一种基于粒子群的无线传感器网络路由节能方法
【技术领域】
[0001] 本发明设及无线传感器网络领域，尤其设及一种基于粒子群的无线传感器网络路 由节能方法。
【背景技术】
[0002] 无线传感器网络由于自身的局限性，能量是非常有限的。而且无线传感器网络与 传统的无线网络有很大不同，传统无线网络的首要设计目标是提高面向应用的服务质量、 可靠性W及使带宽利用更为高效，其次才将节约能量考虑在内。但是，利用传感器节点获取 信息的被采集区域大多是非常恶劣或者是人类不宜居住的地区，例如：沙漠、森林和海洋 等，运种环境下，当传感器网络工作一定时间并消耗了大量能量后，人为的更换电池是极不 现实的。
[0003] 所W，无线传感器网络发展前景中的首要问题，就是必须在有限能量的条件下，使 全网更加节省能量，使无线传感器网络的生命周期得到有效延长。但传统的无线网络的分 簇方法不适用于无线传感器网络，必须重点研究适用于无线传感器网络的、且更为高效的 拓扑控制方法。早期也出现了多种分簇路由方法为研究工作提供了很多种思路，可W通过 对现有分簇机制进行研究，再针对其优缺点进行改进，使无线传感器网络生存时间更长，节 点的平均耗能更小。
[0004] 目前现有的无线传感器网络分簇路由方法如下：
[0005] 1、早期的TopDiSC成簇算法W，可W使节点在密集部署的传感器网络中快速的形 成分簇结构，并在簇头之间建立树形关系，但是此方法形成的分簇网络不够灵活，算法的开 销太大。
[0006] 2、南加州大学有关学者提出了 W节点地理位置为依据的GAF分簇算法W，但该算 法需要精确的地理位置，并且不能保证能量的均匀消耗。
[0007] 3、LEACH算法W是一种低功耗自适应层次路由算法，也是第一个被提出的聚类路 由算法，运种算法打破了前期成簇算法中固定簇头的思想，算法过程存在周期性循环，每个 周期分为簇建立阶段和稳定阶段，但是LEACH算法没有考虑传感器节点的位置信息和剩余 能量信息，成簇后，簇头不会在全网内均匀出现，而且，按概率选举簇头时，可能会出现一种 现象:剩余能量较小的节点仍然成为了簇头。运种情况下会出现此节点因耗能过快、过大而 过早死亡的现象，不利于延长网络的生命周期。
【发明内容】
[000引本发明提供了一种基于粒子群的无线传感器网络路由节能方法，本发明充分考虑 节点的剩余能量信息和位置信息，通过粒子群优化选择合适簇头，W均衡网络的能量消耗， 延长生命周期，详见下文描述：
[0009] -种基于粒子群的无线传感器网络路由节能方法，所述无线传感器网络路由节能 方法包括W下步骤：
[0010] 获取用于选择簇头的适应值函数，通过粒子群算法对所述适应值函数进行迭代， 寻找适应值大的无线传感器节点作为网络中的簇头；
[0011] 将选择的簇头向其他无线传感器节点进行广播，其他无线传感器节点根据接收到 的广播信号的强弱来感知距簇头的距离，从而选择加入哪个簇；
[0012] 簇头接收由其他无线传感器节点所发送的环境信息数据，并进行融合，然后将融 合后的环境信息数据发送给汇聚节点，通信结束。
[0013] 所述无线传感器网络路由节能方法还包括：
[0014] 在有限的区域随机定义n个无线传感器节点，每个无线传感器节点的初始能量Eo 都相同；
[0015] 对每个无线传感器节点进行初始化。
[0016] 所述获取用于选择簇头的适应值函数，通过粒子群算法对所述适应值函数进行迭 代，寻找适应值较大的传感器节点作为网络中的簇头的步骤具体为：
[0017] 将计算出的每个粒子适应值、与该粒子个体极值对应的适应值进行比较，若计算 出的粒子适应值较大，则更新粒子个体极值，否则粒子个体极值不变；
[0018] 将计算出的每个粒子适应值、与当前全局极值对应的适应值进行比较，若计算出 的粒子适应值较大，则更新全局极值，否则，全局极值不变；
[0019] 更新当前粒子速度与当前位置;采用非线性更改权重的方法改变权重；
[0020] 达到设定的最大迭代次数后，将适应值大的无线传感器节点作为簇头。
[0021 ]其中，所述适应值函数具体为：
[0022] f = eXfi+(l-e)Xf2
[0023] 其中，f是W上提到的适应值函数；6表示能量信息在适应值计算过程中的比重参 数;fi是无线传感器节点能量信息参量，用于使簇头的无线传感器节点具有较高的能量;是 无线f2传感器节点位置信息参量，用于使簇内的无线传感器节点、到簇头的无线传感器节 点的平均距离最短。
[0024] 其中，所述fi具体为：
[0026] 其中，E化)是所有簇头的剩余能量的和;m是簇内无线传感器节点总个数;E(m)是 无线传感器节点m的能量。
[0027] 其中，所述f2具体为：
[0029] 其中，m是簇内无线传感器节点总个数;d(m，H)是无线传感器节点IU到簇头的距 离。
[0030] 本发明提供的技术方案的有益效果是:本发明通过充分考虑传感器节点的剩余能 量和位置，通过粒子群算法选择簇头，然后其他传感器节点将检测到的周围环境信息数据 传送给簇头，簇头再传送给传感器网络的汇聚节点。本发明能够在网络受限的情况下均衡 传感器节点的能量消耗，延长网络的生命周期。并且通过仿真结果显示本发明减少了网络 中的传感器节点的消耗，使得全网的能量负荷更加均衡，延缓了传感器节点的死亡速度，有 效的延长了网络的生命周期。
