一种无线网络路径优化方法及系统技术方案

一种无线网络路径优化方法及系统，包括以下步骤：获取网络的源节点与目标节点，从源节点出发，通过遗传算法找到适应度值大于预设值的若干个优节点，将若干个优节点作为初始节点，通过A*算法找出各个初始节点到目标节点的最短路径，计算各条最短路径的长度并进行比较，从中选取长度最小的最短路径，提取出该长度最小的最短路径的初始节点，并保存，判断步骤S14中提取得到的初始节点是否为目标节点，若是，则按顺序输出所有已经保存的节点，否则返回到步骤S12中重新进行计算和判断。本发明专利技术将遗传算法和A*算法进行融合，不仅达到了能快速找到网络中最优路径，而且还提高了网路传输数据的稳定性和可靠性，延长了网络使用寿命的目的。

A Wireless Network Path Optimization Method and System

A wireless network path optimization method and system includes the following steps: obtaining the source node and the target node of the network, starting from the source node, finding several optimal nodes whose fitness value is greater than the preset value through genetic algorithm, taking several optimal nodes as initial nodes, finding the shortest path from each initial node to the target node through A* algorithm, and calculating the shortest path of each initial node to the target node. Length is compared, and the shortest path with the smallest length is selected, and the initial node of the shortest path with the smallest length is extracted and saved. It is judged whether the initial node extracted in Article 4 is the target node or not. If so, all saved nodes are output sequentially, otherwise it is returned to Article 2 for re-calculation and judgment. The invention integrates genetic algorithm and A* algorithm, which not only can quickly find the optimal path in the network, but also improves the stability and reliability of data transmission in the network and prolongs the service life of the network.

