基于改进蚁群算法的智慧农业无线传感器网络路由优化研究.docx

?

?

基于改进蚁群算法的智慧农业无线传感器网络路由优化研究

?

?

刘彤彤王磊

摘要：为了提高智慧农业无线传感器网络路由的生存时间，节点能量消耗相对均衡，采用改进蚁群算法。首先建立无线传感器网络模型和约束条件；接着通过消耗能量预测节点传输能力，剩余能量、过载区域以及覆盖冗余度构成适应度函数；然后改进蚁群算法，包括基于最佳路径的目标函数值信息素分配策略，二点交叉算子对信息素分配策略对应的任意2个网络节点序列进行优化；最后给出无线传感器网络路由优化流程。试验仿真显示本研究算法使无线传感器网络路由的节点间剩余能量差异性最小，网络生存时间较长，不同节点数接收数据包平均剩余能量较多。

关键词：无线传感器网络；最佳路径；改进蚁群；剩余能量

：TP212.9；S126文献标志码：A

：1002-1302（2017）15-0199-03

无线传感器网络被广泛应用在农业生产、监测、科研等智能领域，例如温室大棚环境监测、土壤水分监测等可根据农作物生长需要进行实时智能决策，并自动开启或者关闭指定的环境调节设备，但是无线传感器网络节点受到硬件资源和传输节点能量的限制，数据处理和传输能力较弱，如何有效利用能量，延长无线传感器网络寿命并保证网络功能成为智慧农业无线传感器研究的重要方向[1]。

目前关于智慧农业无线传感器网络路由能量利用效率和能量均衡优化研究方法有：蚁群算法（AntColony，AC），具有较强的全局寻优能力[2]，但是需要收发双向蚂蚁大量、反复地更新信息素，若对链路稳定性进行考虑，那么最优路径中有可能包含不稳定链路，因此路由生存时间受到影响，导致需要更大的网络开销；粒子群算法（ParticleSwarmOptimization，PSO），通过睡眠调度机制优化网络覆盖性能[3]，但是没有考虑覆盖率、能量利用效率、节点生存率的均衡性；动态分簇算法（DynamicClustering，DC），让簇内节点把数据发送至簇头[4]，然后簇头对汇总的数据进行融合，再以多跳方式发送给汇聚节点，这种算法能够节省能量，但是存在网络延迟等问题；定向扩散算法（DirectedDiffusion，DD），能够减小数据冗余[5]，但是路由开销增加，效率低。

为了提高智慧农业无线传感器网络路由优化性能，本研究采用改进蚁群算法（ImprovedAntColony，IAC）。首先建立无线传感器网络能耗模型和剩余能量约束条件；通过消耗能量预测节点传输能力，剩余能量、过载区域以及覆盖冗余度构成适应度函数；改进蚁群算法包括基于最佳路径的目标函数值信息素分配策略，二点交叉算子对信息素分配策略对应的任意2个网络节点序列进行优化；试验仿真显示本研究算法使无线传感器网络路由的节点间剩余能量差异性最小，网络生存时间较长，不同节点数接收数据包平均剩余能量较多。

1系统模型

1.1网络模型

无线传感器网络路由可抽象成带权有向图G（V，E），V={v1，v2，…，vn}为网络中感知节点的集合[6-7]，E={e12，e23，…，eij}为相邻节点之间通信链路的集合，其权值为路径开销，用W{vi，vj}表示。假设相邻2个节点之间最多仅有一条可通信链路，如节点i、j∈V连通，且i、j之间不存在其他节点，则称i、j边为链路且（i、j）∈E。節点序列p（i1，i2，…，im-1，im）是一条长度为m的路径，其中：il∈V，1≤l≤m，且，（il-1，il）∈E，2≤l≤m。

式中：Q为信息素浓度的常数；L为本次循环中所走路径的长度；Lworst为最长路径，如果第k只蚂蚁没有经过边（r′，s），则Δτkt（r′，s）的值为零。该策略在每一周期结束时，仅对最佳路径包含的路段增加信息素，更新后每条边的信息素限制在所经过的最长路径信息素浓度和最短信息素浓度之间，避免某些边上的信息素过大，使信息素能够正确指导蚂蚁在下一次迭代的搜索方向，从而避免了大量无效搜索，提高了数据处理效率。

2.2.2局部优化

为了避免蚁群优化算法过早地陷入局部最优，在每次迭代中，当所有蚂蚁完成解的构造之后[14]，使用随机函数rand（）生成（0，1]之间的随机数，其个数与蚂蚁数量一样，若该随机数落在交叉概率[0.75，0.85]的取值范围内，便应用遗传算法中的二点交叉算子对信息素分配策略对应的任意2个网络节点序列进行优化。在2个网络节点序列编码串中随机设置2个交叉点；再交换2个网络节点序列在所设定的2个交叉点之间的部分编码串，若交换后的目标函数较小，则用交换后的解替换之前的解。

2.3算法描述

（1）参数初始化，设无线传感器网络节点数、蚂蚁个数、初始化各个节点的参数及各条边的信息，同时给出约束限制值；（2）计算每个蚂蚁到终点后与初始目标点的距离，通过计算最优化目标函数的值，删掉能量较小的传感器节点，记录并