一种具有移动Sink节点的无线传感网生存时间优化方法

摘要

一种具有移动Sink节点的无线传感网生存时间优化方法，包括以下步骤：1)网络启动后，Sink节点广播信息查询包，接收传感节点的位置坐标信息，并添加到Sink节点的传感节点信息表中；2)Sink节点分析约束条件，建立数据传输时延和跳数受限的网络生存时间优化模型；3)Sink节点采用修正的遗传算法求解网络生存时间优化模型，计算网络生存时间、Sink节点移动路径和在每一个停留位置上停留时间的最优方案。本发明提供一种提高网络生存时间、降低节点能耗和节点丢弃数据量的具有移动Sink节点的无线传感网生存时间优化方法。

说明书

技术领域

本发明涉及移动无线传感网领域，尤其涉及的是一种具有移动Sink节点的无 线传感网生存时间优化方法。

背景技术

无线传感网(wirelesssensornetworks,WSNs)主要由用于协同监测物理或环 境条件(如温度、声音、振动、压力、运动等)且在空间上自主分布的传感节点 和用于收集、处理和转发传感节点感知数据的Sink节点组成。WSNs已经应用到 人们生活的各个方面，如建筑结构健康、远程健康监测、精细农业、家庭自动化、 智能电网和智能交通等，具有广阔的应用价值和市场价值。在无线传感网中，传 感节点采用电池供电，且在大多数情况下，电池更换或充电是不可行的。因此为 了实现长时间的网络生存时间，传感节点必须以节能的方式调整自身的感知、处 理和通信等活动，充分利用电池能量。

但是在静态无线传感网中，传感节点的位置固定不变，且采用默认多对1的 逐跳通信模式。无论怎么调整算法，总会出现如下问题：离Sink节点近的传感节 点需要发送较多其它传感节点的数据，导致这些传感节点能量消耗较快，且过早 失效。这个问题通常被称为无线通信的热点问题或Sink节点的空穴问题。为了处 理这个问题，引入Sink节点的移动。Sink节点的移动不仅能平衡传感节点之间的 能量消耗，而且能连接网络中的分裂区域。

近年来，国内外学者对具有移动Sink节点的无线传感网(Mobilesink-based wirelesssensornetworks，mWSNs)的生存时间优化方法进行了一些研究，取得一 些成果。有些学者侧重于寻找优化网络生存时间的Sink节点移动路径，确定Sink 节点的停留位置。如ArunK.Kumar等采用范围约束方法(RCC，rangeconstrained clustering)，将网络内所有传感节点分成多个簇，采用TSP求解器计算遍历所有簇 中心的最短路径，即获得Sink节点的移动路径。ChuFuWang等提出移动Sink节 点的能量感知迁移方法(EASR，energy-awaresinkrelocation)。EASR采用最大容 量路径(MCP，maximumcapacitypath)路由算法收集数据。当两个搬迁条件满 足时，启动Sink的移动，找到下一个具有最大权值的移动位置。HamidrezaSalarian 等提出一种加权集合规划方法(weightedrendezvousplanning,WRP),即根据到最 近锚点的跳数和子节点的数量，计算所有传感节点的权值，选择若干个权值较大 的节点作为锚点，采用TSP求解方法获得Sink节点遍历所有锚点的最短路径。 有些学者侧重于研究已知Sink节点移动路径的网络生存时间优化方法。如Wang Liu等采用数学推导的方法研究Sink节点移动到若干个锚点时的最优数据吞吐率 和最大网络生存时间。YoungSangYun等建立Sink节点在不同位置停留时的网络 生存时间优化模型，采用Lagrange分解方法将优化模型的求解问题分解成2个子 问题，分别求解这2个子问题，获得最优方案。有些学者同时研究Sink节点的移 动路径选择和网络生存时间优化方法。如StefanoBasagni等考虑Sink节点的起初 地址、数据收集路由和停留时间等因素，建立混合整数线性规划模型，提出贪婪 最大剩余能量方法(GreedyMaximumResidualEnergy,GMRE)。当邻居位置周围 的节点剩余能量比当前位置周围的节点剩余能量大，则移动到该邻居节点位置上 收集数据。M.EmreKeskin和BehnamBehdani等分析路径约束、流量约束和能量 约束等约束条件，建立网络生存时间的优化模型，分别采用商用求解软件和 Cutting-plane方法求解，获得最优解。KeontaekLee等考虑传感节点的栅栏分布， 将监测区域分成9个区域，根据Manhattan路由推导每一个区域内传感节点的能 耗，寻找最大能耗的位置。

