一种基于改进粒子群算法的无线传感网络路由优化方法技术

一种基于改进粒子群算法的无线传感网络路由优化方法，所述方法使用一种含有整个网络拓扑结构信息的关系矩阵作为粒子群算法的编码方式，用来处理路由优化问题；并应用遗传算法的交叉和变异机制实现全局收敛搜索。方法步骤包括初始化参数和初始化种群、计算粒子适应度值、寻找                                               和、引入交叉和变异机制、更新和。本发明专利技术结构简单，引入了遗传算法的交叉和变异机制全局收敛搜索，最终实现优化求解，通过关系矩阵编码方式，减少冗余空间的产生和冗余搜索，提高了方法的实时性和稳定性。

【技术实现步骤摘要】

本专利技术设及，属无线传感 器路由方法

技术介绍
改进粒子群算法的无线传感网络路由优化方法建立在粒子群算法和路由算法基 础上，用关系矩阵作为粒子群算法的编码方式，来处理路由优化问题，也就是粒子的位置是 一个含有整个网络的拓扑结构信息的关系矩阵；并利用遗传算法的交叉和变异机制的更新 操作，从而实现目标的优化求解。但是，路由优化问题，需要常常克服其方法所带来的编码 复杂、对粒子群算法改动较大、实现复杂等缺点。因此设计一种编码方法，能够无须对粒子 群算法做出较大改动。能够减少冗余空间的产生和冗余捜索，提高方法实时性，是粒子群算 法的无线传感网的路由算法的真正关键。
技术实现思路
本专利技术的目的是，克服现有技术存在的上述缺陷，提供一种基于改进粒子群算法 的无线传感网络路由优化方法，引入遗传算法的交叉和变异机制全局收敛捜索，提高方法 的实时性和稳定性。 实现本专利技术目的的技术方案是，本专利技术一种基于改进粒子群算法的无线传感网络 路由优化方法使用一种含有整个网络拓扑结构信息的关系矩阵作为粒子群算法的编码方 式，用来处理路由优化问题；并应用遗传算法的交叉和变异机制实现全局收敛捜索；所述 方法包括W下步骤： (1)初始化参数：设定种群的规模M，网络节点数n，惯性权重W，W及最大的迭代次 数tm。,，确定路由节点的基本信息：有效传输距离、初始能量及剩余能量。 (2)初始化种群：对每个粒子i得到一个随机的初始位置XiW及一个随机的初始 速度Vi;粒子位置表示为，其元素值为所对应的链路被选 巧1 V,。- 择的概率；粒子速度表示为…，其元素值为随机赋值并且每次迭代后都应当 -巧!1 V",,- 满足如下关系： n 二 〇，/.二 巧 /-1[000引 巧对新位置按照路由策略计算位置的适应值:QoS约束单播路由问题的网络拓扑图用 无向连通图G=化E)表示，其中，V为网络中所有网络节点集合，E为任意两相邻节点i，j之间的 链路边咕集合，i，j= 1，么…，n，n表示网络的节点数。使用罚函数Q(PJ将约束单播路由优化问 mi片馬。马， 题转化为无约束优化问题进行求解心.，其中，罚函数(KPJ '、'L!'户。 表示为2巧')=卿''―:?巧,片+巧W;S和t分别是源节点和目的节点的编号，巧相 '%S化 邻节点i,j之间的链路，表示相邻节点i,j间的带宽，CU表示链路eU上的花费，B"为带 宽要求，Dii表示相邻节点i，j间的延迟，D为延迟要求，P为目标值最优的路径，丫和n 为罚函数系数;适应度函数表示为25 (4)寻找和G>^t:对于毎个个 &沪书別 体，将其适应值与其所经历过的最好位置的适应值进行比较，若较优，则更新最好位置；对 于每个个体，将其适应值与全局所经历的最好位置的适应值进行比较，若较好，则将其作为 当前的全局最好位置；PbMt表示粒子群算法中粒子个体经历过的最优位置，Gbest是粒子群经 历过的最优位置。 (5)对于粒子群所有个体，根据关系矩阵编码方式，计算每个粒子个体的位置和速 度，对每个粒子进行变异操作，然后在此基础上对粒子进行交叉操作； (5.1)设网络中的节点数是n，用具有大于或等于零的元素的二维关系矩阵 -% Xi"- X= ?? ? ???