿着其他簇头节点逐跳地进行传输，经过多跳后路由到汇聚节点。

(3)汇聚节点通过互联网或卫星到达管理节点，将收集到的数据转发到外部网络上。汇聚节点的处理能力、存储能力和通信能力相对比较强，它既可以是一个具有增强功能的传感器节点，有足够的能量供给和更多的内存与计算资源，也可以是没有监测功能仅带有无线通信接口的特殊网关设备。

二、方法流程

 本发明所述的基于模拟退火的无线传感器网络层次式路由方法主要包括构建节点的层次式结构和数据传输两个阶段。

第一阶段：构建节点的层次式结构

1)选举簇头节点：定义两个参数E_平均和E_剩余，分别表示整个网络的平均能量和节点的剩余能量，当E_剩余高于E_平均时，则该节点当选为簇头节点；否则，为普通节点，等待加入簇。

2)形成簇结构： 选定簇头节点后，每个簇头节点向整个网络广播当选簇头节点消息，其他节点根据一定的距离半径选择簇头节点，形成簇结构。对于落在多个簇范围内的节点，比较其所在簇的各个簇头节点的能量，选择其中能量最高的簇头节点所在的簇加入；对于没有落在任一簇范围内的节点，则根据就近原则选择与它距离最近的簇头节点所在的簇加入。

3)选举备份簇头节点：在每个簇内，以簇头节点为中心，在一个小于簇的半径

的距离范围内选择一个能量最高的簇内节点作为备份簇头节点，备份簇头节点在正常情况下处于睡眠状态。

4)簇头节点的更新：为簇头节点能量定义一个门限值，当某个簇头节点的剩余

能量低于此门限值时，该簇头节点失效；此时，将唤醒该簇内的备份簇头节点，代替原簇头节点成为新的簇头节点，并再次选举新的备份簇头节点。

第二阶段：数据传输

1)簇内节点到簇头节点的数据传输

①当一个簇内节点采集到新的数据时，就向簇头节点发送消息，告知已获取新数据；

②当簇头节点需要新数据时，就会向簇内节点发送请求消息；

③当簇内节点接收到请求消息时，再将新数据发送给簇头节点。

2)簇头节点到汇聚节点的数据传输

首先运用模拟退火算法搜索出最优传输路径，然后簇头节点沿着最优路径将数据传送给汇聚节点。

簇内节点到簇头节点的数据传输阶段，簇内节点和簇头节点之间利用协商机制进行通信。

簇头节点到汇聚节点的数据传输阶段，簇头节点和汇聚节点之间采用多跳的能量多路径路由机制，并利用模拟退火算法搜索出最优路径，然后将数据沿着最优路径从簇头节点传输到汇聚节点。

所述的传输路径，其能量模型如下：每条路径的目标函数值根据路径上的节点数、每个节点的剩余能量、每个节点转发数据所消耗的能量来计算，即：

E=                                               －

＝－

 其中，表示一条路径上所有节点的剩余能量之和，表示一条路径上所有节点消耗的能量之和，表示一条路径上所有节点转发数据所消耗的能量之和。

运用模拟退火算法搜索最优路径的步骤如下：

①随机产生一条初始路径作为初始解P₀，并令当前最优解P_(best)=P₀，计算P₀的目标函数值，其中目标函数值是根据E＝－来计算；

②设定初始温度T_o和每个T值的迭代次数k，外循环开始；其中T_o的设定采用如下方法：随机产生一组路径，确定两两路径的最大目标值差|Δmax|，然后依据差值，利用T_o=－Δmax / ln(p)来确定初始温度，p为初始接受概率；

③内循环开始：令当前解P_i=P_(best)，当前温度T_i=T_o；

④对P_i由状态产生函数，产生一新解P_j，并计算P_j的目标函数值；

⑤计算P_i和P_j的目标函数值差，记ΔE=E(P_j) －E(P_i)；

⑥若ΔE>0，则接受P_j，即当前解P_i=P_j；否则，以概率exp(－ΔE/ kt)来接受P_j；

⑦当迭代次数≥k时，内循环结束，当前温度T_i下降，此时判断外循环是否结束，未结束则跳至步骤③，开始新一轮的内循环，其中温度的下降采用如下方式：T(t)=T_i/ lg(1+t)，T_i表示某一高温状态，时刻t的温度用T(t)来表示；判断外循环结束采用的方法是：算法收敛到的最优解连续若干步保持不变；

