基于模糊算法改进的传感器网络平衡算法的研究.docVIP

基于模糊算法改进的传感器网络平衡算法的研究 　　摘要：该文提出了基于模糊强化学习改进的传感器网络平衡算法。对于强化学习Q值所具有的模糊神经网络接近值的优势，该文结合了无线传感器节点Q值的分配过程，并根据模糊Q值进行了中继节点的选择。此算法改进了传统GEAR节点分配算法过于依赖地理位置和能耗等经验知识来进行调度的缺陷。 　　关键词：模糊神经网络，强化学习，GEAR算法 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2013）23-5341-02 　　1 概述 　　对于优化无线传感器网络的负载平衡和通信，我们已经进行了大量的研究。其中最著名的一种研究方法是基于GEAR协议的无线传感器网络节点分配法。目前几乎所有的无线传感器网络都基于此协议。GAER协议是一个基于地理位置的路由器协议。它将该节点的位置信息作为选择路由器的主要依据，并根据监测目标的地理位置，进行特定方向的信息传送，以降低无线网络路由的开销。 　　然而，随着无线传感器网络的应用环境变得越来越复杂，基于GEAR算法的基本通信协议也逐渐显示出了严重的缺陷，许多研究人员都提出了规则传感器网络节点的调度方法。但鉴于节点随机分布的特点，它无法保证有效的对所有节点进行有规则的调度。假设通过一种非可靠的模式来选择网络节点，则需要太多的经验知识，从而极大地限制了网络节点的调度。有的学者研究了一种基于模糊模式的节点调度方法，通过这种方法可以使用最少的资源找出合适的节点位置。然而，该方法的缺陷是高度依赖于地理位置，能耗等经验知识来进行调度，这就大大的限制了它的应用性和实用性。 　　2 传统的无线传感器网络GEAR节点分配算法和缺陷 　　3 模糊加固Q学习算法 　　为了解决上述问题，该文引入了强化学习方法。但在Q强化学习方法中，需要很多经验知识作为支持，这就进一步限制了它的实用性。为了克服这个难题，该文提出了向强化学习Q点模糊逼近，模糊控制的输入情况是是成对的状态控制。通过在最佳状态下搜索的Q值，并在添加前面的相应干扰因素后，在模糊控制环境下发挥算法的功效。模糊控制环境在状态转换的过程中得出一个算好的模糊奖励值Q。根据模糊值的错误，进行模糊控制系统结构的调整和学习。这就可以更好地符合无线传感器网络节点模糊能量的环境。从图1可以看出，采用电脑模糊控制的加强型Q学习系统结构。 　　在此框架下，学习过程中使用模糊控制网络来描述和存储相关任务。当学习过程通过传感器感知的当前状态为Q时，就会根据当前状态进行模糊搜索控制，并在未知的经验中取得最佳的选择。随后，它会考虑修改最佳策略，使搜索和利用之间达到平衡，以取得执行的最佳效果。 　　4 基于模糊加强Q学习改进型GEAR算法的建议 　　基于GEAR传统无线传感网络协议实现了通过地理位置与能量感知的路由选择。但GEAR网络负载平衡只提供了有限的支持??。例如，如果在网络中的传送路径上出现拥堵，地理位置和能源消耗将保持不变，并且将仍然使用以前的路径发送到网络拥塞区域。这将导致额外的能量消耗。该文通过将模糊强化学习机制引入传统算法，从而本文将网络负载均分到传感器的每一个节点的功能得以实现，从而减少节点的能量消耗，延长了无线传感器网络的生命周期。 　　5 实验仿真与分析 　　6 结论 　　论文在分析传统GEAR传感器节点分配算法和模糊增强型Q学习算法的基础上，提高了GEAR传感器网络平衡算法。使用模糊神经网络向强化学习结合的Q值与无线传感器节点的分配过程中，选择发送节点根据模糊的Q值或Q值的近似值。它改善了传统的GEAR节点分配算法的缺陷，即高度依赖于地理位置，能源消耗及其他经验知识进行调度。最后，通过仿真实验，证明通信能量消耗曲线的趋势是低于传统的GEAR算法，从而能够避免网络的拥挤。 　　参考文献： 　　[1] 刘玉宏，詹英.室内Cricket无线传感器网络定位方法的改进[J].计算机工程与应用，2010（21）. 　　[2] 赵军，李鸿斌，王智.无线网络室内定位系统研究[J].信息与控制，2008（4）. 　　[3] 高明，吉祥，刘宇，等.ZigBee技术在室内定位中的应用[J].西安工业大学学报，2010（1）. 　　[4] 杨东勇，顾东袁，傅晓婕.一种基于RSSI相似度的室内定位算法[J].传感技术学报，2009（2）. 　　[5] 宋上雷，刘果.无线传感器网络及能耗策略[J].数字通信世界，2005（11）. 　　[6] 陈雄，杜以书，唐国新.无线传感器网络的研究现状及发展趋势[J].系统仿真技术，2005（2）. 　　[7] 陶诗涌，罗惠琼.密集型无线传感器网络多对一的传送能力及数据压缩研究[J].计算机与信息技术，2005（5）. 　　[8] 胡文基，徐明伟.无线传感器网络安