【技术实现步骤摘要】
一种无线网络路径优化方法及系统
本专利技术属于通信
，具体地说是一种无线网络路径优化方法及系统。
技术介绍
无线传感器网络(WirelessSensorNetworks,WSN)综合了嵌入式技术、无线通信技术、传感器技术和分布式信息处理技术等，由大量能量有限传感器节点以多跳自组织方式形成一个无线网络，其在工业生产、生物医疗、环境监测、军事国防等领域具有十分广阔的应用前景。相对于传统无线网络，无线传感器网络上节点能量有限，且不能更换，因此保证网络能稳定的运行是无线传感器网络的一个非常重要的问题，即找到一条源节点到目标节点数据传输最优路径成为重要，使无线传感器网络生命周期最大化。由于传感器节点能量有限，路径优化设计不仅考虑数据传输路径的长度，还要考虑节省能量和网络能量均衡等问题，因此无线传感器网络路径优化是一个典型多目标优化问题。工业现场能耗数据采集环境复杂，能源网关设备的数量、安置位置和传输方式呈现多样不确定性，由网关组成的网络节点和通讯链路构成整个实时变化的拓扑网络系统，而实际应用中由于应用环境复杂性、网络传输不确定性、多节点带宽共享等问题的存在，可能导致某一通信链路的时延突然增大、数据丢失，甚至是链路中断等问题。
技术实现思路
为解决上述技术问题，本专利技术提供了一种无线网络路径优化方法和系统。为了解决上述技术问题，本专利技术采取以下技术方案：一种无线网络路径优化方法，包括以下步骤：S11，获取网络的源节点与目标节点；S12，从源节点出发，通过遗传算法找到适应度值大于预设值的若干个优节点；S13，将若干个优节点作为初始节点，通过A*算法找出各个初始节点到目标节点的最短路径；S14，计算各条最短路径的长度并进行比较，从中选取长度最小的最短路径，提取出该长度最小的最短路径的初始节点，并保存；S15，判断步骤S14中提取得到的初始节点是否为目标节点，若是，则按顺序输出所有已经保存的节点，得到最优网络路径，否则返回到步骤S12中重新进行计算和判断。所述步骤S12具体包括：S12.1，对数据进行编码，生成初始父代群体，编码公式为其中，x表示区间内的变量，[a,b]表示这个数据的区间，l表示这个区间的长度，[S]2表示二进制串；S12.2，计算所有的父代群体中的各个个体的适应度值，保存适应度值大于预设值的节点。所述步骤S12.2具体为：计算适应度值时，采用适应度值函数：F(P)＝α1M1(p)+α2M2(p)+α3M3(p)其中，F(P)为总的权值和，α1、α2、α3分别为路径长度、能量消耗和网络能量均衡在适应度函数中的权重，M1(p)、M2(p)、M3(p)分别代表路径长度、能量消耗和网络能量均衡；通过公式来计算路径长度，其中，m(ni,ni+1)是节点ni和ni+1之间的距离；M2(p)为路径能量消耗，与节点的发射功率、能量消耗和路径长度的平方成正比；M3(p)为网络能量均衡消耗，可通过公式：其中α(li,li+1)为第i节点与第i+1节点之间的均衡能量消耗值，n表示当前路径上的所有节点数目。所述步骤S12.2中，若计算得到的各个个体的适应度值都小于预设值，则对父代群体进行选择、交叉、变异处理，具体为：首先在父代群体中的个体编码串中随机设定一个变异节点，随后计算该变异节点的自适应变异概率，最后用自适应变异概率对父代个体变异基因进行非均匀变异，产生一个服从非均匀变异的随机值，用来替换变异节点上的原有值，以产生新的个体，然后再重新计算该新的个体的适应度值，直到产生适应度值大于预设值的节点。所述对父代群体进行选择处理时，具体采用轮盘赌选择法：通过各个个体的累计概率然后产生0到1之间的随机数e，随机数e与px(ak)进行比较来决定选择的个体，若ak-1<e<ak，则选择第k个个体，通过重复n轮产生n个子代个体；采用单点交叉方法对父代群体交叉处理，对两个父代群体中的个体中某节点之后的编码进行互换操作；最后用非均匀变异概率方法对群体进行变异处理。所述进行非均匀变异概率方法进行变异处理时，非均匀变异概率的计算公式具体为：其中，Pm为变异概率，Pmax和Pmin分别为最大和最小变异概率，fmax和favg分别为当前群体中的最大适应度值和平均适应度值，f为该个体的适应度值。所述步骤S13中采用的A*算法，具体公式为：f(n)＝g(n)+h(n)其中，f(n)是从初始状节点经由节点n到目标节点的距离估值，g(n)是在从初始节点到节点n的距离的实际值，h(n)是从状态n到目标节点的距离估值；具体包括以下步骤：S13.1，确定初始节点与目标节点，将初始节点放入OPEN表，CLOSE表置空；S13.2，将OPEN表中的表头点放入CLOSE表中，将初始节点的所有后继点展开，也就是与初始节点直接关联的后继点放入OPEN表，同时计算每一个后继节点的距离估值f(n)，并按f(n)升序排列；S13.3，重复步骤S13.2，直至最后将目标节点放入CLOSE表中，这群节点的排列就是该初始节点开始到目标节点的最短路径。一种无线网络的优化系统，所述系统包括：获取单元，用于获取网络的源节点与目标节点；寻找单元，用于从源节点出发，通过遗传算法找到大于预设值的若干个优节点；最短路径计算单元，用于通过A*算法找出若干个优节点到目标节点的最短路径；比较单元，用于比较得到的各条最短路径的长短；判断单元，用于判断当前节点是否为目标节点，若是，则按顺序输出所有已经保存的节点，否则返回到寻找单元搜寻新的优节点。本专利技术采用了遗传算法与A*算法的结合，融合了两种算法的优点，使寻找到的路径为最优路径，从而确保系统稳定、可靠以及高效运行，延长了网络的使用寿命。附图说明附图1为本专利技术流程示意图；附图2为本专利技术遗传算法的流程图示意图附图3为本专利技术带权有向示意图；附图4为本专利技术中A*算法示意图。具体实施方式为能进一步了解本专利技术的特征、技术手段以及所达到的具体目的、功能，下面结合附图与具体实施方式对本专利技术作进一步详细描述。如附图1所示，本专利技术揭示了一种无线网络路径优化方法，包括以下步骤：S11，获取网络的源节点与目标节点。S12，从源节点出发，通过遗传算法找到适应度值大于预设值的若干个优节点。从源节点开始，将每一个节点都计算得到相应的适应度值，与适应度值的预设值比较，大于预设值的就选取出来。S13，将若干个优节点作为初始节点，通过A*算法找出各个初始节点到目标节点的最短路径。每一个优节点到目标节点具有多条路径，其中距离最短的为最短路径。有多少个优节点，相应的具有多少个最短路径。S14，计算各条最短路径的长度并进行比较，从中选取长度最小的最短路径，提取出该长度最小的最短路径的初始节点，并保存。S15，判断步骤S14中提取得到的初始节点是否为目标节点，若是，则按顺序输出所有已经保存的节点，得到最优网络路径，否则返回到步骤S12中重新进行计算和判断。所述步骤S12具体包括：S12.1，对数据进行编码，生成初始父代群体，编码公式为其中，x表示区间内的变量，[a,b]表示这个数据的区间，l表示这个区间的长度，[S]2表示二进制串。S12.2，计算所有的父代群体中的各个个体的适应度值，保存适应度值大于预设值的节点。可行路径适应度值的计算需要考虑路径长度、能量消耗和网络能量均衡等因本文档来自技高网...

