基于改進ACO與分布式社區檢測的WSN路由協議

朱利民，趙 麗

1.河南工學院 計算機科學與技術系，河南 新鄉 453000

2.山西大學 軟件學院，太原 030013

1 引言

無線傳感器網絡（Wireless Sensor Network，WSN）由一系列配備微處理器、微型傳感器和低功率無線電設備的低成本設備組成，它可以實現數據的傳輸和處理[1-2]。基于WSN的節能路由協議可以被分類為基于分層和基于聚類的協議[3]，這些協議都依賴于被稱作簇頭（Cluster-Head，CH）的特殊節點。盡管上述協議有許多優點，但它們大多缺乏可擴展性。因此，在大規模無線傳感器網絡中，實現數據傳輸的負載均衡和高可靠性，仍然是一個挑戰。

在WSN中，一般通過多徑路由方案[4-5]解決上述問題。文獻[6]介紹了幾種基于蟻群優化算法（Ant Colony Optimization Algorithm，ACO）[7]的WSN路由協議。文獻[8]提出一種多宿主路由協議SDG，通過在WSN中使用多個接收器來克服可伸縮性問題，但該方法增加了路由的能量消耗。文獻[9]提出了一種應用于多媒體WSN的適應性T-ANT路由協議，稱作AntSensNet。AntSensNet協議具有三個階段：信息更新階段、集群設置階段和穩定階段。在前兩個階段里，簇形成在接收器中發起，向多媒體傳感器節點廣播有限數量的代理，稱為簇螞蟻（CANT），集群的形成通過匯聚點發起。在接收到CANT消息之后，成為簇頭的每個多媒體傳感器節點將CANT消息轉發給另一簇頭節點候選者，直到形成簇頭和匯聚點骨干網。在穩定階段，通過使用不同的代理產生簇頭和匯聚點之間的路徑。代理機制的使用一定程度上增加了算法的復雜度。文獻[10]提出一種基于社群檢測的WSN路由協議，利用分布式概率選擇簇頭，以增強社群內部節點與簇頭節點間的連通性，增加網絡壽命，然而該算法的數據吞吐量有待進一步提高。文獻[11]提出一種聚類算法和社團檢測算法相結合的路由協議，通過社群聚類策略，可以延長無線傳感器網絡的壽命，但聚類算法的使用使得該算法的能量消耗較大。

本文提出了一種基于改進蟻群優化算法與分布式社區檢測的WSN路由協議，其主要創新點如下：

（1）將改進蟻群優化啟發式算法和分布式社群檢測的標簽傳播（Label Spread，LP）算法[12]相結合，以分布式、平衡和自主的方式建立社群（集群），而不需要事先定義集群的數量/百分比、簇頭（CH）數及額外的變量。

（2）為了使協議能夠在大規模網絡中應用，在協議中使用了社群內重傳和社群間多徑傳輸方法，最終數據傳輸的可靠性和負載均衡性有了顯著提高。

2 協議說明

2.1 網絡模型

本文將WSN表述為一個基本的無向加權圖。定義G=(V,E,W)是一個簡單的加權圖。其中，V是一組節點，用正整數1到||V 表示，用于表示傳感器和匯聚點。E是由邊構成的集合，表示為ei,j，對于每個ei,j∈E，可以通過兩個節點的剩余能量函數計算并估計它們的傳輸能量開銷wi,j∈W。

本文還定義了一個部署函數φ:V??2，用于在?2空間中放置節點。因此，為了定義給定節點的鄰居，需要先根據給定節點的傳輸能量確定其最大傳輸半徑R。令d(i,j)表示φ(i)和φ(j)之間的歐氏距離，其中i,j∈V,Ni={j∈V|d(i,j)≤R,i≠j}表示通信范圍為 i的節點的集合。假定所有節點都具有相同的傳輸功率，且在i∈Nj和 j∈Ni之間存在一個雙向的信道。

