基于改进混沌遗传算法的WSN多跳LEACH路由协议制造技术

本发明专利技术涉及一种无线传感器网络（WSN）路由协议，特别是基于改进混沌遗传算法的WSN多跳LEACH路由协议ICGA‑LEACH（an improved multi‑hop LEACH protocol based on chaotic genetic algorithm for wireless sensor networks），ICGA‑LEACH考量节点剩余能量、节点剩余能量与负载比和节点中心度来定义簇头选举阈值函数，使位于簇中心、负载较小且能量多的节点成为簇头的概率大，从而形成均匀分布的簇，降低簇内通信能耗。为了降低簇间通信能耗，采用混沌遗传算法来寻找全局最优的多跳路由路径。此外，采用自适应的轮周期来进行簇维护，减少大量频繁成簇产生的控制报文，进一步降低了网络能耗。因此，ICGA‑LEACH在均衡网络负载的同时提高了网络能量效率，有效延长了网络生命周期。

【技术实现步骤摘要】
基于改进混沌遗传算法的WSN多跳LEACH路由协议
本专利技术涉及一种无线传感器网络(WSN)路由协议，特别是基于改进混沌遗传算法的WSN多跳LEACH路由协议ICGA-LEACH(animprovedmulti-hopLEACHprotocolbasedonchaoticgeneticalgorithmforwirelesssensornetworks)，ICGA-LEACH通过一个类LEACH的改进概率函数选择簇头(CH)，然后用混沌遗传算法根据构造的适应度函数寻找最优簇头和最优路径。此外，为了进一步降低网络能量消耗和延长网络寿命，考量能量和负载平衡来自适应计算轮时间。
技术介绍
无线传感器网络(WSN)作为物联网中最重要、最基本的信息采集技术之一，其被广泛用于通过内置传感器的节点来测量周围环境中的热、红外、声纳和地震信号。由于WSN节点的能量受限，如何节约能量以延长网络寿命是WSN面临的最重要挑战。将节点分成不同的簇以最大限度地延长WSN的使用寿命被证明是节能和可扩展的。在簇中，通过运行一定的方法选择一个节点作为CH，然后CH融合各成员节点(CM)收集的数据，并以单跳或多跳模式将其发送到基站(BS)。在过去的几十年里，人们在提高成簇方法的性能方面做出了很大的努力，并取得了预期的结果。低能量自适应分簇路由协议(LEACH)是WSN分簇路由协议的先驱，它包含簇头选择、成簇、调度表创建、数据传输和重新成簇五个过程。LEACH算法具有简单、分布、负载较均衡、扩展性好等优点，但其基于概率随机选举簇头、成员仅根据接收信号强度大小加入簇以及忽略簇头节点剩余能量、单跳等将导致LEACH簇头、能耗、负载分布不均，从而减小网络的的生命周期。因此，很多算法对其五个过程中的一或多方面进行了不同的改进，以提高LEACH性能。
技术实现思路
本专利技术所要解决的技术问题是针对LEACH随机簇头选举、单跳通信以及忽略簇头节点剩余能量、固定轮周期导致分簇不均匀以及能耗高问题，本专利技术从三个方面对LEACH进行了改进：簇头选择、数据转发和簇维护。对于簇头选择，采用一个改进的阈值函数来计算阈值从而选择合适的簇头。在数据转发方面，采用混沌遗传算法来寻找全局最优的多跳路由路径，并针对所选的CH选出了CM。对于簇维护，考虑能量和负载平衡，自适应地调整轮周期。本专利技术基于改进混沌遗传算法的WSN多跳LEACH路由协议ICGA-LEACH由四部分构成，即系统模型、簇头选举、寻找路径和簇维护。系统模型为协议实现提供模型，具体包括网络模型和能量模型。簇头选举是基于LEACH改进的阈值函数来选举簇头，考量了节点剩余能量、节点剩余能量与负载比和节点中心度，从而使位于簇中心、负载较小且能量多的节点成为簇头的概率大。寻找路径是使用混沌遗传算法来寻找全局最优的多跳路由路径。簇维护考量能量和负载平衡来自适应计算轮周期。