蟻群算法在智能LED路燈控制中的應用研究

呂愛華

(襄陽汽車職業技術學院，襄陽 4 41021)

1 引言

隨著中國城市的蓬勃發展，能耗成本日益增加，作為大功率光源的新節能LED路燈，具有功耗低、易控制壽命長等優勢.本文的控制LED路燈算法是在載波電力通信及改進的蟻群算法(Ant Colony Optimization,ACO)上得出的，這種方法使能耗降低并完成LED路燈調控智能化組網.

國內外路燈控制技術，絕大多數是通過有線或無線控制的方式控制路燈的工作狀態.兩種路燈控制法于文獻[1,2]中有詳細介紹.有線控制技術線路的布局在無線操作中不能應用.無線控制技術實現于無線通信基礎上，在安裝環節具有絕對優勢，但無線控制法也存在問題，其傳輸距離和延遲成反比關系，較易受外界干擾，在上述文獻中沒有提及如何解決存在的問題.本文通過改進路由算法，最大程度地解決了問題.結合文獻[3]中的路燈交通的網鏈狀技術，以及上述兩文獻提到的兩點問題，我們提出的方法可極大力度地解決無線傳輸控制的缺陷，如延遲大、距離短等.算法CRASMS使路燈尋徑路由的缺點得以糾正.但由于通信控制電力線載波中，延時與距離傳輸問題仍未完全解決，有學者提出鏈狀分層路由(CHIRON)算法[4]，它的優點是高效節能，缺點是改變信息傳輸距離時，延時受載波信道頻率強干擾性、選擇性和時變性的制約.因此，路燈通信載波技術如何合理控制十分重要.文獻[5]將電力線載波應用于路燈系統，并對電力載波器進行了詳細說明，但關于路燈LED組網路由沒有指出明確思路.

路由交通系統中常用算法，如：分簇[6]、洪泛[7]及蟻群算法均可應用于電力載波通信中，這在文獻[8]中有所提及.洪泛、分簇算法能對目標和速度跟蹤精準，是簡單且最傳統方法，無須做路由維護和建網，有較強的頑健性.但發送廣播方式消耗能量大；分簇法計算分區多、收斂方向缺乏，算法效率低且計算速度慢.我們注意到蟻群算法實行并行的自催化正反饋機理，能避免陷入局部最優解.我們用蟻群算法優化參數初值，建立蟻群網絡做產品壽命預測，并應用于LED燈可靠性分析和預測壽命.但蟻群算法隨機選擇閾值與權值，易出現收斂慢，易陷入局部最小的問題，難擺脫決策中的模糊性和隨機性.為解決上述算法問題，本文改進蟻群算法，增大映射范圍使其具有全局快速收斂性質，改善了計算速度和精準度，改進的蟻群算法能優化路徑規劃和尋址過程.

本文針對搜索效率提出改進的多步長蟻群算法，實現的路由搜索局部呈線性，整體呈星形結構，路燈結構滿足LED路燈網絡在電力載波通信技術中特殊要求.LED路燈優化在通信技術方面的動態模式路由組網原理是打破人為慣例，選用通信網在改進蟻群算法中不斷優化的路由線路、搜索數據幀源和目標節點，表中最終收存的傳輸線路為最優選擇.

2 LED路燈控制終端設計和蟻群算法原理

路燈的拓撲結構屬于星型拓撲結構類別[9].路燈控制器負責發出指令和對數據進行接收，系統由電力載波通信、GSM和處理器等組成.路燈控制終端負責數據轉發，還實時采集環境控制傳感器信息，多傳感器模塊中包含節點，終端路燈節點如下圖1.

圖1 PLC路燈控制路由模型圖

優化蟻群算法是近年發展起來，性能良好的啟發式隨機算法，用概率計算對系統預測進行簡化.意大利學者1991年提出蟻群算法，該算法不同于別的算法的地方是對螞蟻群體覓食進行模擬，當某只螞蟻發現食物，會吸引同伴來.但會存在群體中另一些沒沿已知路徑走的螞蟻，若此群螞蟻另發現了更近的路徑，會逐漸吸引更多螞蟻至此路徑.反復如此，最終數量最多的螞蟻會行進在一條最短路徑上.作為智能群體優化算法的蟻群算法被提出后，在解決路徑最短問題中的優勢得到廣泛認可，通過對NRP改進過程，LED路燈自動路由組網中的缺點可通過蟻群算法解決[10].在這種算法中各路由節點就代表一盞路燈，路由通信間的路徑，代表兩盞燈之間的線路，自動路由優化對應為：尋找最優路徑等價于找尋二點間路徑優化.這個問題并不簡單，因為網絡參數會隨時間推移發生改變.

