孫澤宇,閻 奔,聶雅琳,2,劉保羅,2,賈馥謙,來純曉

(1.洛陽理工學(xué)院 計(jì)算機(jī)與信息工程學(xué)院,河南 洛陽 471023;2.洛陽市農(nóng)牧業(yè)智能傳感網(wǎng)重點(diǎn)實(shí)驗(yàn)室,河南 洛陽 471023;3.河南科技學(xué)院 信息工程學(xué)院,河南 新鄉(xiāng) 453003)

0 概述

傳感網(wǎng)是由部署在監(jiān)測(cè)區(qū)域內(nèi)大量的廉價(jià)微型傳感器節(jié)點(diǎn)組成,通過無線通信方式形成的一個(gè)多跳的自組織網(wǎng)絡(luò)系統(tǒng),將邏輯上的信息世界與客觀上的物理世界相融合,改變了人類與自然界的交互方式。傳感網(wǎng)的應(yīng)用領(lǐng)域廣泛,如工農(nóng)業(yè)控制、智能醫(yī)療、智能物流、智能交通、搶險(xiǎn)救災(zāi)及一些復(fù)雜的自然環(huán)境中[1-2]。在通常情況下,傳感器節(jié)點(diǎn)是由感知模塊、處理模塊、通信模塊和供電模塊組合而成,每個(gè)傳感器節(jié)點(diǎn)都兼顧數(shù)據(jù)傳輸與路由雙重功效[3-4]。傳感器節(jié)點(diǎn)除接收與發(fā)送數(shù)據(jù)之外,還可以對(duì)數(shù)據(jù)進(jìn)行處理、存儲(chǔ)和融合等操作。傳感網(wǎng)是由大量傳感器節(jié)點(diǎn)隨機(jī)部署在監(jiān)測(cè)區(qū)域內(nèi),傳感器節(jié)點(diǎn)所采集的數(shù)據(jù)沿著路由所指定的方向以逐跳方式進(jìn)行傳輸,直到達(dá)到匯聚節(jié)點(diǎn)。在傳輸過程中,數(shù)據(jù)可能被多個(gè)傳感器節(jié)點(diǎn)所接收并處理,當(dāng)數(shù)據(jù)傳至匯聚節(jié)點(diǎn)后,匯聚節(jié)點(diǎn)對(duì)數(shù)據(jù)進(jìn)行融合處理,再經(jīng)外網(wǎng)(互聯(lián)網(wǎng)或衛(wèi)星網(wǎng)絡(luò))將數(shù)據(jù)傳至管理節(jié)點(diǎn),而后用戶可以通過管理節(jié)點(diǎn)向全網(wǎng)發(fā)布監(jiān)測(cè)信息和網(wǎng)絡(luò)配置信息。

數(shù)據(jù)融合的主要特點(diǎn)是去除冗余數(shù)據(jù),提高數(shù)據(jù)匹配精度,抑制網(wǎng)絡(luò)能量的快速消耗,以達(dá)到延長(zhǎng)網(wǎng)絡(luò)生存周期的目的[5]。傳感器節(jié)點(diǎn)所采集的數(shù)據(jù)經(jīng)過數(shù)據(jù)融合后,其數(shù)據(jù)總量要小于原始數(shù)據(jù)總量之和,數(shù)據(jù)融合度越高,其數(shù)據(jù)匹配效果越好[6]。為進(jìn)一步提高數(shù)據(jù)融合效率,減少數(shù)據(jù)融合后的誤差,需設(shè)計(jì)一種合理的路由選擇匹配方案。因此,本文提出一種帶有可控閾值參數(shù)的分簇路由優(yōu)化算法(Optimized Clustering Routing Algorithm with Controllable Threshold Parameters,CR-CTP)。