所述的系统模型由网络模型和能量模型构成，其中网络模型具有以下属性：每个节点都有一个唯一的ID，网络中的节点集表示为S＝{s1,s2,…,sn}；一旦节点被部署，它们的位置就固定，且可以通过GPS或节能定位技术获得；除BS外，每个节点具有相同的初始能量；发射功率可根据接收信号强度进行调整；BS具有与所有节点通信的能力。其中能量模型采用一阶无线电模型，来计算网络中任意两个节点间发送或接受数据的能耗，以及融合数据消耗的能量。所述的簇头选举是通过改进LEACH的阈值函数，考量节点剩余能量、节点剩余能量与负载比和节点中心度，从而使位于簇中心、负载较小且能量多的节点成为簇头的概率大。当节点在0和1之间分配的随机值小于其阈值时，该节点成为CH。所述的寻找路径是采用混沌遗传算法来找到从每个源簇头到基站的路由路径，通过混沌映射构建初始种群，并通过精英选择、双点交叉和位变异产生下一代种群，以能耗最小和负载最均衡为目标，构造适应度函数，并计算种群中各个体的适应度值。满足终止条件时，适应度值最小的个体即为最优解。所述的簇维护是采用自适应轮周期来重新成簇，不同于采用固定轮周期来重新成簇容易导致频繁成簇产生许多控制报文而消耗大量能量，自适应轮周期考量网络能耗和负载均衡来自适应计算轮时长，从而降低网络能耗。本专利技术是基于改进混沌遗传算法的WSN多跳LEACH路由协议ICGA-LEACH通过考量节点剩余能量、节点剩余能量与负载比和节点中心度来定义阈值函数，使位于簇中心、负载较小且能量多的节点成为簇头的概率大，从而形成比较均匀的簇结构并降低簇内通信能耗。为了降低簇间通信能耗，采用混沌遗传算法来寻找全局最优的多跳路由路径。此外，采用自适应的轮周期来进行簇维护，减少大量频繁成簇产生的控制报文，进一步降低了网络能耗。仿真结果表明本专利技术的ICGA-LEACH协议在能量效率、负载均衡、网络吞吐量和生命周期方面都优于LEACH,EM-LEACH,OMPFM和GADA-LEACH协议。附图说明图1为本专利技术的网络能量消耗对比图图2为本专利技术的网络负载均衡标准差对比图图3为本专利技术的网络吞吐量对比图图4为本专利技术的网络存活节点个数对比图具体实施方式本专利技术基于改进混沌遗传算法的WSN多跳LEACH路由协议ICGA-LEACH由四部分构成，即系统模型、簇头选举、寻找路径和簇维护。系统模型为协议实现提供模型，具体包括网络模型和能量模型。簇头选举是基于LEACH改进的阈值函数来选举簇头，考量了节点剩余能量、节点剩余能量与负载比和节点中心度，从而使位于簇中心、负载较小且能量多的节点成为簇头的概率大。寻找路径是使用混沌遗传算法来寻找全局最优的多跳路由路径。簇维护考量能量和负载平衡来自适应计算轮周期。所述的系统模型由网络模型和能量模型构成，其中网络模型具有以下属性：每个节点都有一个唯一的ID，网络中的节点集表示为S＝{s1,s2,…,sn}；一旦节点被部署，它们的位置就固定，且可以通过GPS或节能定位技术获得；除BS外，每个节点具有相同的初始能量；发射功率可根据接收信号强度进行调整；BS具有与所有节点通信的能力。其中能量模型采用一阶无线电模型，来计算网络中任意两个节点间发送或接受数据的能耗。具体为节点间距离为d的情况下，传感器节点发送L比特数据的能量消耗为：ETx(L,d)＝Eelec*L+εamp*L(1)其中d表示源节点和目标节点之间的通信距离。L表示数据包的长度。Eelec表示在两个传感器之间传输一位数据消耗的能量。εamp是放大器的能量消耗，可按公式(2)计算其中εfs表示自由空间模型的能量消耗，εmp表示多径衰落模型的能量消耗。另外，d0是放大器的阈值。d0可用公式(3)计算传感器接收L比特数据时消耗的能量为:ERx(L)＝Eelec*L(4)传感器节点融合l位数据消耗的能量为：EDA＝l*EpDb(5)其中EpDb为融合1位数据消耗的能量。所述的簇头选举是通过改进LEACH的阈值函数，考量节点剩余能量、节点剩余能量与负载比和节点中本文档来自技高网...

