基于混沌遗传算法的无线传感器网络负载均衡路由协议.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CN111970743A(43)申请公布日2020.11.20(21)申请号202010874171.2(22)申请日2020.08.26(71)申请人吉林建筑科技学院地址130012吉林省长春市宽城区学建大路1111号(72)发明人胡黄水王宏志王出航姚美琴刘清雪王婷(51)Int.Cl.H04W40/32(2009.01)H04W40/24(2009.01)H04W40/02(2009.01)H04L12/721(2013.01)G06N3/12(2006.01)权利要求书2页说明书6页附图3页(54)发明名称基于混沌遗传算法的无线传感器网络负载均衡路由协议(57)摘要本发明涉及一种无线传感器网络分簇路由协议，特别是一种基于混沌遗传算法的无线传感器网络负载均衡路由协议CRCGA（Energy‑efficientandload‑balancedclusteringroutingprotocolforwirelesssensornetworksusingachaoticgeneticalgorithm），使用混沌遗传算法来同时选择最佳簇头和寻找最优路径，并将它们编码到单个染色体中。适应度函数构建时考量了能量消耗最小化和负载均衡，并引入新的终止判定条件，使算法快速收敛。此外，采用考量能量和负载均衡的自适应轮周期来维护簇，并相应地更新路由路径，降低网络能耗，延长网络生命周期。CN111970743ACN111970743A权利要求书1/2页1.基于混沌遗传算法的无线传感器网络负载均衡路由协议，其特征在于：包括系统模型、分簇路由和簇维护；系统模型为协议实现提供模型，具体包括网络模型和能量模型；分簇路由利用混沌遗传算法进行选择、交叉和变异来同时找到最优的簇头和路由路径，避免局部最优，提高收敛速度；簇维护考量能量和负载平衡来计算轮周期，避免频繁成簇，进一步降低网络能耗；所述的分簇路由采用混沌遗传算法来同时找到最佳CH和每个CH的最佳路由路径；通过混沌映射构建初始种群，并通过精英选择、双点交叉和位变异产生下一代种群，以能耗最小和负载最均衡为目标，构造适应度函数，并计算种群中各个体的适应度值；满足终止条件时，适应度值最小的个体即为最优解；染色体代表了最优CH和路由路径，编码为正整数序列，长度等于网络中节点的数量，一个正整数代表节点的ID号；此外，染色体由两部分组成，前部分用于寻找路由路径，称为路由基因，后部分用于CH选择，称为CH基因；路由基因表示所选CH的下一跳CH，CH基因表示相应CM的CH；由于混沌logistic映射对初始值敏感、随机序列生成能力强，于是采用其来产生基因，表示为其中，μ为控制参数，当μ>3.57且zi≠0.25,0.5,0.75时，系统进入混沌状态；为了产生染色体，首先，随机产生不相等的基因作为CH，且必须满足也就是说，每个候选CH中必须至少存在一个CM，因此，一个CM具有一个有效的CH；然后，随机选择一个候选CH作为下一跳CH；最后，通过将每个CM的CH与每个CH的所选候选下一跳CH组合来产生有效染色体；接下来构造适应度函数，适应度函数对遗传算法的寻优性能起着至关重要的作用，它被用来评价个体的质量；网络能耗最小和平衡网络负载是CRCGA的两个主要目标，为此，首先要尽可能降低CM和CH的能耗；因此，将CM和CH的剩余能量作为适应度函数的一个因子α，其表示为Etotalres＝n*Einit-Etotal，Einit是所有节点的初始能量；其次，由于簇头间负载均衡对能量效率影响很大，所以将它作为适应度函数的另一个因素；因此，本发明的适应度函数表示为其中α和β是网络能耗和负载平衡的标准化值，分别表示为其中LBCHS为簇头的负载，LBCHSmin和LBCHSmax是LBCHs中的最小值和最大值，Etotal为网络的总能量消耗，和是Etotal的最小值和最大值；连续执行以上单个染色体过程来产生初始群体；然后计算种群中每个染色体的适应值，并按升序排列；最后，选择、交叉和变异算子被用来产生下一代种群；选择是模仿自然选择的过程，根据其适应度函数值，使评价较高的优秀个体有更大的概率被选为下一代；适应度函数的值越小，个体越接近最优解，被选中的概率越大；CRCGA采用精英选择策略，将精英个体直接选择到下一代群体中；对于其它个体，每个个体决定其适应度函数值是否小于随机个体的适应度函数值；如果是，则选择它进行交叉操作，否则，选择随机个体来加速收敛，同时保证种群的多样性；交叉是指将父代的基因转移到后代以获得最优个体的繁殖过程；本发明采用两点交2CN111970743A权利要求书2/2页叉，两个随机交叉点分别位于染色体的两个部分，交叉后的子染色体与相应的父染色体比较适应度值，