1 相關(guān)工作

分簇路由優(yōu)化算法得到國內(nèi)外諸多學(xué)者的重視,許多學(xué)者為此開展了大量研究。文獻(xiàn)[7]利用貪婪算法給出了相鄰節(jié)點(diǎn)之間最短路由的求解方法,以傳感器節(jié)點(diǎn)能量為研究對(duì)象,輪流使較高能量的節(jié)點(diǎn)作為簇首節(jié)點(diǎn),最終將融合后的數(shù)據(jù)傳輸給基站。文獻(xiàn)[8]的基本思想是建立雙向路由鏈表,數(shù)據(jù)先沿著高級(jí)鏈表所指向的節(jié)點(diǎn)方向進(jìn)行傳輸,當(dāng)某一個(gè)節(jié)點(diǎn)出現(xiàn)故障時(shí),查尋與故障節(jié)點(diǎn)較近的低級(jí)鏈表寫入高級(jí)鏈表當(dāng)中,而后更新高級(jí)與低級(jí)鏈表完成路由選擇。文獻(xiàn)[9]利用路由鏈構(gòu)造一棵無向最小生成樹,通過簇內(nèi)中心節(jié)點(diǎn)的廣度優(yōu)先搜索得到一棵有向最小生成樹,而后利用遍歷算法對(duì)最小生成樹的所有節(jié)點(diǎn)進(jìn)行路由選擇,最終得到簇內(nèi)所有節(jié)點(diǎn)的路由鏈表。文獻(xiàn)[10]將監(jiān)測(cè)區(qū)域劃分為若干個(gè)網(wǎng)格,以某個(gè)網(wǎng)格內(nèi)能量最高的節(jié)點(diǎn)充當(dāng)簇首節(jié)點(diǎn),由所有網(wǎng)格內(nèi)的簇首節(jié)點(diǎn)組成一條自由鏈路表,從而確定數(shù)據(jù)傳輸?shù)淖顑?yōu)路徑。文獻(xiàn)[11]利用智能算法構(gòu)建最小生成樹,將簇內(nèi)節(jié)點(diǎn)能量最高的節(jié)點(diǎn)作為簇首節(jié)點(diǎn),并以最小延時(shí)將數(shù)據(jù)發(fā)送給基站。在數(shù)據(jù)融合方面,利用簇內(nèi)成員節(jié)點(diǎn)自身位置信息和鄰居信息選擇上一層節(jié)點(diǎn)作為根節(jié)點(diǎn)以構(gòu)造能量均衡路由樹,最終達(dá)到全網(wǎng)能量均衡的目的。

文獻(xiàn)[12]通過概率模型構(gòu)建若干分簇集合,利用非線性函數(shù)關(guān)系給出傳感器節(jié)點(diǎn)與目標(biāo)節(jié)點(diǎn)的最大連通集合,而后通過排序算法求解出集合中能量較高的節(jié)點(diǎn)充當(dāng)簇首節(jié)點(diǎn),并將所有集合中能量較高的節(jié)點(diǎn)存入鏈表中,從而獲得一條源節(jié)點(diǎn)到目的節(jié)點(diǎn)的最大連通數(shù)據(jù)融合數(shù)。文獻(xiàn)[13]以數(shù)據(jù)融合時(shí)間作為研究對(duì)象,給出一個(gè)基于局部數(shù)據(jù)融合信息的分布式路由算法。該算法可以為任意一棵生成樹建立最優(yōu)傳輸路徑,同時(shí)為任意一個(gè)傳感器節(jié)點(diǎn)指定數(shù)據(jù)時(shí)間間隙,優(yōu)化網(wǎng)絡(luò)資源。文獻(xiàn)[14]利用退火算法,通過傳感器節(jié)點(diǎn)剩余能量和數(shù)據(jù)相似性實(shí)現(xiàn)節(jié)點(diǎn)分簇。對(duì)于簇內(nèi)成員所采集的數(shù)據(jù)信息,則通過回歸模型獲取預(yù)測(cè)數(shù)據(jù),以此決定數(shù)據(jù)傳輸路徑。文獻(xiàn)[15]給出一種基于數(shù)據(jù)行為的分布式算法。該算法把靜態(tài)與動(dòng)態(tài)成簇算法相融合對(duì)簇內(nèi)成員進(jìn)行動(dòng)態(tài)劃分,在一個(gè)周期內(nèi)所有簇內(nèi)成員節(jié)點(diǎn)均保持靜態(tài)。在若干個(gè)周期后,根據(jù)傳感器節(jié)點(diǎn)能量與歐氏距離關(guān)系,采用動(dòng)態(tài)成簇方法對(duì)所有節(jié)點(diǎn)進(jìn)行再次劃分,最終達(dá)到能量均衡的目的。文獻(xiàn)[16]利用傳感器節(jié)點(diǎn)感知能力的連續(xù)性和連通性等特性,提出多目標(biāo)連續(xù)跟蹤算法。該算法通過簇間通信完成對(duì)移動(dòng)目標(biāo)的跟蹤,簇首節(jié)點(diǎn)將簇內(nèi)成員所采集的數(shù)據(jù)信息進(jìn)行融合,最終由簇首節(jié)點(diǎn)轉(zhuǎn)發(fā)至基站。

