一种基于鲸鱼群算法的无线传感器网络能效优化分簇方法技术

本发明专利技术公开了一种基于鲸鱼群算法的无线传感器网络能效优化分簇方法，包括，汇聚节点将初始配置信息分别发送到所有簇头节点和普通节点，并对网络信息进行汇聚采集；根据当前网络信息，获得所有簇头节点到汇聚节点的最优路由方案和最优分簇方案；根据最优分簇方案和最优路由方案，对整个无线传感器网络进行分簇路由配置；簇头节点对所在分簇进行数据融合并发送到汇聚节点，完成信息汇聚采集。本发明专利技术技术方案的方法，在能效优化分簇问题中引入改进的鲸鱼群算法，利用改进鲸鱼群算法在多峰优化问题的求解能力，求解无线传感器网络能效优化分簇问题；同时，路由算法能够有效平衡簇头节点在转发数据时的能量消耗，从而有利于进一步延长网络生命周期。

【技术实现步骤摘要】
一种基于鲸鱼群算法的无线传感器网络能效优化分簇方法
本专利技术属于无线传感器网络拓扑控制领域，具体涉及一种基于鲸鱼群算法的无线传感器网络能效优化分簇方法。
技术介绍
随着微电子技术、计算技术、无线通信技术和分布式信息处理技术的飞速发展，无线传感器网络成为下一代网络中的关键技术之一，也是21世纪最重要的新兴技术之一。1999年，美国《商业周刊》将WSNs列为21世纪最具影响的21项技术之一，2003年，麻省理工学院《技术评论》将WSNs列为未来改变人们生活的十大新技术之首。在绝大多数无线传感器应用场景中，无线传感器的使用瓶颈体现在其能量非常有限，这是由于绝大多数无线传感器网络采用电池供电，这极大地限制了无线传感器网络的工作时间。因此，能量的高效利用对于无线传感器网络的研究其关键性作用。其中拓扑控制和路由算法是提高无线传感器网络能效，延长网络生命周期的两大关键技术。在层次型拓扑结构中，簇内节点(成员节点)负责数据采集，并将数据发送给所在簇的簇头节点，簇头节点负责数据融合以及将数据发送到基站，这样可以减少数据冗余，并减少数据通信量，从而延长网络的生命周期；好的能效路由算法可以保证数据沿着优化的路径转发，均衡整个网络的能耗，从而延长网络的生命周期。在很多的层次型无线传感器网络应用中，簇头节点是从普通的传感器节点中选择，因此，这些簇头节点会因为频繁的数据接收、数据融合以及与基站通信而很快地将能量消耗完毕，从而减少整个网络的生命周期。目前，很多研究者采用一种特殊的节点(网关)作为簇头，如图1中的簇头节点所示，这些节点具有比普通传感器节点更多的能量，普通传感器节点可以加入任何一个在它通信范围内的簇头。这些网关一旦布置在场景中后，只有它们才能作为簇头，其它普通传感器节点不能成为簇头。如果某个簇内的普通传感器节点(成员节点)过多，则簇头节点的能量容易耗尽；如果成员节点离簇头节点太远，则成员节点容易因为长距离发送数据而很快将能量耗尽，这两种情况对整个网络的生命周期影响都很大。因此，即考虑簇头节点的能耗又考虑成员节点的能耗的拓扑控制算法对于整个网络生命周期显得特别关键。鲸鱼群算法(WhaleSwarmAlgorithm，WSA)(详见参考文献：BingZeng,LiangGao*,XinyuLi.WhaleSwarmAlgorithmforFunctionOptimization,IntelligentComputingTheoriesandApplication:13thInternationalConference,ICIC2017,Liverpool,UK,August7-10,2017,Proceedings,PartI,SpringerInternationalPublishing,Cham,2017,pp.624-639.)是一种元启发式算法。该算法模拟鲸鱼觅食过程，通过鲸鱼间的相互通信来寻找食物源。当鲸鱼发现了食物源，它会发出声音通知附近的其它鲸鱼关于食物质量的好坏和数量的多少的信息。因此，每条鲸鱼将收到大量来自附近鲸鱼的通知信息，然后根据这些信息移动到适当的地方寻找食物。WSA算法框架简单，容易实现，非常适合由于解决工程优化问题。