基于改進螢火蟲群優化的無線自組網路由算法*

劉建娟

（河南工業大學電氣工程學院，河南南陽450001）

基于改進螢火蟲群優化的無線自組網路由算法*

劉建娟*

（河南工業大學電氣工程學院，河南南陽450001）

針對無線自組網絡拓撲結構多變、網絡生存時間受限及數據包分組傳輸效率低下等問題，借鑒螢火蟲群優化算法，提出了一種改進螢火蟲群優化的無線自組網絡路由算法。路由算法將螢火蟲優化算法中的熒光素強度更新與無線自組網絡中的節點移動速度、擁塞程度、節點剩余能量、節點間距離等因素進行相互映射，同時改進螢火蟲群優化算法中的搜索螢火蟲、駐留螢火蟲及回溯螢火蟲用于完成無線自組網絡中路由協議的路由發現、路由選擇及路由維護等過程，整個協議無須傳送大量的控制分組，即可實現無線自組網絡的穩定傳輸。仿真實驗結果表明，與AODV及基于蟻群優化的路由算法AntRouting協議相比，本文所提出的路由算法在端到端延時、分組數據傳輸率及網絡生存時間上均有良好的性能。

無線自組網絡；路由協議；螢火蟲群優化算法；網絡生存；節點能耗

傳統的通信網絡對基礎設施的依賴程度很高，被毀后恢復費用高、網絡重建時間周期長。而無線自組織網絡可以根據業務需求和網絡情況進行快速組網，其網絡的節點既是移動終端也是路由器，這使得無線自組網在荒野探測、水下監測等方面擁有廣泛的應用前景。由于節點的任意移動性，無線自組網的拓撲結構變化頻繁，路由協議一直是無線自組網的研究重點。無線自組網路的路由協議主要考慮節點移動及節點能量等不確定因素，其中節點能耗是路由協議的關鍵［1］。大多數無線自組網的路由選擇依據采用單一標準。單一標準的路由協議對下一跳路由的選擇上是基于一種規則，比如動態源路由DSR［2］和目的地序列距離向量路由DSDV［3］都是選擇跳數最少的路由，按需距離向量路由協議AODV則選擇序列號最新的作為路由。單一標準的路由選擇設計較為簡單，控制分組的大小和數量一定，但其無法滿足無線自組網拓撲結構多變、無線信道易受干擾等問題。研究學者為了改進單一標準路由協議的弊端，利用綜合指標來選擇路由。例如文獻［4］利用名聲、可用帶寬和最小跳數作為路由選擇標準進行多量考核以選擇合適的路由；文獻［5］通過考慮跳數、時延、節點擁塞程度等因素來選擇合適的路由路徑，以實現多路徑平衡網絡負載；文獻［6］提出了一種基于路徑選擇和拒絕應答算法的PS-AODV協議，以解決高負載網絡，節約網絡節點能耗。雖然多指標路由協議能在一定程度上解決單一標準路由協議的弊端，但往往以增加控制分組大小和數量、增大網絡均衡負擔等為前提，這樣就不可避免的造成無線自組網絡穩定性低、可靠性差等。

螢火蟲算法作為一種新興的群智能優化方法，具有參數少、宜于并行處理、收斂速度快及魯棒性強等優點，已經在諸多領域取得了較好的應用［7-10］。文獻［11］提出了一種加速螢火蟲優化算法，對螢火蟲算法搜索過程進行改進，減少螢火蟲個體的隨機移動；文獻［12］提出了一種新的模糊螢火蟲優化算法，以增強算法的局部探索和全局搜索能力；文獻［13］引入螢火蟲個體行為狀態表，記錄每個螢火蟲個體的詳細行為，平衡個體的跳轉能力，使搜索能力較差的螢火蟲跳轉到新的位置，以提高算法找到最優解的概率。這些改進都是為了增強螢火蟲算法的搜索能力，優化最優解；文獻［14］中提出了通過引入隨迭代而線性減小的慣性權重，調節每次迭代對下一次迭代的影響，從而提高算法的搜索能力，提高搜索精度；文獻［15］提出了實數二進制編碼的螢火蟲優化算法，用于解決網絡可靠性問題；文獻［16］對螢火蟲算法的個體進行了改進，使其帶有量子行為，設計出了新的螢火蟲個體移動方式，對螢火蟲的路徑選擇提出了新的思路。縱觀螢火蟲群優化算法可知：螢火蟲種群的初始分布猶如無線自組網絡中的路徑節點，路由路徑的選擇形成就類似于螢火蟲的移動求解。這種優良的分布式特性和在組合優化問題中的表現與無線自組網的路由選擇較為相似［13-20］。基于此，本文借鑒螢火蟲優化算法的原理，提出了一種基于螢火蟲優化算法的無線自組網絡路由協議，路由協議用螢火蟲優化算法的熒光素強度的更新規則與無線自組網絡中的節點移動速度、擁塞程度、節點剩余能量及節點間的距離等因素相互映射，從而對路由的自適應選擇進行控制。