但是这些方法没有同时考虑有限的数据传输时延和跳数，而且假设传感节点 的数据缓存空闲无限大。但是在实际的无线传感网系统中，过大的数据传输跳数 容易产生丢包，甚至不能实现与Sink节点的数据传输。同时由于硬件成本的限制， 传感节点的数据存储空间有限，传感节点的数据传输时延不宜很大，否则会造成 大量数据的丢失。

发明内容

为了克服已有无线传感网络的生存时间较短、数据传输时延和跳数受限的不 足，本发明提供一种提高网络生存时间、降低节点能耗和节点丢弃数据量的具有 移动Sink节点的无线传感网生存时间优化方法。

本发明解决其技术问题所采用的技术方案是：

一种具有移动Sink节点的无线传感网生存时间优化方法，所述优化方法包括 如下步骤：

1)首先，网络启动后，Sink节点广播信息查询包，接收传感节点的位置坐标 信息，并添加到Sink节点的传感节点信息表中；

2)Sink节点分析约束条件，建立数据传输时延和跳数受限的网络生存时间优 化模型为

$\underset{P}{\max }\underset{i}{min}\left(T_i\right)---\left(15\right)$

$\begin{array}{cc}s.t.& \underset{p}{\Sigma }{t}_p=t_{delay}\end{array}---\left(1\right)$

$t_p\ge d_p/v,\forall p---\left(2\right)$

$\underset{p}{\Sigma }{C}_i^p\ge 1,\forall i---\left(7\right)$

$0\le C_i^p{g}_i^p\le b_i^{p-1}+t_p{S}_i,\forall i---\left(8\right)$

$b_i^p=\{\begin{array}{cc}{b}_{th},& b_i^{p-1}+t_p{S}_i-C_i^p{g}_i^p\ge b_{th}\\ b_i^{p-1}+t_p{S}_i-C_i^p{g}_i^p,& 0\le b_i^{p-1}+t_p{S}_i-C_i^p{g}_i^p<b_{th}\end{array},\forall i---\left(9\right)$

$T\frac{\underset{p}{\Sigma }{C}_i^p{t}_p{e}_g^p}{\underset{p}{\Sigma }{C}_i^p{t}_p}\le E_{in},\forall i---\left(10\right)$

$L_{p_v,p_{v+1}}=1,\forall p_v\in \{P-p_{N_v}\}---\left(12\right)$

$C_i^p\in (0,1),0\le b_i^p\le b_{th}---\left(16\right)$

其中，T_i表示传感节点i的生存时间，t_p表示Sink在网格中心p上的停留时间，t_delay表示允许的最大数据传输时延，d_p表示相邻网格中心间的距离，v表示Sink节点 的移动速率，表示传感节点在Sink节点的数据通信范围内的状态指示符，表示当Sink节点停留在网格中心p时，传感节点i发送给Sink节点的数据量，S_i表示传感节点i的数据感知速率，表示当Sink节点在前一个网格中心上收集 完数据后，传感节点i的剩余数据缓存量，b_th表示传感节点的最大存储容量，T表 示网络生存时间，E_in表示传感节点的初始能量，表示Sink节点停留在网络中 心p上收集数据时，传感节点i的单位时间能耗，与所采用的数据路由算法有 关，表示网格中心p_v和p_w相邻的指示符，P表示Sink节点移动路径经过的 网格中心向量，p_v表示网格v的中心。