但是，鲸鱼群算法(WSA)是用于求解连续优化问题的，而无线传感器网络分簇问题是一个离散优化问题，鲸鱼群算法不能直接应用于无线传感器网络分簇问题的求解。为便于理解本专利技术，首先以下对本专利技术实施例中出现的有关术语进行统一说明和解释：簇头节点：节点能量较多，且具有一定的计算能力的传感器节点；普通传感器节点：只进行信息的采集和向簇头发送信息的节点，节点能量较小，且计算能力有较大限制；分簇：将若干个普通传感器节点分配到某一个簇头节点形成簇，簇完成簇内的信息汇聚，并有簇头进行信息融合并将其发送到汇聚节点；距离：传感器节点之间的欧式距离；跳数：当前传感器节点发送数据包到汇聚节点需要经过的最少传感器节点数；剩余能量：传感器节点(包括普通传感器节点和簇头节点)的电量剩余值；全局信息：包括普通传感器节点的邻居簇头节点集合、普通传感器节点与簇头节点的距离、簇头节点之间的距离、各传感器节点(包括普通传感器节点和簇头节点)的现有能量以及簇头节点到汇聚节点的跳数。本专利技术技术方案中，无线传感器网络中所有无线传感器网络节点位置已知(通过GPS定位已知或者通过其他定位算法已知)，即节点间距离已知。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于鲸鱼群算法的无线传感器网络能效优化分簇路由方法。本专利技术技术方案的方法，针对现有鲸鱼算法难以处理无线传感器网络分簇问题的情况，基于改进的鲸鱼群算法进行无线传感网络分簇计算，得到整个无线传感器网络分簇方案，建立了既考虑簇头节点生命周期的标准差，又考虑普通传感器节点能耗及其标准差的适应度函数，解决了无线传感器网络成员节点分配不合理，簇头节点能耗不均匀等问题，从而均衡无线传感器网络的能耗，有效提高网络能效，延长网络生命周期。为实现上述目的，按照本专利技术的一个方面，提供了一种基于鲸鱼群算法的无线传感器网络能效优化分簇方法，其特征在于，包括汇聚节点将初始配置信息分别发送到簇头节点和普通节点，并对无线传感器网络的节点信息进行汇聚采集，获取当前网络信息；根据当前网络信息，计算得到每个簇头节点的最优转发路径，从而获得所有簇头节点到汇聚节点的最优路由方案，以及整个传感器网络的最优分簇方案；根据最优分簇方案和最优路由方案，对整个无线传感器网络进行分簇路由配置；传感器节点采集和/或处理信息，生成包含有传感器节点自身剩余能量信息的数据包，并将该数据包转发到对应的簇头节点；簇头节点对所在分簇进行数据融合，根据分簇路由配置将数据发送到汇聚节点，完成信息汇聚采集；其中，所述最优分簇方案优选通过改进的鲸鱼算法计算获得，包括：S1设置鲸鱼群算法参数，并对鲸鱼群算法中的每个鲸鱼个体进行初始化，获取初始鲸鱼种群，计算每个鲸鱼个体的适应度值；设置当前鲸鱼为鲸鱼群的第一个个体，进入步骤S2；S2根据适应度值以及鲸鱼个体间的距离，确定当前鲸鱼是否存在引导个体；所述引导个体是所有优于当前鲸鱼的鲸鱼个体中，离当前鲸鱼最近的鲸鱼个体；若存在，进入步骤S3；否则进入步骤S5；S3生成当前鲸鱼的副本鲸鱼，当前鲸鱼的引导个体根据个体移动规则引导该副本鲸鱼进行移动，计算该副本鲸鱼的适应度值并比较；若该副本鲸鱼的适应度值小于当前鲸鱼的适应度值，则用该副本鲸鱼替换当前鲸鱼，并将当前鲸鱼的迭代计数器设置为0，进入步骤S7；否则进入步骤S4；S4比较当前鲸鱼的迭代计数器值与鲸鱼群稳定性阈值的大小；若当前鲸鱼的迭代计数器值小于鲸鱼群稳定性阈值，则将该迭代计数器值加1，进入步骤S7；否则重新初始化当前鲸鱼的位置，计算该鲸鱼的适应度值，进入步骤S7；S5生成当前鲸鱼的副本，对该副本执行邻域搜索后，计算该副本的适应度值并比较；若该副本的适应度值小于当前鲸鱼的适应度值，则将当前鲸鱼替换为该副本，并将当前鲸鱼对应的鲸鱼迭代计数器值设置为0，进入步骤S7；否则进入步骤S6；S6若当前鲸鱼的迭代计数器小于鲸鱼群稳定性阈值，则对该迭代计数器加1，进入步骤S7；否则比较当前鲸鱼的适应度值与全局最优解的适应度值的大小，若当前鲸鱼的适应度值小本文档来自技高网...