1 螢火蟲優化算法

1.1 螢火蟲優化算法簡述

人工螢火蟲群優化算法GSO（Glowworm Swarm Optimization）是模仿螢火蟲發光行為構造出的仿生物智能群優化算法［21］。在人工螢火蟲群優化算法的構思中，每個個體都有自己的動態決策范圍，并根據自身決策范圍內鄰居個體信號的強弱決定其移動方向，這與螢火蟲通過釋放熒光素來吸引同伴的原理是相似的。GSO算法主要包括熒光素更新、移動概率更新、移動位置更新和鄰居范圍更新等4個階段［22］。達到一定的迭代次數后，所有的螢火蟲個體都將聚集在問題求解空間的最優解位置［23］。在算法實現過程中，xi(t)表示t時刻第i只螢火蟲的位置，f(x)為適應度評價函數，li(t)表示t時刻第i只螢火蟲的熒光素濃度［24］：

式中：ρ為螢光素揮發系數，γ為螢光素增強因子，設rs表示螢火蟲感知范圍，表示t時刻第i只螢火蟲的決策范圍，更新動態決策域半徑：

式中：β表示決策域變化率，ni表示鄰居閾值，Ni(t)表示t時刻第i只螢火蟲的鄰居集合：

式中：li(t)表示t時刻第i只螢火蟲的熒光素值，根據螢火蟲鄰居集合中各螢火蟲的熒光素濃度來決定螢火蟲的移動方向，Pij(t)表示表示t時刻第i只螢火蟲向鄰居節點終第j只螢火蟲靠近的概率：

根據移動概率Pij(t)，設移動步長為s，t+1時刻第i只螢火蟲的位置更新為：

1.2 無線自組網絡參數

為了利用螢火蟲優化算法來進行無線自組網的路由選擇，設Q=(V,E)為含有n個節點的全連接無向圖，V是頂點集合且n=|V|，E是邊的集合。用兩個節點vi、vj的歐式距離dij表示節點間邊的權值，并且dij=dji。尋找全連接無向圖Q中源節點vi到目的節點vd的最優路徑即轉化為螢火蟲優化算法的最優求解。

在無線自組網中，某一時刻t節點vi需要存儲并維護當前時刻鄰居節點信息表和路由信息的路由表，對應的駐留螢火蟲Ri則帶攜帶節點vi的熒光素值Li(t)。其中每個節點存儲的鄰居節點信息表項主要包括：鄰居節點vj、時間t、vj駐留螢火蟲Rj熒光素值Lj(t)。為了均衡網絡負擔，路由表按需建立。路由表項包括：目的節點vd、下一跳節點vj、vi通過vj到vd的熒光素概率Pij(t)。當需要進行路由構建時，節點vi根據需要創建搜索螢火蟲Fe。搜索螢火蟲Fe根據鄰居節點駐留螢火蟲Rj熒光素值Lj(t)及兩個節點vi、vj的歐式距離dij計算節點vj作為下一跳的概率Pij(t)。設vi在t時刻所有一跳鄰居節點的集合為Qi(t)，則：

式（6）通過調節α和β來調整兩個相鄰節點的熒光素差值和節點間的歐式距離以影響搜索螢火蟲對下一跳節點的選擇。按照上式選定下一跳節點vj后，移動搜索螢火蟲到節點vj，更新當前位置并和鄰域半徑并將鄰域集合更新為Qj(t)。