在文獻(xiàn)[15-16]研究的基礎(chǔ)上,本文提出一種帶有可控閾值參數(shù)的分簇路由優(yōu)化算法。該算法借助蟻群算法,引入適應(yīng)度函數(shù)和啟發(fā)式函數(shù)可以更精準(zhǔn)地選擇下一跳簇首的具體位置,完成網(wǎng)絡(luò)路由樹的建立與事件域節(jié)點(diǎn)的分布式成簇。利用可控閾值參數(shù)和變異系數(shù)對(duì)網(wǎng)絡(luò)路由所選擇最短路徑進(jìn)行優(yōu)化,使得節(jié)點(diǎn)能量消耗較低的同時(shí)保證全網(wǎng)延時(shí)最小。通過全局信息素的更新策略抑制長(zhǎng)鏈路的產(chǎn)生,達(dá)到均衡節(jié)點(diǎn)能量的目的,優(yōu)化網(wǎng)絡(luò)資源分配方案。該算法可以有效融合簇內(nèi)數(shù)據(jù),抑制全網(wǎng)冗余數(shù)據(jù)的生產(chǎn),均衡全網(wǎng)能量,進(jìn)而延長(zhǎng)網(wǎng)絡(luò)生存周期。

2 網(wǎng)絡(luò)模型建立與分析

2.1 基本假設(shè)

為方便研究,本文做以下假設(shè):

1)網(wǎng)絡(luò)初始時(shí)刻,所有節(jié)點(diǎn)呈現(xiàn)同構(gòu)形態(tài)且始終保持圓盤狀[17]。

2)感知半徑遠(yuǎn)小于監(jiān)測(cè)區(qū)域邊長(zhǎng),即R(si)l,忽略邊界效應(yīng)。

3)全網(wǎng)中所有傳感器節(jié)點(diǎn)地位相同,通過定位算法可以計(jì)算出本地位置信息[18]。

4)任意傳感器節(jié)點(diǎn)都有唯一ID標(biāo)識(shí),并與時(shí)間保持同步。

5)在網(wǎng)絡(luò)工作階段,簇首節(jié)點(diǎn)能量高于其他節(jié)點(diǎn)能量。

6)傳感器節(jié)點(diǎn)之間以無線方式進(jìn)行通信。

2.2 相關(guān)定義

定義1利用無向圖G=(V,E)描述網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),其中:VR2是歐氏距離平面上的傳感器節(jié)點(diǎn)集合,每個(gè)節(jié)點(diǎn)si表示一個(gè)傳感器節(jié)點(diǎn);EV2是邊的集合,每條邊e=(si,sj)E且{si,sj}V;R(si)表示節(jié)點(diǎn)si的傳輸半徑,歐氏距離d(si,sj)≤R(si)。

定義2設(shè)H為簇首節(jié)點(diǎn)集合,稱為網(wǎng)絡(luò)支配集,記簇首節(jié)點(diǎn)為hi,hiH,HV。定義h(si)為節(jié)點(diǎn)si的簇首節(jié)點(diǎn),sj{V-H},hiH,使得h(sj)=hi。

定義3定義hi的簇成員(Cluster Member,CM)集合為M(hi),∪?hi∈HM(hi)=V-H,對(duì)于Sj{V-H},如果d(sj,hi)小于sj到其他簇首的距離,則sjM(hi)。

