一种具有移动Sink节点的无线传感网生存时间优化方法
【技术领域】
[0001] 本发明涉及移动无线传感网领域，尤其涉及的是一种具有移动Sink节点的无线 传感网生存时间优化方法。
【背景技术】
[0002] 无线传感网（wireless sensor networks, WSNs)主要由用于协同监测物理或环境 条件（如温度、声音、振动、压力、运动等）且在空间上自主分布的传感节点和用于收集、处 理和转发传感节点感知数据的Sink节点组成。WSNs已经应用到人们生活的各个方面，如建 筑结构健康、远程健康监测、精细农业、家庭自动化、智能电网和智能交通等，具有广阔的应 用价值和市场价值。在无线传感网中，传感节点采用电池供电，且在大多数情况下，电池更 换或充电是不可行的。因此为了实现长时间的网络生存时间，传感节点必须以节能的方式 调整自身的感知、处理和通信等活动，充分利用电池能量。
[0003] 但是在静态无线传感网中，传感节点的位置固定不变，且采用默认多对1的逐跳 通信模式。无论怎么调整算法，总会出现如下问题：离Sink节点近的传感节点需要发送较 多其它传感节点的数据，导致这些传感节点能量消耗较快，且过早失效。这个问题通常被称 为无线通信的热点问题或Sink节点的空穴问题。为了处理这个问题，引入Sink节点的移 动。Sink节点的移动不仅能平衡传感节点之间的能量消耗，而且能连接网络中的分裂区域。
[0004] 近年来，国内外学者对具有移动Sink节点的无线传感网（Mobile sink-based wireless sensor networks，mWSNs)的生存时间优化方法进行了一些研究，取得一些成 果。有些学者侧重于寻找优化网络生存时间的Sink节点移动路径，确定Sink节点的停留 位置。如 Arun K. Kumar 等米用范围约束方法（RCC，range constrained clustering)，将 网络内所有传感节点分成多个簇，采用TSP求解器计算遍历所有簇中心的最短路径，即获 得Sink节点的移动路径。ChuFu Wang等提出移动Sink节点的能量感知迀移方法（EASR， energy-aware sink relocation) dEASR米用最大容量路径（MCP，maximum capacity path) 路由算法收集数据。当两个搬迀条件满足时，启动Sink的移动，找到下一个具有最大权值 的移动位置。Hamidreza Salarian等提出一种加权集合规划方法（weighted rendezvous planning, WRP)，即根据到最近锚点的跳数和子节点的数量，计算所有传感节点的权值，选 择若干个权值较大的节点作为锚点，采用TSP求解方法获得Sink节点遍历所有锚点的最 短路径。有些学者侧重于研究已知Sink节点移动路径的网络生存时间优化方法。如Wang Liu等采用数学推导的方法研究Sink节点移动到若干个锚点时的最优数据吞吐率和最大 网络生存时间。YoungSang Yun等建立Sink节点在不同位置停留时的网络生存时间优化 模型，采用Lagrange分解方法将优化模型的求解问题分解成2个子问题，分别求解这2个 子问题，获得最优方案。有些学者同时研究Sink节点的移动路径选择和网络生存时间优化 方法。如Stefano Basagni等考虑Sink节点的起初地址、数据收集路由和停留时间等因 素，建立混合整数线性规划模型，提出贪婪最大剩余能量方法（Greedy Maximum Residual Energy，GMRE)。当邻居位置周围的节点剩余能量比当前位置周围的节点剩余能量大，则移 动到该邻居节点位置上收集数据。M. Emre Keskin和Behnam Behdani等分析路径约束、流 量约束和能量约束等约束条件，建立网络生存时间的优化模型，分别采用商用求解软件和 Cutting-plane方法求解，获得最优解。Keontaek Lee等考虑传感节点的栅栏分布，将监测 区域分成9个区域，根据Manhattan路由推导每一个区域内传感节点的能耗，寻找最大能耗 的位置。
[0005] 但是这些方法没有同时考虑有限的数据传输时延和跳数，而且假设传感节点的数 据缓存空闲无限大。但是在实际的无线传感网系统中，过大的数据传输跳数容易产生丢包， 甚至不能实现与Sink节点的数据传输。同时由于硬件成本的限制，传感节点的数据存储空 间有限，传感节点的数据传输时延不宜很大，否则会造成大量数据的丢失。
