公开/公告号CN114980253A
专利类型发明专利
公开/公告日2022-08-30
原文格式PDF
申请/专利权人 吉林建筑科技学院;
申请/专利号CN202210579589.X
申请日2022-05-25
分类号H04W40/32(2009.01);H04W40/20(2009.01);H04W40/10(2009.01);H04W40/02(2009.01);H04W40/22(2009.01);G06N3/00(2006.01);H04L45/00(2022.01);H04W84/18(2009.01);
代理机构
代理人
地址 130114 吉林省长春市宽城区学建大路1111号
入库时间 2023-06-19 16:33:23
法律状态公告日
法律状态信息
法律状态
2023-07-25
发明专利申请公布后的撤回 IPC(主分类):H04W40/32 专利申请号:202210579589X 申请公布日:20220830
发明专利申请公布后的撤回
2022-09-16
实质审查的生效 IPC(主分类):H04W40/32 专利申请号:202210579589X 申请日:20220525
实质审查的生效
技术领域
本发明涉及一种环形无线传感器网络分簇路由方法,特别是一种采用粒子群和狮群的环形无线传感器网络分簇路由方法。
背景技术
无线传感器网络在环境观察、军事、建筑监控、医疗保健、家居等方面起着重要的作用,但是无线传感器网络的发展仍然受到很多因素的限制,如组成无线传感器网络的传感器节点通常部署在人类难以操作或无法操作的区域;传感器节点的能量有限,而且不能及时补充能量;传感器节点的分布具有随机性,导致传感器网络的拓扑结构不同。
目前已经提出大量关于分簇路由的算法,同时随着仿生群体智能优化算法的发展,粒子群优化(PSO)、遗传算法(GA)、人工蜂群(ABC)、蚁群算优化(ACO)、磷虾群算法(KHA)等在解决无线传感器网络中节点能量消耗不均匀问题上得到了大量的应用。
发明内容
本发明主要针对现有环形无线传感网络分簇路由方法的簇头选择不合理、路由性能不好、能量消耗不均匀等问题,提出一种采用粒子群和狮群的环形无线传感器网络分簇路由方法。
本发明一种采用粒子群和狮群的环形无线传感器网络分簇路由方法由三部分构成,即系统模型、簇头选举、寻找路由路径。系统模型具体包括网络模型和能量模型;簇头选举基于狮群算法设置适应度函数;寻找路由路径基于粒子群算法设置适应度函数。
所述系统模型中网络模型为半径为R的环形区域,其中有N个传感器节点随机分布在整个环形区域内,环形区域被划分为n个具有相同宽度的同心环,基站BS位于环形区域的圆心处。整个环形网络具有如下属性:所有节点都是同构的;每个节点具有唯一的ID;每个节点具有相同的初始能量和相同的通信半径
所述簇头选举基于狮群算法,适应度函数考虑了节点的剩余能量、节点到BS的距离、CH节点占环中的比例以及节点通信范围内覆盖的邻居节点数量这四个因素,网络中所选择的CH节点都应满足适应度函数所提供的最大值。
所述路由路径寻找采用粒子群算法,采用了CH节点到BS的距离、簇成员节点数、下一跳CH节点的剩余能量以及下一跳CH节点到当前CH节点与BS连线的垂线段的距离四个因素来设置适应度函数,最佳路由路径满足适应度函数所提供的最小值。
附图说明
图1是本发明的环形无线传感网络模型图;
图2是本发明的无线传感器网络分簇路由算法流程结构框图;
图3是本发明最佳路由路径选择路线图;
图4是本发明的网络节点死亡轮数示意图;
图5是本发明的网络存活节点数目的变化图;
图6是本发明的网络的总能耗的示意图;
图7是本发明的网络中平均节点剩余能量示意图。
具体实施方式
下面结合附图对本发明作进一步详细说明,本发明一种采用粒子群和狮群的环形无线传感器网络分簇路由方法由三部分构成,即系统模型、簇头选举、寻找路由路径。系统模型具体包括网络模型和能量模型;簇头选举基于狮群算法设置适应度函数;寻找路由路径基于粒子群算法设置适应度函数。
