基于改進蟻群的無線傳感網(wǎng)絡(luò)路由優(yōu)化方法

王晰墨

（沈陽工學(xué)院信息與控制學(xué)院 遼寧 沈陽 110000）

0 引言

路由技術(shù)對網(wǎng)絡(luò)性能的影響較大，為了提升網(wǎng)絡(luò)的性能，研究人員設(shè)計了許多路由優(yōu)化方法。 其中一種是基于相關(guān)性傳輸模型的無線傳感網(wǎng)絡(luò)路由優(yōu)化方法。 該方法利用鏈路相關(guān)性從無線鏈路中獲取傳輸數(shù)據(jù)［1］。 為了確保無線鏈路傳輸質(zhì)量，使用伯努利（Bernoulli）采樣理論，找出感知基點到sink 的最優(yōu)路徑，降低數(shù)據(jù)傳輸?shù)哪芎摹Ａ硪环N是基于超限快速決策樹的無線傳感網(wǎng)絡(luò)路由優(yōu)化方法。 該方法利用隨機森林遞歸特征消除算法從大量的網(wǎng)絡(luò)變量參數(shù)中選取關(guān)鍵變量，形成路由優(yōu)化模型［2］。 以上兩種方法均得到了一定效果，但是數(shù)據(jù)重復(fù)傳輸?shù)膯栴}始終未解決［3］。 本文結(jié)合改進蟻群算法，設(shè)計了無線傳感網(wǎng)絡(luò)路由優(yōu)化方法。

1 無線傳感網(wǎng)絡(luò)路由優(yōu)化改進蟻群方法設(shè)計

1.1 劃分無線傳感網(wǎng)絡(luò)傳輸區(qū)域

在無線傳感網(wǎng)絡(luò)中，為了減少網(wǎng)絡(luò)節(jié)點工作時消耗的能量，確保節(jié)點長時間運行，更好地完成節(jié)點數(shù)據(jù)傳輸任務(wù)，需要先進行網(wǎng)絡(luò)傳輸區(qū)域劃分。 首先，網(wǎng)絡(luò)路由將節(jié)點劃分成若干個簇，以循環(huán)的方式選取簇頭節(jié)點，并通過普通節(jié)點將數(shù)據(jù)傳輸?shù)酱仡^節(jié)點。 然后，利用簇頭節(jié)點將這些數(shù)據(jù)打包并傳輸?shù)交荆?］。 為了避免節(jié)點承擔(dān)過大的數(shù)據(jù)轉(zhuǎn)發(fā)壓力，增加能耗問題，本文將無線傳感網(wǎng)絡(luò)節(jié)點分為直接傳輸和間接傳輸兩個部分，利用簇頭節(jié)點選取節(jié)點空間位置，使節(jié)點分布更加均勻。 基站向感應(yīng)區(qū)域傳輸一條數(shù)據(jù)，節(jié)點收到數(shù)據(jù)之后，向基站報告節(jié)點位置信息與剩余能量［5］。 基站接收到節(jié)點上傳的信息與能量后，將整個網(wǎng)絡(luò)分成多個等寬的環(huán)形區(qū)域，如圖1 所示。

圖1 網(wǎng)絡(luò)分區(qū)示意圖

如圖1 所示，離基站最近的區(qū)域為直接傳輸區(qū)域，為1 區(qū)，其他區(qū)域為間接傳輸區(qū)域，為4 區(qū)［6］。 計算網(wǎng)絡(luò)分區(qū)的上下邊界公式如式（1）所示：

式（1）中，S為網(wǎng)絡(luò)分區(qū)的上邊界；X為網(wǎng)絡(luò)分區(qū)的下邊界；dmin、dmax為節(jié)點與基站距離的最小值與最大值；i為網(wǎng)絡(luò)分區(qū)的編號；m為區(qū)域總編號。