【附图说明】
[0031] 图1为一种基于粒子群的无线传感器网络路由节能方法的流程图；
[0032] 图2为本方法、肥邸算法和化USdoff算法的实验对比效果图；
[0033] 图3为本方法与LEACH算法的实验对比效果图。
【具体实施方式】
[0034] 为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步 地详细描述。
[0035] 近些年，社会、经济W及信息技术的发展，推动了无线传感器网络技术日趋成熟。 本发明实施例从无线传感器网络的特点W及分簇路由方法出发，研究能量受限的无线传感 器网络分簇路由方法，本发明实施例充分考虑簇头的剩余能量信息和节点的位置信息，从 而选择更加合适的簇头，延长网络的生命周期。
[0036] 实施例1
[0037] 参见图1，本发明实施例提供了一种基于粒子群的无线传感器网络路由节能方法， 该无线传感器网络路由节能方法包括W下步骤：
[0038] 101:获取用于选择簇头的适应值函数，通过粒子群算法对适应值函数进行迭代， 寻找适应值大的无线传感器节点作为网络中的簇头；
[0039] 102:将选择的簇头向其他无线传感器节点进行广播，其他无线传感器节点根据接 收到的广播信号的强弱来感知距簇头的距离，从而选择加入哪个簇；
[0040] 103:簇头接收由其他无线传感器节点所发送的环境信息数据，并进行融合，然后 将融合后的环境信息数据发送给汇聚节点，通信结束。
[0041] 其中，本发明实施例提供的无线传感器网络路由节能方法还包括：
[0042] 在有限的区域随机定义n个无线传感器节点，每个无线传感器节点的初始能量Eo 都相同；
[0043] 对每个无线传感器节点进行初始化。
[0044] 进一步地，步骤101具体为：
[0045] 将计算出的每个粒子适应值、与该粒子个体极值对应的适应值进行比较，若计算 出的粒子适应值较大，则更新粒子个体极值，否则粒子个体极值不变；
[0046] 将计算出的每个粒子适应值、与当前全局极值对应的适应值进行比较，若计算出 的粒子适应值较大，则更新全局极值，否则，全局极值不变；
[0047] 更新当前粒子速度与当前位置;采用非线性更改权重的方法改变权重；
[004引达到设定的最大迭代次数后，将适应值大的无线传感器节点作为簇头。
[0049]综上所述，本发明实施例通过上述步骤101-步骤103充分考虑了节点的剩余能量 信息和位置信息，通过粒子群优化选择合适簇头，W均衡网络的能量消耗，延长了生命周 期。满足了实际应用中的多种需要。
[00加]实施例2
[0051]下面结合图1、具体的计算公式对实施例1中的方案进行详细的介绍，详见下文描 述：
[0052] 201:在有限的区域随机定义n个无线传感器节点，每个无线传感器节点的初始能 量Eo都相同；
[0053] 202:通过LEACH算法对每个无线传感器节点进行初始化；
[0054] 具体实现时，还可W采用其他的算法对每个无线传感器节点进行初始化，该初始 化的步骤为本领域技术人员所公知，本发明实施例对此不做寶述。
[0055] 203:获取用于选择簇头的适应值函数，通过粒子群算法对适应值函数进行迭代， 寻找适应值较大的传感器节点作为网络中的簇头；
[0056] 其中，步骤202对每个无线传感器节点初始化结束后，网络中会选择出一些簇头， 但是运些簇头不一定是最合适当簇头的。为了选择更合适的簇头，首先获取用于选择簇头 的适应值函数，适应值函数中考虑到了无线传感器节点的剩余能量和位置，然后利用粒子 群算法根据所获取的适应值函数进行迭代，寻找适应值较大的无线传感器节点作为网络中 的簇头；
[0057] 其中，步骤203的操作具体为：
[0058] 1)初始化粒子群，设置粒子的数量为N，捜索空间的维数为D和最大迭代次数为M， 在整个捜索空间随机初始化N个粒子的初始位置和速度。
[0059] 2)计算每个粒子的适应值函数；
[0060] 实际应用时，通过适应值函数来将无线传感器节点的剩余能量信息和位置信息考 虑进去，求出尽量使适应值函数大的无线传感器节点作为比较合适的簇头，适应值函数为：
[0061] f = e X fi+( I-E) X f2
[0062] 其中，
[0065] 其中，f是W上提到的适应值函数；6表示能量信息在适应值计算过程中的比重参 数;fi是无线传感器节点能量信息参量，是为了使簇头的无线传感器节点具有较高的能量； f2是无线传感器节点位置信息参量，可使簇内的无线传感器节点、到簇头的无线传感器节 点的平均距离最短;E化)是所有簇头的剩余能量的和;m是簇内无线传感器节点总个数;E (m)是无线传感器节点m的能量;d(m，H)是无线传感器节点m到簇头的距离。
[0066] 3)将计算出的每个粒子适应值、与该粒子个体极值对应的适应值进行比较，若计 算出的粒子适应值较大，则该值较优，则更新粒子个体极值，否则粒子个体极值不变。
[0067] 将计算出的粒子适应值、与当前全局极值对应的适应值进行比较，若计算出的粒 子适应值较大，则该值较优，则更新全局极值，否则，全局极值不变。
[0068] 4)