一种基于遗传算法的高能效路由算法制造技术

本发明专利技术涉及一种基于遗传算法的高能效路由算法，其特征是：在能量采集型无线传感器网络中，建立考虑节点的吸收能量、剩余能量、消耗能量和浪费能量的适应函数，用遗传算法寻找全局最优路径，在最小化路径损耗的基础上考虑能量平衡和能量浪费。本发明专利技术的优点在于：比只考虑路径能耗最小的适应函数，比部分考虑路径能耗与路径上节点的吸收能量、剩余能量的适应函数，比部分考虑路径能耗与网络中所有节点的浪费能量的适应函数，在能量利用率上具有优势，可以更好地延长网络生命周期。

An Energy Efficient Routing Algorithm Based on Genetic Algorithms

The present invention relates to an energy-efficient routing algorithm based on genetic algorithm, which is characterized by: in energy-gathering wireless sensor networks, an adaptive function considering the energy absorption, residual energy, energy consumption and energy waste of nodes is established, and the genetic algorithm is used to find the global optimal path, which is the basis of minimizing path loss. Consider energy balance and waste. The advantages of the present invention are as follows: it has advantages in energy utilization ratio than the fitness function which only considers the minimum energy consumption of the path, the fitness function which partially considers the energy consumption of the path and the absorption energy and residual energy of the nodes on the path, and the fitness function which partially considers the energy consumption of the path and the waste energy of all nodes in the network. Extend the network life cycle well.