⑧若满足外循环结束条件，则结束，得到近似最优解P_i，即为所要选择的最优路径。

有益效果：本发明提出了一种基于模拟退火的无线传感器网络层次式路由方法。通过使用本发明提出的方法进行数据传输，可以有效地延长无线传感器网络的生存时间，提高无线传感器网络中节点的能量利用效率。

具体来说，本发明所述的基于模拟退火的无线传感器网络层次式路由方法具有如下的有益效果：

(1)本发明所述的基于模拟退火的无线传感器网络层次式路由方法，将网络划分层次，构建节点的层次式结构，有利于进行节点管理，均衡了整个网络中各处节点的能量消耗。

(2)本发明所述的基于模拟退火的无线传感器网络层次式路由方法，每个簇内选举一个备份簇头节点，可以避免因簇头节点失效而造成的该簇节点与网络互不相连，成为孤立部分。

(3)本发明所述的基于模拟退火的无线传感器网络层次式路由方法，簇内节点和簇头节点之间利用协商机制进行通信，有利于抑制冗余数据的发送，确保了有效的数据传输，避免了不必要的能量耗费，提高了能量利用效率。

(4)本发明所述的基于模拟退火的无线传感器网络层次式路由方法，簇头节点与汇聚节点间采用多跳路由方式，可以减少单个簇头节点的能量耗费，平衡无线传感器网络中各个簇头节点的能量负载，尤其是能避免某些簇头节点因为远距离传输数据至汇聚节点而导致过早死亡的情况。

(5)本发明所述的基于模拟退火的无线传感器网络层次式路由方法，采用能量多路径路由机制，在簇头节点和汇聚节点之间建立多条路径，避免了由于频繁使用同一条路径传输数据而造成该路径上的节点因能量消耗过快而过早失效，从而减少了整个网络的生存期。采用能量多路径路由机制，能够让数据传输均衡消耗整个网络的能量，延长了无线传感器网络的生存期。

(6)本发明所述的基于模拟退火的无线传感器网络层次式路由方法，运用模拟退火算法搜索从簇头节点到汇聚节点之间的最优路径，通过将数据沿着最优路径传输，可以减少数据传输所消耗的能量，提高能量利用效率，从而有效地延长了网络寿命、改善了网络性能。

附图说明

图1是基于模拟退火的无线传感器网络层次式路由方法流程示意图。

图2是无线传感器网络节点的层次式结构示意图。

图3是运用模拟退火算法搜索簇头节点与汇聚节点间的最优数据传输路径流程示意图。

图4是基于模拟退火的无线传感器网络层次式路由方法的一个具体实施例示意图。

具体实施方式

下面根据附图和实施例对本发明作更详细的描述。

本发明是一种基于模拟退火的无线传感器网络层次式路由方法，该方法基于层次式的网络拓扑结构（如图2所示）。为了方便描述，假定目标无线传感器网络的区域大小为10m*10m，共有30个传感器节点随机部署在目标感知区域，其中有一个节点是具有增强功能的汇聚节点。如图4所示，其中S节点是汇聚节点。本发明的具体实施方式为（如图1和图4所示）：

第一阶段：构建节点的层次式结构

1.选举簇头节点

定义两个参数E_平均和E_剩余，分别表示整个网络的平均能量和节点的剩余能量。当E_剩余高于E_平均时，则该节点当选为簇头节点；否则，为普通节点，等待加入簇。

本实施例中，经过计算和比较，节点A、B、C、D和E当选为簇头节点。

形成簇结构

选定簇头节点后，每个簇头节点向整个网络广播当选簇头节点消息，其他节点根据一定的距离半径选择簇头节点，形成簇结构。

在这个形成簇结构的过程中，可能有的节点会落在多个簇范围内，或者没有落在任一簇范围内。对于落在多个簇范围内的节点，比较其所在簇的各个簇头节点的能量，选择其中能量最高的簇头节点所在的簇加入。对于没有落在任一簇范围内的节点，则根据就近原则选择与它距离最近的簇头节点所在的簇加入。

