素挥发素，ATlj(t)为本次迭代中节点i、j间路径信息素增量，Tlj (t)的初始值为0，Δ^(?)为第k只蚂蚁留下的信息素，m为蚁群蚂蚁总数目。
[0052]实施例3:如图1-4所示，一种基于剩余能量动态调整前向角度的路由算法，一种基 于剩余能量动态调整前向角度的路由算法，当某个节点准备选择下一跳节点时，判断当前 节点前向角度范围内邻居节点剩余能量大小是否低于节点剩余能量阈值E th:
[0053]若当前节点前向角度范围内邻居节点剩余能量均低于剩余能量阈值Eth，节点增大 前向角度;其中，节点增大前向角度的原则:从最小前向角度Amin到最大前向角度Amax，直到 最大前向角度范围内均不存在满足剩余能量高于剩余能量阈值E th的邻居节点时，则遵循其 概率转移函数原则，重新选择下一跳节点；
[0054] 若当前节点前向角度范围内邻居节点中存在剩余能量不低于剩余能量阈值Eth的 节点，则遵循其概率转移函数进行下一跳节点的选择；
[0055] 其中，剩余能量阈值Eth选取对应邻居节点初始剩余能量的30% ;Amin选取60° ;Amax 选取240°，每次调整前向角度增量为60°。
[0056] 所述概率转移函数：
为节点i与节点i的下一跳节点j之间t时刻第k只蚂蚁的概率转移函数，Tij⑴为节点i与节 点i的下一跳节点j之间t时刻的信息素函数，阳⑴为节点i与节点i的下一跳节点j之间t时 亥IJ的距离启发函数，％(〇为节点i与节点i的下一跳节点j之间t时刻的能量启发函数，仏当 前节点i所有邻居节点的集合，α为信息素启发式因子，β为距离启发式因子，γ为能量启发 式因子。
[0057]实施例4:如图1-4所示，一种基于剩余能量动态调整前向角度的路由算法，一种基 于剩余能量动态调整前向角度的路由算法，当某个节点准备选择下一跳节点时，判断当前 节点前向角度范围内邻居节点剩余能量大小是否低于节点剩余能量阈值E th:
[0058] 若当前节点前向角度范围内邻居节点剩余能量均低于剩余能量阈值Eth，节点增大 前向角度;其中，节点增大前向角度的原则:从最小前向角度Amin到最大前向角度Am ax，直到 最大前向角度范围内均不存在满足剩余能量高于剩余能量阈值Eth的邻居节点时，则遵循其 概率转移函数原则，重新选择下一跳节点；
[0059] 若当前节点前向角度范围内邻居节点中存在剩余能量不低于剩余能量阈值Eth的 节点，则遵循其概率转移函数进行下一跳节点的选择；
[0060] 其中，剩余能量阈值Eth选取对应邻居节点初始剩余能量的30% ;Amin选取60° ;Amax 选取240°，每次调整前向角度增量为60°。
[0061] 实施例5:如图1-4所示，一种基于剩余能量动态调整前向角度的路由算法，
[0062] 由图1可得知节点的偏移角度是指源节点N与Sink节点的连线与该节点B与源节点 N连线的夹角。节点的偏移角度越小就越趋近于源节点与Sink节点的连线，数据传输时延也 就越小。为使源节点信息能较快传输到汇聚节点，通常让节点在前向角度Z CND内选择下一 跳节点，确保信息传输的快速性。
[0063] 基于如下表1所示的仿真场景参数对算法进行仿真：
[0064]表1仿真场景参数
?〇〇66?~1、网络能耗方差对比：维持网络各节点的能耗均匀，能维护网络的健壮性，直接有 效延长无线传感网络的寿命，然而多次数据传输必将带来节点能耗不均衡。网络能耗可以 通过下式求出
其中，η为网络节点个数，E1为节点i在一次数据传输 中所耗能量，I为网络一次数据传输的能耗均值，由图2可以看出REAFAD(Residual Energy Adjust Forward Angle Dynamically，剩余能量动态调整前向角度)算法收敛速度较快，网 络能耗方差以明显低于FMEPNF(Function of Multi-object Evaluation and Positivenegative Feedback，多目标评价函数与正-负反馈机制)算法，表明网络能耗更均 匀。
[0067] 实验仿真得出的网络能耗方差特征如下：
[0068] 迭代20次之前方差的上升源于路由构建初期，节点能量充裕，最优路径相对稳定 导致能耗不均所致，其后方差的减少，是动态路由选择及前向角度调整的结果，部分关键节 点得到庇护，退出关键路径，能量得到保护所致。
[0069] 2、信息传送成功率对比：获取感知范围内的信息是无线传感网络组建的目的。好 的路由算法有助于感知信息能快速有效的传输到Sink节点，完成信息采集。关键节点过早 死亡不仅影响自己感知信息的上传，也影响路径末端感知信息的上传。
[0070]通过图3可以看出REAFAD算法（即本发明方法)较FMEPNF算法，信息传输的成功率 明显较好。