【技术保护点】
1.一种基于鲸鱼群算法的无线传感器网络能效优化分簇方法，其特征在于，包括汇聚节点将初始配置信息分别发送到簇头节点和普通节点，并对无线传感器网络的节点信息进行汇聚采集，获取当前网络信息；根据当前网络信息，计算得到每个簇头节点的最优转发路径，从而获得所有簇头节点到汇聚节点的最优路由方案，以及整个传感器网络的最优分簇方案；根据最优分簇方案和最优路由方案，对整个无线传感器网络进行分簇路由配置；传感器节点采集和处理信息，生成包含有传感器节点自身剩余能量信息的数据包，并将该数据包转发到对应的簇头节点；簇头节点对所在分簇进行数据融合，根据分簇路由配置将数据发送到汇聚节点，完成信息汇聚采集；其中，所述最优分簇方案通过改进的鲸鱼算法计算获得，包括：S1设置鲸鱼群算法参数，并对鲸鱼群算法中的每个鲸鱼个体进行初始化，获取初始鲸鱼种群，计算每个鲸鱼个体的适应度值；设置当前鲸鱼为鲸鱼群的第一个个体，进入步骤S2；S2根据适应度值以及鲸鱼个体间的距离，确定当前鲸鱼是否存在引导个体；所述引导个体是所有优于当前鲸鱼的鲸鱼个体中，离当前鲸鱼最近的鲸鱼个体；若存在，进入步骤S3；否则进入步骤S5；S3生成当前鲸鱼的副本鲸鱼，当前鲸鱼的引导个体根据个体移动规则引导该副本鲸鱼进行移动，计算该副本鲸鱼的适应度值并比较；若该副本鲸鱼的适应度值小于当前鲸鱼的适应度值，则用该副本鲸鱼替换当前鲸鱼，并将当前鲸鱼的迭代计数器设置为0，进入步骤S7；否则进入步骤S4；S4比较当前鲸鱼的迭代计数器值与鲸鱼群稳定性阈值的大小；若当前鲸鱼的迭代计数器值小于鲸鱼群稳定性阈值，则将该迭代计数器值加1，进入步骤S7；否则重新初始化当前鲸鱼的位置，计算该鲸鱼的适应度值，进入步骤S7；S5生成当前鲸鱼的副本，对该副本执行邻域搜索后，计算该副本的适应度值并比较；若该副本的适应度值小于当前鲸鱼的适应度值，则将当前鲸鱼替换为该副本，并将当前鲸鱼对应的鲸鱼迭代计数器值设置为0，进入步骤S7；否则进入步骤S6；S6若当前鲸鱼的迭代计数器小于鲸鱼群稳定性阈值，则对该迭代计数器加1，进入步骤S7；否则比较当前鲸鱼的适应度值与全局最优解的适应度值的大小，若当前鲸鱼的适应度值小于全局最优解的适应度值，则更新全局最优解的适应度值为当前鲸鱼的适应度值，更新全局最优解，初始化当前鲸鱼的位置，并计算该鲸鱼的适应度值，进入步骤S7；若不小于则重新初始化当前鲸鱼的位置，并计算该鲸鱼的适应度值，进入步骤S7；S7若当前鲸鱼不为鲸鱼群的最后一个个体，设置当前鲸鱼为当前鲸鱼在鲸鱼群中的下一个鲸鱼个体，进入步骤S2；若当前鲸鱼为鲸鱼群的最后一个个体，判断其是否满足终止条件，若满足进入步骤S8；否则设置当前鲸鱼为鲸鱼群的第一个个体，进入步骤S2；S8判断最后一代种群中是否有比全局最优解更好的鲸鱼个体，有则替代当前全局最优解，获取最终的全局最优解，即为最优分簇方案。...

