基于改進蟻群優化算法的酒窖監控系統關鍵技術研究

石 磊

(阜陽職業技術學院 計算機系，安徽 阜陽 236031）

基于改進蟻群優化算法的酒窖監控系統關鍵技術研究

石 磊

(阜陽職業技術學院 計算機系，安徽 阜陽 236031）

傳統的白酒生產過程中，對窖池環境的監測主要由人工完成。本文針對酒窖環境數據檢測實時性較差、數據獲取存在誤差的缺點，構建了基于物聯網技術的酒窖檢測系統模型，提出了一種基于蟻群優化的最優路徑路由算法，利用LEACH-DHCS方法建立簇群、選擇簇頭，采用改進的蟻群優化算法，從簇頭節點出發依次遍歷簇群內全部節點，最后建立一條最優數據傳輸路徑。通過實驗表明，提出的算法在保證數據傳輸量的同時，有較低的能量消耗。

酒窖監控；LEACH-DHCS；蟻群優化；節點能耗；最優路徑

目前，在我國釀酒行業中，白酒發酵過程中窖池環境的監測基本依靠人工操作完成。在白酒生產流程中，大量的環節以工人定點定時的手工操作方式，檢測窖池的溫度、濕度、PH值及微生物含量等指標[1]。然而，白酒發酵過程對環境的要求非常嚴格，窖池環境能極大地影響白酒生產的品質和口感，而采用人工監測無法達到實時采集讀取數據，并且可能存在測量及記錄誤差，落后的環境檢測設備和監測方式成為制約白酒產量提高及制酒品質[2,3]。因此，借助于當前流行的信息技術手段解決窖池環境中溫濕度、PH酸堿度等參數的實時連續監測，是白酒產業亟需解決的問題。

近年來，隨著物聯網技術的興起，在很多行業中出現了無線傳感器網絡監測系統應用，由于酒廠窖池空間很大，如果通過有線方式建立窖池監測系統，布線維護成本很高，且移動及便攜性很差，此外，窖池中酸性環境也會腐蝕有線電纜[4-6]，因此，研究在物聯網環境下組建無線傳感器酒窖監測系統，將物聯網技術與酒生產制作過程相結合，運用物聯網中的無線傳感器技術、無線通信技術和計算機技術等，采用各種不同功能的傳感器對釀酒過程中的相關參數及環境變量的監測，分析各種參數能否達到酒類對應的標準，使操作人員能夠及時了解酒的制作過程中的各項參數，從而降低由人工操作和環境因素造成的酒的品質差異，對無線傳感器在制酒工藝中的應用具有重要意義[7,8]。

本論文基于無線傳感網的方式設計了系統架構，對無線傳感器在酒窖監測系統中低功耗優化問題進行了重點研究，對傳統的分簇路由算法進行了改進，在簇建立階段采用改進的LEACHDCHS算法，在數據傳輸路由階段，采用基于蟻群優化算法改進節點能耗，最后通過模擬及現場實驗，驗證了改進的算法在保證數據傳輸穩定的同時，有較好的節能效果。

1 系統分析與總體設計

1.1 系統架構設計

物聯網環境下對白酒生產環境的監測要面臨環境較差、節點布置困難等問題，根據白酒生產中對酒窖環境數據監測的系統實時性和可靠性需求，在不改變現有釀酒工藝流程和方式的基礎上，本文設計了一種適合白酒產品生產企業的監測與預警系統方案，實現對釀造過程中影響發酵的環境因素進行實時不間斷的跟蹤與監測，完成發酵工藝的信息化控制，并對采集到數據進行匯總、統計、分析，探索酒品產量、質量與上述各種因素的關系，最終實現白酒品質最優化及原料的充分利用。設計的酒窖監測系統整體架構如圖1所示。系統模型分為三層結構，分別為數據采集傳輸層、數據分析處理層、系統數據展示層。在數據采集傳輸層，采用溫濕度傳感器、PH值酸度傳感器等獲取環境參數值，由節點路由傳輸數據到網關處，數據從網關節點通過無線接入的方式上傳到數據處理服務器上，在服務器上部署的應用程序服務在完成數據的分析處理之后，將數據存儲到數據庫中，同時，應用程序服務提供應用程序接口給不同的展示終端，包括在酒窖監測現場的網關接收端、PC端、手機APP端。

