后传输数据。
[0233] 第6步：跳到第3步。
[0234] 第7步：结束。
[0235] 下面对上述方法中的LSE优化过程做一个简要的说明。
[0236] 第1步完成初始化设置，包括设置初始生命群体的个体个数、生存空间范围、每一 个生存个体可以繁殖后代个数、繁殖的最大代数，以及营养分布函数等。第2步为每一个生 命个体均匀地分配生存空间。第3步，每一个生命个体在其生存空间中获取营养，其计算方 法是取营养函数在其生存空间中点的值。
[0237] 第4步，对于每一个生命个体，进入到一个循环。循环的第1步，计算营养阈值， 其值等于当前所有个体获取营养的平均值；在循环的第2步，进行比较，获取营养值大于或 等于营养阈值的生命个体生存下来，其它个体死亡；循环的第3步，生存下来的个体在其生 存空间中繁殖多个后代；循环的第4步，所繁殖的后代均匀地继承其父辈的生存空间，也就 是说，为后代均匀地分配子生存空间；循环的第5步，繁殖后代的父辈当即死亡；循环的第 6步，每一个后代生命个体在其生存子空间中获取营养，其计算方法是取营养函数在其生存 子空间中点的值。
[0238] 第5步，判断是否达到了繁殖代数的最大值。如果达到了，则跳到第八步，从而结 束整个计算过程。
[0239] 第6步，对于每一个后代生命个体，进入到一个循环，其操作方法与计算过程与第 四步完全相同。
[0240] 第7步，跳到第五步。
[0241] 第8步，结束整个计算过程。
[0242] 需要特别指出的是，第4步和第6步分别完成生存空间进化与多后代繁殖。一方 面在生存空间的进化过程中，一部分生命个体连同它们的生存空间一起消失了。另一方面， 多后代繁殖可以连续不断地为生命种群注入新鲜的生命个体，这样就可以保证生命群体中 的生命不会逐步减少。因此，多后代繁殖是实现生存空间进化的前提和保证。
[0243] 2、本发明有效性验证
[0244] 为了对本发明的有效性进行检验，采用标准测试函数（Benchmark Functions)对 本方法中的核心内容LSE智能算法进行了测试。9个标准测试函数包括3个单峰函数和6 个多峰函数用来测试，其目标是计算这些函数的最小值。表1是这些测试函数的数学模型 及有关参数。LSE测试的有关参数设置如表2所示。
[0245] 优化结果如图3所示。从图3可以看到，对于所有的函数，后代搜索到的最小值比 前代都要小，这就说明生命不断向优质生存空间进化。同时可以看到，对于Rosenbrock，直 接得到了其最小值，而对于其他函数，随着繁殖代数的增加，所搜索到的最小值越来越向函 数的最小值靠近。因此，LSE智能算法对于这些标准测试函数的寻优问题是有效的。 表1
【主权项】
1. 一种采用生存空间进化智能算法的无线传感器网络分簇路由方法，其特征包括以下 步骤： 第1步：初始化 第1-1步：设置传感器网络的节点数； 第1-2步：设置下列（1)、（2)、⑶式的能量参数： 传输k位数据到d米的距离所需的能量消耗，ETx (k，d)，其大小为： ETx (k,d) =kEelec+kefsd2(d<d〇) ETx (k,d) =kEelec+kenpd4(d^d〇) (1) 收到这些信息所消耗的能量，ERx (k)，其大小为： Erx (k) =kEelec (2) 处理这些信息所需要的能量，Edafus(k)，其大小为： Edafus(k) =kEda (3) 其中，E&是发送电路与接受电路的能量消耗；Eda是处理数据的能量消耗；e&和e^ 分别是自由空间模型和多路衰减模型的功率损耗，d。