3)Sink节点采用修正遗传算法求解网络生存时间优化模型，计算网络生存时 间、Sink节点移动路径和在每一个停留位置上的停留时间的最优方案，过程如下：

b1)初始化迭代次数g＝0，当前染色体个数m＝0，网格中心位置的交叉概率 α₁＝0.5，停留时间的交叉概率α₂＝0.5，染色体发生变异概率β₁＝0.25，基因发 生变异概率β₂＝0.05，其中，Sink节点经过的网格中心位置和在每一个停留位置 上的停留时间组成一个染色体，即向量 $R=\left(\right({\mathrm{px}}_1,{\mathrm{py}}_1,t_1);({\mathrm{px}}_2,{\mathrm{py}}_2,t_2);...;({\mathrm{px}}_{N_v},{\mathrm{py}}_{N_v},t_{N_v}\left)\right);$

初始化传感节点全覆盖的N_M个染色体，其中N_M表示染色体的个数，随机选 择一个网格中心作为初始位置，随机选择邻居网格中心作为下一个停留位置，当 选择的网格中心数量超过阈值或者周围所有邻居网格中心都已经被选为停留位 置，则停止选择，获得一条移动路径；分析该移动路径是否符合模型(15)的约束 条件(7)，如果不符合，则存在孤立节点，寻找覆盖最多孤立节点的网格中心，将 该网格中心添加到移动路径中，增加未被选择的网格中心使移动路径符合约束条 件(12)且增加的路径长度最短；当该移动路径的长度大于阈值，从中选择长度为 阈值的前一部分路径，判断该路径是否全覆盖传感节点；如果不符合，则放弃该 路径，重新开始寻找新的路径，否则根据所选择的移动路径，随机生成每一个停 留位置的停留时间且总和不超过数据传输时延，获得染色体向量；循环上述操作， 直到获得传感节点全覆盖的N_M个染色体；

b2)g＝g+1，根据染色体和采用的数据路由算法，计算所有染色体的适应度， 即Sink节点在每一个网格中心p停留时间t_p时间，采用数据路由算法收集其数据 通信范围内的传感节点数据，当Sink节点移动到下一个网格中心时，各个传感节 点采用式(9)更新自身的数据存储器，循环上述操作，直到Sink节点完成沿着初始 位置到结束位置，再返回初始位置的一次数据采集后，执行式(13)计算节点的生 存时间

$T_i=\frac{E_{in}}{\underset{p}{\Sigma }{C}_i^p{t}_p{e}_g^p}*\underset{p}{\Sigma }{C}_i^p{t}_p---\left(13\right)$

执行式(14)计算网格生存时间

$T=\underset{i}{min}\left(T_i\right)---\left(14\right)$

b3)选择最优染色体，根据所有染色体的适应度，直接选择适应度最大的染 色体继承到下一代种群中；

b4)执行交叉操作，根据轮盘赌策略选择1个染色体和当前最优染色体进行 交叉，形成一个新的染色体；

b5)执行变异操作，产生一个0-1随机数，如果大于染色体发生变异概率β₁， 则跳到步骤b6)，否则根据步骤b4)中的染色体长度值N_c2，循环执行N_c2次以下 操作：产生一个0到1之间的随机数，当该随机数小于基因发生变异概率β₂，则 随机产生一个新的基因，替换染色体中对应基因；

b6)分析所获得的染色体是否符合约束(1),(2),(7),(12)，当当前染色体违反约 束条件(12)时，查找和删除重复网格中心，计算遍历当前染色体中所有网格中心 的路径向量；如果当前路径向量中相邻两个元素之间距离大于相邻网格中心距离 d_p，则存在若干个间隔网格中心，选择和添加使Sink节点在该两个元素之间移 动的距离最短的网格中心，并添加所选网格中心上的初始停留时间d_p/v，获得一 个新的染色体；当当前新的染色体违反约束条件(7)，寻找孤立节点，添加网格中 心使增加的移动距离最短；如果移动路径的距离超出阈值，截取开头距离为阈值 的路径，判断是否全覆盖节点；如果仍存在孤立节点，则放弃该染色体，跳到步 骤b2)，否则增加新增网格中心的初始停留时间d_p/v，当新的染色体中停留时间 违反约束条件(2)，修改该停留时间为d_p/v；如果新的染色体违反约束条件(1)， 调整所有停留时间为