此外，本文提出的算法還使用了網絡中社群的概念。社群可以表示為一組高度相關的節點的k路分支。社群除了被表示為，在本文中還表示為Vs，其中s是匯聚點。

2.2 改進的蟻群優化算法

傳統的蟻群算法局部搜索尋優能力較好，但算法在后期容易出現搜索速度減慢的現象，甚至會停滯不前。為此，本節提出一種改進的蟻群算法，以提高蟻群算法的尋優速度，同時增加WSN的網絡壽命。

在搜索過程中，信息素會越來越少，此時有必要計算出信息素的揮發量。充分利用搜索路徑中消耗的能量和WSN節點剩余能量，以避免WSN節點出現過早休眠的現象，影響路徑中的信息傳輸。基于此，在搜索過程中使用了位置帶的概念，使螞蟻在不同節點之間的移動具有一定的方向性，這么做能夠使螞蟻準確地尋找移動路徑，節約能量。如圖1所示，如果WSN節點位于位置帶n處，當該節點有轉發螞蟻的需求時，其下一跳節點只能從其本身和位于位置帶n-1處的節點中選擇。圖1給出了4個位置帶，其中節點A位于位置帶n中，A的鄰居節點分別是B、C、D、E和F，如上所述，只有節點C、D和E可作為A的下一跳節點。使用這種方法選擇下一跳節點能夠避免處在和Sink節點（匯聚點）方向相反的位置帶n+1中的節點轉發螞蟻，同時，螞蟻到達Sink節點的過程中所需的跳數以及消耗的能量也會減少。

圖1 螞蟻轉發示意圖

另外，基于信息素，本文將抵抗素的概念應用到螞蟻轉發中，使用信息素和抵抗素得到螞蟻轉發的啟發信息。利用WSN中的多個節點分擔信息傳輸過程消耗的能量，以此來均衡每個節點的能量[13]。把信息傳輸時消耗的能量和WSN節點剩余能量聯合起來作為評價構造路徑的要素，在計算最終的信息素時就會更加準確。當某一個路徑存儲的能量較多時，有可能會出現該路徑上的能量過度消耗，改進措施則可以避免該現象的出現。

圖2所示為改進蟻群算法的影響因素關系，可以看出，在選擇下一個節點時，節點剩余能量是算法考慮的主要因素，并且路徑的信息素值也受節點剩余能量的影響。改進算法在選擇下一個節點時，同樣使用了篩選策略，當節點處在特定區域或者其能量滿足一定要求時，才能成為符合條件的節點。抵抗素概念的引入也會對下一個節點的集合產生影響。改進蟻群算法的主要貢獻是對下一個節點的選擇更加精確，優化了算法性能。

2.3 協議概述

對于由傳感器節點和匯聚點組成的傳感器網絡。本文提出的協議具有兩個階段：建立階段和穩定階段。建立階段是在協議操作開始時僅運行一次的階段，而穩定階段持續運行直至WSN的功能結束。

圖2 改進蟻群算法的影響因素

在建立階段，協議的第一步是通過社群檢測過程識別傳感器的社群結構，本文所使用的方法是節點標簽傳播算法（Vertex Label Propagation Procedure，VLBP）[14]。VLBP以異步分布式的方式運行，僅使用每個傳感器節點i∈V的鄰居信息。在VLBP執行結束以后，每個社群都被一個作為社群標簽的數值所標識，這一數值通常由其成員選擇。

一旦形成了社群，協議的下一步就是建立這些社群與匯聚點的層級關系。在這一步中，使用了社群分層傳播算法（Community Hierachy Propagation，CHP），將不同的社群分配到不同的層級，算法過程在下文中詳細描述。這些層級考慮了社群與匯聚點之間的距離。社群在其邊緣收縮到最大值后可以被視作超級節點，在這種情況下，社群與匯聚點的距離就是一系列超級節點到匯聚點的最短距離。

