徐 巍，鐘宇超，余成成

(湖北工業(yè)大學(xué) 機(jī)械工程學(xué)院，湖北 武漢 430068)

0 引言

在無線傳感器網(wǎng)絡(luò)中,無線傳感器節(jié)點(diǎn)一般由電池供電,但是電池的電量有限且不便于更換,無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的工作壽命受到很大限制[1],因此如何降低無線傳感器網(wǎng)絡(luò)的能量損耗是該領(lǐng)域的研究重點(diǎn)[2-3]。

低功耗自適應(yīng)集簇分層(Low Energy Adaptive Clustering Hierarchy,LEACH)型協(xié)議是一種能夠延長(zhǎng)無線傳感器網(wǎng)絡(luò)生命周期的經(jīng)典分簇路由協(xié)議[4],但是該協(xié)議選舉簇頭節(jié)點(diǎn)隨機(jī)性太強(qiáng),可能選出較差的簇頭節(jié)點(diǎn),而且傳輸路徑較采取單跳模式會(huì)消耗大量能量。目前已有許多學(xué)者針對(duì)上述問題提出了一些新的改進(jìn)算法。池濤等[5]采用K-means聚類算法進(jìn)行分簇,將簇內(nèi)的節(jié)點(diǎn)基于所在的位置進(jìn)行分層,簇頭節(jié)點(diǎn)根據(jù)節(jié)點(diǎn)所處層次和剩余能量進(jìn)行選舉,可以延長(zhǎng)網(wǎng)絡(luò)運(yùn)行時(shí)間,但前層節(jié)點(diǎn)死亡過早會(huì)造成網(wǎng)絡(luò)的節(jié)點(diǎn)能耗不均衡。Heinzelman等[6]在LEACH協(xié)議的基礎(chǔ)上提出了LEACH-C協(xié)議,解決了節(jié)點(diǎn)根據(jù)隨機(jī)數(shù)決定是否當(dāng)選為簇頭節(jié)點(diǎn)的問題,并確定了每輪的簇頭節(jié)點(diǎn)數(shù)量,提高了簇頭選舉的合理性,但并沒有減少傳輸數(shù)據(jù)階段的能量損耗。杜永文等[7]根據(jù)節(jié)點(diǎn)剩余能量和節(jié)點(diǎn)的位置用模糊算法選舉簇頭節(jié)點(diǎn),并在數(shù)據(jù)傳輸階段采用多跳傳輸模式。Kulik等[8]提出了一種定向擴(kuò)散的路由協(xié)議,外部節(jié)點(diǎn)會(huì)根據(jù)基站發(fā)出的信息選擇合適的方向進(jìn)行數(shù)據(jù)傳輸。王波等[9]通過節(jié)點(diǎn)的剩余能量、當(dāng)前節(jié)點(diǎn)未成為簇頭節(jié)點(diǎn)的輪數(shù)來選舉簇頭節(jié)點(diǎn)。苗俊先等[10]提出一種非均勻的分簇路由算法,引入雙簇頭機(jī)制,并采用單跳和多跳相結(jié)合的方式進(jìn)行數(shù)據(jù)傳輸。喻小惠等[11]改進(jìn)了狀態(tài)轉(zhuǎn)移函數(shù),使節(jié)點(diǎn)更容易選擇周邊節(jié)點(diǎn)密集度較高的節(jié)點(diǎn)作為下一跳,但是沒有考慮方向,若朝反方向移動(dòng)反而會(huì)增大傳輸路徑。

綜合考慮上述情況,本文在簇頭選舉和數(shù)據(jù)傳輸階段都進(jìn)行改進(jìn)。在分簇階段用遺傳算法選出剩余能量多、距離基站距離近及周圍節(jié)點(diǎn)多的節(jié)點(diǎn)作為簇頭節(jié)點(diǎn),并在沒有節(jié)點(diǎn)死亡的情況下進(jìn)行簇內(nèi)選舉簇頭;在數(shù)據(jù)傳輸階段,綜合考慮路徑上節(jié)點(diǎn)的剩余能量和節(jié)點(diǎn)的位置2個(gè)因素,用蟻群算法得到最佳傳輸路徑,最終通過仿真實(shí)驗(yàn)可以證明本文改進(jìn)算法的網(wǎng)絡(luò)生命周期得到了顯著延長(zhǎng)。