【发明内容】
[0006] 为了克服已有无线传感网络的生存时间较短、数据传输时延和跳数受限的不足， 本发明提供一种提高网络生存时间、降低节点能耗和节点丢弃数据量的具有移动Sink节 点的无线传感网生存时间优化方法。
[0007] 本发明解决其技术问题所采用的技术方案是：
[0008] -种具有移动Sink节点的无线传感网生存时间优化方法，所述优化方法包括如 下步骤：
[0009] 1)首先，网络启动后，Sink节点广播信息查询包，接收传感节点的位置坐标信息， 并添加到Sink节点的传感节点信息表中；
[0010] 2) Sink节点分析约束条件，建立数据传输时延和跳数受限的网络生存时间优化模 型为
[0020] 其中，Ti表示传感节点i的生存时间，t p表示Sink在网格中心p上的停留时间， tdelay表示允许的最大数据传输时延，dp表示相邻网格中心间的距离，V表示Sink节点的移 动速率，Cf表示传感节点在Sink节点的数据通信范围内的状态指示符，gf表示当Sink节 点停留在网格中心P时，传感节点i发送给Sink节点的数据量，S 1表示传感节点i的数据 感知速率，表示当Sink节点在前一个网格中心上收集完数据后，传感节点i的剩余数 据缓存量，b th表示传感节点的最大存储容量，T表示网络生存时间，E ιη表示传感节点的初始 能量，表示Sink节点停留在网络中心p上收集数据时，传感节点i的单位时间能耗，< 与所采用的数据路由算法有关，表示网格中心pJP P "相邻的指示符，P表示Sink节 点移动路径经过的网格中心向量，示网格V的中心。
[0021] 3) Sink节点采用修正遗传算法求解网络生存时间优化模型，计算网络生存时间、 Sink节点移动路径和在每一个停留位置上的停留时间的最优方案，过程如下：
[0022] bl)初始化迭代次数g = 0,当前染色体个数m = 0,网格中心位置的交叉概率a i =〇. 5,停留时间的交叉概率α 2= 〇. 5,染色体发生变异概率β 1= 0. 25,基因发生变异概 率β2= 0.05,其中，Sink节点经过的网格中心位置和在每一个停留位置上的停留时间组 成一个染色体，即向量.
[0023] 初始化传感节点全覆盖的Nm个染色体，其中NM表示染色体的个数，随机选择一个 网格中心作为初始位置，随机选择邻居网格中心作为下一个停留位置，当选择的网格中心 数量超过阈值或者周围所有邻居网格中心都已经被选为停留位置，则停止选择，获得一条 移动路径；分析该移动路径是否符合模型（15)的约束条件（7)，如果不符合，则存在孤立节 点，寻找覆盖最多孤立节点的网格中心，将该网格中心添加到移动路径中，增加未被选择的 网格中心使移动路径符合约束条件（12)且增加的路径长度最短；当该移动路径的长度大 于阈值，从中选择长度为阈值的前一部分路径，判断该路径是否全覆盖传感节点；如果不符 合，则放弃该路径，重新开始寻找新的路径，否则根据所选择的移动路径，随机生成每一个 停留位置的停留时间且总和不超过数据传输时延，获得染色体向量；循环上述操作，直到获 得传感节点全覆盖的N m个染色体；
[0024] b2)g = g+Ι，根据染色体和采用的数据路由算法，计算所有染色体的适应度，即 Sink节点在每一个网格中心p停留时间tp时间，采用数据路由算法收集其数据通信范围内 的传感节点数据，当Sink节点移动到下一个网格中心时，各个传感节点采用式（9)更新自 身的数据存储器，循环上述操作，直到Sink节点完成沿着初始位置到结束位置，再返回初 始位置的一次数据采集后，执行式（13)计算节点的生存时间
[0026] 执行式（14)计算网格生存时间
[0028] b3)选择最优染色体，根据所有染色体的适应度，直接选择适应度最大的染色体继 承到下一代种群中；
[0029] b4)执行交叉操作，根据轮盘赌策略选择1个染色体和当前最优染色体进行交叉， 形成一个新的染色体；
[0030] b5)执行变异操作，产生一个0-1随机数，如果大于染色体发生变异概率β i，则跳 到步骤b6)，否则根据步骤b4)中的染色体长度值，循环执行凡2次以下操作：产生一个0 到1之间的随机数，当该随机数小于基因发生变异概率β 2，则随机产生一个新的基因，