【技术实现步骤摘要】
一种基于遗传算法的高能效路由算法
本专利技术涉及一种基于遗传算法的高能效路由算法，可用于在能量采集型无线传感器网络中求解能量利用率高的路由，以达到延长网络生命周期的目标。
技术介绍
能量采集型无线传感器网络是一种基于多跳的，由传输节点、源节点以及基站组成的网络，网络中的节点可以从外界吸收能量并存储到蓄电池中供节点使用。在能量采集型无线传感网络中，虽然有能量吸收，但是因能量依然非常珍贵，优化路由协议，延长网络寿命一直是研究热点。现在大多数对于无线传感器网络路由优化的研究一般都考虑了尽量降低节点的能耗，AODV是应用最广泛的按需路由协议之一。但AODV是基于单路径、最小跳数来选择路由，没有考虑能量平衡。AODVjr是AODV的简化版本，仍没有考虑能量平衡。EA-AODV(EnergyAware-AODV)考虑了节点的剩余能量，有效均衡了网络中各节点的能量。由于能量采集型无线传感器网络中的节点通过从外界采集能量替代了电池供电，能源可以持续不断地得到补充，2014年国外研究提出了考虑能量浪费这一思想的EHWA算法。在能量采集型无线传感器网络中，设计路由协议时应该综合考虑节点的吸收能量，剩余能量，消耗能量和浪费能量，显然上述文献考虑因素不够周全。对于求解上述这种多目标优化问题，传统方法主要分为两类：化多为少法和分层序列法。化多为少法是将多目标转换为单目标，比如线性加权法，评价函数法等。分层序列法是将各个目标按轻重缓急分成不同层次，再按先后顺序求解的方法，例如分层排序法，目标规划法等。由于获得Pareto最优解集合必须运行多次优化过程，各次优化过程相互独立，得到的结果很不一致，所以对于大规模问题，传统方法很少被采用。相比传统算法，多目标进化算法可以并行地处理一组可能的解，不需要分别运算多次便能在一次算法中找到Pareto最优解集中的多个解。在多目标进化算法中，绝大多数学者使用的进化算法为遗传算法，把多个目标函数表示成一个目标函数作为遗传算法的适应函数，最大的好处在于不用对遗传算法做任何改动。
技术实现思路
本专利技术解决的技术问题是：由于能量采集型无线传感器网络中的节点通过从外界采集能量替代了电池供电，能源可以持续不断地得到补充，因此仍采用传统路由协议必然会导致非最优的能源调度利用。克服现有技术的不足，提供一种基于遗传算法的高能效路由算法，解决了能量吸收合理利用的问题，比已有算法在能量利用效率等方面具有优势。本专利技术技术解决方案的特点在于包括下列步骤：1)初始化节点间的距离、每个节点的能量和电池容量，信号频率，种群大小，交叉概率，变异概率，最大进化代数。判断是否达到仿真次数，仿真次数自定义设置，若未达到仿真次数，进行步骤2)，若达到结束仿真。2)能量采集型无线传感器网络，计算每个节点i在第k次仿真时的随机吸收能量Eh(i，k)。3)用遗传算法寻找最优路径时，编码方式采用二进制编码生成可通信的有效路径个体，种群初始化即产生种群大小的个体。4)根据设计的适应函数计算适应度值。5)判断是否达到最大进化代数，若未到达进行步骤6)，否则进行步骤10)。6)选择采用的选择算子是将适应度值降序排序，把全部个体分为10等份，淘汰最后面1/10的个体，拷贝一份前1/10的个体，其他保留，种群大小不变。这样可以把适应度非常低的个体直接淘汰掉，提升算法的收敛速度，还可以快速增加种群中适应度较好的个体数量，使算法更加高效实用。7)交叉算子选择使用均匀交叉算子来扩大搜索范围。依交叉概率选择的父代个体进行均匀交叉得到子代个体后，检测子代个体是否为有效路径，若为无效路径则重新交叉，保证种群大小不变。8)变异算子采用使用频繁的基本变异算子，即随机生成一个变异位置，然后对应码值取反。依变异概率选择的父代个体进行基本变异得到子代个体后，检测子代个体是否为有效路径，若为无效路径则重新变异，可保证种群大小不变。9)根据设计的适应函数计算适应度值。对适应度值进行排序，得到适应度最大的路径。进化代数加1，进行步骤5)。10)输出最优路径。计算该路径的路耗LFS，更新节点的能量信息B(i，k)，检测衰竭节点即B(i，k)＝0的节点i，统计总吸收能量Eharvest(k)，总消耗能量Econsume(k)，总浪费能量Ewaste(k)，总剩余能量Eleft(k)，和能量利用率efficiency(k)。本专利技术的原理是：在能量采集型无线传感器网络中，设计路由协议时应该综合考虑节点的吸收能量，剩余能量，消耗能量和浪费能量，提出了一种基于遗传算法的高能效路由算法。建立考虑节点的吸收能量、剩余能量、消耗能量和浪费能量的适应函数，用遗传算法寻找全局最优路径，在最小化路径损耗的基础上考虑能量平衡和能量浪费，以达到提高能量利用率，延长网络生命周期的目标。本专利技术与现有技术相比的优点在于：比只考虑路径能耗最小的适应函数，比部分考虑路径能耗与路径上节点的吸收能量、剩余能量的适应函数，比部分考虑路径能耗与网络中所有节点的浪费能量的适应函数，在能量利用率上具有优势，可以更好地延长网络生命周期。附图说明图1为本专利技术算法的解算流程图。图2为遗传算法适应度曲线图3为检测衰竭节点图4为网络总能量消耗图5为网络总能量浪费图6为网络总剩余能量图7为能量利用效率具体实施方式路耗模型：一个理想的全向天线，自由空间损耗是：式中LFS是路径损耗(单位dB)，Pt是传输天线的信号功率，Pr是接收天线的信号功率，f是无线电波频率(单位MHz)，d是收发天线间的距离(单位km)，c是光速(3*108m/s)。在公式(1)的基础上，增加能量平衡项，得到如公式(2)所示的代价函数：式中C(i，k)表示节点i在k时刻的代价函数，LFS是路径损耗，ζ和α为两个常量，B(i，k)表示节点i在k时刻的剩余能量，Bmax(i)表示节点i的电池容量，Eh(i，k)为节点i在k时刻的吸收能量。可见，公式(2)在公式(1)的基础上增加了这一能量平衡项，目的是将节点i实时的剩余能量和吸收能量考虑进来，认为节点剩余能量和节点吸收能量越大，代价越小，在路由决策中，可以尽可能的使用这样的节点。在能量采集型无线传感器网络中虽然有能量吸收，但是由于环境因素网络中各节点的吸收能量往往很不均衡，有些节点可能产生过度充电导致的能量浪费。在设计路由算法时将节点i的能量浪费考虑进来，在路由决策中，会避免一些过度充电，能量充足的节点未被使用的情况。能量浪费函数：Won(i，k)＝max(0，B(i，k)+Eh(i，k)-LFS-Bmax(i))(3)，Woff(i，k)＝max(0，B(i，k)+Eh(i，k)-Bmax(i))(4)，式中Won(i，k)表示k时刻在路径上的节点i因过度充电导致的能量浪费，Woff(i，k)表示k时刻不在路径上的节点i因过度充电导致的能量浪费，B(i，k)表示节点i在k时刻的剩余能量，Bmax(i)表示节点i的电池容量，Eh(i，k)为节点i在k时刻的吸收能量，LFS是路径损耗。遗传算法寻找全局最优路径时，适应度函数如公式(5)所示，目标是最小化传输代价和能量浪费，尽可能使用那些剩余能量高，吸收能量高的节点，来达到能量平衡的作用，适应度越大解的质量越好。式中Fitness表示适应度函数，f表示目标函数，σn表示传输路径本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的高能效路由算法，其特征在于包括下列步骤：1)初始化节点间的距离、每个节点的能量和电池容量，信号频率，种群大小，交叉概率，变异概率，最大进化代数。判断是否达到仿真次数，仿真次数自定义设置，若未达到仿真次数，进行步骤2)，若达到结束仿真。2)能量采集型无线传感器网络，计算每个节点i在第k次仿真时的随机吸收能量Eh(i，k)。3)用遗传算法寻找最优路径时，编码方式采用二进制编码生成可通信的有效路径个体，种群初始化即产生种群大小的个体。4)根据设计的适应函数计算适应度值。5)判断是否达到最大进化代数，若未到达进行步骤6)，否则进行步骤10)。6)选择采用的选择算子是将适应度值降序排序，把全部个体分为10等份，淘汰最后面1/10的个体，拷贝一份前1/10的个体，其他保留，种群大小不变。这样可以把适应度非常低的个体直接淘汰掉，提升算法的收敛速度，还可以快速增加种群中适应度较好的个体数量，使算法更加高效实用。7)交叉算子选择使用均匀交叉算子来扩大搜索范围。依交叉概率选择的父代个体进行均匀交叉得到子代个体后，检测子代个体是否为有效路径，若为无效路径则重新交叉，保证种群大小不变。8)变异算子采用使用频繁的基本变异算子，即随机生成一个变异位置，然后对应码值取反。依变异概率选择的父代个体进行基本变异得到子代个体后，检测子代个体是否为有效路径，若为无效路径则重新变异，可保证种群大小不变。9)根据设计的适应函数计算适应度值。对适应度值进行排序，得到适应度最大的路径。进化代数加1，进行步骤5)。10)输出最优路径。计算该路径的路耗LFS，更新节点的能量信息B(i，k)，检测衰竭节点即B(i，k)＝0的节点i，统计总吸收能量Eharvest(k)，总消耗能量Econsumc(k)，总浪费能量Ewaste(k)，总剩余能量Eleft(k)，和能量利用率efficiency(k)。...