1 LEACH協(xié)議分析

1.1 LEACH協(xié)議介紹

LEACH協(xié)議是周期性的分簇路由協(xié)議,每輪循環(huán)分為簇頭選舉階段和數(shù)據(jù)傳輸階段。每一輪開始前,所有節(jié)點(diǎn)都會(huì)取一個(gè)[0,1]的隨機(jī)數(shù),如果該節(jié)點(diǎn)的隨機(jī)值小于這一輪的閾值T(n),則該節(jié)點(diǎn)被選為這一輪的簇頭[12];否則該節(jié)點(diǎn)為普通節(jié)點(diǎn)。閾值T(n)可表示為:

(1)

式中:p為簇頭節(jié)點(diǎn)在網(wǎng)絡(luò)中所占的比例,r為已經(jīng)循環(huán)的輪數(shù),G為這一輪循環(huán)之前還未當(dāng)選簇頭的節(jié)點(diǎn)集合。

簇頭節(jié)點(diǎn)產(chǎn)生后,簇頭節(jié)點(diǎn)把自己成為簇頭節(jié)點(diǎn)的消息向周邊廣播,普通節(jié)點(diǎn)根據(jù)信號(hào)的強(qiáng)弱選擇想要加入的簇頭節(jié)點(diǎn),并給該簇頭節(jié)點(diǎn)發(fā)送加入請(qǐng)求,當(dāng)簇頭接收到普通節(jié)點(diǎn)的請(qǐng)求后,采用TDMA的方式為其分配一個(gè)傳輸數(shù)據(jù)的時(shí)隙。分簇完成后,普通節(jié)點(diǎn)把數(shù)據(jù)發(fā)送給該簇的簇頭節(jié)點(diǎn),簇頭對(duì)數(shù)據(jù)進(jìn)行融合壓縮處理后,采用單跳的方式把數(shù)據(jù)轉(zhuǎn)發(fā)給基站。

1.2 LEACH協(xié)議的不足

1.2.1 傳統(tǒng)LEACH協(xié)議的不足

①簇頭節(jié)點(diǎn)的選舉具有隨機(jī)性,能量較低的節(jié)點(diǎn)被選為簇頭節(jié)點(diǎn)后,該節(jié)點(diǎn)會(huì)因消耗過多能量而死亡,進(jìn)而影響整個(gè)網(wǎng)絡(luò)的節(jié)點(diǎn)分布。

②如果普通節(jié)點(diǎn)到簇頭節(jié)點(diǎn)的距離比該普通節(jié)點(diǎn)到基站之間的距離更遠(yuǎn),普通節(jié)點(diǎn)先把數(shù)據(jù)傳輸給簇頭節(jié)點(diǎn),簇頭節(jié)點(diǎn)再轉(zhuǎn)發(fā)給基站會(huì)消耗更多的能量。

③簇頭節(jié)點(diǎn)與基站采取的是單跳的傳輸方式,如果簇頭節(jié)點(diǎn)與基站相距較遠(yuǎn),超出了閾值d0,采用多路徑衰減模型進(jìn)行傳輸會(huì)消耗簇頭節(jié)點(diǎn)大量能量,導(dǎo)致其死亡。

1.2.2 現(xiàn)有LEACH改進(jìn)協(xié)議的不足

目前已有許多針對(duì)傳統(tǒng)LEACH協(xié)議的不足之處進(jìn)行改進(jìn)的算法,但這些算法存在一定的缺陷。

①采用簇內(nèi)分層模型會(huì)導(dǎo)致整個(gè)網(wǎng)絡(luò)的能量消耗不均。前層節(jié)點(diǎn)的能量消耗較大,會(huì)過早耗盡能量而死亡,進(jìn)而影響網(wǎng)絡(luò)節(jié)點(diǎn)的分布。

②只是對(duì)簇頭選舉的閾值函數(shù)進(jìn)行改進(jìn),簇頭與基站的傳輸方式依然為單跳模式,傳輸距離過大會(huì)增大簇頭節(jié)點(diǎn)的能耗,最終會(huì)導(dǎo)致優(yōu)化效果不佳。

③優(yōu)化傳輸路徑一般只考慮了路徑的剩余能量和路徑的長(zhǎng)度,如果忽略傳輸?shù)姆较?傳輸距離反而會(huì)因此增加。

2 系統(tǒng)模型

2.1 網(wǎng)絡(luò)模型

本文對(duì)無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)做出以下假設(shè)[13]:

①每個(gè)節(jié)點(diǎn)都是獨(dú)一無二的且?guī)в芯幪?hào);

