基于Hopfield―GA算法移动Sink数据采集优化.docVIP

基于Hopfield―GA算法移动Sink数据采集优化 　　摘要：针对移动sink数据采集算法存在的数据采集量低、网络生存时间短等缺陷，从优化网络拓扑结构的角度设计了数据采集模型，将Hopfield反馈神经网络与遗传算法结合，设计了基于Hopfield-GA算法数据采集方案，给出了染色体编码、交叉运算、变异运算和算法执行流程。从实验结果分析，该算法具有收敛速度快、寻优精度高等特点，在数据采集量和网络生存时间二个衡量指标上均优于现有的STP算法。 　　关键词： 无线传感器网络； 移动Sink； Hopield； 遗传算法； 数据采集 　　中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2014）14-3225-05 　　Abstract：According to disadvantages of mobile sink in data collection capacity and network survival time， this paper design a Hopfield - GA data acquisition algorithm based on Hopfield neural network and genetic algorithm. Chromosome coding、crossover operation and variant operation of the algorithm was designed. From the analysis of experimental results， this algorithm has fast convergence rate and higher characteristic， in the amount of data acquisition and network survival time two indicators are better than the existing STP algorithm. 　　Key words：wireless sensor network； mobile sink； hopield； ga algorithm； data collection 　　无线传感器网络作为一种新兴的通信技术在农业、军事各领域得到了广泛的应用，成为生态环境监测、数据采集和处理首选的解决方案。一般的环境监测无线传感器网络都采用固定的网络拓朴结构，所有节点采集的数据通过多跳路由的方式汇总到Sink节点，由Sink节点将数据传给远程的服务器。这种情况下导致节点的节点能耗不均，影响网络生存时间。针对这一缺点，使用移动的Sink进行数据采集，从而均衡各节点的能量损耗，提高网络生存时间的解决方案被提出并应用，给出了如最短路径树（shortest path tree，SPT）等数据采集算法[1-5]。使用移动Sink节点按照预设的运动路径，对簇首节点汇总的数据进行周期性的采集，在一定程序上能够均衡节点的能耗，但由于Sink节点的移动性，必然致使其对簇首节点的数量采集量受通信时间的约束，制约了采集周期内的数据采集量。因而，如何在均衡节点能耗的基础上尽可能提高数据采集量，提高移动Sink节点的数据采集效率，是应用移动Sink节点必须要解决的一个问题。 　　针对目前移动Sink数据采集算法存在的不足，该文从传感器网络拓朴结构的角度出发，对族首节点的成员数量进行优化，同时考虑数量采集量和网络能耗两个指标，建立数据采集模型，将Hopfield反馈神经网络与遗传算法结合，设计了基于Hopfield-GA算法数据采集方案，为移动Sink传感器网络提供了一种数据采集量高且全网能耗低的数据采集算法。 　　1 移动Sink的最小能耗最大数据量数据采集模型 　　1.1模型应用场景及基本假设 　　在使用移动Sink节点的传感器网络中，成员节点均匀分布的监测区域内，每个成员节点从属于一个簇首节点，形成一个树状的网络拓朴结构。Sink节点按照某个预设的运动轨迹，以运动轨迹为圆心，以节点的通信半径R为半径形成的一个带状区域称为直接通信区。处在直接通信区域的簇首节点可直接与移动Sink节点建立通信，上传簇内汇总的数据。该文的数据采集模型建立在如下的假设基础上：（1）每个成员节点只能从属于一个固定的簇首节点；（2）移动Sink节点只与簇首节点建立通信，接收数据；（3）各成员节点采用多跳路由的方式与簇首节点通信；（4）所有簇首节点均部署在Sink节点的直接通信区；（5）各成员节点和簇首节点具有同样的能耗和数据发送能力；（6）移动Sink节点有充足的存储空间和计算能力。 　　在监测区域中部署的传感器节点总数为[nt]，成员节点数为[nm]，簇