…来表示网络拓扑结构信息，矩阵中元素X。的值大小表示链路e。被选中 _'Y"1 Y."'一 的概率，其值越大表示链路被选中的概率越大，若为0则表示在网络中不存在此条链路，下 标值i表示链路起始节点，j表示链路的终止节点； (5.2)变异操作：在每次迭代中，为了保持样本的多样性，根据速度更新公式 !<(/ + 1)二忙? 所）@(C0A',.(/))@(':,r3 (則f;0.'V',(/))计算下一代的速度；W为惯性权 数，，其中，tm。、为设置的最大迭代次数，t为当前迭代次数，Wm。、为 最大惯性权重，Wmi。为最小惯性权重；P1为粒子i所经历的最好位置，即个体最好位置；C1，C2 为加速因子，取值为2.0江1，。为（0，1)内随机数；Pg为群体中所有粒子所经历过的最好位 置，即全局最好位置；若在t+1时刻取1，表示其对应的节点V,1被选为路由节点； (5. 3)交叉操作：随机选取全局最优路由中的某个区间片段进行交叉；即从 路由请求Rg中选择片段R。二Iv。，…，vj插入到路由请求Rj中V后面，并且V离V。节点 距离最小；然后在R，原路径中删除节点V。，…，Vb,同时更新路由标识向量X,;[001引 （5. 4)根据位置更新公式(/ +1) = ；r,(7) 0K.(/ + ^计算下一代的位置。 (6)重新评价各粒子的适应度值，更新各个粒子的历史最优解，更新种群的全局最 优解；如果新位置的适应值比当前局部最好解的适应值还要小，则用新的位置更新当前的 局部最好解；假若有粒子的局部最优解优于当前的全局最优解和其他粒子的局部最优解， 则用此局部最优解更新当前的全局最优解。 (7)停机条件判断：如果当前迭代的次数等于最大迭代次数，转步骤（8)，否则转 步骤巧）。 (8)输出求得的最好解路径。 所述步骤（3)中，根据评价函数对每一个粒子i进行评价时，将优化目标函数可W 直接定义算法的适应度函数，其结果作为粒子i的适应度S + 0^/胃^D 巧6培.[001引所述步骤（5.。中，为了保持样本的多样性，进行变异，速度更新公式 啡 + 0 =u'@ 邸)?@(C?.Y,.(0) 0C;/'; @计算下一代的速度；把惯性权重W设 计成一个随着迭代次数递减的线性函数，即：，其中，tm。、为设置 的最大迭代次数，t为当前迭代次数，Wm。、为最大惯性权重，Wmm为最小惯性权重。 所述步骤巧.3)中，为了跟踪全局最佳粒子，随机选取全局最优路由中的某个区 间片段进行交叉；即从Rg中选择片段R。= {V。，…，Vj插入到R,中v,i后面，并且v,i 离V。节点距离最小。然后在Ri原路径中删除节点V。，…，Vb，同时需更新路由标识向量Xj。 本专利技术的有益效果是，本专利技术结构简单，引入了遗传算法的交叉和变异机制全局 收敛捜索，最终实现优化求解，通过关系矩阵编码方式，减少冗余空间的产生和冗余捜索， 提高了方法的实时性和稳定性。【附图说明】 图1为本专利技术改进粒子群算法的无线传感网络路由优化方法实例流程图； 图2为网络结构拓扑图； 图中，101表示初始化参数和初始化种群；102表示计算粒子适应度函数；103表 示寻找Pbest和GbMt;104表示引入交叉和变异机制，更新粒子和速度；105表示更新PbMt和 GbMt;106表示是否满足终止条件。【具体实施方式】 下面结合附图和实施例对本专利技术进行进一步详细说明。 参照图1，本专利技术所提出的方法包括W下计算步骤： (1)首先执行步骤101，进行初始化参数：设定网络节点数n=13,粒子群个体编 码为13X13的矩阵，路由请求为R= ，权重系数W从2. 0迭代刀0. 8,W及 最大的迭代次数tm。、=200,还有确定路由节点的基本信息，如有效传输距离、初始能量及 剩余能量。 似执行步骤102,计算粒子适应度函数：定义一个罚函数Q化t)将约 束优化问题转化为无约束优化问题进行求解：minS '其中，罚函 数9化,）表示本文档来自技高网...

