基于蚁群算法的移动自组网AODV路由协议动态优化研究 .pdf

醐多动自皱AODV路由协议

动林刷究

尹，最优路径

L-/J

y⑶

0,非最优路径

图2路径节点3与4之间发生断链时D的移动

摘要：现有的AODV路由协议优化研究大多采用高延迟方式。本文AODV

路由协议进行动态优化，并采用蚁群算法其进行优化。通过路径规划中的避

障规则及关键节点的敏感度进行修正，增加关键路径上的信息素含量，设定信息

素水平分区，进而通信传输最优路径的辨识与规划进行优化。利用蚁群算法,

将每个结点的信息素辨识结果与蚁群算法相结合，求得最佳传播路径。试验表明，

经过优化的路由通信数据传输平均时延维持在0.3—0.45秒之间，可以有效缓解

移动自组网拥塞状况，并且路径节点的变化也逐渐平稳，总体工作效率与性能得

到了显著提升。

关键词：蚁群算法；移动自组网；AODV路由协议；动态优化

移动无线自组网络是一种自组织、快速配置而且无需固定设施的动态网络。

当移动自组网拓扑变化时，该算法可以迅速收敛，具有较低的计算量和较少的内

存需求，并具有自修复和断开能力。此外，AODV还采用了结点序号的方法来解

决移动自组网中的循环和无限计数问题。然而，当有效路由出现连接失效时，存

在着源节点进行修补或局部修补选择不当的问题，这将导致整个移动自组网性

能的恶化。因此，本文拟研究一种基于移动自组网的AODV路由协议，采集数

据，设置动态频率门限，并通过实验验证了该算法的优越性，提高了协议中分组

的动态交付率［1］。

一、蚁群算法

在不断研究探讨中，学者们根据蚁群“信息素”的变化规律，将其划分为三种

不同类型的蚁群算法。循环模型(cycle):每只蚁群可释放的信息素总量是恒

定的。密度模型(denseness):当蚁群通过一条通路后，不管这条通路有多长，

它们都会释放出同样的信息素。数量模型(quantity):每只蚁群在同一条路径

上释放的信息素浓度均相同。在这三种模式的持续试验和实际运用中，以其更具

逻辑性和合理性而成为三种模式中的最佳模式。在接下来的研究中，很多学者通

过引入各种算法和技术来蚁群算法进行改进，主要有三种改进方法，分别是根

据信息素的更新方式、基于路径选择逻辑的方法以及将其他算法与蚁群算法相结

合，从而得到了各种改进算法。

基(一于)信息素局部更新方式的改进蚁群算法

在此基础上，采用局部弱化信息素作用，使未被走过的路径有一定几率被选

中，从而避免陷入局部最优；提高了全局的搜索能力，提高了全局信息素养更新

速度；在确定局部最优路径上，提高信息素的作用和集中程度，从而加强正反馈

作用，提高收敛速度。

（二）基于路径选择逻辑的改进蚁群算法

采用一种基于遗传算法的算法，蚁群算法进行了改进，使得蚁群算法能够

在最短时间内得到全部的可行解；为了提高算法的收敛效率，同时保证路径的合

理性，采用了一种基于遗传算法的蚁群算法。

（三）基于算法融合的改进蚁群算法

由于蚁群算法并行性好、分布性能好等特点，蚁群算法更容易与其他算法相

结合，通过与各种精确算法和启发式算法的结合，形成一种新的算法，该算法可

以将启发式算法的强大全局寻优能力与蚁群算法的正向反馈相结合，从而实现快

速、准确求解。

从算法层次上来说，它不但在算法层次上进行了持续演化，而且在实践中，

它已经被广泛应用于从生产生活中提炼出来的各种问题，例如：车辆路径问题、

图像处理问题、移动自组网路由问题、聚类问题等。

二、AODV路由协议工作过程

（一）AODV路由协议的路由发现

在AODV协议中，如果有一方想要向目的方发送一条信息，那么只需在此基

础上创建一条路径。为寻找到达目标点的路径，它广播一个路由请求信息RRQ

到邻居节点，邻居节点又将消息转发给下一邻近结点，直至到达目标点或有一条

有效路径到达目标点。同时，接收RR