系统模型具体包括网络模型和能量模型,网络模型如图1所示为半径为R的环形区域;其中有N个传感器节点随机分布在整个环形区域内,每个节点具有唯一ID,网络初始化后节点位置不再发生变化;环形区域被划分为n个具有相同宽度的同心环;BS位于环形区域的圆心处。能量模型采用自由空间模型,计算节点之间发送和接收数据的能量消耗,以及簇头融合、发送数据的能量消耗。假设网络区域中
其中,
网络中的节点发送数据或者接收数据后,根据公式(5)和公式(6)更新能量:
其中,
所述簇头选举基于狮群算法,如图2所示适应度函数考虑了节点的剩余能量、节点到BS的距离、CH节点占环中的比例以及节点通信范围内覆盖的邻居节点数量这四个因素。网络中所选择的CH节点都应满足适应度函数所提供的最大值,其适应度函数表示如下所示:
其中,
由于网络中每个环中CH节点的选择都是最优,因此增加了传感器节点的寿命留出更长的时间执行数据传输。
所述路由路径寻找基于粒子群算法,如图3所示适应度函数考虑了CH节点到BS的距离、簇成员节点数、下一跳CH节点的剩余能量以及下一跳CH节点到当前CH节点与BS连线的垂线段的距离四个因素。最佳路由路径满足适应度函数所提供的最小值,其适应度函数表示如下所示:
其中,假设当前CH节点位于网络中的
当一个CH节点所在的簇越小时,成员节点的数就越少,这个簇的数据传输的延迟就越小。
最佳路由路径的选择取决于中继节点的选择,在选择中继节点时采用改进的PSO算法适应度函数来寻找最佳路径,选择到BS距离短、簇成员节点少、剩余能量多的CH节点充当中继节点,同时根据两点之间直线度最短原则,选择下一环中的CH节点时,其路由路径尽量接近当前CH节点与BS的连线,减少数据传输过程中因较长传输距离所带来的能量消耗。
为了验证本发明一种采用粒子群和狮群的环形无线传感器网络分簇路由方法CRPL的性能,使用MATLAB仿真工具,对CRPL性能与EMRA、CAROC算法进行比较分析,仿真参数如表1所述。
表1仿真参数设置
首先将本发明CRPL算法与EMRA算法、CAROC算法的网络节点死亡轮数与网络存活节点数目进行了比较分析,结果如图4、5所示。EMRA算法、CAROC算法分别在CH轮换次数达到374轮、702轮时,网络出现第一个节点死亡,CRPL算法的第一个节点死亡轮数出现在1852轮,比EMRA算法、CAROC算法分别晚了1478轮、1150轮。由图5可知EMRA算法、CAROC算法在出现节点死亡后,网络存活节点数量急剧减少。在925轮和1252轮时,CAROC算法和EMRA算法出现一半节点死亡,到1406轮和2195轮时,CAROC算法和EMRA算法的网络区域中存活节点数为0,而CRPL算法的一半节点死亡发生在2632轮,全部节点死亡出现在3312轮。以上表明CRPL算法具有更长的生命周期。
然后将本发明CRPL算法与EMRA算法、CAROC算法的网络总能耗进行了比较分析,结果如图6所示,随着网络中CH轮换次数的增加,网络能耗不断增加,EMRA算法和CAROC算法的网络能耗曲线比CRPL算法的曲线陡,CAROC算法和EMRA算法分别在CH轮换轮数达到474轮和636轮时网络能耗达到50%,而CRPL算法在CH轮换轮数为1303轮时网络能耗才达到50%,且在CH轮换轮数为2500时,网络仍有剩余能量。
最后将本发明CRPL算法与EMRA算法、CAROC算法的节点平均剩余能量进行比较分析,结果如图7所示,随着CH轮换次数的增加,CRPL算法、EMRA算法以及CAROC算法中网络的平均节点剩余能量曲线呈直线下降,直到网络中出现节点死亡,网络的平均节点剩余能量曲线的下降速度才减缓,主要是因为网络中存活节点数开始减少。同时从图7中明显可以看出,CRPL算法中节点平均剩余能量曲线始终在EMRA算法和CAROC算法的节点剩余能量曲线的上方。这进一步说明CRPL算法在减少网络节点能耗、均衡网络能耗以及延长网络生命周期上具有更优越的性能。
机译: 无线传感器网络的基于层次簇的路由协议方法
机译: 基于网格或树的无线传感器网络的路径负载控制路由系统以及一种能够优化网络中传感器节点电池消耗的方法
机译: 一种用于确定基于ad hoc路由的无线传感器网络中以多种传输速率传输数据的分组传输路径的方法