【技术保护点】
一种基于改进粒子群算法的无线传感网络路由优化方法，其特征在于，所述方法使用一种含有整个网络拓扑结构信息的关系矩阵作为粒子群算法的编码方式，用来处理路由优化问题；并应用遗传算法的交叉和变异机制实现全局收敛搜索；所述方法包括以下步骤：(1)初始化参数：设定种群的规模M，网络节点数n，惯性权重w，以及最大的迭代次数tmax，确定路由节点的基本信息：有效传输距离、初始能量及剩余能量；(2)初始化种群：对每个粒子i得到一个随机的初始位置Xi以及一个随机的初始速度Vi；粒子位置表示为x=x11/Σj=1nx1j...x1n/Σj=1nx1j.........xn1/Σj=1nx1j...xnn/Σj=1nx1j,]]>其元素值为所对应的链路被选择的概率；粒子速度表示为v=v11...v1n.........vn1...vnn,]]>其元素值为随机赋值并且每次迭代后都应当满足如下关系：Σj=1nvij=0,i=1,2,...,n]]>(3)对新位置按照路由策略计算位置的适应值：QoS约束单播路由问题的网络拓扑图用无向连通图G＝(V,E)表示，其中，V为网络中所有网络节点集合，E为任意两相邻节点i,j之间的链路边eij集合，i,j＝1,2,…,n，n表示网络的节点数。使用罚函数Q(Pst)将约束单播路由优化问题转化为无约束优化问题进行求解：s.t.mineij∈Pst(Bij)≥BwΣeij∈PstDij≤D,]]>其中，罚函数Q(Pst)表示为Q(Pst)=γ{Bw-mineij∈Pst(Bij)}2+η{Σeij∈PstDij-Dreq}2;]]>s和t分别是源节点和目的节点的编号，eij为相邻节点i,j之间的链路，Bij表示相邻节点i,j间的带宽，cij表示链路eij上的花费，Bw为带宽要求，Dij表示相邻节点i,j间的延迟，D为延迟要求，Pst为目标值最优的路径，γ和η为罚函数系数；适应度函数表示为(4)寻找Pbest和Gbest：对于每个个体，将其适应值与其所经历过的最好位置的适应值进行比较，若较优，则更新最好位置；对于每个个体，将其适应值与全局所经历的最好位置的适应值进行比较，若较好，则将其作为当前的全局最好位置；Pbest表示粒子群算法中粒子个体经历过的最优位置，Gbest是粒子群经历过的最优位置；(5)对于粒子群所有个体，根据关系矩阵编码方式，计算每个粒子个体的位置和速度，对每个粒子进行变异操作，然后在此基础上对粒子进行交叉操作；(5.1)设网络中的节点数是n，用具有大于或等于零的元素的二维关系矩阵x=x11...x1n.........xn1...xnn]]>来表示网络拓扑结构信息，矩阵中元素xij的值大小表示链路eij被选中的概率，其值越大表示链路被选中的概率越大，若为0则表示在网络中不存在此条链路，下标值i表示链路起始节点，j表示链路的终止节点；(5.2)变异操作：在每次迭代中，为了保持样本的多样性，根据速度更新公式Vi(t+1)=w⊗Vi(t)⊗c1r1⊗(PiΘXi(t))⊗c2r2⊗(PgΘXi(t))]]>计算下一代的速度；w为惯性权重系数，其中，tmax为设置的最大迭代次数，t为当前迭代次数，wmax为最大惯性权重，wmin为最小惯性权重；Pi为粒子i所经历的最好位置，即个体最好位置；c1,c2为加速因子，取值为2.0；r1,r2为(0，1)内随机数；Pg为群体中所有粒子所经历过的最好位置，即全局最好位置；若在t+1时刻xji取1，表示其对应的节点vji被选为路由节点；(5.3)交叉操作：随机选取全局最优路由中的某个区间片段[a,b]进行交叉；即从路由请求Rg中选择片段Rc＝{va,…,vb}插入到路由请求Rj中vji后面，并且vji离va节点距离最小；然后在Rj原路径中删除节点va,…,vb，同时更新路由标识向量Xj；(5.4)根据位置更新公式计算下一代的位置；(6)重新评价各粒子的适应度值，更新各个粒子的历史最优解，更新种群的全局最优解；如果新位置的适应值比当前局部最好解的适应值还要小，则用新的位置更新当前的局部最好解；假若有粒子的局部最优解优于当前的全局最优解和其他粒子的局部最优解，则用此局部最优解更新当前的全局最优解；(7)停机条件判断：如果当前迭代的次数等于最大迭代次数，转步骤(8)，否则转步骤(5)；(8)输出求得的最好解路径。...

【技术特征摘要】

【专利技术属性】
技术研发人员：曾伟，郝玉国，叶远誉，江峰，范瑞祥，王军，韩林峰，
申请(专利权)人：国网江西省电力科学研究院，国家电网公司，国网江西省电力公司，河南许继仪表有限公司，
类型：发明
国别省市：江西;36