【技术特征摘要】
1.一种基于遗传算法的高能效路由算法，其特征在于包括下列步骤：1)初始化节点间的距离、每个节点的能量和电池容量，信号频率，种群大小，交叉概率，变异概率，最大进化代数。判断是否达到仿真次数，仿真次数自定义设置，若未达到仿真次数，进行步骤2)，若达到结束仿真。2)能量采集型无线传感器网络，计算每个节点i在第k次仿真时的随机吸收能量Eh(i，k)。3)用遗传算法寻找最优路径时，编码方式采用二进制编码生成可通信的有效路径个体，种群初始化即产生种群大小的个体。4)根据设计的适应函数计算适应度值。5)判断是否达到最大进化代数，若未到达进行步骤6)，否则进行步骤10)。6)选择采用的选择算子是将适应度值降序排序，把全部个体分为10等份，淘汰最后面1/10的个体，拷贝一份前1/10的个体，其他保留，种群大小不变。这样可以把适应度非常低的个体直接淘汰掉，提升算法的收敛速度，还可以快速增加种群中适应度较好的个体数量，使算法更加高效实用。7)交叉算子选择使用均匀交叉算子来扩大搜索范围。依交叉概率选择的父代个体进行均匀交叉得到子代个体后，检测子代个体是否为有效路径，若为无效路径则重新交叉，保证种群大小不变。8)变异算子采用使用频繁的基本变异算子，即随机生成一个变异位置，然后对应码值取反。依变异概率选择的父代个体进行基本变异得到子代个体后，检测子代个体是否为有效路径，若为无效路径则重新变异，可保证种群大小不变。9)根据设计的适应函数计算适应度值。对适应度值进行排序，得到适应度最大的路径。进化代数加1，进行步骤5)。10)输出最优路径。计算该路径的路耗LFS，更新节点的能量信息B(i，k)，检测衰竭节点即B(i，k)＝0的节点i，统计总吸收能量Eharvest(k)，总消耗能量Econsumc(k)，...

【专利技术属性】
技术研发人员：姚彦鑫，郭杰，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：北京,11