黃河流域生態環境監測WSN路由優化方法研究

王 軍，王超梁，趙雪專

（鄭州航空工業管理學院 大數據科學研究院，河南 鄭州450046）

2019年9月18日，習近平總書記在黃河流域生態保護和高質量發展座談會上發表重要講話，將黃河流域生態保護和高質量發展上升為重大國家戰略［1］。新一代信息技術，如大數據、人工智能、物聯網、云計算等，被廣泛用于促進黃河流域生態保護和高質量發展［2］。無線傳感器網絡作為最常用的物聯網數據采集設施，被廣泛應用于智能環保等生態環境監測和保護領域，適用于黃河流域生態環境監測和保護，其發展的好壞直接影響新一代信息技術在黃河流域生態保護方面的應用，而無線傳感器網絡（WSN）路由選擇算法的優化，可有效降低WSN運行成本，降低傳感器能耗，提高節點壽命，增強網絡連接的可靠性和抗毀性，提高無線傳感器網絡的運行效率。Wankhade和Huang等提出的WSN路由算法提高了收斂速度，但不能有效地得到全局最優解［3-4］。Costin等將演化算法應用于WSN路由選擇優化，全局搜索能力極佳，對于WSN路由優化能力較強［5］。高霞等對演化算法進行改進，并將改進的演化算法應用于WSN路由選擇問題，可避免節點過早死亡，延長WSN網絡生存時間［6］。Costin等［5］、Zhao等［7］將其他算法和演化算法相結合用于WSN路由選擇，也可以有效地進行WSN路由優化。

筆者在傳統優化算法的基礎上，對演化算法進行了改進，自動調整演化因子并縮短染色體長度，既能提高算法的收斂速度，又能保證解的全局最優性。將改進后的自適應演化算法應用到無線傳感器網絡路由選擇優化，并通過試驗與傳統演化算法、蟻群算法進行了對比，從收斂時間、能耗、路由時延等方面驗證了改進算法的適應性和優越性。

1 黃河流域生態環境監測WSN應用框架及優勢

黃河是中華民族的母親河，是人類文明的重要發源地，加強黃河流域生態環境保護對黃河流域經濟高質量發展至關重要。黃河流域覆蓋范圍廣、地勢差異大、氣候情況復雜，造成黃河流域生態環境數據采集難度大、成本高，傳統生態環境監測主要依靠便攜式環境監測設備定期采集數據，或者在固定位置布置傳感器來獲取數據，數據誤差大且時效性差。隨著新一代信息技術在生態環境保護領域的應用，無線傳感器網絡被廣泛應用于生態環境保護數據采集和實時監測，極大地提高了黃河流域生態環境的監測效率與監測精度。新一代無線傳感器網絡WSN在黃河流域生態環境監測中的應用框架設計如圖1所示。黃河流域WSN應用系統主要包括3個層面:無線傳感層、數據傳輸層以及遠程控制層。其中無線傳感層實現黃河流域生態環境空天地一體化的數據采集，通過5G通信實時把數據傳輸到遠程監測端，實現遠程控制端的實時監測和控制。

圖1 黃河流域生態環境監測WSN應用框架

新一代無線傳感器網絡與傳統數據采集傳感器相比，有以下三方面的優勢:

（1）傳感器節點布置簡單。可以采用飛機播撒的方式大范圍布置傳感器網絡節點，特別適用于黃河流域復雜地貌的傳感器布置和數據采集。

（2）網絡自組。傳感器節點可快速和周圍節點建立無線連接，建立功能完善的傳感器網絡，且不受外界環境限制地進行網絡內部節點的維護和管理，適用于黃河流域復雜氣象和環境變化條件下的數據傳輸。

（3）實時監測。傳感器節點采集的數據可通過5G網絡實時傳輸到遠程終端，實現黃河流域水質、氣象、汛情等實時監測。

基于無線傳感器網絡的優勢，WSN可有效解決黃河流域生態環境監測過程中的傳感器位置選擇困難、維護和組網成本高、數據采集時效性差等難題，更適用于有著復雜地貌的黃河流域的生態環境監測。

2 WSN優化算法模型

2.1 演化算法

演化算法是一種仿生學多目標優化算法，采用生物進化的機制構造問題，優化系統的模型，從待解決問題的潛在解集的一個初始種群開始，種群由基因編碼的一定數目的個體組成，個體實際上是染色體帶有特征的實體［8］。算法開始時，需要對問題進行映射編碼，通常以簡化后的二進制編碼表示。初始種群通常隨機產生，按照適者生存和優勝劣汰的原理，逐代演化產生越來越好的近似體，使種群像自然進化一樣，后代種群比前代更加適應環境，每一代的個體通過適應度值來評價個體的優劣，末代種群中適應度值最大的個體經過解碼，作為問題的最優解。演化過程中基因交叉概率pc和變異概率pm的選取是影響算法行為和性能的關鍵所在，直接影響算法的收斂性。pc越大，新個體產生的速度越快，pc過大時演化模式被破壞的可能性也大，過小又會使搜索過程緩慢甚至停滯不前。變異概率pm過小就不易產生新的個體結構，過大時演化算法就成了純粹的隨機搜索。針對不同的優化問題，需要反復試驗來確定pc和pm，而且很難找到適應問題的最優值，算法優化過程如圖2所示。