【技术特征摘要】
1.一种基于鲸鱼群算法的无线传感器网络能效优化分簇方法，其特征在于，包括汇聚节点将初始配置信息分别发送到簇头节点和普通节点，并对无线传感器网络的节点信息进行汇聚采集，获取当前网络信息；根据当前网络信息，计算得到每个簇头节点的最优转发路径，从而获得所有簇头节点到汇聚节点的最优路由方案，以及整个传感器网络的最优分簇方案；根据最优分簇方案和最优路由方案，对整个无线传感器网络进行分簇路由配置；传感器节点采集和处理信息，生成包含有传感器节点自身剩余能量信息的数据包，并将该数据包转发到对应的簇头节点；簇头节点对所在分簇进行数据融合，根据分簇路由配置将数据发送到汇聚节点，完成信息汇聚采集；其中，所述最优分簇方案通过改进的鲸鱼算法计算获得，包括：S1设置鲸鱼群算法参数，并对鲸鱼群算法中的每个鲸鱼个体进行初始化，获取初始鲸鱼种群，计算每个鲸鱼个体的适应度值；设置当前鲸鱼为鲸鱼群的第一个个体，进入步骤S2；S2根据适应度值以及鲸鱼个体间的距离，确定当前鲸鱼是否存在引导个体；所述引导个体是所有优于当前鲸鱼的鲸鱼个体中，离当前鲸鱼最近的鲸鱼个体；若存在，进入步骤S3；否则进入步骤S5；S3生成当前鲸鱼的副本鲸鱼，当前鲸鱼的引导个体根据个体移动规则引导该副本鲸鱼进行移动，计算该副本鲸鱼的适应度值并比较；若该副本鲸鱼的适应度值小于当前鲸鱼的适应度值，则用该副本鲸鱼替换当前鲸鱼，并将当前鲸鱼的迭代计数器设置为0，进入步骤S7；否则进入步骤S4；S4比较当前鲸鱼的迭代计数器值与鲸鱼群稳定性阈值的大小；若当前鲸鱼的迭代计数器值小于鲸鱼群稳定性阈值，则将该迭代计数器值加1，进入步骤S7；否则重新初始化当前鲸鱼的位置，计算该鲸鱼的适应度值，进入步骤S7；S5生成当前鲸鱼的副本，对该副本执行邻域搜索后，计算该副本的适应度值并比较；若该副本的适应度值小于当前鲸鱼的适应度值，则将当前鲸鱼替换为该副本，并将当前鲸鱼对应的鲸鱼迭代计数器值设置为0，进入步骤S7；否则进入步骤S6；S6若当前鲸鱼的迭代计数器小于鲸鱼群稳定性阈值，则对该迭代计数器加1，进入步骤S7；否则比较当前鲸鱼的适应度值与全局最优解的适应度值的大小，若当前鲸鱼的适应度值小于全局最优解的适应度值，则更新全局最优解的适应度值为当前鲸鱼的适应度值，更新全局最优解，初始化当前鲸鱼的位置，并计算该鲸鱼的适应度值，进入步骤S7；若不小于则重新初始化当前鲸鱼的位置...

【专利技术属性】
技术研发人员：高亮，曾冰，李新宇，张振东，程璐瑶，董燕，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42