基于改进白鲸优化算法的无线传感器网络分簇路由制造技术

本发明专利技术公开了基于改进白鲸优化算法的无线传感器网络分簇路由，涉及物联网领域，本发明专利技术的技术方案通过学生t分布和余弦边界策略改进了白鲸优化算法，我们将其叫做tCBWO。BWO算法在算法执行过程中，大部分时间均处于局部开发阶段；提出了DPR启发式算法应用于WSN；提出了新的WSN的分层路由方案。通过改进BWO算法的稳定性，并结合WSN的传输能耗模型改进了Prim算法，将其命名为tCBWO

【技术实现步骤摘要】
基于改进白鲸优化算法的无线传感器网络分簇路由


[0001]本专利技术涉及物联网领域，特别是涉及基于改进白鲸优化算法的无线传感器网络分簇路由。

技术介绍

[0002]在无线传感器网络中，传统分层路由的主要思想是通过将传感器节点划分为多个簇团，在簇团内通过簇头转发数据给基站，实现以簇团为单位进行数据传输，从而降低数据的传输能耗，以提升网络的生命周期。但是由于簇头节点在转发数据时会承载相对更高的网络能耗，影响网络的稳定性。在现有的分层路由中，往往会利用距离基站较近的节点作为簇头节点转发数据，但是距离基站较近的节点数量偏少，使得临近节点负担过大。在前期研究中，在小规模的分层路由通常采用的均为节点单跳传输，若节点和基站的距离超过某一阈值时，会造成节点通信成本急剧上升。为此，如何在WSN选取适宜的簇头节点和建立高效的数据传输路径是一个有待优化的问题。