每個節點vi的熒光素值Li(t)的更新公式如下：

式中：Li(t+1)為時刻t+1時節點vi上vj駐留螢火蟲Ri的熒光素值。為熒光素值揮發系數，用?表示熒光素值增強系數，J[fi(t+1)]為t+1時刻vi的適應度函數值。

2 基于螢火蟲優化算法的路由協議

無線自組網絡在沒有任何網絡基礎的情況下動態獨立的臨時性網絡。路由協議是決定網絡性能的核心影響因素。由于無線自組網絡的特殊性，網絡的拓撲結構隨網絡節點的移動而改變，傳統的網絡路由協議已不再適用。自組網絡中路由協議受節點能量、節點擁塞程度以及節點移動速度的影響。節點能量越大的節點越適宜作為路由節點，因為其有足夠的能量完成信息的傳輸，保證自組網絡的壽命；節點越擁塞側面反映節點的處理能力不足，這間接會降低數據包收發的準確率；節點的移動速度對路由協議的影響是最直接的，節點移動越快，網絡的拓撲結構變化越快，路由協議需要相應的改變。

2.1 路由協議影響參數

①節點能量剩余參數λen在無線自組網中節點以電池供電。電池的電量隨著時間的延續會慢慢減少，節點路由只有剩余足夠多的能量才能完成尋找合適的路徑和轉發分組數據，這樣才能延長無線自組網絡的壽命。用Ei表示節點vi的最大能量，用Ei′表示當前節點vi的剩余能量，則參數λen=Ei′/Ei衡量節點vi能量剩余性能。節點能量剩余參數λen越大說明節點vi的適應度函數值J(fi(t))越大，對熒光素值Li(t)增量的貢獻越大。

②節點擁塞程度參數λco節點MAC層接口隊列緩存情況一定程度上反映了節點的擁塞程度。這里將節點vi的MAC層接口隊列緩存容量用Vi表示，MAC層接口隊列緩存分組數用Vi′表示。則節點擁塞程度參數λco=Vi′/Vi表示節點vi當前的擁塞程度。若節點擁塞程度參數λco超出一定的閾值，表明節點vi陷入擁塞狀態，數據處理能力下降，對后續數據包進行丟棄。節點擁塞程度參數值λco越大，說明節點vi的適應度函數值J[fi(t)]越小，對熒光素值Li(t)增量的貢獻越小。

③節點的移動速度λsp無線自組網的拓撲結構受節點移動速度的影響，節點移動速度越快，拓撲結構變化越快，路由更新越快，源節點發起路由發現頻率加快。因此，節點移動速度λsp越大，說明節點vi的適應度函數值J[fi(t)]越小，對熒光素值Li(t)增量的貢獻越小。

2.2 路由發現

基于螢火蟲優化算法的路由發現過程如下：

①當源節點vh要向目的節點vd發送數據時，節點vh先查看本地路由表是否有到達節點vd的路由，若有則發起路由路徑，路由發現算法終止。若沒有執行第2步；

②源節點vh會向每個鄰居節點發送搜索螢火蟲Fe。每個搜索螢火蟲Fe都有分組編號Seq，并且源節點vh將到達目的節點vd過程中經歷的所有節點信息保存到自身數據棧data中；

③中間節點vi′收到來搜索螢火蟲Fe后，根據Fe數據棧的節點信息中有無當前節點vi′，判斷是否出現環路，若是丟棄Fe；

④根據分組編號Seq判斷Fe是否為來自不同路徑的重復分組，若是則丟棄；

⑤查看當前節點vi′的路由表是否有到達目的節點vd的路由，若沒有就對搜索螢火蟲Fe進行廣播；若有就執行下一步；

⑥若當前節點vi′路由表中有到目的節點vd的路由，則搜索螢火蟲Fe利用路由表項中熒光素概率Pij(t)根據式（8）選擇下一跳節點vj；

⑦搜索螢火蟲Fe移動到節點vj后，對Fe數據棧data中所有節點駐留螢火蟲的熒光素值按式（12）更新，對vj的其他鄰居節點的駐留螢火蟲熒光素值按公式（13）進行更新，并對vj的路由表進行更新；