定義4定義C(hi)={hi,M(hi)}為簇首節(jié)點(diǎn),hi所在簇中所有節(jié)點(diǎn)的集合記為∪?hi∈HC(hi)=V。

定義5簇首之間負(fù)載平衡,即{[(1/k)-δ]≤[C(hi)/n]≤[(1/k)+δ]},δ是不平衡因子,依賴于簇首之間的實(shí)際負(fù)載能力。為均勻網(wǎng)絡(luò)能量,使得δ0。

2.3 網(wǎng)絡(luò)模型

分簇的目的是實(shí)現(xiàn)簇內(nèi)節(jié)點(diǎn)能量平衡,提高網(wǎng)絡(luò)容錯(cuò)能力,增加連通性并減少延時(shí),最小化簇?cái)?shù)量,從而延長(zhǎng)網(wǎng)絡(luò)生存周期[19-20]。分簇算法的任務(wù)是根據(jù)系統(tǒng)要求按照某種規(guī)則將網(wǎng)絡(luò)劃分成可以相互通信并覆蓋所有節(jié)點(diǎn)的多個(gè)簇,并在網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生變化時(shí)更新簇結(jié)構(gòu)以維護(hù)網(wǎng)絡(luò)的正常工作。分簇的基本思想是網(wǎng)絡(luò)中的地理位置相互鄰近的節(jié)點(diǎn)劃分為相連的區(qū)域,從而使網(wǎng)絡(luò)形成范圍較小且易于管理的邏輯結(jié)構(gòu)。傳感網(wǎng)的分簇結(jié)構(gòu)如圖1所示。

圖1 傳感網(wǎng)分簇結(jié)構(gòu)

CR-CTP算法是在分布式網(wǎng)絡(luò)中尋找最優(yōu)路徑,要求從源節(jié)點(diǎn)出發(fā),歷經(jīng)簇內(nèi)其他成員節(jié)點(diǎn),最終到達(dá)簇首節(jié)點(diǎn)的過程,并滿足所有約束條件下代價(jià)最小的網(wǎng)絡(luò)路徑。本文在優(yōu)化過程中引入智能蟻群算法加以實(shí)現(xiàn)。

2.4 模型分析

根據(jù)上述假設(shè)可知,在網(wǎng)絡(luò)初始時(shí)刻,各節(jié)點(diǎn)能量均等。因此,各條路徑上的信息素也相等,設(shè)τij=C,C為常數(shù),其路徑上k個(gè)節(jié)點(diǎn)的轉(zhuǎn)移概率為:

(1)

設(shè)Set1={1,2,…,n}-Set2,表示當(dāng)前節(jié)點(diǎn)k允許選擇的下一個(gè)目標(biāo)節(jié)點(diǎn),Set2表示記錄當(dāng)前選中的節(jié)點(diǎn)集合。Set1、Set2兩個(gè)集合隨著時(shí)間的變化而動(dòng)態(tài)調(diào)整。當(dāng)網(wǎng)絡(luò)工作一個(gè)周期或N個(gè)周期時(shí),路徑上的信息素會(huì)逐漸減少,直至為0,路由可持續(xù)控制參數(shù)ρ也會(huì)降低,1-ρ表示信息消失的程度,當(dāng)數(shù)據(jù)從源節(jié)點(diǎn)到目的節(jié)點(diǎn)完成某一次數(shù)據(jù)傳輸時(shí),所有路徑上的信息量要根據(jù)式(2)進(jìn)行調(diào)整。

τij(t+n)=ρτij(t)+(1-ρ)Δτij

(2)

(3)

(4)

(5)

Bandwidth(PT(s,u))=min{Bandwidth(e),

n∈PT(s,u)}

(6)

(7)

(8)