$t_p^{\prime }=\{\begin{array}{cc}{d}_p/v+(t_p-d_p/v)*(t_{delay}-N_v{d}_p/v)/\underset{p}{\Sigma }(t_p-d_p/v),& \underset{p}{\Sigma }{t}_p>t_{delay}\\ \left(t_p\right)*\left(t_{delay}\right)/\underset{p}{\Sigma }\left(t_p\right),& \underset{p}{\Sigma }{t}_p<t_{delay}\end{array},\forall p---\left(17\right)$

且m＝m+1；

b7)如果m小于或等于N_M，则返回步骤b4)，否则如果g小于或等于N_g， 其中，N_g表示迭代次数，则返回步骤b2)，否则获得网络生存时间、Sink节点移 动路径和在每一个停留位置上的停留时间的最优方案。

进一步，所述优化方法还包括如下步骤：

4)Sink和传感节点按照最优方案执行数据收集任务，Sink节点广播路由信 息包，根据所选择的移动路径和停留时间，移动收集数据，传感节点监听路由信 息包；根据Sink节点和邻居节点的不同路由信息包，选择进入数据发送状态或进 入休眠状态；如果在Sink节点的数据通信范围内，采用数据路由算法选择父节点， 将数据发送给Sink节点，否则进入休眠状态，将感知数据存储到缓存空间中。

再进一步，所述步骤2)中，Sink节点分析约束条件的过程如下：

a1)分析数据传输时延约束，根据Sink节点沿着已选路径移动一轮的停留时 间和不能大于允许的最大数据传输时延，获得如下公式

$\underset{p}{\Sigma }{t}_p=t_{delay}---\left(1\right)$

其中，t_p表示Sink在网格中心p上的停留时间，t_delay表示允许的最大数据传输 时延，考虑到Sink节点在移动过程中也在收集数据，则将Sink节点的移动数据 收集过程认为由在若干个网格中心上停留一段时间的静态数据收集过程组成，因 此根据Sink节点在网格中心p上的停留时间需要大于或等于相邻网格间的移动 时间，获得如下公式

$t_p\ge d_p/v,\forall p---\left(2\right)$

其中，d_p表示相邻网格中心间的距离，v表示Sink节点的移动速率；

a2)分析节点覆盖约束，计算传感节点i到Sink节点停留位置p的距离和 到邻居节点j的距离d_ij

${\mathrm{dg}}_i^p=\sqrt[2]{{({\mathrm{Px}}_i-{\mathrm{gx}}_p)}^2+{({\mathrm{Py}}_i-{\mathrm{gy}}_p)}^2}---\left(3\right)$

$d_{ij}=\sqrt[2]{{({\mathrm{Px}}_i-{\mathrm{Px}}_j)}^2+{({\mathrm{Py}}_i-{\mathrm{Py}}_j)}^2},j\in N_i---\left(4\right)$

其中，N_i表示传感节点i的邻居传感节点集合，(Px_i,Py_i)表示传感节点i的位置 坐标，(gx_p,gy_p)表示当前Sink节点的停留位置坐标；

当Sink节点停留在网格中心p时，计算每一个传感节点到Sink节点的数据 传输跳数为

其中，d_max表示传感节点的最大通信距离，$h_{\mathrm{ij}}^p=\left(\begin{array}{c}1+h_j^p,d_{\mathrm{ij}}<d_{\max }\\ \infty ,d_{\mathrm{ij}}\ge d_{\max }\end{array}\right),$获得传感节点 是否在Sink节点的数据通信范围内的判断公式

$C_i^p=\left(\begin{array}{c}1,h_i^p\le k\\ 0,h_i^p>k\end{array}\right)---\left(6\right)$

其中，k表示Sink节点的数据收集跳数，表示传感节点在Sink节点的数据通 信范围内的状态指示符；

根据传感节点最小跳数的定义，要求Sink节点的移动路线保证其数据收集能 覆盖到所有传感节点，不能存在孤立节点，则获得节点覆盖约束

$\underset{p}{\Sigma }{C}_i^p\ge 1,\forall i---\left(7\right)$

a3)分析数据发送约束，在实际无线传感网系统中，传感节点的数据存储空 间有限，当需要缓存的数据超过了最大存储容量，则将最新的数据替换最早的数 据，因此当Sink节点停留在网格中心p时，计算传感节点需要发送的数据量约束