⑧以此類推，直至到達目的節點vd，搜索螢火蟲Fe實效，并在目的節點vd創建回溯螢火蟲Fr，Fr根據搜索螢火蟲Fe中的路徑信息反方向追溯到源節點vh；

⑨回溯螢火蟲Fr到達源節點vh后實效，源節點vh到目的節點vd的路由建立。

式（8）中：φ為隨機數且φ∈[0,1]，φ0為系統定義常數且φ0∈[0,1]同時P(φ≤φ0)?P(φ＞φ0)。也就是說在大多數情況下搜索螢火蟲Fe會向熒光素值高的鄰居節點駐留螢火蟲Rj移動，極個別情況下搜索螢火蟲Fe會隨機選擇下一跳節點，以避免陷入局部最優解。若vj的路由表中沒有到目的節點vd的路由表項，節點vj會廣播搜索螢火蟲Fe。但次數不超過3次。

在式（7）中，J[fi(t+1)]為節點vi的適應度函數值，也可看為節點vi在t+1時的熒光素值增量，則有：

式中：ΔM為熒光素增量常量：

式中：ηen+ηco=1，σ、δ和θ均為不小于1的調整參數，通過三個參數調整可改變節點能量、節點擁塞程度及節點的移動速度對路由選擇的影響，從而對路由進行優化。將式（10）和式（11）代入式（7）可得：

搜索螢火蟲Fe移動到下一跳節點vj后，對Fe數據棧data中所有節點駐留螢火蟲的熒光素值按式（12）進行更新，對vj其他鄰居節點駐留螢火蟲的熒光素值按式（13）進行更新：

搜索螢火蟲Fe由節點vi轉移到下一跳節點vj后，數據棧data中路徑節點為data.node={v1,v2,v3,..., vn,vi}，更新vj路由表中通過vi到達v1,v2,v3,...,vn節點的Pij(t),j∈data.node-{vi}。

到達目的節點vd后創建回溯螢火蟲Fr。Fr根據搜索螢火蟲Fe中data.node的內容，以相反的方向追溯到源節點vh。當回溯螢火蟲Fr通過vj移動到節點vi后，同樣以式（12）和式（13）對節點vi鄰居節點駐留螢火蟲熒光素值進行更新，并對vi的路由表進行更新。回溯螢火蟲Fr到達vi后經過的路徑為Fr.node={vj,...vn,v2,v1}，更新vi路由表中通過vj到達vi,...vn,v2,v1節點的Pji(t),i∈Fr.node-{vj}。

2.3 路由維護

無線自組網節點vi上Ri每隔時間周期T向鄰居節點發送Hello數據包來維護路由的連通性。若鄰居節點的駐留螢火蟲Rj在時間周期內收到Ri的Hello數據包，則Rj認為vi是vj的鄰居節點，將該節點的信息添加到Rj鄰居節點信息表及路由表中。若在時間周期內沒有收到Hello數據包，則認為vi不是vj的鄰居節點，Rj會將節點vi的信息從vj的鄰居節點信息表中刪除并更新路由表，將vj路由表中下一跳節點為vi的相關路由表項刪除。

在源節點vh向目的節點vd傳輸信息的過程中，若中間結點vi上駐留螢火蟲Ri發現由于自身的移動導致網絡拓撲結構發生變化而出現網絡路由鏈接斷裂，無法按照原有的路由轉發數據包時，則Ri會向原有路由的上游節點發送路由錯誤信息RERR。當鄰居節點vj上的駐留螢火蟲Rj收到Ri發送的RERR數據包時，vj節點即刪除vi節點所對應的鄰居節點表項和路由表項，并在vj路由表中查找是否有到vd的冗余路由。若有則按式（8）選擇下一跳節點并按式（12）和式（13）對vj路由表進行更新；若不存在，則vj上的駐留螢火蟲Rj繼續向vj上游節點發送路由錯誤信息RERR，直到找到可用路由。若源節點vh上的搜索螢火蟲Fe收到路由錯誤信息RERR，則重新進行路由發現。