②所有節(jié)點(diǎn)的初始能量和功能完全一樣,彼此之間能正常通信且都具有成為簇頭節(jié)點(diǎn)的資格;

③整個(gè)網(wǎng)絡(luò)處在靜態(tài)環(huán)境下,節(jié)點(diǎn)的位置隨機(jī)分布且不會(huì)發(fā)生任何改變;

④基站的計(jì)算和處理能力非常強(qiáng)大,且擁有無限的能量供給;

⑤節(jié)點(diǎn)可以根據(jù)信號(hào)的強(qiáng)度計(jì)算傳輸距離。

2.2 能耗模型

LEACH協(xié)議使用的是一階無線電模型,發(fā)送端節(jié)點(diǎn)與接收端節(jié)點(diǎn)之間的距離會(huì)影響傳輸數(shù)據(jù)階段的能量消耗,設(shè)發(fā)送端節(jié)點(diǎn)與接收端節(jié)點(diǎn)之間的距離為d,數(shù)據(jù)包大小為lbit,發(fā)送單位比特電路所消耗的能量為Eelec,自由空間信道模型及多路徑衰減模型下的放大器的功率放大倍數(shù)分別為εfs與εamp。能耗模型示意如圖1所示。

圖1 能耗模型Fig.1 Energy consumption model

發(fā)送電路消耗的能量為:

(2)

接收電路消耗的能量為:

Erx(l)=lEelec,

(3)

式中:d0為數(shù)據(jù)傳輸距離的一個(gè)閾值,如果2個(gè)節(jié)點(diǎn)的傳輸距離大于d0時(shí),則采用多路徑衰減模型進(jìn)行傳輸,否則將采用自由空間信道模型進(jìn)行傳輸[14-15]。d0可以直接計(jì)算得到:

(4)

3 LEACH協(xié)議的改進(jìn)

針對(duì)以上LEACH協(xié)議的不足之處,本文分別對(duì)簇頭的選舉和數(shù)據(jù)傳輸路徑進(jìn)行優(yōu)化改進(jìn)。

3.1 基于遺傳算法選舉簇頭節(jié)點(diǎn)

LEACH協(xié)議中,簇頭節(jié)點(diǎn)會(huì)比普通節(jié)點(diǎn)消耗更多能量,能量較少的節(jié)點(diǎn)無法完成簇頭節(jié)點(diǎn)需要完成的工作,因此需要選出最合適的節(jié)點(diǎn)擔(dān)任簇頭節(jié)點(diǎn)。為了防止剩余能量不足或者距離基站較遠(yuǎn)的節(jié)點(diǎn)被選舉為簇頭節(jié)點(diǎn),本文采用遺傳算法來優(yōu)化簇頭節(jié)點(diǎn)的選舉。

3.1.1 編碼方式

本文采用二進(jìn)制的編碼方式對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行編碼,即由二進(jìn)制數(shù)0和1組成的字符串來表示,這種編碼方式簡(jiǎn)單易于操作[16]。網(wǎng)絡(luò)中所有節(jié)點(diǎn)都有唯一的節(jié)點(diǎn)編號(hào),在遺傳算法中這些編號(hào)隨意排列組成多條染色體。每個(gè)節(jié)點(diǎn)編號(hào)對(duì)應(yīng)的位置表示該節(jié)點(diǎn)的狀態(tài),如圖2所示,數(shù)字0代表普通節(jié)點(diǎn),數(shù)字1代表簇頭節(jié)點(diǎn)。

圖2 染色體示意Fig.2 Chromosome diagram

3.1.2 適應(yīng)度函數(shù)選取

本文把節(jié)點(diǎn)的能量、所在位置以及周邊節(jié)點(diǎn)數(shù)量3個(gè)因素列入簇頭節(jié)點(diǎn)選舉的條件,并根據(jù)這3個(gè)因素設(shè)計(jì)出適應(yīng)度函數(shù),計(jì)算所有節(jié)點(diǎn)的適應(yīng)度函數(shù)值,適應(yīng)度函數(shù)值高的節(jié)點(diǎn)被選為簇頭節(jié)點(diǎn)。

首先考慮能量因子,讓剩余能量更多的節(jié)點(diǎn)選為簇頭節(jié)點(diǎn)。設(shè)節(jié)點(diǎn)i的剩余能量為Ei,網(wǎng)絡(luò)中節(jié)點(diǎn)剩余能量的最大值和最小值分別為Emax和Emin。本文衡量節(jié)點(diǎn)剩余能量的計(jì)算如下:

(5)