$0\le C_i^p{g}_i^p\le b_i^{p-1}+t_p{S}_i,\forall i---\left(8\right)$

其中，表示当Sink节点停留在网格中心p时，传感节点i发送给Sink节点的 数据量，S_i表示传感节点i的数据感知速率，表示当Sink节点在前一个网格 中心上收集完数据后，传感节点i的剩余数据缓存量；

当Sink节点停留在网格中心p收集完数据后，计算每一个传感节点的剩余数 据缓存量为

$b_i^p=\{\begin{array}{cc}{b}_{th},& b_i^{p-1}+t_p{S}_i-C_i^p{g}_i^p\ge b_{th}\\ b_i^{p-1}+t_p{S}_i-C_i^p{g}_i^p,& 0\le b_i^{p-1}+t_p{S}_i-C_i^p{g}_i^p<b_{th}\end{array},\forall i---\left(9\right)$

其中，b_th表示传感节点的最大存储容量；

a4)分析能量约束，根据每一个传感节点的能耗不大于其初始能量，获得能 量约束公式

$T\frac{\underset{p}{\Sigma }{C}_i^p{t}_p{e}_g^p}{\underset{p}{\Sigma }{C}_i^p{t}_p}\le E_{in},\forall i---\left(10\right)$

其中，T表示网络生存时间，E_in表示传感节点的初始能量，表示Sink节点停 留在网络中心p上收集数据时，传感节点i的单位时间能耗，与所采用的数据 路由算法有关；

a5)分析网格选择约束，Sink节点从初始位置p₁开始，依次停留在向量P中 的各个位置上收集数据，当完成停留位置的数据收集后，反向沿着移动路径 收集数据，其中，Sink节点移动路径经过的网格中心向量P为N_v表示Sink节点移动路径经过的网格中心数量，获得判断两网格相邻的公式

$L_{p_v,p_w}=\left(\begin{array}{c}1,\sqrt[2]{{({\mathrm{Px}}_{p_v}-{\mathrm{Px}}_{p_w})}^2+{({\mathrm{Py}}_{p_v}-{\mathrm{Py}}_{p_w})}^2}\le d_p\\ 0,others\end{array}\right)---\left(11\right)$

其中表示网格中心p_v和p_w相邻的指示符，表示网格中心p_v和p_w相邻，获得网格选择约束为

$L_{p_v,p_{v+1}}=1,\forall p_v\in \{P-p_{N_v}\}---\left(12\right)$

所述步骤b2中，所述数据路由算法采用MCP路由算法。

所述步骤b6中，采用最近邻插入法计算遍历当前染色体中所有网格中心的路 径向量。

本发明的技术构思为：本发明分析数据传输时延约束、节点覆盖约束、数据 发送约束，能量约束和网格选择约束，建立数据传输时延和跳数受限的网络生存 时间优化模型。采用数据路由算法和修正的遗传算法求解网络生存时间优化模型， 计算网络生存时间、Sink节点移动路径和在每一个停留位置上的停留时间的最优 方案。Sink节点根据所计算的移动路径和停留时间，移动收集数据。传感节点根 据Sink节点和邻居节点的不同路由信息包，选择进入数据发送状态或进入休眠状 态。

本发明的有益效果主要表现在：本发明根据传感节点的位置信息，采用最优 化方法计算网络生存时间、Sink节点移动路径和在每一个停留位置上的停留时间 的最优方案，从而提高了网络生存时间，全覆盖传感节点，降低了节点能耗和节 点丢弃数据量。

附图说明

图1是具有移动Sink节点的无线传感网生存时间优化方法的流程图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1，一种具有移动Sink节点的无线传感网生存时间优化方法，包括如 下步骤：

1)首先，网络启动后，Sink节点广播信息查询包，接收传感节点的位置坐标 信息，并添加到Sink节点的传感节点信息表中。

2)Sink节点分析约束条件，建立数据传输时延和跳数受限的网络生存时间优 化模型。本步骤的具体优选实施方法如下：

a1)分析数据传输时延约束。在实际无线传感网系统中数据传输时延有限， 根据Sink节点沿着已选路径移动一轮的停留时间和不能大于允许的最大数据传 输时延，获得如下公式