圖1 系統架構圖

1.2 系統流程設計

為了減少數據傳輸所耗費的節點能量，在傳感器采集到監測數據后，由傳感器節點首先進行數據壓縮，經過優化的路由選擇路徑，將數據發送到網關進行數據集成，網關對數據進行分析，判斷是否有異常，有異常則硬件端對異常報警，同時，網關都把全部數據上傳到服務器，服務器對數據進行接收存儲，并對異常數據進行分析報警，用戶可以通過手機端和PC端來登錄服務器，完成溫度、濕度、PH值等的查看，過程如圖2所示。

2 基于物聯網的酒窖監控系統中節點低功耗研究

節能是無線傳感器網絡設計中的一個重要的目標，在酒窖監控系統的設計中，由于釀造現場面積大，且不利于布設電源，所以全部采集節點都將采用鋰電池供電。同時，因為酒的發酵環境要求密封，因此在數據采集傳感器節點布置到發酵環境后，不可以隨時取出重新充電，這就要求供電時間要長于酒糟發酵過程，通常為6個月以上。路由算法對無線傳感器網絡的能量消耗有著重要的影響,故要設計低功耗路由算法，使之更高效更節能，提高路由算法的有效性,以減少網絡中的能量消耗是非常必要的。

圖2 系統流程圖

2.1 酒窖現場的傳感器組網

酒窖環境監控過程中采集的信息較多，需要較多數量不同類型的傳感器，而每種傳感器都要一個無線節點進行數據收發。因此，整個系統會有很多的無線節點組成，如何實現這些無線節點之間協調工作，這就需要一個完善的組網方式。本文采用分層匯聚方式設計了整個酒窖監控節點的部署，如圖3所示。在最底層是直接采集數據的傳感器節點，每個小型窖池作為一簇，大型窖池中可以同時布置多簇。每簇中由簇頭節點用于數據的匯聚，也由簇內一般節點用于數據的采集，根據本文提出算法，每個節點既能作為簇內一般節點，也能作為簇頭節點?？紤]到酒窖的生產環境空間很大，數據傳輸距離較遠，因此，采集的數據從簇頭節點首先發送到酒窖窖池距離較近的數據網關，由數據網關將數據進一步上傳數據到數據基站和數據庫服務器上。酒窖監測系統中采集的信息類型較多，對數據類型區分的工作也會耗費很多節點能量，因此，將這部分工作也放到數據網關來處理，由數據網關將酒窖的溫濕度和PH值等信息進行分類上傳。

圖3 傳感器數據分層傳輸架構

2.2 基于蟻群優化算法的路由節能算法

蟻群優化算法（ACO）是一種隨機搜索算法，由Dorigo等人[9,10]提出并將它成功應用于TSP問題。ACO算法借鑒螞蟻群覓食尋找食物最優路徑的過程，螞蟻在尋覓食物時，在經過的路徑上留下一種會自然揮發的稱為信息素的物質，后面的螞蟻在遇到多條路徑時，會選擇信息素濃度較高的路徑。因此，在尋找食物的最短正確路徑上，會有更多螞蟻留下的信息素，而在較長、錯誤的路徑上信息素逐漸揮發完。這樣，整個蟻群就會找到從巢穴到食物的最優路徑[11-13]。

本文采用LEACH-DCHS算法進行節點分簇建立，將酒窖內的多個傳感器分組，以能量參數和節點間距離為依據在簇內節點選擇簇頭節點，每個節點都會計算能量值與閾值比較判斷是否為簇頭節點。簇內節點數據傳輸階段基于蟻群優化算法進行路由選擇，將若干螞蟻放置在距離數據網關較近的節點上，以該節點為初始起點位置，尋找遍歷簇內全部節點的最優路徑。