3 仿真實驗及結果分析

為了驗證本文所提出的基于螢火蟲優化的無線自組網絡路由協議的性能的性能，將本文路由協議與 AODV［25］（Ad hoc On-demand Distance Vector Routing）及基于蟻群優化的路由算法AntRouting［26］在NS2模擬平臺上進行仿真，通過設置兩個場景對以上三個路由協議從數據包分組傳送率、端到端時延及網絡生存時間等三個方面評價進行性能分析。

仿真場景1：網絡節點傳輸半徑為300 m，并且60個移動節點隨機分布在1 000 m×1 000 m的區域內，節點移動模型采用自組網Random Waypoint模型，自組網絡的物理層選用Two-raygroundreflection無線傳輸模型，MAC層采用IEEE802.11協議的DCF模式，鏈路帶寬為2 Mbit/s。移動節點的速度均勻分布0～30 m/s間。采用512 byte的定長數據包進行仿真通信，隨機選擇25個CBR（Constant Bit-Rate）信源，每個CBR發包速率為1packet/s，通過改變移動節點停頓時間來仿真不同的自組網絡移動性，仿真時間統一設置為400 s。

仿真場景2：其他參數與仿真場景一相同，移動節點的停頓時間為50 s，將CBR發包速率從1 packet/s逐步增加為5 packet/s，模擬不同的網絡負載。

這里設置無線自組網絡中節點的最大能量值為100 J100J。根據文獻［27］對IEEE802.11b協議接口功耗的研究，本文僅考慮自組網中節點發送和接收數據包時能量消耗，節點的發送數據包消耗的能量為1.3 W，接收數據包消耗的能量為0.9 W。經過多次實驗本文各參數取值如下：α=1,β=2,η=0.5,?=0.3, φ0=0.8,ΔM=10,σ=3,δ=θ=1,ηen=0.4,ηco=0.6。

場景1的仿真結果如圖1所示。

從圖1的結果可以看出，隨著節點停頓時間的增加，三種路由協議端到端的延時越來越小，但本文算法較明顯優于其他兩種路由算法；數據分組傳送率隨著節點停頓時間的增加呈現遞增的態勢，網絡生存時間隨著節點停頓時間的增加，其他兩種路由算法呈小幅降低的趨勢，而本文路由協議下的網絡生存時間有小幅平穩上升的趨勢。這是由于隨著節點停頓時間的增加，節點的移動性降低，從而使網絡拓撲變化減緩，路由的重建及數據分組重傳的次數明顯降低，從而使端到端時延減少，數據分組傳送率升高，網絡生存時間進一步延長。但當節點移動性發生變化時，本文路由協議和文獻［26］路由協議比AODV路由算法有更好的性能。這是因為本文路由協議和文獻［26］路由協議的節點路由表維護多條路徑信息，當某條路徑失效時，可以選擇其他的替代路徑，避免了頻繁的路由發現。而但是本文路由協議考慮到節點的移動速度、擁塞程度、能量對于熒光素變化的影響，使得搜索螢火蟲Fe總向移動速度慢、擁塞程度低、能量較高及距離近的節點移動，所以本文路由協議受到網絡拓撲變化的影響最小，較文獻［26］路由協議更能適應自組網絡的動態變化。

圖1 場景一的仿真結果對比

從圖2可以看出，隨著CBR信源發包速率的逐步增加，三種路由協議端到端延時逐步增大，分組數據包傳送比率下降，網絡生存時間也隨之降低，這是由于CBR信源發包速率的增大，導致網絡負載隨之增大造成的。相比其他兩種路由協議，本文所改進的路由算法獲得了更好的性能。這是因為本文所改進的路由協議和文獻［26］的路由協議都采取了主動路由維護機制，即在路由發現階段，目的節點會向源節點發送信息以對路由信息進行確認及維護，保證了節點所存儲路由表能夠更及時更新，因而兩在網絡負載增大的情況下均優于AODV協議。而本文所改進的路由協議在路由發現及維護階段，總是尋求移動速度慢、擁塞程度低、能量較高、距離較近的路由，因此本文所改進的路由協議性能更穩定，更能適應網絡負載的變化，比文獻［26］的路由協議有更好的靈活性。