$\underset{p}{\Sigma }{t}_p=t_{delay}---\left(1\right)$

其中，t_p表示Sink在网格中心p上的停留时间，t_delay表示允许的最大数据传输 时延。考虑到Sink节点在移动过程中也在收集数据，则将Sink节点的移动数据 收集过程认为由在若干个网格中心上停留一段时间的静态数据收集过程组成，因 此根据Sink节点在网格中心p上的停留时间需要大于或等于相邻网格间的移动 时间，获得如下公式

$t_p\ge d_p/v,\forall p---\left(2\right)$

其中，d_p表示相邻网格中心间的距离，v表示Sink节点的移动速率。

a2)分析节点覆盖约束。计算传感节点i到Sink节点停留位置p的距离和 到邻居节点j的距离d_ij。

${\mathrm{dg}}_i^p=\sqrt[2]{{({\mathrm{Px}}_i-{\mathrm{gx}}_p)}^2+{({\mathrm{Py}}_i-{\mathrm{gy}}_p)}^2}---\left(3\right)$

$d_{ij}=\sqrt[2]{{({\mathrm{Px}}_i-{\mathrm{Px}}_j)}^2+{({\mathrm{Py}}_i-{\mathrm{Py}}_j)}^2},j\in N_i---\left(4\right)$

其中，N_i表示传感节点i的邻居传感节点集合。(Px_i,Py_i)表示传感节点i的位置 坐标，(gx_p,gy_p)表示当前Sink节点的停留位置坐标。

当Sink节点停留在网格中心p时，计算每一个传感节点到Sink节点的数据 传输跳数为

其中，d_max表示传感节点的最大通信距离，$h_{\mathrm{ij}}^p=\left(\begin{array}{c}1+h_j^p,d_{\mathrm{ij}}<d_{\max }\\ \infty ,d_{\mathrm{ij}}\ge d_{\max }\end{array}\right).$获得传感节点 是否在Sink节点的数据通信范围内的判断公式

$C_i^p=\left(\begin{array}{c}1,h_i^p\le k\\ 0,h_i^p>k\end{array}\right)---\left(6\right)$

其中，k表示Sink节点的数据收集跳数。表示传感节点在Sink节点的数据通 信范围内的状态指示符。

根据传感节点最小跳数的定义，要求Sink节点的移动路线保证其数据收集能 覆盖到所有传感节点，不能存在孤立节点，则获得节点覆盖约束

$\underset{p}{\Sigma }{C}_i^p\ge 1,\forall i---\left(7\right)$

a3)分析数据发送约束。在实际无线传感网系统中，传感节点的数据存储空 间有限。当需要缓存的数据超过了最大存储容量，则将最新的数据替换最早的数 据。因此当Sink节点停留在网格中心p时，计算传感节点需要发送的数据量约束

$0\le C_i^p{g}_i^p\le b_i^{p-1}+t_p{S}_i,\forall i---\left(8\right)$

其中，表示当Sink节点停留在网格中心p时，传感节点i发送给Sink节点的 数据量。S_i表示传感节点i的数据感知速率。表示当Sink节点在前一个网格 中心上收集完数据后，传感节点i的剩余数据缓存量。

当Sink节点停留在网格中心p收集完数据后，计算每一个传感节点的剩余数 据缓存量为

$b_i^p=\{\begin{array}{cc}{b}_{th},& b_i^{p-1}+t_p{S}_i-C_i^p{g}_i^p\ge b_{th}\\ b_i^{p-1}+t_p{S}_i-C_i^p{g}_i^p,& 0\le b_i^{p-1}+t_p{S}_i-C_i^p{g}_i^p<b_{th}\end{array},\forall i---\left(9\right)$

其中，b_th表示传感节点的最大存储容量。

a4)分析能量约束。根据每一个传感节点的能耗不大于其初始能量，获得能 量约束公式

$T\frac{\underset{p}{\Sigma }{C}_i^p{t}_p{e}_g^p}{\underset{p}{\Sigma }{C}_i^p{t}_p}\le E_{in},\forall i---\left(10\right)$