2.2.1 簇的建立階段

LEACH算法是一種典型的分簇路由算法,在簇建立時，每個節點在0～1范圍內生成隨機數，與設定的閾值T(n)比較，如果小于閾值，則該節點設置為簇頭節點，其余非簇頭節點接收設定的簇頭節點的信號，如果信號強度大于某一個值，則屬于同一個簇群[14,15]。LEACH算法在初始設定簇頭節點時，采用隨機數的方式并不合理，本文選擇的LEACH-DCHS(low energy adaptive clustering hierarchy with deterministic cluster-head selection)算法進行了改進,把能量參數作為選擇簇頭節點的標準,每個循環中綜合考慮節點能量和設定閾值大小選擇簇頭節點，一般情況下選擇節點能量較高的值作為簇頭,使分簇的過程更加合理公平。LEACH-DCHS算法首先也會對每個節點計算0-1的隨機數，選擇簇頭節點的條件是小于閾值的節點，閾值T(n)由公式（1）決定。

其中，P設定為每個節點可能當選為簇頭節點的概率值，也是簇頭節點數量與全部節點數量百分比；rs是當前節點傳輸數據的循環次數；n的值是對全部節點的編號；G是循環到1/P次輪時，還沒有當選為湊頭節點的集合；En_current表示節點當前剩余的能量,En_max表示節點的初始能量。為了防止一個節點重復多次當選簇頭而耗費過多能量，在節點當選簇頭后，增加一個標志位記錄當選次數，隨著當選次數增加，再次當選簇頭的機率就會降低，其余節點當選簇頭的概率增大。

2.2.2 穩定的數據傳輸階段

在建立好簇群以后，組內各節點尋找一個最優路徑進行數據傳輸，本文基于改進的ACO算法建立酒窖內傳感器節點數據傳輸路由模型[16,17]。

首先，在初始化階段，對每個節點首先計算距離數據網關的相對距離，將m只螞蟻放置在節點上時，考慮放置在相對距離較短的節點上，減少簇頭節點匯聚上傳數據到網關時的能量消耗。計算的方式可以以數據網關i0為中心，在閾值范圍內計算各節點i1...k到數據網絡的距離d1...k，然后放置m只螞蟻在k個節點集合F(k)中。在建立路由路徑時同樣計算每個節點 j0周圍k個節點 j1...k的距離d1...k，在F(k)集合內選擇搜索下一個路由節點。在初始化信息素的過程中增加距離參數，使螞蟻在選擇路徑時，綜合考慮信息素和路徑距離的因素，而不僅僅只看路徑的長短，既保證螞蟻能夠選擇尋找最優路徑，又避免快速陷入局部最優解。初始化信息素公式如式（2）和式（3），其中min(di,j)表示在節點i的搜索范圍內節點的最小距離。

在初始化信息素之后，下一個最重要的步驟就是路徑選擇策略，按照本文算法設計，將m只螞蟻放置在離數據網關距離較近的n個傳感器節點上，通過初始化階段計算得到的節點i和j之間的信息素濃度值τij(t)值和啟發函數ηij(t)，綜合考慮螞蟻k下一個路徑選擇。其中，啟發函數ηij(t)表示螞蟻從數據節點i到節點j的數學期望程度。算法綜合考慮信息素濃度、節點距離及獲取的先驗知識，對螞蟻k在節點r位置時，尋找下一節點j的依據如式（4）。

式中，q0∈[0,1]，是依據實驗優化設定的初始參數，q取[0，1]之間的隨機數；τru(t)是信息素濃度值，為當前螞蟻所在節點r到下一可能節點u的信息素濃度；ηru(t)表示螞蟻從節點i傳輸數據到節點j的期望程度。

數據路由路徑選擇的流程即螞蟻k從節點i出發，選擇下一個節點時首先生成一個[0，1]之間的隨機數q，如果q小于所設定的初始參數q0，則選擇可能的下一節點中 τru(t)ηru(t)β最大的節點作為數據路由節點；如果q大于所設定的初始參數q0，則根據S確定下一個數據路由節點，S取Pkij(t),表示在當前時刻t，螞蟻從數據節點i選擇數據節點j的概率,Pkij(t)根據公式（5）來確定。