技术实现思路

[0003]为解决上述技术问题，本专利技术提供了基于改进白鲸优化算法的无线传感器网络分簇路由。
[0004]本专利技术解决其技术问题所采用的技术方案是：基于改进白鲸优化算法的无线传感器网络分簇路由，基于改进白鲸优化算法的无线传感器网络分簇路由，其特征在于，包括网络模型：分层路将网络划分为多个集群并通过簇头轮换来保证平衡的能量利用并提高WSN的效率；将节点划分为多个单元，每个单元内的节点通过单元内的簇首节点将单元内数据融合后发送至基站；
[0005]一阶无线电传输模型：无线传感器工作期间，数据传输能耗仅考虑数据传输能耗；
[0006]发射单元能耗表达式：
[0007][0008]E
elec
为发射电路处理每比特数据耗费的能量，E
amp
为发射放大器的放大因子，k为传输的数据包大小，d为数据包的传输距离，为最大传输距离；
[0009]接收单元能耗表达式：
[0010]E
RX
(k)＝kE
elec
[0011]其中E
elec
为接收电路处理每比特数据所花费的能量。
[0012]优选地，白鲸优化算法：
[0013]鲸群的初始化：
[0014]在初期通过随机生成一个初始鲸鱼种群X：
[0015][0016]其中，n为白鲸的种群规模，d为变量空间的维数，对于所有白鲸，其相应的适应度值为：
[0017][0018]对于鲸鱼走向全局探索阶段或局部开发阶段。取决于平衡因子B
f
，B
f
的表达式如下：
[0019][0020]其中，t为当前迭代次数，T为最大迭代次数；B0为区间(0，1)的随机数；当B
f
＞0.5时，鲸鱼进入到全局开发阶段；反之则进入到局部开发阶段；
[0021]全局勘探：
[0022]本算法设定的全局搜索时的位置更新策略如下：
[0023][0024]其中，为第i只白鲸在第j维上的新坐标p
j
(j＝1,2,3,...,d)为一个在d维中选择的随机数；r1和r2是区间(0,1)内的随机数；
[0025]局部开发：
[0026]通过Levy飞行策略，以提高算法的收敛性能，其中局部开发阶段的位置更新公式：
[0027][0028]其中，表示第i个解的下一代个体，表示当前最优解，为随机选取的解，表示第i个解，r3和r4是区间(0,1)内的随机数，C1为自适应平衡因子，其中C1＝2r4(1
‑
T/T
max
)；L
F
表示Levy飞行因子；
[0029]鲸落阶段：
[0030]鲸落后的位置如式：
[0031][0032]其中，r5,r6和r7为区间[0,1]内的随机数。X
step
为白鲸坠落的步长，其值与迭代次
数有关，
[0033][0034]其中，C2为鲸群坠落概率与种群大小之间的步长因子，bwo设定C2＝2nW
f
。ub和lb分别代表变量空间的上限和下限。鲸群的坠落概率
[0035]优选地，通过利用余弦因子边界策略来对算法进行改进，并对算法进行了优化；优化后的B
f
计算公式如：
[0036][0037]其中，CB
f
为基于余弦因子的平衡因子。max和min分别为平衡因子的最大值和最小值，文中设置max＝0.9，min＝0.1；
[0038]当随机数B0＞CB
f
时，算法进入到全局勘探阶段；当随机数B0≤CB
f
时，算法进入到局部开发阶段；
[0039]基于t分布的随机扰动因子
[0040]在本算法的局部开发过程中，引入了学生t分布来优化算法陷入局部最优；
[0041]当自由度df较小时，分布曲线越平坦，当自由度df等于1时，t分布曲线可近似于柯西分布曲线；t分布的自由度越大，其分布曲线越接近于标准正态分布曲线，其中自由度为n的学生t分布Z～t(n)的概率密度如式：
[0042][0043]其中，Γ(x)为伽马函数，
[0044]利用自由度会对t分布产的影响，建立了新的局部开发策略:
[0045][0046]其中，表示第i个解的下一代个体，表示当前最优解，为随机选取的解，表示第i个解，r3和r4是区间(0,1)内的随机数，C1为自适应平衡因子，其中C1＝2r4(1
‑
T/T
max
)。t(T)服从学生分布Z～t(T)。
[0047]优选地，结合节点能量和节点位置关系建立了适应度函数，通过tCBWO算法挑选更适宜当选簇头的节点；利用距离因子改进了prim算法；普通节点通过判断与簇头的位置关系加入簇内；
[0048]依据节点剩余能量信息和节点间的位置关系，结合优化算法，选择下阶段的簇头，簇头选举建立的优化函数为：
[0049]Fitness＝αg1(x)+(1
‑
α)g2(x)
[0050]其中，α为各变量的权重参数，g1为能量模型，g2为节点位置模型；
[0051]能量模型g1表达式如下：
[0052][0053]其中，E
n
为第n个节点的剩余能量，r为当前轮数；
[0054]通过簇头对网络节点的覆盖情况来促使网络更加均衡，节点位置g2表达式如下
[0055][0056]其中，dist(CH
i
,n)为簇头j到邻居节点i的距离，d0为簇头节点信号的有效覆盖范围，文中设置为。N为簇头数量，M为网络节点数量。为簇头能够有效的覆盖的节点数量。。
[0057]优选地，簇间传输：
[0058]路径跳数与距离的关系：当传输距离小于104.4m时，将数据进行直接传输可以有效降低网络能耗开销；当节点距离介于104.4和192.6之间时，适宜采用单跳传输，当节点之间的物理距离大于192.6本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进白鲸优化算法的无线传感器网络分簇路由，其特征在于，包括网络模型：分层路将网络划分为多个集群并通过簇头轮换来保证平衡的能量利用并提高WSN的效率；将节点划分为多个单元，每个单元内的节点通过单元内的簇首节点将单元内数据融合后发送至基站；一阶无线电传输模型：无线传感器工作期间，数据传输能耗仅考虑数据传输能耗；发射单元能耗表达式：E
elec
为发射电路处理每比特数据耗费的能量，E
amp
为发射放大器的放大因子，k为传输的数据包大小，d为数据包的传输距离，d0＝√E
fs
/E
mp
为最大传输距离；接收单元能耗表达式：E
RX
(k)＝kE
elec
其中E
elec
为接收电路处理每比特数据所花费的能量。2.根据权利要求1所述的基于改进白鲸优化算法的无线传感器网络分簇路由，其特征在于：白鲸优化算法：鲸群的初始化：在初期通过随机生成一个初始鲸鱼种群X：其中，n为白鲸的种群规模，d为变量空间的维数，对于所有白鲸，其相应的适应度值为：对于鲸鱼走向全局探索阶段或局部开发阶段。取决于平衡因子B
f
，B
f
的表达式如下：其中，t为当前迭代次数，T为最大迭代次数；B0为区间(0，1)的随机数；当B
f
＞0.5时，鲸鱼进入到全局开发阶段；反之则进入到局部开发阶段；全局勘探：本算法设定的全局搜索时的位置更新策略如下：
其中，为第i只白鲸在第j维上的新坐标p
j
(j＝1,2,3,...,d)为一个在d维中选择的随机数；r1和r2是区间(0,1)内的随机数；局部开发：通过Levy飞行策略，以提高算法的收敛性能，其中局部开发阶段的位置更新公式：其中，表示第i个解的下一代个体，表示当前最优解，为随机选取的解，表示第i个解，r3和r4是区间(0,1)内的随机数，C1为自适应平衡因子，其中C1＝2r4(1
‑
T/T
max
)；L
F
表示Levy飞行因子；鲸落阶段：鲸落后的位置如式：其中，r5,r6和r7为区间[0,1]内的随机数。X
step
为白鲸坠落的步长，其值与迭代次数有关，其中，C2为鲸群坠落概率与种群大小之间的步长因子，bwo设定C2＝2nW
f
。ub和lb分别代表变量空间的上限和下限。鲸群的坠落概率3.根据权利要求1所述的基于改进白鲸优化算法的无线传感器网络分簇路由，其特征在于：通过利用余弦因子边界策略来对算法进行改进，并对算法进行了优化；优化后的B
f
计算公式如：其中，CB
f
为基于余弦因子的平衡因子。max和min分别为平衡因子的最大值和最小值，文中设置max＝0.9，min＝0.1；当随机数B0＞CB
f
时，算法进入到全局勘探阶段；当随机数B0≤CB
f
时，算法进入到局部开发阶段；基于t分布的随机扰动因子在本算法的局部开发过程中，引入了学生t分布来优化算法陷入局部最优；当自由度df较小时，分布曲线越平坦，当自由度df等于1时，t分布曲线可近似于柯西分布曲线；t分布的自由度越大，其分布曲线越接近于标准正态分布曲线，其中自由度为n的学生t分布Z～t(n)的概率密度如式：
其中，Γ(x)为伽马函数，利用自由度会对t分布产的影响，建立了新的局部开发策略:其中，表示第i个解的下一代个体，表示当前最优解，为随机选取的解，表示第i个解，r3和r4是区间(0,1)内的随机数，C1为自适应平衡因子，其中C1...

【专利技术属性】
技术研发人员：李洪兵，袁浩，吴天文，苏雨，陈虹好，顾雨，龚文彬，蒋钰涛，袁堂聚，周娅，曾东，
申请(专利权)人：重庆三峡学院，
类型：发明
国别省市：