其中，T表示网络生存时间，E_in表示传感节点的初始能量，表示Sink节点停 留在网络中心p上收集数据时，传感节点i的单位时间能耗。与所采用的数据 路由算法有关。

a5)分析网格选择约束。Sink节点从初始位置p₁开始，依次停留在向量P中 的各个位置上收集数据。当完成停留位置的数据收集后，反向沿着移动路径 收集数据，其中，Sink节点移动路径经过的网格中心向量P为N_v表示Sink节点移动路径经过的网格中心数量。获得判断两网格相邻的公式

$L_{p_v,p_w}=\left(\begin{array}{c}1,\sqrt[2]{{({\mathrm{Px}}_{p_v}-{\mathrm{Px}}_{p_w})}^2+{({\mathrm{Py}}_{p_v}-{\mathrm{Py}}_{p_w})}^2}\le d_p\\ 0,others\end{array}\right)---\left(11\right)$

其中表示网格中心p_v和p_w相邻的指示符。表示网格中心p_v和p_w相邻。获得网格选择约束为

$L_{p_v,p_{v+1}}=1,\forall p_v\in \{P-p_{N_v}\}---\left(12\right)$

a6)Sink节点建立数据传输时延和跳数受限的网络生存时间优化模型。将Sink 节点的移动数据过程分解为在各个不同网格中心停留t_p时间的静态数据收集过 程，并根据各个约束条件的分析，将数据传输时延和跳数受限的具有移动Sink节 点的无线传感网生存时间优化问题转化成网络生存时间的优化模型。根据传感节 点i的能耗，计算传感节点i的生存时间为

$T_i=\frac{E_{in}}{\underset{p}{\Sigma }{C}_i^p{t}_p{e}_g^p}*\underset{p}{\Sigma }{C}_i^p{t}_p---\left(13\right)$

根据网络生存时间的定义，计算网络生存时间为

$T=\underset{i}{min}\left(T_i\right)---\left(14\right)$

建立数据传输时延和跳数受限的网络生存时间优化模型为

$\underset{P}{\max }\underset{i}{min}\left(T_i\right)---\left(15\right)$

s.t.约束条件(1),(2),(7),(8),(9),(10),(12)

$C_i^p\in (0,1),0\le b_i^p\le b_{th}---\left(16\right)$

3)Sink节点采用修正遗传算法求解网络生存时间优化模型，计算网络生存时 间、Sink节点移动路径和在每一个停留位置上的停留时间的最优方案。本步骤的 具体优选实施方法如下：

b1)初始化迭代次数g＝0，当前染色体个数m＝0，网格中心位置的交叉概率 α₁＝0.5，停留时间的交叉概率α₂＝0.5，染色体发生变异概率β₁＝0.25，基因发 生变异概率β₂＝0.05，其中，Sink节点经过的网格中心位置和在每一个停留位置 上的停留时间组成一个染色体，即向量 $R=\left(\right({\mathrm{px}}_1,{\mathrm{py}}_1,t_1);({\mathrm{px}}_2,{\mathrm{py}}_2,t_2);...;({\mathrm{px}}_{N_v},{\mathrm{py}}_{N_v},t_{N_v}\left)\right).$

初始化传感节点全覆盖的N_M个染色体，其中N_M表示染色体的个数。具体实 现方法如下：随机选择一个网格中心作为初始位置，随机选择邻居网格中心作为 下一个停留位置，当选择的网格中心数量超过阈值或者周围所有邻居网格中心都 已经被选为停留位置，则停止选择，获得一条移动路径。分析该移动路径是否符 合模型(15)的约束条件(7)。如果不符合，则存在孤立节点。寻找覆盖最多孤立节 点的网格中心，将该网格中心添加到移动路径中，增加未选择的网格中心使移动 路径符合约束条件(12)且增加的路径长度最短。当该移动路径的长度大于阈值， 从中选择长度为阈值的前一部分路径，判断该路径是否全覆盖传感节点。如果不 符合，则放弃该路径，重新开始寻找新的路径，否则根据所选择的移动路径，随 机生成每一个停留位置的停留时间且总和不超过数据传输时延，获得染色体向量。 循环上述操作，直到获得传感节点全覆盖的N_M个染色体。

b2)g＝g+1，根据染色体和采用的数据路由算法计算目标函数(14)，计算所有 染色体的适应度。即Sink节点在网格中心p停留t_p时间，采用数据路由算法收集 其数据通信范围内的传感节点数据。当Sink节点移动到下一个网格中心时，各个 传感节点采用式(9)更新自身的数据存储器。循环上述操作，直到Sink节点完成沿 着初始位置到结束位置，再返回初始位置的一轮数据采集后，执行式(13)计算节 点的生存时间，执行式(14)计算网格生存时间。

