一种改进的无线传感器网络协议的模拟退火算法.docxVIP

一种改进的无线传感器网络协议的模拟退火算法 0 letch-c协议的基本算法 无线通信和数字电子的发展和进步，使云传感器节点能够降低和提升成本，降低成本，多功能，体积小，短距离。在无线传感器网络中,路由协议的研究是当前的研究热点。作为典型的无线传感器网络协议,LEACH-C协议是一种集中式的分簇路由协议,该协议通过基站的计算选举簇头节点。这种方式能够减少选举簇头时因通信而消耗的能量,从而有更多的剩余能量用于传输数据。 在LEACH-C协议中,模拟退火算法被用来进行簇头节点的选择。其中,目标函数定义为所有节点到对应簇头的距离的平方之和。目标函数的值越小,说明整个网络在传输数据时的消耗越小。本文在模拟退火算法的基础上,对实现的具体过程进行了改进。在一次迭代过程中,首先产生一个新的簇头节点集合,然后设计新的方法,在较短时间内收敛到一个使目标函数更小的簇头节点集合。最后在这个收敛的集合基础上产生新的集合。试验证明,这种搜索较好的解的方式比原来的方法在执行效率上有很大提高。 1 相关研究 1.1 打造网络带的平台,使节点区分原理,并在控制具体的节点数时将自己作为另一个节点的一个簇头 在LEACH-C协议每个周期的开始阶段,所有节点把自己的位置信息和剩余能量值发往基站。基站在收到这些信息后,首先计算所有节点的平均能量值,把能量不低于平均能量值的节点作为候选节点。然后使用模拟退火算法从中选举出使目标函数较小的簇头集合。最后把这个簇头集合广播到网络中。如果节点收到的簇头集合中有自己的ID,则把自己作为其中的一个簇头;如果没有,则与相应的簇头建立联系,并等待相应的TDMA时隙到来后向簇头传输数据。 在模拟退火算法过程中,LEACH-C协议通过控制最大的迭代次数使算法结束,最后得到一个较好的解。当节点数较小时(例如100或者200个节点),搜索需要的迭代次数较少,因此可以在算法结束前得到一个较好的解;当节点数增大时,由于存在更多的局部最优解,算法需要较多的迭代次数从一个局部最优解跳出,然后寻找可能存在的更好的解。因此,在算法结束前搜索到一个较差解的可能性增大,最终使网络的传输代价增大,导致网络的生命周期缩短。 1.2 节点之间的问题描述 模拟退火算法是一种理论上的全局最优算法,得到较好的解的质量取决于迭代次数和退火方式的选择。在目前的优化算法研究中,还包括遗传算法,粒子群算法等智能优化算法。模拟退火算法的研究热点是将并行计算引入该算法或者与遗传算法等配合使用。在LEACH-C协议中,模拟退火算法的执行流程如图1所示。 设节点均匀分布在一个100m ×100m的矩形区域内,当前迭代次数为。则图1中产生随机扰动的过程为:首先对当前解中的每个坐标产生一个新的随机坐标。设原来的坐标为,,则新的坐标为 其中rand表示该区间内的某个随机数。然后在所有节点中搜索距离这个新坐标最近的节点。如果最后搜索到的每个节点都不相同,则把这个节点集合作为新解。 在退火过程中,为使开始时有较大的概率接受新解,本文对图中步骤9的“指定概率”的值做了修改。设m=10000×exp(k/20),则指定概率为p=exp(-△/Em),其中E表示新解对应的目标函数与当前解对应的目标函数的差值。算法结束的条件为达到最大的迭代次数。在一次迭代过程中,算法执行从步骤4开始,直到步骤11为止。算法通过在当前解的基础上进行随机扰动来产生新解,然后计算对应的目标函数,最后通过步骤6到步骤10决定是否接收新解。 新解是在当前解的邻域内搜索得到的。如果当前解在空间上距离较好的解很远,那么跳出当前解所在的较差区域需要经过很多迭代次数。尤其当节点数量增多时,节点之间的空间结构复杂,往往陷入一个很差的区域进行搜索而无法跳出。 针对以上问题,本文提出了新的方法对步骤5进行改进。首先按照产生的新解对网络分簇,然后在各分簇内产生新的簇头,用形成的簇头集合代替原来的新解,然后重新分簇。如此循环,直到某次循环后簇头集合没有变化为止。最后计算这个簇头集合对应的目标函数值。实验证明,这个过程的收敛速度是相当快的。与原来算法的平均性能相比,该算法能够在很少的迭代次数内获得较好的解。 2 最优条件可选择比新解 原来的模拟退火算法在每次迭代中直接计算新解的目标函数值。如果在计算之前能够找到比新解更好的解,将会使搜索速度获得很大提高。本文通过一个新的方法在不需要计算目标函数值的情况下,首先将新解收敛到一个局部最优解,然后用这个解产生新的随机扰动。 2.1 缺少一个簇头节点 对于一个簇,目标函数为簇内节点到簇头的距离的平方和。假设在一个平面内随机均匀分布了N个节点,最佳的簇头数为。设属于i第个簇的节点标记为Sij,坐标为(xij,yij,其中j表示该簇中的第j个节点。该簇中的节点个数为n,则有1≤j≤n。该簇的簇头节点表示为S