在CHP中，節點間通過傳播社區層次結構消息（Community Hierarchy Message，CHM）以設置社群的層次結構級別。傳播過程從匯聚點開始，初始的級別設置為0。接下來，這一消息在網絡中以泛洪的形式傳播，每當遇到一個新的社群，級別值加1。在CHP過程結束時，網絡已經完成了分級。在某一社群中的所有傳感器節點具有相同的社群級別。分級可以使每一個社群很快發現與相鄰的較低層級的社群直接相連的節點，這些節點被稱作虛擬匯聚點（Virtual Sink，VS）。

建立階段的最終步驟，被稱為社群內部構建（Intra-Community Setup，ICS）。在ICS中，每個被識別為社群內虛擬匯聚點的節點都會在其社群內發送一個虛擬通知消息（Virtual Announcement Message，VAM），其目標是獲得傳感器節點的路由表以及與社群的其他VS的開銷。VAM具有每個節點d∈VS的識別編號(vsID)、VS的社群標簽以及當前位置到VS的距離(vsDist)。對于一個傳感器節點i，當它從一個鄰居 j處獲得一個VAM后，會比較其接收到的VAM與VS節點的距離與存儲在路由表中的距離RT.DistVSi,j,d。這一距離和下一跳以及目的對{j,vsID:d=vsID}有關。如果接收到的VAM中的distVS值較小，就會更新RT.DistVSi,j,d。在更新階段，節點i創建一個它所接收到的VAM的副本，在這份副本中會將distVS的值傳送給它的下一個鄰居。在VAM傳播過程結束后，每個傳感器i都會根據路由表中每一個下一跳終點初始化它的信息素權重τi,j,d∈RT，其中τi,j,d=1/RT.distVSi,j,d。

協議的穩定階段包括三個異步執行的過程，分別是信息素濃度蒸發、社群內路由（Intra-Community Routing，ICR）和社群間可靠傳輸（Inter-Community Reliable Transmission，ICRB）。信息素濃度蒸發過程基于一個預定義的信息素濃度衰減參數，對傳感器的路由表中每個記錄的信息素濃度進行周期性的衰減。

在ICR過程中，協議依靠分布路徑決策方法向每個目的地發送前向信息。在這一過程中，使用代理數據消息（Agent-Data Message，ADM）通過動態多徑來傳遞感興趣的信息到多個虛擬匯聚點，并更新傳感器的路由表中路徑信息。每個ADM的副本都包含著源傳感器節點ID、終點ID(VSid)、當前路徑中下一跳的ID以及路徑的累積剩余能量。路徑的累計剩余能量可以通過對路徑中每個傳感器節點的剩余能量求和得到。在接收到一個ADM之后，一個中轉傳感器根據由式（1）給出的概率 p，自主地決定到達ADM所指示的虛擬匯聚點的路徑的下一跳。

其中，i∈V是一個到達局部虛擬匯聚點的路徑中的一個中轉節點；d∈V；τi,j,d表示節點 j到d的下一跳的信息素濃度。因此，節點i在重新將ADM傳送給下一跳節點 j之前，會先更新路徑和累積剩余能量。一旦ADM到達了終點的虛擬匯聚點，虛擬匯聚點會將ADM拷貝到輸出緩沖區，并將它發送給靠近匯聚點的下一個社群。之后，虛擬匯聚點會根據式（2）計算路徑質量：

其中，w是一個(v0,d)路徑，也就是一條v0和d之間的路徑；Eˉ(w)是w中節點的平均剩余能量。最終，一個虛擬匯聚點在一個反向通路中傳送反向代理信息（Backward Agent Message，BAM）。如果源節點在相同的社群中，BAM 就會被發送給源節點，否則，它將會被發送給相鄰的低級社群。BAM 包含的信息有路徑w、中轉節點ID、目的節點 j以及路徑質量q。因此，路徑中的每個節點(j∈W,i≠j)都可以根據式（3）來更新信息素濃度τi,j,d。