圖2 場景二的仿真結果對比

4 結論

本文提出了一種基于螢火蟲群優化的Ad Hoc網絡路由協議，協議用螢火蟲優化算法的熒光素強度的更新規則與無線自組網絡中的節點移動速度、擁塞程度、節點剩余能量及節點間的距離等因素相互映射，通過駐留螢火蟲、搜索螢火蟲及回溯螢火蟲進行按需路由的優化選擇，無須額外傳送大量的控制分組，即可實現無線自組網絡的穩定。每個網絡節點通過維護多條雙向冗余路徑，提高了路由協議的自適應性及可靠性。仿真實驗結果表明，在不同移動性和網絡負載下，本文所提出的路由協議在端到端延時、數據分組傳輸率和網絡生存時間等3個方面較其他兩種路由算法有更高的穩定性和適應性。α,β,η,?,φ0,ΔM,σ,δ,θ,ηen,ηco等參數因子的選取過于簡單，下一步需要對各參數取值進行深入的理論研究，確定參數因子對本文路由協議性能的影響，以進一步對本文所提出的路由協議進行優化。

［1］宋軍全，周凱，華驚宇.基于蟻群算法的無線自組網絡能量控制路由研究［J］.傳感技術學報，2012，25（12）：1722-1725.

［2］Johnson D B，Maltz D A，Broch J.DSR：The Dynamic Source Routing Protocol for Multi-Hop Wireless Ad Hoc.Ad Hoc Networking［M］.Boston，MA.USA：Addison-Wesley，2001：139-172.

［3］Perkins C E，Bhagwat P.Highly Dynamic Destination-Sequenced Distance-Vector Routing（DSDV）for Mobile Computers［C］//Proceedings of the Conference on Communications，Architectures，Protocols and Applications（SIGCOMM 1994）.London，England，UK，1994.234-244.

［4］藺紹良，龍海南.Ad Hoc網絡路由協議綜述［J］.電子設計工程，2013，21（9）：141-144.

［5］周德榮.基于蟻群算法改進的AODV路由協議研究［J］.西南師范大學學報（自然科學版），2014，39（11）：75-80.

［6］王鈺，田杰，徐磊.一種基于負載均衡的移動Ad Hoc網絡AODV協議改進［J］.電信科學，2011，27（11）：123-127.

［7］Younes M，Khodja E，Kherfane R L.Multi-Objective Economic Emission Dispatch Solution Using Hybrid FFA（Firefly Algorithm）and Considering Wind Power Penetration［J］.Energy，2014，67：596-606.

［8］Tuba M，Bacanin N.Artificial Bee Colony Algorithm Hybridized with Firefly Algorithm for Cardinality Constrained Mean-Variance Portfolio Selection Problem［J］.Applied Mathematics&Information Sciences，2014，8（6）：2831-2844.

［9］Grewal N S，Rattan M，Patterh M S.A Linear Antenna Array Failure Correction with Null Steering Using Firefly Algorithm［J］.Defence Science Journal，2014，64（2）：136-142.

［10］Rahmani A，MirHassani S A.A Hybrid Firefly-Genetic Algorithm for the Capacitated Facility Location Problem［J］.Information Sciences，2014，283：70-78.

［11］Baghlani A，Makiabadi M H，Rahnema H.A New Accelerated Firefly Algorithm for Size Optimization of Truss Structures［J］.Scientia Iranica，2013，20（6）：1612-1625.

［12］Hassanzadeh T，Kanan H R.Fuzzy Fa：A Modified Firefly Algorithm［J］.Applied Artificial Intelligence，2014，28（1）：47-65.

［13］Bidar M，Kanan H R.Jumper Firefly Algorithm［J］.Proceedings of the 3rd International Conference on Computer and Knowledge Engineering（Iccke 2013），2013：267-27.

［14］Tian Y F，Gao W M，Yan S.An Improved Inertia Weight Firefly Optimization Algorithm and Application［J］.2012 International Conference on Control Engineering and Communication Technology（Iccect 2012），2012：64-68.

［15］Chandrasekaran K，Simon S E.Network and Reliability Constrained Unit Commitment Problem Using Binary Real Coded Firefly Algorithm［J］.International Journal of Electrical Power&Energy Systems，2012，43（1）：921-930.