[0071 ]实验仿真得出的信息传送成功率对比特征如下：
[0072] FMEPN算法在迭代40次左右，由于Sink周围节点能耗巨大，不堪重负而死亡，导致 外围信息不能成功抵达Sink节点，成功率迅速降低，而随着迭代次数的增加 REAFAD算法能 始终保持成功率缓慢下降，有效避免了网络过早瘫痪。
[0073] 3、网络有效覆盖率对比：网络的有效覆盖范围就是Sink节点能收到感知信息的有 效区域。有效覆盖范围的大小直接关系着网络对相关区域的感知程度。
[0074]通过图4可以得出随着感知信息的上传，FMEPN算法的有效覆盖范围在迭代40次 后，因关键节点能量耗尽，末端仍有能量的感知节点感知信息无法汇聚到Sink节点，导致有 效覆盖范围急速下降；而REAFAD算法因采取了对关键节点能量的保护，较好维持保持有效 覆盖范围逐渐减少。
[0075]上面结合附图对本发明的【具体实施方式】作了详细说明，但是本发明并不限于上述 实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前 提下做出各种变化。
【主权项】
1. 一种基于剩余能量动态调整前向角度的路由算法，其特征在于： 当某个节点准备选择下一跳节点时，判断当前节点前向角度范围内邻居节点剩余能量 大小是否低于节点剩余能量阈值Eth: 若当前节点前向角度范围内邻居节点剩余能量均低于剩余能量阈值Eth，节点增大前向 角度;其中，节点增大前向角度的原则:从最小前向角度Amin到最大前向角度Amax，直到最大 前向角度范围内均不存在满足剩余能量高于剩余能量阈值E th的邻居节点时，则遵循其概率 转移函数原则，重新选择下一跳节点； 若当前节点前向角度范围内邻居节点中存在剩余能量不低于剩余能量阈值Eth的节点， 则遵循其概率转移函数进行下一跳节点的选择； 其中，剩余能量阈值Eth选取对应邻居节点初始剩余能量的30% ;Amin选取60° ;Amax选取 240°，每次调整前向角度增量为60°。2. 根据权利要求1所述的基于剩余能量动态调整前向角度的路由算法，其特征在于:所 述概率转移函数：其中，为节点i与节 点i的下一跳节点j之间t时刻第k只蚂蚁的概率转移函数，w(t)为节点i与节点i的下一跳 节点j之间t时刻的信息素函数，nij(t)为节点i与节点i的下一跳节点j之间t时刻的距离启 发函数，&⑴为节点i与节点i的下一跳节点j之间t时刻的能量启发函数，&当前节点i所有 邻居节点的集合，α为信息素启发式因子，β为距离启发式因子，γ为能量启发式因子。3. 根据权利要求2所述的基于剩余能量动态调整前向角度的路由算法，其特征在于:所 述信息素函数采用如下方式进行更新：式中，Ρ为信息素挥发素，△ Tij(t)为本次迭代中节点i、j间路径信息素增量，Tij(t)的初 始值为〇, Δζ|(?)为第k只蚂蚁留下的信息素，m为蚁群蚂蚁总数目。4. 根据权利要求3所述的基于剩余能量动态调整前向角度的路由算法，其特征在于:所 述第k只蚂蚁留下的信息素 Δγ#〇〇，在更新过程中： 如果第k只蚂蚁为前向蚂蚁时，对第k只蚂蚁留下的信息素进行局部更新：式中，Ql为局部信息素强度且初始值为〇，c^表示节点i与节点i的下一跳节点j之间的 距离，δ为能量更新系数;E j (t)表示节点j在t时刻的剩余能量； 如果第k只蚂蚁为后向蚂蚁时，对第k只蚂蚁留下的信息素进行全局更新：式中，Q为全局信息素强度且初始值为〇，Lk为第k只蚂蚁的跳数，Emin为第k只蚂蚁所代表 的路径上剩余能量最小节点的剩余能量，nk为第k只蚂蚁所代表的路径上的节点数目，El为 第k只蚂蚁所代表的路径上任意节点1的节点剩余能量，v为能量因子系数，表征能量在信息 素更新中的比重。
【专利摘要】本发明涉及一种基于剩余能量动态调整前向角度的路由算法，属于通信领域。本发明当某个节点准备选择下一跳节点时，判断当前节点前向角度范围内邻居节点剩余能量大小是否低于节点剩余能量阈值：若当前节点前向角度范围内邻居节点剩余能量均低于剩余能量阈值，节点增大前向角度；若当前节点前向角度范围内邻居节点中存在剩余能量不低于剩余能量阈值的节点，则遵循其概率转移函数进行下一跳节点的选择。本发明设计合理，能较好的庇护关键节点，均衡网络能耗；节点能耗均匀程度得到提高，信息传输的成功率也更加优良，网络有效覆盖率得到较好维持，增强了无线传感器网络的健壮性，有效避免了网络过早瘫痪。
【IPC分类】H04W84/18, H04W40/10
【公开号】CN105611599
【申请号】CN201610011989
【发明人】孔庆平, 向凤红, 张茂兴, 毛剑琳
【申请人】昆明理工大学
【公开日】2016年5月25日
【申请日】2016年1月8日