式（3）的意義在于強制使用具有最佳關聯的剩余能量和路徑長度的路徑。

穩定階段的最后一步是社群間的可靠傳輸。在這一階段，一個攜帶著可靠數據消息RDM的數據包被發送給靠近匯聚點的下一級社群。這些信息可能包含聚合的或者不聚合的ADM信息。一旦終點正確接收到了ADM，就會回傳一個可靠確認信息（RAM），如果RDM受到干擾，終點節點不會做任何動作。經過特定的時間后，虛擬匯聚點會注意到缺少確認信息，并重傳RDM。

2.3.1 節點標簽傳播算法

節點標簽傳播算法（VLBP）旨在通過考慮節點鄰居的共識對網絡中節點進行標記。算法1給出了VLBP算法的偽代碼，每個傳感器都使用這一算法定義其自身的標簽。

算法1節點標簽傳播算法（VLBP）

1.初始化標簽集L={1,2,…,|V|}

2.令mylb為L中任意值

3.令mylt為false

4.執行

5. 設置m為(mylb,mylt)

6. 廣播(m)

7. 重置timer

8. 當timer＜tmax時

9. 如果接收到消息m′，則

10. 將lt和lb設置為m′中提取的值

11. 如果true==lt，則將lb加入B

12. 否則，將lb加入A

13. 結束

14. 結束

15. 如果A?B=?則

16. mylt=true

17. 否則

20. 如果nlb==mylb，則mylt=true

21. mylb=nlb

23. 結束

24.直到mylt為空

在這一過程的開始階段，每個節點v都被隨機分配了一個標簽。變量mylt始終跟蹤著當前節點標簽的狀態，如果這一標簽不是最終標簽，則其值為false，如果這一標簽是最終標簽，那么它的值就為true。之后，節點v廣播一個消息m用于通告它的標簽和狀態。接下來，就會開始三個主要階段的循環，這一過程由變量timer和一個最值tmax控制。第一階段會創建一對標簽集合A和B,A中包含了尚未完全確定標簽的鄰居，B由已擁有永久標簽的v的鄰居組成。這些集合由第8行至第13行的循環生成。

如果A或者B不是空集，就會開始第二階段。否則，當前v的標簽就定義為節點的最終標簽并結束這一過程。在第二階段中，大多數A?B中的標簽都在Maj中定義。為了描述這一步，定義一個函數c:L→?返回一個標簽在給定集合中的重復次數。在第三階段中（第17行至第23行），節點從集合Maj中隨機選擇了一個標簽，如果這個集合的A和B中有標簽，就只會考慮B中的標簽。之后，集合A被定義為空集，這是因為節點廣播消息只有在它的標簽完全確定以后才會發出。

2.3.2 社群層次傳播過程

算法2描述了社群層次傳播過程（CHP），定義了某一社群中節點與匯聚點間的距離。分層級別由社群分層消息（CHM）確定，這一消息由源ID（srcID）、源社群標簽（srcLB）和源社群級別（srcLV）三部分組成。

算法2社群分層傳播過程（CHP）

1.令i∈V

2.令LBi是執行完VLBP過程后節點vi的標簽

3.令LVi是節點i的分層級別

4.令LVNi是每個 j∈Ni的分層級別集合

5.如果i是匯聚點，則

6. LVi=0；生成CHM m:=(i,LBi,LVi)；廣播m

7.否則

8. LVi←∞，根據應用設置chpTimer

9. 執行

10. 如果從任意 j∈Ni接收到了m'，則

11. LVNi[j]=m′.srcLV

12. 如果 m'.srcLB=LBi，則

13. 如果 m'.srcLV＜LVi，則

14. LVi=m'.srcLV

15. 生成CHM m:=(i,LBi,LVi)；廣播m

16. 結束

17. 否則m'.rcvLV+1＜LVi,則

18. LVi=m'.rcvLV+1

19. 生成CHM m:=(i,LBi,LVi)；廣播m

20. 結束

21. 結束

22.直到chpTimer超時

23.結束

在算法2執行的開始階段，每一個節點i∈V都具有一個由VLBP過程所產生的社群標簽LBi，表明這一節點屬于某一社群。算法2執行的結果是確定每一個節點連接到匯聚點的社群分層級別，也就是所有屬于這一點鄰居(LVNi)的節點集合的分層級別。