1.2 基于改進蟻群算法構(gòu)建無線傳感網(wǎng)絡(luò)路由優(yōu)化模型

節(jié)點因能量耗盡而出現(xiàn)首死亡節(jié)點的輪數(shù)越大，網(wǎng)絡(luò)壽命就越長。 假設(shè)網(wǎng)絡(luò)中所有節(jié)點的數(shù)據(jù)傳輸速率相同，接待子節(jié)點數(shù)量越多，節(jié)點負載就越大［7］。 考慮到螞蟻的自然通信場景與無線傳感網(wǎng)絡(luò)通信場景相似，蟻群優(yōu)化算法具有魯棒性、低復(fù)雜度和高適應(yīng)性等優(yōu)勢，本文利用改進蟻群算法，構(gòu)建了無線傳感網(wǎng)絡(luò)路由優(yōu)化模型，尋找源節(jié)點與通信節(jié)點的最短路徑，減少路由傳輸?shù)哪芰肯模瑑?yōu)化網(wǎng)絡(luò)生存周期。 蟻群算法的關(guān)鍵在于每只螞蟻的行動均會產(chǎn)生信息素，能夠解決復(fù)雜的通信問題，快速尋優(yōu)［8］。 假設(shè)節(jié)點S為螞蟻的家，D為螞蟻搜尋到的食物目標(biāo)，從S到D的過程中，路徑上的信息素濃度為式（2）所示：

式（2）中，η為路徑上的信息素濃度；Q為信息素總濃度；L為路徑長度。 信息素的濃度僅與L有關(guān)，想要找到一條最短路徑需要滿足式（3）條件：

式（3）中，D（r） 為端到端的延時約束條件；Dn（n） 為節(jié)點處理數(shù)據(jù)n的時延；Dl（l） 為鏈路在路徑l上的時延；N?為路由在網(wǎng)絡(luò)上的節(jié)點集合；Dr為無線傳感網(wǎng)絡(luò)路由要求的時延。 在該場景中，螞蟻種群中存在x只螞蟻，在t時刻，第k只螞蟻從第i個節(jié)點到第j個節(jié)點時，遵循著一定的轉(zhuǎn)移規(guī)則。 根據(jù)約束條件與轉(zhuǎn)移規(guī)則，構(gòu)建路由優(yōu)化模型，模型表達式如式（4）所示：

1.3 優(yōu)化無線傳感網(wǎng)絡(luò)路由協(xié)議

本文根據(jù)改進蟻群算法優(yōu)化模型，利用概率閾值選擇最優(yōu)簇頭節(jié)點。 節(jié)點每次傳輸數(shù)據(jù)之后，均向基站發(fā)送自身位置與能量信息，獲取最佳族群數(shù)量。 當(dāng)所有簇頭節(jié)點選擇好之后，節(jié)點之間共享位置與能量信息，并用于數(shù)據(jù)包路由中執(zhí)行數(shù)據(jù)包路由策略，將數(shù)據(jù)包發(fā)送到目標(biāo)節(jié)點中。 路由發(fā)現(xiàn)次數(shù)為式（5）所示：

式（5）中，F(xiàn)為路由發(fā)現(xiàn)次數(shù)；R（r） 為源節(jié)點發(fā)起的路由請求；Nr為源節(jié)點發(fā)起的路由請求集合的全部非重復(fù)事件；r為節(jié)點。F能夠顯示全部源節(jié)點向無線傳感網(wǎng)絡(luò)發(fā)起的非重復(fù)路由請求情況，F(xiàn)越大，參與路由過程的節(jié)點越多，越容易找出下一跳節(jié)點路由，從而提升網(wǎng)絡(luò)傳輸效率。

2 仿真實驗

2.1 實驗過程

本次使用開源仿真工具NS－2 對無線傳感網(wǎng)絡(luò)場景仿真，并對網(wǎng)絡(luò)路由協(xié)議和網(wǎng)絡(luò)協(xié)議作出大規(guī)模仿真。 在MATLAB2014 環(huán)境中進行實驗，感知區(qū)域為100 m2×100 m2、200 m2×200 m2，傳感器節(jié)點初始數(shù)量為100，依次累加到1 000。 節(jié)點初始能量為0.5 J，控制數(shù)據(jù)包大小為200 bit，數(shù)據(jù)包大小為4 000 bit，數(shù)據(jù)傳輸速率為250 kbps，經(jīng)過3 000 輪完成數(shù)據(jù)傳輸。

如表1 所示，本文在1 000×1 000 的場景下進行實驗，設(shè)置了100 個自由移動的節(jié)點，4 個固定節(jié)點，其余節(jié)點均為不固定的節(jié)點。 在無線傳感網(wǎng)絡(luò)中，感知區(qū)域的中心位置為（50，50）m，將自由移動的節(jié)點放置在感知區(qū)域范圍之外，位置為（150，100）m。 根據(jù)每輪時間建立網(wǎng)絡(luò)數(shù)據(jù)傳輸階段，并由各個路由節(jié)點組成單個時隙，分析不同時隙的路由發(fā)現(xiàn)次數(shù)與節(jié)點沖突數(shù)量，從而判斷數(shù)據(jù)傳輸性能。