然后考慮位置因子,讓離基站更近的節(jié)點(diǎn)成為簇頭節(jié)點(diǎn)。令簇頭節(jié)點(diǎn)i與基站之間的距離為di,節(jié)點(diǎn)到基站距離的最小值和最大值分別為dmin和dmax,本文衡量節(jié)點(diǎn)位置的計(jì)算如下:

(6)

最后考慮鄰居節(jié)點(diǎn)密度因子,讓周邊節(jié)點(diǎn)數(shù)目多的節(jié)點(diǎn)成為簇頭節(jié)點(diǎn)。網(wǎng)絡(luò)中共有n個(gè)節(jié)點(diǎn),節(jié)點(diǎn)i在一定的半徑內(nèi)含有的鄰居節(jié)點(diǎn)的數(shù)目為ni。衡量節(jié)點(diǎn)鄰居節(jié)點(diǎn)密度的計(jì)算如下:

(7)

節(jié)點(diǎn)的能量因子、位置因子以及鄰居節(jié)點(diǎn)密度因子的權(quán)重系數(shù)分別用fE、fD、fN表示,權(quán)重系數(shù)的取值為[0,1],且滿足α、β、γ的取值之和為1,適應(yīng)度函數(shù)的計(jì)算如下:

Fit_function=αfE+βfD+γfN。

(8)

若節(jié)點(diǎn)的剩余能量越多、位置距基站越近且周邊鄰居節(jié)點(diǎn)數(shù)目眾多,則該節(jié)點(diǎn)的適應(yīng)度函數(shù)值就越大,該節(jié)點(diǎn)成為簇頭節(jié)點(diǎn)的概率越大。

3.1.3 選擇操作

本文采用比例選擇方法和精英選擇方法相結(jié)合的選擇方式[17],計(jì)算出所有節(jié)點(diǎn)的適應(yīng)度函數(shù)值。為了避免遺傳算法出現(xiàn)早熟現(xiàn)象,把適應(yīng)度函數(shù)值排在前20%的節(jié)點(diǎn)作為精英個(gè)體并遺傳給下一代;其他節(jié)點(diǎn)進(jìn)行交叉和變異操作。

3.1.4 交叉和變異

本文采用兩點(diǎn)交叉方式,隨機(jī)選擇2條染色體進(jìn)行交叉操作,計(jì)算生成的子染色體的適應(yīng)度函數(shù)并與父染色體進(jìn)行比較,適應(yīng)度函數(shù)值大的遺傳至下一代;適應(yīng)度函數(shù)值較小的染色體進(jìn)行變異處理,變異后再計(jì)算其適應(yīng)度函數(shù)。如果多次迭代后滿足:

(9)

則算法停止計(jì)算,其中ε0為一個(gè)任意小的正數(shù),本文設(shè)為10-5。適應(yīng)度函數(shù)最大的個(gè)體為最優(yōu)解,并把其值加入下一輪運(yùn)算,加快算法的收斂性。

將適應(yīng)度函數(shù)數(shù)值高的節(jié)點(diǎn)作為最初始的簇頭節(jié)點(diǎn),并完成分簇,下一輪的簇頭節(jié)點(diǎn)將在已劃分好的簇中進(jìn)行簇內(nèi)選舉。

3.1.5 優(yōu)化簇頭閾值函數(shù)

若直接采用LEACH協(xié)議的簇頭選舉閾值函數(shù)進(jìn)行簇內(nèi)簇頭選舉,通過遺傳算法形成的初始簇群將會(huì)受到破壞,因此本文對(duì)LEACH協(xié)議的簇頭閾值選舉函數(shù)進(jìn)行改進(jìn),把遺傳算法的適應(yīng)度函數(shù)加入到閾值函數(shù)中,改進(jìn)后的簇頭閾值函數(shù)為:

(10)

式中:popt為最佳簇頭的選舉概率。

(11)

多次進(jìn)行簇內(nèi)選舉簇頭會(huì)造成各個(gè)簇群的剩余能量不平衡,因此本文在基于遺傳算法的簇內(nèi)簇頭選舉階段提出一種簇群重新劃分機(jī)制:若有節(jié)點(diǎn)出現(xiàn)死亡現(xiàn)象,則在下一輪簇頭選舉階段之前,重新用遺傳算法進(jìn)行簇頭選舉并劃分新的簇群。