2.3.3 社群內配置過程

算法3展示了社群內配置過程（ICS），在這一過程中，每一個非匯聚節點都根據它的鄰居信息決定其是否為自己所屬社群內的虛擬匯聚點。節點i是一個虛擬匯聚點，如果它具有一個以上的鄰居 j，并且這一鄰居節點的社群標簽LBj≠LBi,則社群分級LVj＜LVi。然后，所有的虛擬匯聚點會在其社群內廣播一個VAM，從而對其社群內的每一個非虛擬匯聚點的路由表（RT）進行初始化。一個VAM頭包含如下結構：源ID（srcID）、虛擬匯聚點ID（vsID）、虛擬匯聚點社群標簽（vsLB）以及當前位置到虛擬匯聚點的距離（distVS）。在算法3所示的過程中，第9至30行對于任意節點i∈V的路由表RT，配置了一組可用的虛擬匯聚點(dinVSset)及到達這一節點的下一跳 j的開銷τi,j,d。虛擬匯聚點的集合是數據消息可能到達的局部終點的集合。

算法3社群內配置過程（ICS）

1.令i∈V，i不是匯聚點

2.令LBj是節點 j的標簽，?j∈Ni

3.令LBset,i是節點i觀測到的節點 j標簽的集合，?j∈Ni

4.令LVi是節點i在經過CHP過程后的分層級別

5.令VSset是節點i可達的社群虛擬匯聚點的集合

6.令RT是節點i的路由表

7. 如果 ?LBj∈LBset,i且 LBj≠LBi,LVj＜LVi

isVS=true；否則，isVS=false

8.如果LVi＜∞則nodeready=true；否則nodeready=false

9.如果nodeready==true，則

10. 如果isVS==true，則

11. 生成VAM m:=(i,i,LBi,0)，廣播m

13. 設置vsBroadcastTimer

14. 如果isVS==false，則

15. 執行

16. 如果從 ?j∈Ni中接收到一個VAM m'，滿足 m'.vsLB==LBi，則

17. m'.distVS=m'.distVS+1

18. 如果 m′.vsID?VSset，則

19. VSset=VSset?{m′.vsID}

20. RT.distVSi,j,m′.vsID=m'.distVS

21. 廣播m'

22. 如果 m′.vsDist≤RT.distVSi,j,m′.vsID，則

23. RT.distVSi,j,m′.vsID=m'.distVS

24. 廣播m'

25. 結束

26. 結束

27. 直到vsBroadcastTimer超時

29. 結束

30.結束

2.3.4 社群內路由過程

所有的活動節點都在協議的穩定階段異步地執行社群內路由過程（ICR）。算法4和算法5對這一過程進行了詳細的描述，算法4是社群中虛擬匯聚點所執行的路由過程，而算法5是普通的傳感器節點所執行的操作。節點間的交互是通過ADM和BAM兩種消息實現的。

算法4由虛擬匯聚點執行的社群內路由過程

1.令i∈V，在配置階段中nodeready=true

2.令LVi是節點i在CHP過程后的分層級別

3.令LBj是節點 j的標簽，?j∈Ni

4.令LBset,i是節點i所觀測到的所有的節點 j的標簽集合，?j∈Ni

5.令VSset是節點i可能到達的本社群的虛擬匯聚點

6.令RT是節點i的路由表

8.令ei是節點i的剩余能量

9.令ew是路徑w的累積剩余能量

10.執行

11. 如果從j∈Ni接收到了一個ADM m'且m'.vsID=i

12. 如果aggregationTimer超時

13. ?j∈Ni,LBi≠LBj,nextHopOutCommunity=j

14. enqueueOnRelay(Data,nextHopOutCommunity)