表1 仿真參數(shù)表

2.2 實驗結(jié)果

隨機選取200～1 000 個移動節(jié)點開展測試，判斷路由優(yōu)化效果。 將F、C作為路由優(yōu)化的性能指標(biāo)，并在不同節(jié)點密度條件下進行性能分析，滿足本次實驗需求。 利用3 種方法開展測試，得到無線傳感網(wǎng)絡(luò)路由優(yōu)化性能對比結(jié)果如表2 所示。

表2 實驗結(jié)果

如表2 所示，本次實驗將移動節(jié)點數(shù)量從100 開始逐漸遞增，每次增加50 個節(jié)點，最大增加至1 000 個節(jié)點，源節(jié)點的數(shù)據(jù)發(fā)送速率固定為4 個分組／s。 隨著移動節(jié)點數(shù)量的增加，節(jié)點密度升高，節(jié)點周圍存在的下一跳節(jié)點數(shù)量也隨之增加。 數(shù)據(jù)從源節(jié)點傳輸?shù)狡渌?jié)點的過程中，出現(xiàn)了一個或多個節(jié)點同時接收的情況，存在數(shù)據(jù)重復(fù)傳輸?shù)膯栴}。 在相同背景下，使用第一種方法，F(xiàn)在100～1 000 次的范圍內(nèi)變化，C在0.5×105～6.0×105次的范圍內(nèi)變化。 由此可見，使用該方法之后，路由發(fā)現(xiàn)次數(shù)持續(xù)降低，參與路由過程的節(jié)點存在重復(fù)數(shù)據(jù)的情況較多，網(wǎng)絡(luò)傳輸效果不佳。 使用第二種方法，F(xiàn)在110～1 200次的范圍內(nèi)變化，C在0.1×105～1.7×105次的范圍內(nèi)變化。 由此可見，該方法的路由發(fā)現(xiàn)次數(shù)與節(jié)點沖突數(shù)量均得到了優(yōu)化，與第一種優(yōu)化方法相比性能更佳。 然而，該方法的最小F低于500，最大C高于1.5×105次。 因此，需要進一步優(yōu)化以解決該方法的數(shù)據(jù)沖突問題。 在使用本文設(shè)計的方法之后，F(xiàn)在1 000～2 500 次的范圍內(nèi)變化，C在0.01×105～0.10×105次的范圍內(nèi)變化。 由此可見，該方法的路由發(fā)現(xiàn)次數(shù)較多，節(jié)點沖突數(shù)量較少，路由發(fā)現(xiàn)次數(shù)雖然持續(xù)降低，但均未低于1 000 次，節(jié)點沖突數(shù)量也未超過0.10×105次，路由優(yōu)化效果更佳。

3 結(jié)語

綜上所述，近些年來，無線傳感網(wǎng)絡(luò)這一技術(shù)被提出，人們可以通過該技術(shù)獲取物理世界的重要信息，實現(xiàn)數(shù)字一體化的目標(biāo)。 無線傳感網(wǎng)絡(luò)由多個傳感器節(jié)點組成，通過部署的場景領(lǐng)域，收集場景內(nèi)的數(shù)據(jù)與信息，自組織性良好。 然而，由于受環(huán)境因素影響較大，無線傳感網(wǎng)絡(luò)的路由技術(shù)仍存在不足之處。 因此，需要針對實際場景設(shè)計滿足需求的路由協(xié)議，以提高無線傳感網(wǎng)絡(luò)的性能與壽命。 本文利用改進蟻群算法，設(shè)計了無線傳感網(wǎng)絡(luò)路由優(yōu)化方法。 該方法從網(wǎng)絡(luò)分區(qū)、優(yōu)化模型和路由協(xié)議等方面，將傳感器節(jié)點分成普通節(jié)點與簇頭節(jié)點，從而有針對性地分配不同任務(wù)，實現(xiàn)了數(shù)據(jù)高效率的傳輸，為網(wǎng)絡(luò)高覆蓋提供支持。