LED等效路燈路由模式圖是G=(V,E)有向圖，V為全部路燈及控制器節點，E為全部路燈線路通信有向邊.SNRE(i,j)表示V(i)節點到E(i,j)鏈路信噪比，誤碼率V(i)用NV(i)表示，E(i,j)鏈路延時用DE(i,j)表示，V(i)事件處理延時用DV(i)表示，QE(i,j)為鏈路估計費用.

2.1 目標函數優化設計

路由拓撲算法依據路由跳數最小協議，尋找收納信號至兩節點間跳數最小的路徑，以盡量節約能量和資源，減小開銷.因傳統算法開銷太大，通信路由優化目標很多.注意到“跳數”即路由轉發次數不隨通信距離變化[11]，因為路燈安裝是等距離的，路由路徑距離是優化目標，而我們憑跳數優化實現路徑距離的優化.只需使節點中心和全部節點終端有可靠的通信，維護路由表作業就被簡化，以此可以獲得最短路徑距離.本文研究改進蟻群算法，運用尋優路徑至路由，選取最小跳數，這里節點間路由表鏈接由一次多播決定.某傳感器節點發生數據事件時，自動會找尋經節點最少和最小的路徑，跳數在節點匯集.我們依據智能蟻群算法原理尋優，當某節點通路損壞不能運作正常時，系統會自已找尋其它路徑傳輸數據至目標[12].

其中H(V)表示集控器支路到單控器的跳數.式中約束條件需任意節點與最多二十個左右節點通信，即最多每跳可跨20節點.Nmax=800.

上網入戶時，WAN口連入戶線[13].對路由請求W(WAN)，應滿足下面3個條件時，此請求可實現.DW,SNRW和NW各表示W的QoS誤碼率、時延和信噪比.

條件1各條路徑信噪比為

條件2端到端搜索中累加延時是

條件3搜尋時，誤碼率即端至端的是

2.2 更新信息素規則

k螞蟻從節點源到目標都需對約束的E(i,j)路由完成達成條件，用τE(i,j)(t)表示t時有螞蟻存在于E(i,j)路徑上.若在t時螞蟻對節點目標搜尋一次[14]，搜尋用時為Δt，此時螞蟻會按下式對路徑信息更新

其中ρE(i,j)(0<ρE(i,j)<1)表示鏈路E(i,j)的信息素揮發系數.按照如下公式更新路徑上的信息素

這里信息揮發因子ξ∈[0,1],τ0表示信息素初始濃度.當所有個體完成循環后，會按下式在全局范圍內更新數據.

這里信息素全局揮發系數ρ∈[0,1],Δτ是本次信息素濃度在路徑上的變量，用Lgb表示當前的全局最優路徑.

2.3 狀態轉移規則

信息素會影響各個螞蟻選擇通路概率發生轉移情況，設t時第Ks只螞蟻的選路概率E(i,j)是

其中α表示相對殘留信息重要度，β表示相對重要期望值程度，ηE(i,j)表示節點V(i),V(j)間距離.α與β是參數因子及統計通路的信息素濃度.算法通過多次迭代，得出各螞蟻轉移節點概率，最優路徑就可找出.

2.4 改進蟻群算法求解最小跳數

這里簡單介紹傳統跳數最小路由方法：先由匯聚節點通過洪泛算法向全部節點以多播方式廣播分組，并在分組傳播過程中計數，每當廣播信息到達一個節點后，反向傳播就可得到一通路，計數就是找到跳數最少的路徑.在每次通信過程中，此方法都會造成所有節點提前運行一次，造成帶寬和能量資源被消耗了.

本文蟻群算法改進之處在于，將蟻群路徑尋優運用到選取最小跳數路由中，利用一次多播，快速確立傳感器節點之間路由表鏈接情況，當某節點產生信息時，會自動尋找最小最少跳數路徑至匯聚節點.蟻群算法具有智能尋找優化路徑的特點，當某節點損壞不能正常工作時，系統將自動尋找其它通路將信息傳遞到目標節點.

改進蟻群算法對最小跳數路徑求解流程，如圖2所示.

圖2 蟻群算法改進求解最小跳數路徑

2.5 實現算法

蟻群算法的實現需節點間相互協作，各路燈用唯一ID名來區分節點.通信網中單控節點地位被動、無法主動發信息控制節點，只能依據收到的數據幀進行轉發數據幀、改變數據幀類型、對信息素更新等，本系統設計的數據幀如圖3格式.