本实施例中，假定普通节点以R为距离半径选择簇头节点，然后形成簇结构。对于节点a、b、c、d、e和f的处理方式如下：

①节点c落在两个簇范围内，比较簇头节点A和簇头节点B的能量大小，经比较，节点c选择具有较高能量的簇头节点B所在的簇加入。

②节点a、b、d、e和f没有落在任一簇范围内，则节点a选择距离最近的簇头节点A所在的簇加入，节点b选择距离最近的簇头节点B所在的簇加入，节点d选择距离最近的簇头节点C所在的簇加入，节点e和节点f选择距离最近的簇头节点E所在的簇加入。

选举备份簇头节点

在每个簇内，以簇头节点为中心，在一个小于簇的半径的距离半径范围内选择一个能量最高的簇内节点作为备份簇头节点。备份簇头节点在正常情况下处于睡眠状态。

本实施例中，假定在以r(r<R)为距离半径的范围内选择备份簇头节点，结果为：节点A₀、B₀、C₀、D₀和E₀当选为备份簇头节点。

簇头节点的更新

为簇头节点能量定义一个门限值，当某个簇头节点的剩余能量低于此门限值时，该簇头节点失效。此时，将唤醒该簇内的备份簇头节点，代替原簇头节点成为新的簇头节点，并再次选举新的备份簇头节点。

第二阶段：数据传输

1.簇内节点到簇头节点的数据传输

在簇内节点到簇头节点的数据传输阶段，簇内节点和簇头节点之间利用协商机制进行通信。

①当一个簇内节点采集到新的数据时，就向簇头节点发送消息，告知已获取新数据。

②当簇头节点需要新数据时，就会向簇内节点发送请求消息。

③当簇内节点接收到请求消息时，再将新数据发送给簇头节点。

簇头节点到汇聚节点的数据传输

在簇头节点到汇聚节点的数据传输阶段，簇头节点和汇聚节点之间采用多跳的能量多路径路由机制，并利用模拟退火算法搜索出最优路径，然后将数据沿着最优路径从簇头节点传输到汇聚节点。

路径的能量模型如下：每条路径的目标函数值根据路径上的节点数、每个节点的剩余能量、每个节点转发数据所消耗的能量来计算。即：

E=－

＝－

 其中，表示一条路径上所有节点的剩余能量之和，表示一条路径上所有节点消耗的能量之和，表示一条路径上所有节点转发数据所消耗的能量之和。

运用模拟退火算法搜索最优路径的步骤如下(如图3所示)：

①随机产生一条初始路径作为初始解P₀，并令当前最优解P_(best)=P₀，计算P₀的目标函数值。其中目标函数值是根据E＝－来计算。

②设定初始温度T_o和每个T值的迭代次数k，外循环开始。其中T_o的设定采用如下方法：随机产生一组路径，确定两两路径的最大目标值差|Δmax|，然后依据差值，利用T_o=－Δmax / ln(p)来确定初始温度，p为初始接受概率。

③内循环开始：令当前解P_i=P_(best)，当前温度T_i=T_o。

④对P_i由状态产生函数，产生一新解P_j，并计算P_j的目标函数值。， 

⑤计算P_i和P_j的目标函数值差，记ΔE=E(P_j) －E(P_i)。

⑥若ΔE>0，则接受P_j，即当前解P_i=P_j；否则，以概率exp(－ΔE/ kt)来接受P_j。

⑦当迭代次数≥k时，内循环结束，当前温度T_i下降。此时判断外循环是否结束，未结束则跳至步骤（3），开始新一轮的内循环。其中温度的下降采用如下方式：T(t)=T_i/ lg(1+t)，T_i表示某一高温状态，时刻t的温度用T(t)来表示；判断外循环结束采用的方法是：算法收敛到的最优解连续若干步保持不变。

⑧若满足外循环结束条件，则结束，得到近似最优解P_i，即为所要选择的最优路径。

本实施例中，从簇头节点D到汇聚节点S有多条路径，例如：D→B→S，D→E→C→S等。运用模拟退火算法进行搜索后，得出的最优传输路径为D→B→S，则簇头节点D将数据进行融合后，经过下一跳节点B，将数据传输到汇聚节点S。