【技术保护点】
1.基于改进混沌遗传算法的WSN多跳LEACH路由协议，其特征在于：包括系统模型、簇头选举、寻找路径和簇维护；系统模型为协议实现提供模型，具体包括网络模型和能量模型；簇头选举是基于LEACH改进的阈值函数来选举簇头，考量了节点剩余能量、节点剩余能量与负载比和节点中心度，从而使位于簇中心、负载较小且能量多的节点成为簇头的概率大；寻找路径是使用混沌遗传算法来寻找全局最优的多跳路由路径；簇维护考量能量和负载平衡来自适应计算轮周期；/n所述的簇头选举是通过改进LEACH的阈值函数，考量节点剩余能量、节点剩余能量与负载比和节点中心度，从而使位于簇中心、负载较小且能量多的节点成为簇头的概率大；当节点在0和1之间分配的随机值小于其阈值时，该节点成为CH；具体的阈值由LEACH修改后的阈值函数计算得出，如下所示：/n

【技术特征摘要】
1.基于改进混沌遗传算法的WSN多跳LEACH路由协议，其特征在于：包括系统模型、簇头选举、寻找路径和簇维护；系统模型为协议实现提供模型，具体包括网络模型和能量模型；簇头选举是基于LEACH改进的阈值函数来选举簇头，考量了节点剩余能量、节点剩余能量与负载比和节点中心度，从而使位于簇中心、负载较小且能量多的节点成为簇头的概率大；寻找路径是使用混沌遗传算法来寻找全局最优的多跳路由路径；簇维护考量能量和负载平衡来自适应计算轮周期；
所述的簇头选举是通过改进LEACH的阈值函数，考量节点剩余能量、节点剩余能量与负载比和节点中心度，从而使位于簇中心、负载较小且能量多的节点成为簇头的概率大；当节点在0和1之间分配的随机值小于其阈值时，该节点成为CH；具体的阈值由LEACH修改后的阈值函数计算得出，如下所示：



其中Einitial表示网络中所有节点的初始能量，表示节点i的剩余能量；Li表示节点i的负载，Ni＝{n1，n2，...，np}表示节点i的邻居集，p是邻居的个数；diBS表示节点i和BS之间的距离，可以看出，剩余能量越大、负载越均匀、越靠近邻域中心的节点越有可能成为CH；与LEACH不同，本发明成簇是通过混沌遗传算法来完成的，而不是CH和CM之间的消息交互；此外，该算法在BS中完成，从而得到每个簇头最优的成员，同时寻找最优路由路径的全局解；
所述的寻找路径是采用混沌遗传算法来找到从每个源簇头到基站的路由路径，通过混沌映射构建初始种群，并通过精英选择、双点交叉和位变异产生下一代种群，以能耗最小和负载最均衡为目标，构造适应度函数，并计算种群中各个体的适应度值；满足终止条件时，适应度值最小的个体即为最优解；具体为首先构造适应度函数，考虑了能量消耗和总能量，适应度函数用于评估个体的质量，所构建的适应度函数如下：



其中
适应度函数的值越小，个体的质量越好，然后越有可能传给下一代，直到获得适应度函数值最小的最佳个体；接下来初始化种群，在本发明中，采用实数编码而不是二进制编码来表示种群的染色体，其中实数表示由节点ID表示的基因；染色体由两部分组成，一个用于路由路径，另一个用于CM选择；路由路径基因表示所选CH的下一跳CH，CM选择基因表示相应CM的确定CH；修改后的混沌逻辑映射用于生成初始基因，因为它对初始值敏感，具有更好的随机序列生成，表示如下：



其中，u为控制参数，当u＞3.57且zi≠0.25，0.5，0.75时，系统进入混沌状态；为了避免无效个体的出现，在gi上附加了约束条件：

其中和分...

【专利技术属性】
技术研发人员：胡黄水，刘清雪，王出航，王宏志，姚美琴，王婷，
申请(专利权)人：吉林建筑科技学院，
类型：发明
国别省市：吉林;22