圖3 系統報文格式

標志位開始、結束各表示為St flag與Ed flag；報文類型用Type表示；D ID是目標節點名；Lf t為數據包轉發最大次數，數據包被每發一次，存活時數就減少一.Hops是報文所經跳數，只要經過一個節點就增加一次報文跳數.節點相對源節點高度(Height)，進行較短通路搜尋時，以較短通路對值更新；源節點用S ID表示；數據區存放用V1-ID,V2-ID表示所經節點路徑先后名稱，數據區最多能存10個ID節點，由搜索完成數據幀發送.

3 系統仿真分析

我們在網絡控制中對路燈LED有關電力通信載波用改進蟻群進行算法驗證.應用于低壓供電網電力線，這里路燈照明系統配電線使用暗線，并且在連接不明關系節點和拓撲結構處用盲態網絡邏輯通信.此拓撲與路燈結構仿真模型相同，在仿真前由選擇線形結構建立.

信道誤碼率是由電力通信的調制、信道和編解碼特征所決定的，本文仿真誤碼率采用交織卷積碼編碼和BPSK調制.我們使用(2,1,7)為卷積碼參數，用IFFT/FFT64浮點運算，20個子載波，2個導頻，序列跳頻初始混沌值是0.885，子載波間隔是62.5kHz，信道帶寬占用是1.125MHz[15].路徑輸送與加性高斯噪聲各對應信道及背景噪聲.通過信道、發送端、接收端可獲取誤碼率和對應計算式.在模擬中，各節點發起十組數據包任務，系統編碼由交織分組器與卷積編碼組成，加多徑衰減與背景加性噪聲干擾.圖4是結構線性誤碼率表示仿真圖.

圖4 信道PLC誤碼率仿真圖

載波通信中出現延時時，仿真的若各數據包節點隨機值是(3-5)Packet/s.采用的調制法和解編碼和誤碼仿真率時一樣，平均分組數長是500Byte，數據傳輸速率為500bps，直接通信距離達30～40m，每節點仿真延時圖見圖5.

圖5 節點延時仿真

這里要求數據載波幀轉發有限次，因為由于問題對應著較低的通信速率，若錯誤頻繁產生，則要分析信道占用時長.由于對約束條件的考慮，要求仿真初始化時數據最大幀次數發送是5LF-t，經五個節點，如果螞蟻搜尋仍沒發現目標，此螞蟻則認為該路徑不通，并丟棄此數據包.仿真全部參數見表1.

表1 實驗仿真參數

迭代每次用10只螞蟻，一次搜尋路由節點數為45及90，Matlab仿真結果如圖6所示.每次迭代用20只螞蟻、搜尋路由節點數為45及90，Matlab仿真結果如圖7所示.

圖6 10只螞蟻對節點數為45及90的搜索結果

圖7 20只螞蟻對節點數為45及90的搜索結果

由圖6和圖7可以看出兩個特點.一是螞蟻數目會制約結果，信息素在被搜尋通路上變化均勻，證實螞蟻數量變多了，收斂速度會變慢.二是基于通信載波技術路燈網絡通過運用蟻群算法，多次算法迭代，最優線路的確收斂，從而確實能找出路由通信必要線路.這證明蟻群路由動態算法確實具有實踐性.

4 試驗研究

實驗的路燈LED設在學校長2.2km街邊兩側，左側街道處設有給教學樓供電的供電變壓器和配電箱.兩盞燈間距50米，兩側各裝路燈90盞.支路集控器和單控器各安裝在路燈和支路上，傳送數據幀憑借集控器支路做到各單控器被控制.集控器通信單控器最遠可達1000m內.路由測試不同時段數據如下表2.表中數據“40/41”為路由節點數，支路一有40個，支路二有41個.

表2 不同時刻路由分配表

實驗說明，在每次搜索路徑中路由節點是變化的，通過系統斷定信道問題可以通過適當調整負載數目來解決.

5 結論

本文提出來的改進的蟻群算法更加有效地規避了陷入局部收斂的狀況，改善了算法搜尋能力，提高了計算的精確性.本設計在路燈動態路由系統控制方案上應用改進的蟻群算法，定義更新信息素規則并研究搜錄過程中的問題(延時和信道誤碼率等)；提出的網絡傳感器跳數最小路由選法能減少能耗解決了優化跳數最小路由難題.改進的蟻群算法具有出色的全局尋優能力，算法達到通路的最優搜索主要靠定時發送數據幀.路燈控制路由方案在蟻群算法中用仿真得以實現；本文最后通過試驗結果驗證了改進蟻群算法的可行性.