基于蚁群算法的LEACH协议优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107222906A(43)申请公布日2017.09.29(21)申请号201710531906.X(22)申请日2017.07.03(71)申请人哈尔滨理工大学地址150001黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学(72)发明人刘姗姗侯海莹(51)Int.Cl.H04W40/10(2009.01)H04W40/20(2009.01)H04W40/24(2009.01)G06N3/00(2006.01)H04W4/00(2009.01)权利要求书2页说明书4页(54)发明名称基于蚁群算法的LEACH协议优化方法(57)摘要基于蚁群算法的LEACH协议优化方法。无线传感器网络中，随机簇头的选择易造成网络内节点能量损耗不均，缩短网络生命周期，使得网络生存期的后期形成监控盲点，影响网络的整体性能。本发明方法包括：Sink节点获取网络拓扑和网络能量；将能量较大的节点作为簇头；簇头完成数据融合，去除冗余数据；人工蚂蚁按转移概率以及环状模型限定的距离相结合的方法寻找下一跳节点；若迭代次数内，相邻3次搜索的路径相同或者到达迭代次数的最大值，则完成搜索。本发明降低能耗，提高网络生命周期方面有更好的性能。CN107222906ACN107222906A权利要求书1/2页1.一种基于蚁群算法的LEACH协议优化方法，其特征是基于蚁群算法的LEACH协议优化方法通过以下步骤实现：步骤一、初始化阶段，Sink节点获取传感器网络的网络拓扑和网络能量，创造簇建立所需的条件；步骤二、根据预先划分的区域建立簇，将能量较大的节点作为簇头，相邻的簇头之间进行信息交流，更新路由表，计算信息度浓度，簇内节点采用单跳的方式与簇头通信；步骤三、簇头完成数据融合，去除冗余数据，减少通讯业务量，建立簇间路由，通过选择下一跳簇头完成簇间路由，将数据发送给Sink节点；步骤四、从簇头节点按搜索角度发出m只人工蚂蚁，每只人工蚂蚁携带包括此节点的剩余能量和ID的数据包，人工蚂蚁分布在搜索角度范围内的边界节点上；步骤五、人工蚂蚁按转移概率以及环状模型限定的距离相结合的方法寻找下一跳节点，当人工蚂蚁到达非汇聚节点且按照规则无法移动时，则回退到前一节点重新搜索，并将已经搜索过的节点放入第k只蚂蚁的禁忌表中；步骤六、人工蚂蚁在1跳内就找到汇聚节点，该人工蚂蚁不再参与以后的搜索；步骤七、人工蚂蚁到达汇聚节点后得到一个路径评价值，然后根据路径评价和信息素浓度更新规则更新路径上的信息素浓度；步骤八、直到当前人工蚂蚁搜索到的节点是汇聚节点时，则完成单次搜索；步骤九，若迭代次数内，相邻3次搜索的路径相同或者到达迭代次数的最大值，则完成搜索。2.根据权利要求1所述的基于蚁群算法的LEACH协议优化方法，其特征是：步骤二所述的根据预先划分的区域建立簇的过程具体为：在簇的建立阶段，各节点根据自身产生的随机数来自主决定是否选为簇头，并广播通知整个网络，在第一轮选择过程中，将整个网络按照簇头数目划分为若干区域，在每个区域中选出簇头，保证簇头产生的均衡性，从第二轮开始，考虑节点当前能量这一因素，设定一个阈值T（n）1，选出第二轮的簇头，阈值T（n）1定义为：；其中：Ecurrent为节点当前的剩余能量，Etotal为为节点的总能量，在数据传输阶段簇内的节点持续的采集数据，并将采集的数据传送给簇头，由簇头完成数据的融合，数据的传输通过蚁群算法寻找最优路径的方式通信。3.根据权利要求1或2所述的基于蚁群算法的LEACH协议优化方法，其特征是：步骤四所述的搜索角度具体是指：搜索角度是将簇头节点与其周围的任意两个簇头节点的连线作为角平分线，搜索角度就是为节点的遍历限定一个范围，只有在搜索角度内的节点才是下一条的可能。4.根据权利要求3所述的基于蚁群算法的LEACH协议优化方法法，其特征是：步骤五所述的转移概率以及环状模型分别为：2CN107222906A权利要求书2/2页蚂蚁在I节点选择j节点的转移概率为：；其中，allowedk={C-tabuk}，表示蚂蚁k下一步允许选择的节点，反映了蚂蚁在运动过程中所积累的信息在蚂蚁运动时所起的作用，其值越大，则该蚂蚁倾向于选择其他蚂蚁经过的路径，蚂蚁之间的协作越强，β为期望启发式因子，表示能见度的重要性，反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度，其值越大，该状态转移概率越接近于贪心规则，dij表示两个节点之间的距离；环形模型用来控制节点的传输距离，整个网络是一个半径为R的区域，将其按照相同的半径划分为若干个同心圆，每个环的宽度为D，第i个环用Ei来表示环Ei表示距离汇聚点在（i-1）与i个单位传输距离之间的所有节点。5.根据权利要求1、2或4所述的基于蚁群算法的LEACH协