改进多分支蚁群法在WSN中应用.docVIP

改进多分支蚁群法在WSN中应用 　　摘 要 随着经济的发展，社会信息化的程度不断提高，智能家居的概念逐步走进了人们的生活，人们对智能化的生活需求越来越强烈，而智能家居系统里每一个子系统正常的运行完全依赖于无线传感器网络（WSN）的连接，所以WSN是实现智能家居的基础。无线传感器网络（WSN）它是一种资源严重受限的网络，节点的能量是有限的，所以路由在能量控制和拥塞控制上有着特殊的要求，因此如何有效地利用节点能量和流量控制，延长整个网络的生存期成为无线传感器路由协议设计的重要目标。本项目针对无线传感器网络路由在流量控制上的特殊要求，对传统蚁群算法进行了改进，改变单一蚁群，引进了“多分支蚁群”的机制来进行流量控制，“多分支蚁群”指的就是引进了多种蚁群进行路由分支的机制，并将多种蚁群共同挥发的信息素与网络节点的能量参数共同构成路由的控制因子，从而进行流量的控制。此改进的算法应用于无线传感器网络对提升延长整个网络的生命周期，实现高效路由与有效利用节点能量有实际的应用价值。 　　关键词 蚁群算法 无线传感器路由 　　中图分类号：TP393 文献标识码：A 　　蚁群算法（ant colony optimization，ACO），又称蚂蚁算法，是一种用来在图中寻找最优路径的技术。它最早出现在1992 年Dorigo 的博士论文里，该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点，主要用于求解组合优化问题。蚁群算法是对自然界蚂蚁的寻径方式进行模似而得出的一种仿生算法。蚂蚁在运动过程中，能够在它所经过的路径上留下一种称之为外激素（pheromone）的物质进行信息传递，而且蚂蚁在运动过程中能够感知这种物质，并以此指导自己的运动方向，因此由大量蚂蚁组成的蚁群集体行为便表现出一种信息正反馈现象：某一路径上走过的蚂蚁越多，则后来者选择该路径的概率就越大。包含有（启发式算法） 对于那些受大自然的运行规律或者面向具体问题的经验、规则启发出来的方法，人们常常称之为启发式算法。现在的启发式算法也不是全部来自自然的规律，也有来自人类积累的工作经验。（信息素） 蚂蚁释放一种化学物质，根据环境中的这种物质蚂蚁可以找到食物和窝之间的最短路径，我们称这种物质为信息素。 （信息素更新） 信息素更新是指路径上信息素量与蚂蚁数量的变化和时间的推移之间存在增加和消失的变化关系。每只蚂蚁走完一步或对所有n 个节点的遍历完成后，要对链路上的信息进行更新。因此，定义t+n 时刻在节点i 到节点j 的路径（i， j） 上的信息量。第k 只蚂蚁在本次循环中在节点i 到节点j 的路径上留下的信息量。（链路选择概率） 信息素踪迹越浓的路径，被选中的概率越大，即路径概率选择机制。设网络G = （V， E），这里V表示图中顶点的集合，设= |V|，E 表示边的集合。蚁群优化的目的是寻找中起始节点Vi到目的节点Vj 的最短路径，每条边e （i，j）∈E 都有一个信息素变量Tij，Tij 会随着迭代次数的增加而变化。Pij 表示在节点i 选择到节点j 的概率。表示节点i 处可选择的下一跳邻居节点j 的集合。则蚂蚁在选择路径时会根据可选每条链路上的选择概率进行选择，并在该节点根据概率分配蚂蚁。 　　蚁群算法被越来越多的研究者关注和探讨，算法的理论得到不断的完善，应用范围也普及到许多的科学技术及工程领域，是一种有良好发展前景的模拟进化算法。在网络发展的今天，无线传感器网络（WSN）的应用越来越广泛，传统的蚁群算法是一种求解复杂组合优化问题的启发式算法，在求解组合优化问题上显示出了强大的优势，它有较强的鲁棒性，多路径路由，自适应等优点，在无线传感器网络WSN实际应用中已经取得了较大的成就。但也存在一些不足：如果参数设置不当，导致求解速度很慢且所得解的质量特别差；基本蚁群算法计算量大，求解所需时间较长；基本蚁群算法中理论上要求所有的蚂蚁选择同一路线，该线路即为所求的最优线路。 　　随着无线网络技术的高速发展，以及人们物质生活水平的不断提高，人们对智能家居的需求越来越强烈，而智能家居系统里每一个子系统正常的运行完全依赖于无线传感器网络（WSN）的连接。随着子系统的增加，面临着网络里大量数据，容易陷入局部拥堵，传输速率低，网络服务质量下降等问题，导致现实的智能家居诸多控制系统的每一个子系统无法正常工作，所以对无线传感器网络的流量控制在智能家居应用的研究成为了热点。 　　该论文的研究分为三大部分，第一部分是建立“多分支蚁群”的网络仿真环境，利用现有的计算机网络实验平台，搭建NS/2进行测试的实验环境；第二部分是进行单一蚁群算法在对应的网络结构中进行模拟测试，获取对比每个目标节点下一跳选择各个相邻节点的概率等相关数据；第三部分是使用 “多分支蚁群”的路由算法方法来进行模拟测试，获取使用