是传输距离阈值； 第1-3步：根据下列（4)式设置适应度函数参数：fitness=aa2f2 (4)(5) (6) 其中，a挪a2是权值系数，并且满足afa2= 1;q;是网络中第i个节点的剩余能 量；qk是第k个族头节点的剩余能量；fi是能力的评估因子山是第i个节点到汇聚节点的 距离；lk是第k个族头节点到汇聚节点的距离；f2是距离的评估因子； 第1-4步：设置传输数据的最大数； 第2步：根据LEACH提供的方法，选择族头、建立族群、创建调度表，然后传输数据； 第3步：判断是否达到传输数据的最大值，若达到，则跳到第七步； 第4步：通过LSE智能算法对族头选择进行优化 第4-1步：给敏感区域的每一个节点编号； 第4-2步：设置族头数； 第4-3步：根据每一个节点的计算容量，设置最大迭代次数； 第4-4步：判断是否达到最大迭代次数，如果达到，则跳到第5步； 第4-5步：创建生命的生存空间，其方法如下： 生命的生存空间={候选者1、候选者2、……，候选者K|每一个候选者可以取某一个 序列号1到N}; 第4-6步：优化分立生存空间，其方法如下： 第4-6-1步：用各维坐标轴的分立坐标值去代替连续的坐标值； 第4_6_2步：适应值按照如下的（4)式进行计算：fitness=aa2f2 (4)第4_6_3步：LSE的优化过程如下： 第4-6-3-1步：初始化： 设置初始生命群中的生命个体数； 设置初始生存空间范围； 设置每一个生存生命个体能够繁殖的后代的个数； 设置营养分布函数f(); 设置最大的繁殖代数； 第4-6-3-2步：为初始群中的每一个生命个体均匀分配生存空间，简单地说，就是为每 一个个体均匀地分配生存空间； 第4-6-3-3步：每一个生命个体在它的生存空间中获取营养，营养的大小就是分布函 数f()在其生存空间坐标中点的值； 第4-6-3-4步：对每一个生命个体，做如下循环： 第4-6-3-4-1步：计算阈值营养，其值等于当前所有生命个体获取营养的平均值； 第4-6-3-4-2步：比较生命个体的营养，大于或等于阈值营养者生存，否则死亡； 第4-6-3-4-3步：所有生存的生命个体，在它们的生存空间内繁殖多个后代； 第4-6-3-4-4步：这些后代们均匀地继承与共享它们前辈的生存空间，也即，均匀地为 后代分配生存子空间； 第4_6-3-4_5步：繁殖后代的父辈们死亡； 第4-6-3-4_6步：每一个后代在它的生存空间中汲取营养，营养的大小就是分布函数f()在其生存空间坐标中点的值； 第4-6-3-5步：判断是否达到最大的繁殖代数，如果达到，则跳到第8步； 第4-6-3-6步：对每一个后代生命个体，做如下循环： 第4-6-3-6-1步：计算阈值营养，其值等于当前所有后代生命个体获取营养的平均值； 第4-6-3-6-2步：比较后代生命个体的营养，大于或等于阈值营养者生存，否则死亡； 第4-6-3-6-3步：所有后代生存的生命个体，在它们的生存空间内繁殖多个新的后代； 第4-6-3-6-4步：这些新的后代们均匀地继承与共享它们前辈的生存空间，也即，均匀 地为新的后代们分配生存子空间； 第4-6-3-6-5步：繁殖后代的父辈们死亡； 第4-6-3-6_6步：每一个新的后代在它的生存空间中汲取营养，营养的大小就是分布 函数f()在其生存空间坐标中点的值； 第4-6-3-7步：跳到第5步； 第4-6-3-8步：结束； 第4-7步：发布族头信息； 第4-8步：跳到第4-4步； 第5步：根据LEACH提供的方法，建立族群，创建调度表，然后传输数据； 第6步：跳到第3步； 第7步：结束。
【专利摘要】本发明公开了一种采用生存空间进化智能算法的无线传感器网络分簇路由方法，在本算法LSE(Living？Space？Evolution，简称LSE)中主要包括：一是生存空间进化：在生存条件信息的指引下，生命的后代逐渐向富裕或优质的生存空间转移；二是多后代繁殖：为了与自然界中真实生命的繁殖现象相吻合，在本方法中引入了一个生命在一代内可以繁殖多个后代。使用本发明方法，采用生存空间进化智能算法优化分簇路由结构，提高了无线传感器网络数据传输效率，大大提升了无线传感器网络的使用寿命。
【IPC分类】H04W40/10, H04W84/18
【公开号】CN105101333
【申请号】CN201510377653
【发明人】肖来胜
【申请人】广东海洋大学
【公开日】2015年11月25日
【申请日】2015年6月30日