3.2 基于蟻群算法尋找最佳傳輸路徑

由于LEACH協(xié)議在簇頭與基站進(jìn)行數(shù)據(jù)傳輸階段統(tǒng)一采用單跳模式,這會(huì)導(dǎo)致距離基站較遠(yuǎn)的簇頭節(jié)點(diǎn)在該階段消耗過多能量并死亡,因此本文采用蟻群算法尋找簇頭節(jié)點(diǎn)到基站的最佳傳輸路徑。

3.2.1 螞蟻的轉(zhuǎn)移概率

(12)

式中:τij(t)為節(jié)點(diǎn)i到節(jié)點(diǎn)j路徑上的信息素量,其權(quán)重為α1,權(quán)重越大,螞蟻更可能選擇之前已經(jīng)探索過的路徑;ηij為啟發(fā)函數(shù),其權(quán)重為β1,權(quán)重越大,蟻群就更容易選擇最短的路徑;Jk(i)為第k只螞蟻下一跳的所有節(jié)點(diǎn)集合,節(jié)點(diǎn)u為螞蟻的下一跳為節(jié)點(diǎn),τiu(t)、ηiu(t)分別為節(jié)點(diǎn)i到節(jié)點(diǎn)u路徑上的信息素和啟發(fā)函數(shù)[18]。

3.2.2 改進(jìn)信息素因子

為了使整個(gè)網(wǎng)絡(luò)的能耗相對(duì)均衡,需要讓螞蟻進(jìn)行均衡分流,從而得到最優(yōu)解,因此本文信息素的更新方式加入了能量因素。

(13)

(14)

3.2.3 改進(jìn)啟發(fā)函數(shù)

由于啟發(fā)函數(shù)ηij(t)的值只取決于2個(gè)節(jié)點(diǎn)之間的距離,如果螞蟻選擇一個(gè)離基站更遠(yuǎn)的節(jié)點(diǎn)作為下一跳節(jié)點(diǎn),傳輸路徑反而增大了。因此本文加入第三個(gè)節(jié)點(diǎn)u對(duì)啟發(fā)函數(shù)進(jìn)行改進(jìn),3個(gè)節(jié)點(diǎn)的位置關(guān)系如圖3所示。節(jié)點(diǎn)i、j、u之間的距離分別為dij,、diu、duj,改進(jìn)后的啟發(fā)函數(shù)為:

(15)

圖3 節(jié)點(diǎn)位置關(guān)系Fig.3 Node location relationship

若節(jié)點(diǎn)i、j之間的中間跳點(diǎn)u距離直線ij更近,ηij(t)的值就更大,螞蟻選擇節(jié)點(diǎn)u作為下一跳的概率更大。

3.3 算法流程

本文改進(jìn)算法流程如圖4所示。首先對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行初始化;然后在簇建立階段使用遺傳算法得到最佳簇頭節(jié)點(diǎn)并劃分簇群,當(dāng)算法進(jìn)行下一輪時(shí),若沒有節(jié)點(diǎn)死亡,則采取簇內(nèi)選取簇頭節(jié)點(diǎn),否則再次進(jìn)行遺傳算法重新得到新的簇頭群;最后在數(shù)據(jù)傳輸階段采用蟻群算法尋找最佳傳輸路徑,簇頭節(jié)點(diǎn)將其簇群普通節(jié)點(diǎn)采集到的數(shù)據(jù)融合整理后轉(zhuǎn)發(fā)至基站,發(fā)送完成之后開始下一輪,直至程序運(yùn)行到設(shè)定的輪數(shù),算法結(jié)束。

圖4 改進(jìn)算法流程Fig.4 Improved algorithm flowchart

4 算法仿真與分析

4.1 仿真環(huán)境

為檢驗(yàn)本文改進(jìn)算法的可行性,用Matlab軟件對(duì)LEACH、LEACH-C和本文改進(jìn)算法分別進(jìn)行仿真實(shí)驗(yàn),仿真數(shù)據(jù)如表1所示。

表1 仿真數(shù)據(jù)Tab.1 Simulation data

4.2 仿真結(jié)果與分析

圖5為改進(jìn)算法程序后期節(jié)點(diǎn)死亡情況。由于簇頭選舉時(shí)考慮了簇頭節(jié)點(diǎn)與基站的距離因素,因此靠近基站的節(jié)點(diǎn)更容易被選為簇頭節(jié)點(diǎn)。簇頭節(jié)點(diǎn)消耗的能量要遠(yuǎn)大于普通節(jié)點(diǎn),更容易優(yōu)先死亡,所以程序后期時(shí),靠近基站的節(jié)點(diǎn)基本上已經(jīng)死亡。