其中，α是影響信息素重要比因子，表示信息素重要程度；β是啟發函數重要比因子，表示啟發函數的重要程度。α和β的值通過仿真實驗計算取符合酒窖監控實際需求的最優值，,當螞蟻數目m取20，全局信息素更新因子τ取0.85，局部信息素更新因子ρ取0.6時，實驗結果如表1所示，可以看出α取 0.5，β取 2.0和α取 4.0，β取 5.0時，算法運行效果較好。

表1 參數選擇實驗表

啟發函數ηij(t)的計算公式為：ηij(t)=1dij。allowk集合中存儲了螞蟻k還沒有訪問到的節點集合，采用全部節點集合和已訪問節點列表tablek差集實現。

在每一輪循環執行結束后，整個路由全局最優的螞蟻將會更新信息素，蟻群根據路由最優螞蟻附近區域尋找最佳的路徑，也就是計算迭代到當前輪次時的全局最優路徑長度，對全局最優路徑更新信息素如公式（6）和公式（7）所示。

其中，Dcb表示本次循環中最優路徑的長度。

為了避免蟻群過快的收斂到相同路徑，除了全局最優更新信息素，對每只螞蟻尋找一次路徑后，也會更新局部信息素。更新方法如公式（8）和（9）所示。

其中，τ0是公式（2）中表示的信息素初始化值，n表示初始化時統計的區域節點總數量，Lnn是鄰域啟發局部路徑長度。

2.2.3 算法流程

本文設計算法的詳細步驟如下所示。

步驟1建立簇群，設定閾值，選擇簇頭；

步驟2初始化蟻群參數，包括初始化信息素初始值、建立節點集合、計算節點間相對距離；

步驟3將若干數量螞蟻被放置在距離數據網關節點相對距離較近的任一節點上；

步驟4螞蟻根據概率函數選擇下一個訪問的節點，并保存在節點數據結構內；

步驟5每個螞蟻在完成節點路徑尋找后，更新區域局部信息素；

步驟6全部螞蟻完成本輪尋找后，更新全局信息素，并開始新一輪的路徑尋找；

步驟7達到迭代次數后，保存記錄最優路徑。其具體算法流程圖如圖4所示。

3 實驗與系統實現

在阜陽職業技術學院的酒窖實驗環境中，共有24個小型酒窖，酒窖區域大小約為100 m*100 m范圍，平均每個酒窖內布置30個傳感器，有一個數據存儲服務器基站，8～10個數據網關節點，因此，每個酒窖內傳感器距離數據網關距離較遠。采用本文節能算法，根據實際環境中估計最優值對參數初始化，對本文算法進行了驗證。酒窖實際環境及傳感器實物圖如圖5、圖6所示。

圖7中顯示了酒窖的區域劃分及布置的傳感器位置，左上角小圖中是基于本文算法的構建的最優路徑，路徑從簇頭節點出發，依次遍歷全部簇內節點，通過簇頭節點將數據匯總到數據網關。最優路徑首先避免了每個節點與數據網關的長距離通信，其次每個節點與自己距離較近和數據路由概率較大的節點通信，按順序將數據匯總到簇頭節點，形成一條最優的數據傳輸路徑。

圖4 算法流程圖

圖5 酒窖實際環境

采用本文算法與經典的 LEACH、HEED、DCHS算法進行了數據傳輸時，能量耗費進行比較，如圖8所示，本文算法在開始的較多數據傳輸輪次中，能量耗費較少，衰減較慢，其他算法傳輸數據輪次不多時，就出現能量耗費較快的情況。圖9中顯示了不同算法在若干輪次中的數據傳輸量，可以看出本文算法在降低能量耗費的同時，數據傳輸量并沒有減少，而且由于能量衰減的較慢、節點剩余能量較多，可以傳輸更多的數據。

圖8 能量耗費衰減圖

圖6 傳感器實物

圖7 傳感器分布及最優路徑

4 結論

本文根據酒窖監控系統的實際需求，首先設計了酒窖監控系統的整體架構，對系統流程進行了分析，針對酒窖監控中傳感器節能的關鍵難點，構建了傳感器分層數據傳輸模型，提出了一種基于改進蟻群優化的最優路徑路由算法，并在實驗環境中進行了驗證，降低了在酒窖監控環境下遠距離數據傳輸的節點能量消耗，為物聯網環境下酒窖監控系統的構建與實現提供了參考與借鑒。

圖9 數據傳輸量圖

[1]中國釀酒產業十二五(2011-2015年)發展規劃[M/OL].http://www.oivcc.com/zl/2003/200304/2003-04-07/20030407000000_15439.html.