［16］Manju A，Nigam M J.Firefly Algorithm with Fireflies having Quantum Behavior［J］.2012 International Conference on Radar，Communication and Computing（Icrcc），2012：117-119.

［17］Yang X，Hosseini S，Gandomi A.Firefly Algorithm for Solving Non-Convex Economic Dispatch Problems with Value Loading Effect［J］.Applied Soft Computing，2012，12（3）：1180-1186.

［18］劉長平，葉春明.一種新穎的仿生群智能優化算法：螢火蟲算法［J］.計算機應用研究，2011，28（9）：3295-3297.

［19］任敬安，涂亞慶，張敏，等.基于蟻群優化的Ad Hoc網絡生存時間和其他網絡性能平衡路由協議［J］.計算機工程與科學，2011，33（10）：15-24.

［20］周少瓊，徐祎，姜麗，等.蟻群優化算法在Ad Hoc網絡路由中的應用［J］.計算機應用，2011，31（2）：159-165.

［21］劉洲洲，王福豹，張克旺.基于改進螢火蟲優化算法的WSN覆蓋優化分析［J］.傳感技術學報，2013，26（5）：675-677.

［22］朱文超，許德章.一種基于人工螢火蟲群優化的改進粒子濾波算法［J］.計算機應用研究，2014，31（10）：2920-2925.

［23］李詠梅，周永權，韋軍.用于函數優化的層次結構螢火蟲群算法［J］.應用科學學報，2012，30（4）：391-396.

［24］張軍麗，周永權.一種用Powell方法局部優化的人工螢火蟲算法［J］.模式識別與人工智能，2011，24（5）：680-685.

［25］Perkins C，Belding-Royer E，Das S.RFC 3561，Ad Hoc on-Demand Distance Vector（AODV）Routing［S］.2003.

［26］李波波，龍昭華.基于蟻群優化的Ad Hoc網絡QoS路由［J］.計算機工程與設計，2016，37（1）：12-17.

［27］Feeney L M.Investigating the Energy Consumption of an IEEE 802.11 Network Interface［C］//Technical Report Sics T.2000.

劉建娟（1978-）女，漢族，博士，副教授，碩士生導師。2007年3月畢業于南京東南大學儀器科學與工程系，獲工學博士學位。先后參與總裝型號項目1項，總裝預研項目2項，973項目1項；國家自然科學基金3項，河南省科技攻關項目2項，河南省自然科學基金1項。近年來，在《航天控制》、《電氣傳動》、《傳感技術學報》、《中國慣性技術學報》、等雜志上發表學術論文20余篇，其中EI檢索3篇，ISTP檢索1篇。主要研究方向：智能控制技術、多傳感器信息融合技術、測控技術及儀器等方面，liujianjuan1978@sina.com。

Ad Hoc Networks Routing Algorithm Based on Improved Glowworm Swarm Optimization*

LIU Jianjuan*
（College of Electrical Engineering Henan University of Technology，Nanyang He’nan450001，China）

For wireless ad hoc network topology changing，network lifetime is limited and low packet packet transmission efficiency and other issues，we propose a wireless ad hoc network routing algorithm based on the swarm optimization algorithm.The routing algorithm will be based on the fluorescence intensity of the firefly optimization algorithm and wireless ad hoc networks in the node mobility，congestion，node residual energy，the distance between the nodes and other factors to map each other，at the same time improve glowworm swarm optimization algorithm in search of fireflies，reside fireflies and back firefly used to complete the wireless AD hoc network centre found by routing protocol，routing and routing maintenance process，this agreement do not need to send a great deal of control group，the stability of the wireless AD hoc network transmission can be realized.Simulation results show that compared with AODV and AntRouting protocols，the proposed routing algorithm has better performance in end to end delay，packet data transmission rate and network lifetime.

Ad Hoc network；routing method；glowworm swarm optimization；network survivability；node energy consumption

TP393

A

1004-1699（2016）12-1905-07

??6150P；7230

10.3969/j.issn.1004-1699.2016.12.021

項目來源：國家自然科學基金項目（61304259）；河南省重點科技攻關項目（122102210044）

2016-07-26修改日期：2016-10-08