基于扰动粒子群优化的SDWSN能耗均衡路由算法.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CN108566663A(43)申请公布日2018.09.21(21)申请号201810022286.1(22)申请日2018.01.10(71)申请人重庆邮电大学地址400065重庆市南岸区黄桷垭崇文路2号(72)发明人胡敏汪腾飞黄宏程(74)专利代理机构北京同恒源知识产权代理有限公司11275代理人赵荣之(51)Int.Cl.H04W40/08(2009.01)H04W40/10(2009.01)权利要求书4页说明书12页附图3页(54)发明名称基于扰动粒子群优化的SDWSN能耗均衡路由算法(57)摘要本发明涉及基于扰动粒子群优化的SDWSN能耗均衡路由算法，属于无线传感器网络领域。该算法首先通过考虑节点的剩余能量、位置和能量均衡信息，利用改进的扰动粒子群优化算法选择簇头，并依据节点距基站距离、节点剩余能量和邻居节点个数将整个网络动态划分为大小不等的簇。其次，采用每周期一轮全局分簇和k轮局部簇头更新方式来节省分簇时的能量消耗。最后，在多跳路由建立时，传感器控制服务器采用集中式方式根据链路能耗、节点剩余能量和簇内节点数等因素构建最短路由树。本发明能有效节约能量和均衡网络能耗、延长网络的生命周期。CN108566663ACN108566663A权利要求书1/4页1.基于扰动粒子群优化的软件定义无线传感器网络(Software-definedWirelessSensorNetworks,SDWSN)能耗均衡路由算法，其特征在于：该算法包括以下步骤：S1：传感器控制服务器根据扰动粒子群优化算法进行簇头选择和分簇；S2：簇头根据Dijkstra算法确定的最短路径进行数据传输；S3：传感器控制服务器计算传感器节点的剩余能量和传输距离信息，每周期进行一轮全局分簇和k轮局部簇头更新；S4：簇头接收传感器控制服务器的指令，采用时分复用(TimeDivisionMultipleAccess,TDMA)方式，对簇内成员节点的数据进行聚合，并通过簇间多跳的方式将聚合后的数据发送给基站。2.根据权利要求1所述的基于扰动粒子群优化的SDWSN能耗均衡路由算法，其特征在于：所述步骤S1中的簇头选择由传感器控制服务器完成；传感器控制服务器选择具有更多剩余能量以及更好位置的节点作为簇头；具体的选择算法如下：通过考虑节点的剩余能量、距传感器控制服务器的距离、距邻居节点的距离以及节点剩余能量的均衡程度，定义适应度函数：f＝α1f1+α2f2+α3f3+α4f4(1)其中，为普通节点的平均剩余能量；为簇头的平均剩余能量；为簇头到传感器控制服务器的平均欧式距离；为普通节点到传感器控制服务器的平均距离；|CN|为簇头的个数；|ON|为普通节点的个数；为簇头到其邻居节点集平均距离的均值；为普通节点到其邻居节点集平均距离的均值；E(CNj)为簇头CNj的剩余能量；参数α1，α2，α3，α4决定各因素对适应度函数贡献的比值，且α1+α2+α3+α4＝1；步骤如下：S101：首先，对优化问题和算法参数初始化；创建一定数量的粒子，每个粒子代表问题的初始解即选出的一组簇头；设粒子数量为m，种群X＝{x1,x2,…,xm}，第i个粒子的位置矢量为xi＝{xi1,xi2,…,xin}，速度矢量vi＝{vi1,vi2,…,vin}，n代表问题的维数即簇头个数；由式(1)计算每个粒子的适应度，粒子对应的个体最优解pi＝{pi1,pi2,…,pin}，所有粒子找到的全局最优解pg＝{pg1,pg2,…,pgn}；S102：更新速度和位置矢量；标准粒子群算法的速度和位置更新公式分别为：2CN108566663A权利要求书2/4页其中vij是第i个粒子速度矢量的第j维值，为避免粒子飞出搜索空间，被约束在区间[-vmax,vmax]，i＝1,2,...,m，j＝1,2,...,n；t为当前迭代次数；c1,c2为加速因子，设置为2.0；r1,r2是服从U(0,1)均匀分布的随机数；ω为惯性权值，从0.9到0.4线性递减，其大小决定粒子前一次迭代的速度对本次迭代粒子速度的影响程度；对标准的粒子群算法进行改进，首先将全局最优粒子gbest用方差可调的正态随机分布进行扰动，得到新的全局最优粒子gbest’，待更新的粒子向扰动后的全局最优粒子学习，然后用进化停滞步数t0作为触发条件对个体最优值进行随机扰动，进一步增加迭代后期群体的多样性，使算法跳出局部最优解；极值扰动算子与改进的速度更新公式为：其中表示施加扰动后，第t次迭代全局最优粒子的第j维分量，新的全局最优粒子由正态随机分布产生，表示正态扰动的幅度半径σ1>σ2>σ3，T为最大迭代次数；S103：根据式(1)计算每个粒子的适应度，对粒子进行评价，更新个体最优值和全局最优值；返