圖2 演化算法優化過程

2.2 自適應演化算法

改進的演化算法中，pc和pm能隨適應度值自動改變，當種群個體適應度值趨于一致或局部最優時，使pc和pm增大，而當群體適應度值比較分散時，使pc和pm減小。因此，自適應的pc和pm能提供相對某個解的最佳的pc和pm，既保證了種群的多樣性，又保證了算法的收斂性［9］。在改進的演化算法中，pc和pm按下式進行自動調整:

式中:k1、k2、k3、k4為常數，具體值根據實際情況確定；fmax為群體中最大適應度值；favg為每代群體的平均適應度值；f′為要交叉的兩個個體中較大的適應度值；f為變異個體的適應度值。

演化算法常采用的演化編碼方式為二進制編碼，搜索能力強，但該編碼方式存在串碼過長問題，對其收斂速度有較大影響。在WSN路由選擇問題優化過程中，有很多約束變量需要處理，如果采用二進制編碼，其出現的串碼長度可達幾十位甚至上百位，降低了搜索性能，筆者對編碼方式進行改進，采用十進制的編碼方式，不需要編碼和解碼操作，有效提高了運算速度和效率，具有收斂速度快且精度高的特點。采用十進制編碼方式會影響演化操作的交叉和變異操作，但算法的演化實質沒有變化，能適應很多變化的環境變量，采用十進制編碼策略，待選路由可能存在的狀態決定了編碼位數，只需將待選路由的編碼串聯起來就形成了一個染色體，然后按照演化算法進行種群個體選擇、交叉和變異運算，直到搜尋出最優解［10-11］。

2.3 優化步驟

（1）待優化無線傳感器網絡原始參數輸入。主要包括網絡拓撲結構、節點個數、節點密度、路由跳數、演化算法初始參數等。

（2）確定編碼方案，生成染色體并初始化種群。采用十進制編碼方式，將待選路由的編碼串聯起來生成染色體，為了保證優化群體中樣本的可行性和多樣性，根據WSN路由選擇滿足的約束條件，采用隨機生成的方式產生初始個體，初始種群規模大小取決于WSN網絡的規模。

（3）根據約束條件建立適應度函數，計算適應度值。WSN路由選擇優化適應度函數為

式中:i為當前傳感器節點選擇；為第i+1傳感器節點的能量；p為種群演化變異概率；n x為x路由跳數；λ為平均節點能耗；α為種群演化遺傳概率；R i為相鄰傳感器節點密度。

WSN路徑優化適應度函數滿足約束條件的情況下，獲得全局最優的適應度值，并采用式（1）和式（2）對演化參數進行優化，分別計算各優化方案的適應度值，根據適應度值高低排序，然后按照演化因子選擇若干個適應度高的個體直接遺傳到下一代。

（4）演化操作。根據WSN拓撲結構和節點分布，對WSN路由選擇的編碼染色體按照確定的演化因子概率進行遺傳、交叉和變異等操作，產生新一代演化種群。

（5）根據設定的演化適應度值判斷標準或固定的演化代數，判斷算法的收斂性，本文固定演化代數為200代。如果滿足適應度值的要求，則輸出優化結果，如果不滿足要求則返回步驟（3），直到得到滿意的優化結果。

本文算法流程見圖3。

圖3 改進算法流程

3 仿真結果分析

為驗證本文算法的適應性和有效性，隨機選擇黃河流域100個節點的無線傳感器網絡拓撲結構，分別對比本文算法、傳統演化算法和蟻群算法在路由選擇優化過程中的耗費、算法收斂時間、節點能耗和路由時延。

3.1 路由選擇耗費和算法收斂時間

由圖4和圖5可知:隨著傳感器節點數量增多，路由選擇耗費和算法收斂時間逐漸升高，而且隨著節點規模增大，這種趨勢變得更加明顯。對比不同路由選擇優化算法發現，本文改進的演化算法性能明顯優于傳統演化算法和蟻群算法。

3.2 節點能耗和路由時延

節點能耗和路由時延仿真采用100個節點的無線傳感網絡拓撲結構，各節點初始能量均為1，得到不同算法和不同節點數量的路由選擇優化能耗和時延，由圖6和圖7可知:隨著傳感器節點數量增多，各傳感器節點能耗和路由時延逐漸增加。對比不同路由選擇優化算法發現，本文改進的演化算法搜索尋優性能優于傳統演化算法和蟻群算法。

圖4 不同算法傳感器節點數量與路由選擇耗費的關系

圖5 不同算法傳感器節點數量與算法收斂時間的關系

圖6 不同算法傳感器節點數量與節點能耗的關系

圖7 不同算法傳感器節點數量與路由時延的關系

4 結 論

黃河流域生態環境實時監測和保護實施難度大、維護成本高，利用新一代信息技術可促進黃河流域生態保護和高質量發展，WSN被廣泛應用于生態環境實時監測和保護。本文提出把自適應演化算法用于解決無線傳感網絡路由選擇優化問題，相比于傳統演化算法、蟻群算法，在具有相同數量傳感器節點時，路由時延和節點能耗均具有明顯優勢，而且算法收斂時間明顯縮短，適用于解決黃河流域大規模無線傳感網絡路由選擇優化問題，具有一定的應用價值。

（1）傳感器節點數量較少時（小于30個），本文算法和傳統優化算法性能相當；當傳感器節點數量超過30時，本文算法具有更優越的性能。

（2）無線傳感器網絡傳感器節點增加相同數量時，本文算法具有能耗、路由時延增幅最小，算法收斂速度最快的優點，更適用于大規模WSN網絡結構。