圖5 程序后期節(jié)點(diǎn)死亡情況Fig.5 Node death situation in the later stage of the program

圖6為L(zhǎng)EACH、LEACH-C以及本文算法在相同環(huán)境下的節(jié)點(diǎn)死亡情況?？梢钥闯?LEACH與LEACH-C在分別在第750輪和第850輪左右時(shí)出現(xiàn)節(jié)點(diǎn)死亡,且分別在第1 300輪和第1 400輪左右時(shí)全部節(jié)點(diǎn)死亡。而本文算法在第1 400輪左右時(shí)才出現(xiàn)節(jié)點(diǎn)死亡且在第1 550輪左右時(shí)節(jié)點(diǎn)全部死亡,可見本文算法的節(jié)點(diǎn)耗能更加平均、節(jié)點(diǎn)不容易過早死亡,而且網(wǎng)絡(luò)的生命周期也得到了延長(zhǎng)。

圖6 網(wǎng)絡(luò)節(jié)點(diǎn)死亡數(shù)目比較Fig.6 Comparison of the number of death network node

由于節(jié)點(diǎn)是隨機(jī)分布的,整個(gè)網(wǎng)絡(luò)的生命周期會(huì)因此受到影響,為了避免單次仿真的偶然性,進(jìn)行多次實(shí)驗(yàn)并記錄每次實(shí)驗(yàn)中第一個(gè)死亡節(jié)點(diǎn)出現(xiàn)的輪數(shù)。圖7為3種算法多次仿真實(shí)驗(yàn)得到的第一節(jié)點(diǎn)死亡的輪數(shù),可以看出,本文算法出現(xiàn)第一個(gè)節(jié)點(diǎn)死亡的時(shí)間遠(yuǎn)晚于另外2種算法,再次驗(yàn)證了本文算法的能耗更加均衡、節(jié)點(diǎn)不容易過早死亡。

圖7 第一死亡節(jié)點(diǎn)出現(xiàn)的輪數(shù)Fig.7 Number of rounds in which the first death node occurs

圖8為3種算法在相同環(huán)境下的能耗情況?？梢钥闯?本文算法的能耗曲線一直位于LEACH、LEACH-C能耗曲線的上方,LEACH協(xié)議與LEACH-C協(xié)議分別在第1 300輪和第1 400輪左右耗盡能量,但本文算法的能量維持到第1 600輪左右才耗盡。由此可見本文算法的網(wǎng)絡(luò)總能量消耗速度更慢、網(wǎng)絡(luò)的生命周期更長(zhǎng)。

圖8 網(wǎng)絡(luò)總能量消耗比較Fig.8 Comparison of total network energy consumption

圖9為3種算法第一個(gè)節(jié)點(diǎn)死亡、最后一個(gè)節(jié)點(diǎn)死亡、節(jié)點(diǎn)平均生命周期及首尾2節(jié)點(diǎn)死亡間隔的輪數(shù)對(duì)比圖?？梢钥闯?LEACH和LEACH-C的首尾2個(gè)節(jié)點(diǎn)死亡相隔了550輪左右,而本文算法只經(jīng)歷了141輪,遠(yuǎn)小于LEACH和LEACH-C協(xié)議經(jīng)歷的輪數(shù),說明改進(jìn)算法的網(wǎng)絡(luò)能耗更均衡、所有節(jié)點(diǎn)的死亡時(shí)間更接近。

圖9 節(jié)點(diǎn)死亡情況比較Fig.9 Comparison of death node situations

5 結(jié)束語(yǔ)

本文主要研究無線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)能耗問題,希望在隨機(jī)分布的網(wǎng)絡(luò)區(qū)域內(nèi)能夠選出最合適的簇頭節(jié)點(diǎn)并找到最節(jié)能的傳輸路徑。由于LEACH路由協(xié)議在選舉簇頭節(jié)點(diǎn)和數(shù)據(jù)傳輸2個(gè)地方都有一定的缺陷,因此本文針對(duì)該缺陷進(jìn)行一定改進(jìn):用遺傳算法解決簇頭節(jié)點(diǎn)選擇不當(dāng)?shù)膯栴},隨后用蟻群算法解決數(shù)據(jù)傳輸階段能量消耗過大的問題。通過仿真實(shí)驗(yàn),可以驗(yàn)證改進(jìn)后的LEACH協(xié)議能夠更好地使網(wǎng)絡(luò)能耗更均勻,網(wǎng)絡(luò)的生命周期更長(zhǎng)。