其中,PT(s,u)為組播樹T(s,M)的上層源節(jié)點(diǎn)s至終點(diǎn)u的路由路徑。

3 CR-CTP算法分析與實(shí)現(xiàn)

3.1 分簇形成

分簇形成分為兩個(gè)階段:第一階段是簇首聲明階段;第二階段是簇的形成階段。在第一階段的網(wǎng)絡(luò)工作初始時(shí)刻,首先計(jì)算出監(jiān)測(cè)區(qū)域內(nèi)所有傳感器節(jié)點(diǎn)的數(shù)量并隨機(jī)認(rèn)定簇首節(jié)點(diǎn),然后這些節(jié)點(diǎn)向網(wǎng)絡(luò)中各數(shù)據(jù)采集節(jié)點(diǎn)以洪泛的方式廣播一個(gè)請(qǐng)求幀,其中包括該節(jié)點(diǎn)的ID信息與位置信息,聲明該節(jié)點(diǎn)為簇首節(jié)點(diǎn)。在簇首節(jié)點(diǎn)的聲明中存有一張結(jié)構(gòu)鏈表,用來記錄與該簇首節(jié)點(diǎn)相關(guān)的拓?fù)浣Y(jié)構(gòu)的其他節(jié)點(diǎn),如ID信息、位置信息、剩余能量、感知能力、距離位置等。各數(shù)據(jù)采集節(jié)點(diǎn)接收到簇首節(jié)點(diǎn)聲明信息并將其存儲(chǔ)在拓?fù)浣Y(jié)構(gòu)鏈表中。在下一個(gè)周期內(nèi),簇首節(jié)點(diǎn)在本簇內(nèi)按照權(quán)值和參數(shù)變化范圍產(chǎn)生競(jìng)爭(zhēng)。第二階段是簇的形成階段,在本階段中,其他節(jié)點(diǎn)收到請(qǐng)求幀后利用位置信息計(jì)算其與該簇首節(jié)點(diǎn)之間的距離,并與自身拓?fù)浣Y(jié)構(gòu)表中的距離進(jìn)行對(duì)比,如果小于拓?fù)浣Y(jié)構(gòu)表中的距離,則將該簇首節(jié)點(diǎn)替換成新的簇首節(jié)點(diǎn)。在節(jié)點(diǎn)收到請(qǐng)求幀的同時(shí),記錄接收到的幀的個(gè)數(shù),當(dāng)其與網(wǎng)絡(luò)中的簇首數(shù)相等時(shí),傳感器節(jié)點(diǎn)向簇首節(jié)點(diǎn)發(fā)送一個(gè)確認(rèn)幀,其中包括ID和位置等信息,并停止接收請(qǐng)求幀。簇首節(jié)點(diǎn)收到確認(rèn)幀后將其對(duì)應(yīng)的節(jié)點(diǎn)列為簇成員節(jié)點(diǎn),并將位置和ID信息保存在成員列表中。經(jīng)過多個(gè)周期后,簇首節(jié)點(diǎn)停止廣播,每一個(gè)傳感器節(jié)點(diǎn)都加入到一個(gè)簇中。簇首節(jié)點(diǎn)可以以較大的傳輸距離直接與簇內(nèi)所有節(jié)點(diǎn)進(jìn)行通信,但如果直接與所有簇內(nèi)成員節(jié)點(diǎn)進(jìn)行通信,會(huì)給自身造成較重的負(fù)擔(dān)以及簇首節(jié)點(diǎn)與成員節(jié)點(diǎn)的相異性,產(chǎn)生部分非對(duì)稱鏈路。因此,在簇結(jié)構(gòu)形成階段,對(duì)簇首節(jié)點(diǎn)進(jìn)行功率控制會(huì)消除非對(duì)稱鏈路,使網(wǎng)絡(luò)實(shí)現(xiàn)雙向連通。

定理1至少存在一條路徑在m個(gè)節(jié)點(diǎn)中所移動(dòng)的最優(yōu)路徑概率Pr(Bm)大于或等于1-(1-cm-1p)S,其中,C=(1-ρ)L,且

證明設(shè)從源節(jié)點(diǎn)到目的節(jié)點(diǎn)所構(gòu)成的邊集為(k,l),有限多的路由路徑為u,則:

γ=min{[ηkl(u)]>β|(k,l)∈w*,u∈w*}>0

(9)

τkl(m+1)=(1-ρ)τkl(m)+ρΔτkl

(10)

(11)

由式(10)和式(11)可得:

τkl(m+1)≥(1-ρ)τkl(m)

(12)

由于τkl在m+1周期與m周期是相同的,因此通過遞歸計(jì)算可以得到式(13):

τkl(m)≥(1-ρ)m-1τkl(l)

(13)

在不失一般性的條件下,假定期望值ηkl(u)可以使用Γ=1的方法被規(guī)范化,即對(duì)所有路由邊集(k,l)及全局進(jìn)行優(yōu)化,可得:

(14)

(15)

由轉(zhuǎn)移概率式(1)計(jì)算節(jié)點(diǎn)ru時(shí),滿足不等式的條件為:

τkl(m)[ηkl(u)]>β

(16)

由式(9)、式(13)和式(16)可得:

(17)

由于節(jié)點(diǎn)之間相互獨(dú)立,因此由概率理論相關(guān)知識(shí)可得:

(18)

證明完畢。

3.2 路由恢復(fù)機(jī)制

CR-CTP采用一種分布式分簇方法。如果簇內(nèi)成員節(jié)點(diǎn)在正常采集數(shù)據(jù)情況下由于能量耗盡而死亡,則算法自動(dòng)更新鏈表;如果簇內(nèi)節(jié)點(diǎn)由非正常因素死亡,如自然因素,路由鏈表不能得到及時(shí)更新,從而導(dǎo)致下一跳簇內(nèi)節(jié)點(diǎn)無法接收正確數(shù)據(jù),本次數(shù)據(jù)傳輸失敗,同時(shí)將非正常死亡節(jié)點(diǎn)ID寫入節(jié)點(diǎn)鏈表。基于上述原因,本文采取相鄰節(jié)點(diǎn)代替非正常死亡節(jié)點(diǎn)。當(dāng)出現(xiàn)非正常死亡簇內(nèi)節(jié)點(diǎn)時(shí),選擇位置信息最近的簇內(nèi)鄰居節(jié)點(diǎn)作為下一跳節(jié)點(diǎn),通過簇內(nèi)成員節(jié)點(diǎn)將融合數(shù)據(jù)傳輸至基站。圖2給出正常情況下CR-CTP算法構(gòu)建的分簇路由。圖3給出異常情況下CR-CTP算法構(gòu)建的分簇路由,其中“×”表示斷路。

圖2 正常情況下CR-CTP算法構(gòu)建的分簇路由

Fig.2Clustering routing constructed by CR-CTP algorithmunder normal circumstances

圖3 異常情況下CR-CTP算法構(gòu)建的分簇路由

Fig.3 Clustering routing constructed by CR-CTP algorithm under abnormal circumstances

4 實(shí)驗(yàn)結(jié)果與分析

CR-CTP算法與文獻(xiàn)[13-14]算法在網(wǎng)絡(luò)生存周期和網(wǎng)絡(luò)能量?jī)蓚€(gè)性能指標(biāo)方面進(jìn)行對(duì)比實(shí)驗(yàn),采用Matlab 8.0作為仿真平臺(tái)。CR-CTP是簇與可控參數(shù)相融合的算法,可以通過改變可控參數(shù)達(dá)到延長(zhǎng)網(wǎng)絡(luò)生存周期和節(jié)省網(wǎng)絡(luò)能量開銷的目的。為方便比較,使用文獻(xiàn)[3]中的無線網(wǎng)絡(luò)能量消耗模型作為參考模型。每組實(shí)驗(yàn)數(shù)據(jù)均為50次實(shí)驗(yàn)的平均值。

4.1 網(wǎng)絡(luò)生存周期

圖4～圖7給出不同參數(shù)下的傳感器節(jié)點(diǎn)數(shù)量與網(wǎng)絡(luò)生存周期對(duì)比。圖4和圖5是以100 m100 m為監(jiān)測(cè)區(qū)域,可以看出,當(dāng){α=0.1,β=1.0,ρ=0.1},{α=0.3,β=1.2,ρ=0.2}和{α=0.5,β=1.5,ρ=0.3},{α=0.7,β=1.8,ρ=0.5}時(shí),本文算法的網(wǎng)絡(luò)生存周期明顯優(yōu)于其他算法。隨著傳感器節(jié)點(diǎn)數(shù)量的增加,3種算法的網(wǎng)絡(luò)生存周期也隨之增加,由于CR-CTP算法是通過動(dòng)態(tài)參數(shù)設(shè)定對(duì)網(wǎng)絡(luò)生存周期進(jìn)行調(diào)節(jié),因此在網(wǎng)絡(luò)初始階段,CR-CTP算法的網(wǎng)絡(luò)生存周期要優(yōu)于其他兩種算法。在傳感器節(jié)點(diǎn)數(shù)量為30時(shí),本文算法在不同參考作用下的網(wǎng)絡(luò)生存周期達(dá)到188 s、231 s、230 s、278 s,并趨于平衡狀態(tài),而DMOA算法和MTTA算法在節(jié)點(diǎn)數(shù)量為30時(shí),網(wǎng)絡(luò)生存周期分別為102 s、161 s、135 s、201 s,與其他兩種算法相比,平均提升了12.06%。其主要原因是隨著可控參數(shù)的變化,本文算法的數(shù)據(jù)聚合能力變強(qiáng),對(duì)于事件的數(shù)據(jù)融合度加大,簇內(nèi)冗余數(shù)據(jù)量減少,但DMOA算法和MTTA算法不具備參數(shù)調(diào)節(jié)能力,而是維持原來的增長(zhǎng)趨勢(shì)。圖6和圖7的分析過程與圖4和圖5相似。