本发明的数据路由算法可采用MCP路由算法，也可以采用其他数据路由算 法实现传感节点与Sink节点的数据通信。

b3)选择最优染色体。根据所有染色体的适应度，直接选择适应度最大的染 色体继承到下一代种群中。

b4)执行交叉操作。根据轮盘赌策略选择1个染色体与当前最优染色体进行 交叉，形成一个新的染色体。即计算两个交叉染色体长度的最小值N_c1，循环执 行N_c1/2次以下操作：产生一个0到1之间的随机数。当该随机数小于交叉参数α₁， 选择当前最优染色体对应基因中的网格中心位置，否则选择另一个染色体对应基 因中的网格中心位置。产生一个0到1之间的随机数。当该随机数小于交叉参数 α₂，选择当前最优染色体对应基因中的停留时间，否则选择另一个染色体对应基 因中的停留时间，获得一个新的染色体。

b5)执行变异操作。产生一个0-1随机数，如果大于染色体发生变异概率β₁， 则跳到步骤b6)，否则根据步骤b4)中的染色体长度值N_c2，循环执行N_c2次以下 操作：产生一个0到1之间的随机数。当该随机数小于基因发生变异概率β₂，则 随机产生一个新的基因，替换染色体中对应基因。

b6)分析所获得的染色体是否符合约束(1),(2),(7),(12)。当当前染色体违反约 束条件(12)时，查找和删除重复网格中心，采用TSP算法计算遍历当前染色体中 所有网格中心的路径向量。如果当前路径向量中相邻两个元素之间距离大于相邻 网格中心距离d_p，则存在若干个间隔网格中心，选择和添加使Sink节点在该两 个元素之间移动的距离最短的网格中心，并添加所选网格中心上的初始停留时间 d_p/v，获得一个新的染色体。当当前新的染色体违反约束条件(7)，寻找孤立节 点，添加网格中心使增加的移动距离最短。如果移动路径的距离超出阈值，截取 开头距离为阈值的路径，判断是否全覆盖节点。如果仍存在孤立节点，则放弃该 染色体，跳到步骤b2)，否则增加新增网格中心的初始停留时间d_p/v。当新的染 色体中停留时间违反约束条件(2)，修改该停留时间为d_p/v。如果新的染色体违 反约束条件(1)，调整所有停留时间为

$t_p^{\prime }=\{\begin{array}{cc}{d}_p/v+(t_p-d_p/v)*(t_{delay}-N_v{d}_p/v)/\underset{p}{\Sigma }(t_p-d_p/v),& \underset{p}{\Sigma }{t}_p>t_{delay}\\ \left(t_p\right)*\left(t_{delay}\right)/\underset{p}{\Sigma }\left(t_p\right),& \underset{p}{\Sigma }{t}_p<t_{delay}\end{array},\forall p---\left(17\right)$

且m＝m+1。

本发明的TSP算法可采用最近邻插入法，也可以采用其他TSP算法计算Sink 节点遍历当前染色体中所有网格中心的最短路径。

b7)如果m小于或等于N_M，则返回步骤b4)，否则如果g小于或等于N_g， 其中，N_g表示迭代次数，则返回步骤b2)，否则获得网络生存时间、Sink节点移 动路径和在每一个停留位置上的停留时间的最优方案，退出步骤3)。

4)Sink和传感节点按照最优方案执行数据收集任务。Sink节点广播路由信息 包，根据所选择的移动路径和停留时间，移动收集数据。传感节点监听路由信息 包。根据Sink节点和邻居节点的不同路由信息包，选择进入数据发送状态或进入 休眠状态。如果在Sink节点的数据通信范围内，采用数据路由算法选择父节点， 将数据发送给Sink节点，否则进入休眠状态，将感知数据存储到缓存空间中。