【技术保护点】
1.一种无线网络路径优化方法，包括以下步骤：S11，获取网络的源节点与目标节点；S12，从源节点出发，通过遗传算法找到适应度值大于预设值的若干个优节点；S13，将若干个优节点作为初始节点，通过A*算法找出各个初始节点到目标节点的最短路径；S14，计算各条最短路径的长度并进行比较，从中选取长度最小的最短路径，提取出该长度最小的最短路径的初始节点，并保存；S15，判断步骤S14中提取得到的初始节点是否为目标节点，若是，则按顺序输出所有已经保存的节点，得到最优网络路径，否则返回到步骤S12中重新进行计算和判断。

【技术特征摘要】
1.一种无线网络路径优化方法，包括以下步骤：S11，获取网络的源节点与目标节点；S12，从源节点出发，通过遗传算法找到适应度值大于预设值的若干个优节点；S13，将若干个优节点作为初始节点，通过A*算法找出各个初始节点到目标节点的最短路径；S14，计算各条最短路径的长度并进行比较，从中选取长度最小的最短路径，提取出该长度最小的最短路径的初始节点，并保存；S15，判断步骤S14中提取得到的初始节点是否为目标节点，若是，则按顺序输出所有已经保存的节点，得到最优网络路径，否则返回到步骤S12中重新进行计算和判断。2.根据权利要求1所述的无线网络的优化方法，其特征在于，所述步骤S12具体包括：S12.1，对数据进行编码，生成初始父代群体，编码公式为其中，x表示区间内的变量，[a,b]表示这个数据的区间，l表示这个区间的长度，[S]2表示二进制串；S12.2，计算所有的父代群体中的各个个体的适应度值，保存适应度值大于预设值的节点。3.根据权利要求2所述的无线网络的优化方法，其特征在于，所述步骤S12.2具体为：计算适应度值时，采用适应度值函数：F(P)＝α1M1(p)+α2M2(p)+α3M3(p)其中，F(P)为总的权值和，α1、α2、α3分别为路径长度、能量消耗和网络能量均衡在适应度函数中的权重，M1(p)、M2(p)、M3(p)分别代表路径长度、能量消耗和网络能量均衡；通过公式来计算路径长度，其中，m(ni,ni+1)是节点ni和ni+1之间的距离；M2(p)为路径能量消耗，与节点的发射功率、能量消耗和路径长度的平方成正比；M3(p)为网络能量均衡消耗，可通过公式：其中α(li,li+1)为第i节点与第i+1节点之间的均衡能量消耗值，n表示当前路径上的所有节点数目。4.根据权利要求3所述的无线网络的优化方法，其特征在于，所述步骤S12.2中，若计算得到的各个个体的适应度值都小于预设值，则对父代群体进行选择、交叉、变异处理，具体为：首先在父代群体中的个体编码串中随机设定一个变异节点，随后计算该变异节点的自适应变异概率，最后用自适应变异概率对父代个体变异基因进行非均匀变异，产生一个服从非均匀变异的随机值，用来替换变异节点上的原有值，以产生新的个...

【专利技术属性】
技术研发人员：陈光黎，马敬奇，赵勇，钟震宇，王楠，雷欢，周志刚，
申请(专利权)人：广东省智能制造研究所，
类型：发明
国别省市：广东,44