圖4 100 m×100 m區(qū)域內(nèi)路由算法在不同參數(shù)下的網(wǎng)絡(luò)生存周期變化1

Fig.4 Network lifetime varying with parameters of routing algorithms in 100 m×100 m region 1

圖5 100 m100 m區(qū)域內(nèi)路由算法在不同參數(shù)下的網(wǎng)絡(luò)生存周期變化2

Fig.5 Network lifetime varying with parameters of routing algorithms in 100 m×100m region 2

圖6 200 m200 m區(qū)域內(nèi)路由算法在不同參數(shù)下的網(wǎng)絡(luò)生存周期變化1

Fig.6 Network lifetime varying with parameters of routing algorithms in 200 m×200 m region 1

圖7 200 m200 m區(qū)域內(nèi)路由算法在不同參數(shù)下的網(wǎng)絡(luò)生存周期變化2

Fig.7 Network lifetime varying with parameters of routing algorithms in 200 m×200 m region 2

4.2 網(wǎng)絡(luò)能量

圖8 路由算法在不同參數(shù)下的網(wǎng)絡(luò)能量變化1

Fig.8 Network energy varying with parameters of routing algorithms 1

圖9 路由算法在不同參數(shù)下的網(wǎng)絡(luò)能量變化2

Fig.9 Network energy varying with parameters of routing algorithms 2

圖10 路由算法在不同參數(shù)下的網(wǎng)絡(luò)能量與運(yùn)行時(shí)間變化1

Fig.10 Network energy and networkrunning time varying with parameters of routing algorithms 1

圖11 路由算法在不同參數(shù)下的網(wǎng)絡(luò)能量與運(yùn)行時(shí)間變化2

Fig.11 Network energy and network running time varying with parameters of routing algorithms 2

5 結(jié)束語

本文在研究傳感網(wǎng)動(dòng)態(tài)優(yōu)化路由機(jī)制的基礎(chǔ)上,提出一種帶有可控閾值參數(shù)的分簇路由優(yōu)化算法。引入智能蟻群算法,通過可控參數(shù)實(shí)現(xiàn)事件域內(nèi)的節(jié)點(diǎn)動(dòng)態(tài)成簇,同時(shí)利用參數(shù)閾值確定分簇結(jié)構(gòu)鏈表中各節(jié)點(diǎn)的相關(guān)性能信息。此外,本文算法提供了一種重新選擇最優(yōu)路徑的機(jī)制,該機(jī)制可使簇首以較短的時(shí)間收集簇成員發(fā)來的各種信息,并避免移動(dòng)過程的數(shù)據(jù)丟失。通過仿真實(shí)驗(yàn)對(duì)網(wǎng)絡(luò)生存周期和網(wǎng)絡(luò)能量?jī)蓚€(gè)指標(biāo)進(jìn)行對(duì)比,驗(yàn)證了本文算法的有效性。后續(xù)將對(duì)智能蟻群算法中的跨層式路由選擇、連續(xù)性覆蓋控制和移動(dòng)目標(biāo)跟蹤等技術(shù)進(jìn)行研究,進(jìn)一步均衡網(wǎng)絡(luò)能耗并延長(zhǎng)網(wǎng)絡(luò)生存周期。