17. nextHopInCommunity=stackPop(m'.w),創建BAM，m:=(i,nextHopInCommunity,i,m'.w,q)

18. 否則

19. Data=Aggregate(m'.payload)

20. 結束

21. 結束

22.直到節點操作結束

算法5由非虛擬匯聚點執行的社群內路由過程

1.令i∈V，在配置階段中nodeready=true

2.令VSset是節點i可能到達的本社群的虛擬匯聚點

3.令RT是節點i的路由表

5.令ei是節點i的剩余能量

6.令ew是路徑w的累積剩余能量

7.執行

9. 從applicationDataBuffer中提取數據Data

10. 根據應用配置qtyOfDuplicates

11. 對于i從1到qtyOfDuplicates，執行

12. 隨機在VSset中選擇一個節點d

14. w={i}

15. ew=ei

16. 生成ADM消息

17. m:=(i,nextHopInCommunity,d,w,ew)

18. 結束

19. 結束

21. 如果從 j∈Ni接收到了一個ADM m'且m'.destID=i，則

23. m'.srcID=i

24. m'.distID=nextHopInCommunity

25. m′.w=m′.w ? {i}

26. m'.ew=m'.ew+ei

27. 單播m'

28. 結束

29. 如果從 j∈Ni接收到了一個BAM m'且m'.destID=i，則

32. nextHopInCommunity=stackPop(m'.w)

33. m'.destID=nextHopInCommunity

34. 單播m'

35. 結束

36. 結束

37. 結束

38.直到節點操作結束

由于這些消息的目的地不同，它們的結構也各不相同。ADM由源ID（srcID）、目的ID（destID）、虛擬匯聚點ID（vsID）、當前路徑隊列(w)、當前路徑剩余能量(ew)以及數據有效負載組成；BAM由源ID（srcID）、目的ID（destID）、虛擬匯聚點ID（vsID）、當前路徑隊列(w)和由虛擬匯聚點計算得到的最終路徑質量(q)構成。

普通傳感器節點在ICR中扮演的角色可以總結為兩類：向隨機選擇的虛擬匯聚點發送新的聚合數據（算法5的第5～15行）和將所接收到的ADM和BAM轉發到下一跳的目的地（算法5的第17～34行）。虛擬匯聚點在ICR中所扮演的角色比較復雜，因為虛擬匯聚點每接收到一個ADM都需要生成一個BAM。由于每個BAM都具有路徑質量參數q，虛擬匯聚點必須要考慮ADM中的w和ew參數來計算它。

虛擬匯聚點可以在一定的時間間隔對所接收到的數據進行聚合，這一時間間隔在應用中由aggregationTimer參數指定。因此，虛擬匯聚點隨機選擇一個位于社群外的鄰居發送數據，并通過enqueueOnRelay函數將其放入隊列中。

3 性能分析

3.1 仿真模型與假設

本文假定模型是適用于靜態傳感器網絡的，在這一網絡中，節點是均勻分布的，但其具體的位置坐標未知。此外，所有的節點都配備了相同的無線電設備和傳輸功率，從而形成了節點網絡間的對稱鏈路。

3.2 度量指標

本文使用三種度量指標來評估提出協議的性能：實際吞吐量（交付率）、傳輸延遲和能量消耗。

（1）吞吐量

本文定義的吞吐量是指傳遞到匯聚點應用層的總消息數量與每個節點所產生的原始數據消息的總和的比值，吞吐量由式（4）定義：

其中，Mi是由節點i產生的原始數據消息的集合；Ri是匯聚點接收到的節點i所發送出的原始數據消息的集合。

（2）傳輸延遲

本文將單個消息的數據傳輸延遲定義為消息從源節點發送到匯聚點所消耗的時間。對于每一個節點，將個體的傳輸延遲視作總體延遲的均值，因此，可以假定總體的傳輸延遲為所有個體傳輸延遲的均值。

