【技术实现步骤摘要】
基于扰动粒子群优化的SDWSN能耗均衡路由算法
本专利技术属于无线传感器网络中的路由协议领域,涉及基于扰动粒子群优化的SDWSN能耗均衡路由算法。
技术介绍
传统的无线传感器网络(WSN,wirelesssensornetworks)大多专用于单个感测任务的场景,这种特定于应用的WSN在网络部署后,其节点行为和由这些节点所提供的网络功能难以发生改变,导致网络资源利用率低、策略更改困难和网络难于管理等问题。软件定义网络(SDN,software-definednetwork)是一种新型的网络架构,它将传统的网络架构解耦成应用、控制、基础设施三层分离架构,从而带来网络应用可编程、集中式控制、网络设备开销少等好处。SDN在WSN中的应用产生了软件定义无线传感器网络(SDWSN,software-definedwirelesssensornetworks),SDWSN由软件定义传感器节点组成,可根据实时感测请求按需加载不同的程序,动态地重新配置其功能和属性。SDWSN利用了SDN的优点,有机的整合了网内节点的分布式管理机制,实现全网统一的网络管理控制,从而提高WSN的能量利用效率,可有效解决上述问题。Luo等人第一次将SDN与WSN结合来解决无线传感器网络中的一些固有问题。Gante等人提出了一种基于基站的集中式控制平面的智能无线传感器网络,可实现简单的重配置,以解决传统传感器网络中的资源管理问题。但缺少具体的通信策略、造成基站的成本上升。Huang等人提出了一种SDWSN原型,以提高环境监控WSN的适应性和能量效率。在SDWSN中,能量高效的路由算法是研究的热点 ...
【技术保护点】
1.基于扰动粒子群优化的软件定义无线传感器网络(Software‑defined Wireless Sensor Networks,SDWSN)能耗均衡路由算法,其特征在于:该算法包括以下步骤:S1:传感器控制服务器根据扰动粒子群优化算法进行簇头选择和分簇;S2:簇头根据Dijkstra算法确定的最短路径进行数据传输;S3:传感器控制服务器计算传感器节点的剩余能量和传输距离信息,每周期进行一轮全局分簇和k轮局部簇头更新;S4:簇头接收传感器控制服务器的指令,采用时分复用(Time Division Multiple Access,TDMA)方式,对簇内成员节点的数据进行聚合,并通过簇间多跳的方式将聚合后的数据发送给基站。
【技术特征摘要】
1.基于扰动粒子群优化的软件定义无线传感器网络(Software-definedWirelessSensorNetworks,SDWSN)能耗均衡路由算法,其特征在于:该算法包括以下步骤:S1:传感器控制服务器根据扰动粒子群优化算法进行簇头选择和分簇;S2:簇头根据Dijkstra算法确定的最短路径进行数据传输;S3:传感器控制服务器计算传感器节点的剩余能量和传输距离信息,每周期进行一轮全局分簇和k轮局部簇头更新;S4:簇头接收传感器控制服务器的指令,采用时分复用(TimeDivisionMultipleAccess,TDMA)方式,对簇内成员节点的数据进行聚合,并通过簇间多跳的方式将聚合后的数据发送给基站。2.根据权利要求1所述的基于扰动粒子群优化的SDWSN能耗均衡路由算法,其特征在于:所述步骤S1中的簇头选择由传感器控制服务器完成;传感器控制服务器选择具有更多剩余能量以及更好位置的节点作为簇头;具体的选择算法如下:通过考虑节点的剩余能量、距传感器控制服务器的距离、距邻居节点的距离以及节点剩余能量的均衡程度,定义适应度函数:f=α1f1+α2f2+α3f3+α4f4(1)其中,为普通节点的平均剩余能量;为簇头的平均剩余能量;为簇头到传感器控制服务器的平均欧式距离;为普通节点到传感器控制服务器的平均距离;|CN|为簇头的个数;|ON|为普通节点的个数;为簇头到其邻居节点集平均距离的均值;为普通节点到其邻居节点集平均距离的均值;E(CNj)为簇头CNj的剩余能量;参数α1,α2,α3,α4决定各因素对适应度函数贡献的比值,且α1+α2+α3+α4=1;步骤如下:S101:首先,对优化问题和算法参数初始化;创建一定数量的粒子,每个粒子代表问题的初始解即选出的一组簇头;设粒子数量为m,种群X={x1,x2,…,xm},第i个粒子的位置矢量为xi={xi1,xi2,…,xin},速度矢量vi={vi1,vi2,…,vin},n代表问题的维数即簇头个数;由式(1)计算每个粒子的适应度,粒子对应的个体最优解pi={pi1,pi2,…,pin},所有粒子找到的全局最优解pg={pg1,pg2,…,pgn};S102:更新速度和位置矢量;标准粒子群算法的速度和位置更新公式分别为:其中vij是第i个粒子速度矢量的第j维值,为避免粒子飞出搜索空间,被约束在区间[-vmax,vmax],i=1,2,...,m,j=1,2,...,n;t为当前迭代次数;c1,c2为加速因子,设置为2.0;r1,r2是服从U(0,1)均匀分布的随机数;ω为惯性权值,从0.9到0.4线性递减,其大小决定粒子前一次迭代的速度对本次迭代粒子速度的影响程度;对标准的粒子群算法进行改进,首先将全局最优粒子gbest用方差可调的正态随机分布进行扰动,得到新的全局最优粒子gbest’,待更新的粒子向扰动后的全局最优粒子学习,然后用进化停滞步数t0作为触发条件对个体最优值进行随机扰动,进一步增加迭代后期群体的多样性,使算法跳出局部最优解;极值扰动算子与改进的速度更新公式为:其中表示施加扰动后,第t次迭代全局最优粒子的第j维分量,新的全局最优粒子由正态随机分布产生,表示正态扰动的幅度半径σ1>σ2>σ3,T为最大迭代次数;S103:根据式(1)计算每个粒子的适应度,对粒子进行评价,更新个体最优值和全局最优值;返回到步骤S102:进行循环,利用式(9)和式(7)更新粒子的速度和位置,直到达到最大迭代次数,当前最优解即选为簇头。3.根据权利要求1所述的基于扰动粒子群优化的SDWSN能耗均衡路由算法,其特征在于:所述步骤S1中的分簇具体为:综合考虑簇头到传感器控制服务器的距离、簇头的剩余能量及其邻居节点的个数来计算簇半径,计算公式如下:其中β1,β2,β3是参数控制因子,β1+β2+β3=1;d(CNj,CS)为簇头CNj到传感器控制服务器CS的距离;d(CS,MF)为传感器控制服务器距较近的监控区域边界的距离;dl为监控区域的长度;Em...
【专利技术属性】
技术研发人员:胡敏,汪腾飞,黄宏程,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。