[2]謝玉球，時 曉，周二干，等.物聯網技術的窖池智能監測系統在濃香型白酒固態發酵中的應用[J].釀酒科技，2016，5：75-79.

[3]劉 蔚.酒窖無線溫度監測系統[J].機床電器，2012，6：44-46

[4]何宏魁，李安軍，萬春環等.物聯網技術在白酒行業應用綜述[J].釀酒科技，2016，5：91-96.

[5]沈 昕.無線傳感器網絡在酒窖溫度監測中的應用[J].無線互聯科技，2015，3：24-25.

[6]趙殿臣，翟 順，王衛紅，等．基于Zig Bee的白酒廠窖池無線測溫裝置[J].釀酒科技，2011（7）：60-63．

[7]黃治國，羅惠波，程鐵轅，等．酒醅發酵過程中溫度變化曲線的實時檢測及其數學模型建立[J].釀酒科技，2008（10）：20-25．

[8]王貴成.智能控制理論在發酵過程中的應用研究[D].沈陽：東北大學，2006．

[9]Dorigo M,Maniezzo V,Colorni A.The ant system:An autocatalytic optimizing process[J].Italy:Dipartimento di Elettronica,Politecnico di Milano,1991:91-016.

[10]Dorigo M,Stutzle T.Ant colony optimization[J].Computational Intelligence Magazine,2006,1(4):28-39.

[11]侯文靜，馬永杰，張 燕，等.求解TSP的改進蟻群算法[J].計算機應用研究，2010，27（6）：2087-2089．

[12]葉 菁.基于免疫-蟻群算法的TSP問題研究[J].計算機工程，2010，36（24）：156-160．

[13]劉雪東.混合蟻群算法的研究與應用[D].淮南：安徽理工大學，2013．

[14]Batistic I,Stojanovski J.Elitist ant system with 2-opt local search for the traveling salesman problem[J].Advances in Electrical and Computer Engineering,2012,12(1):25-32.

[15]Saleh A M,Ali B M,Rasid M,et al.A self-optimizing scheme for energy balanced routing in wireless sensor networks using sensor ant[J].Sensors,2012,12(8):11307-11333.

[16]白 磊．蟻群算法的改進及其應用研究[D].合肥：安徽大學，2015：20-28．

[17]朱夏冰.蟻群算法結合粒子群算法的WSN路由優化[D].無錫：江南大學，2010：13-21．

Key technology of wine cellar monitoring system based on improved ant colony optimization algorithm

SHI Lei

(Department of Computer,Fuyang Institute of Technology,Fuyang Anhui 236031,China)

In the process of traditional liquor production,the monitoring of wine cellar environment is mainly completed manually.Aimed at poor real-time data detection and error in data acquisition,we constructed the model of wine cellar monitoring system,and proposed an optimal path routing algorithm based on ant colony optimization algorithm.Clusters were built and cluster heads were selected by using LEACH-DHCS method.Based on the improved ant colony optimization algorithm,all nodes in the cluster were successively traversed from the cluster head node,and an optimal data transmission path was established finally.Experimental results show that the proposed algorithm has low energy consumption while ensuring the reliability of data transmission.

cellar monitoring;LEACH-DHCS;ACO;energy consumption;optimal path

TP39

A

1004-4329（2017）02-062-07

10.14096/j.cnki.cn34-1069/n/1004-4329（2017）02-062-07

2017-03-28

安徽省自然科學研究重點項目（KJ2015A424）；安徽省高等教育振興計劃項目(皖教秘人[2014]181號)資助。

石 磊（1981－ ），男，碩士，副教授，研究方向：嵌入式系統。