（3）能量消耗

本文使用處于傳輸狀態（TX）節點的能量開銷來衡量能量消耗。本文在估計單個節點的傳輸能量消耗(Etx)時考慮了文獻[15]所提出的能量模型：

其中，L是所有傳輸的集合；k是距離為d的傳輸的比特數（在這種情況下，d是給定tx傳輸功率的最大傳輸距離）；Eelec是傳輸一個比特的能量消耗；eamp是放大器能量開銷。因此可以對網絡的總開銷（單位為J/h）進行估計，總開銷為式（6）中所定義的每次傳輸的能量的總和：

其中，T是網絡的總操作時間。

3.3 仿真參數和場景

為驗證算法的有效性，在NS2（Network Simulator Version 2）仿真環境下對本文協議、文獻[10]、文獻[11]提出的協議進行仿真比較。在500 m×500 m的目標區域內部署500～3 000個節點，其余參數如表1所示。

表1 仿真參數

本文根據每個節點的概率λ來考慮不同的數據生成速率，每個節點在每秒最多產生一條消息。λ的取值分別為0.01、0.02和0.05，分別表示數據生成速率由低到高。在模擬中，數據生成周期為500秒，從第1 000秒生成開始，到第1 500秒結束。在這段時間之后，仿真持續進行直至網絡中不存在數據消息。

3.4 仿真結果分析

（1）節點數量和吞吐量的關系

圖3是關于吞吐量的仿真結果。從圖中可以看出，在所有場景中，本文協議都比其余兩種協議具有更好的性能。三種協議的吞吐量都隨著節點數量的增加和λ值的增加而下降，這是因為隨著節點數量和數據生成速率λ的增加，網絡的沖突情況也顯著增加。由于本文協議使用了基于主動確認的社群內重傳機制，它可以提供較強的消息傳輸可靠性。文獻[10]和文獻[11]提出的協議僅僅是利用社群檢測技術增加網絡的連通性，相比之下，本文協議能夠取得更好的效果。

（2）節點數量和能量消耗的關系

能量消耗的平衡依然是大規模WSN中的一個重要問題。圖4是三種協議的能量消耗情況。雖然本文協議能比其余兩種協議傳送更多的原始數據，它的每小時平均能量消耗卻比其余兩種協議有所降低。事實上，本文協議使用社群方法的主要優勢就是降低代理在距離和能量消耗方面的開銷。因此，實驗結果表明，使用改進蟻群算法在社群內更新和維護路由路徑，可以減少能量消耗。另外，從圖4中還能看出，當數據生成速率λ越來越大時，網絡中節點間傳輸的消息也越來越多，因此能量消耗也越來越大。

（3）節點數量和傳輸延遲的關系

圖5為三種協議的傳輸延遲情況。當數據生成速率λ一定時，三種協議的傳輸延遲都隨著節點數量的增加而增大。當λ=0.01時，本文協議的傳輸延遲和文獻[10]協議相差不大，均優于文獻[11]協議的傳輸延遲；但隨著λ逐漸增大，網路中需要傳輸的消息逐漸增加，相應的社群內重傳機制執行的次數也會增加，因此出現本文協議的傳輸延遲大于其余兩種協議的傳輸延遲，如圖5（b）、（c）所示。

4 結束語

圖3 節點數量和吞吐量的關系

圖4 節點數量和能量消耗的關系

圖5 節點數量和傳輸延遲的關系

本文闡釋了在大規模網絡中使用群智能協議的優越性，并提出了一種基于改進蟻群優化算法與分布式社區檢測的WSN路由協議，由仿真結果可知，本文協議在吞吐量、能量消耗等方面體現出了一定的優勢。利用改進的蟻群優化算法和標簽傳播技術來降低代理的開銷，從而減小網絡負載和內存開銷。使用一種基于主動確認的社群內重傳機制，在保證較低的能量開銷的前提下，提供了較強的消息傳輸可靠性。

下一步工作將考慮使用多個移動的匯聚點收集數據，以減小傳輸延遲，從而更好地滿足WSN的應用需求。