摘 要：為提高配電通信網(wǎng)絡(luò)的生命周期，降低網(wǎng)絡(luò)能耗和均衡化WMSNs多路徑QoS路由網(wǎng)絡(luò)負(fù)荷，提出一種基于配電通信網(wǎng)的蝗蟲(chóng)算法優(yōu)化WMSNs多路徑QoS路由算法研究。選擇WMSNs多路徑QoS路由路徑最短和能量最低為目標(biāo)函數(shù)。研究結(jié)果表明，與改進(jìn)算法和經(jīng)典算法相比，基于GOA的WMSNs多路徑QoS路由算法網(wǎng)絡(luò)能耗最低、死亡節(jié)點(diǎn)數(shù)最少，效果很好，可以延長(zhǎng)死亡節(jié)點(diǎn)產(chǎn)生的時(shí)間，有效提高整個(gè)WMSNs多路徑QoS路由網(wǎng)絡(luò)的生存壽命。

關(guān)鍵詞：蝗蟲(chóng)算法；無(wú)線多媒體傳感器網(wǎng)絡(luò)；配電網(wǎng)；路由算法

中圖分類號(hào)：

TN919.8；TP391

文獻(xiàn)標(biāo)志碼：

A文章編號(hào)：

1001-5922（2024）01-0181-04

Research on multi-path QoS routing optimization model for distribution communication WMSNs based on grasshopper algorithm

BAO Chaoming，BAO Sencheng，LI Yiping

（China Mobile Group Zhejiang Co.，Ltd.，Hangzhou 311500，China）

Abstract：In order to improve the life cycle of distribution communication network，reduce network energy consumption and balance the load of WMSNs multi-path QoS routing network，a WMSNs multi-path QoS routing algorithm based on grasshopper algorithm optimization for distribution communication network was proposed.The shortest path and the lowest energy consumption were selected as the objective function for WMSNs multi-path QoS routing.The results showed that compared with the improved algorithm and classical algorithm，the WMSN multi-path QoS routing algorithm based on GOA hadthe lowest network energy consumption and the least number of dead nodes，and the effect was good.It could prolong the generation time of dead nodes and effectively increase the lifetime of the entire WMSNs multi-path QoS routing network.

Key words：grasshopper algorithm;wireless multimedia sensor network;distribution networks;routing algorithm

無(wú)線多媒體傳感器網(wǎng)絡(luò)（WMSNs）有效結(jié)合了傳感器網(wǎng)絡(luò)與多媒體技術(shù)，可以更好地滿足多媒體對(duì)數(shù)據(jù)處理的高帶寬、實(shí)時(shí)性要求［1］。相對(duì)于傳統(tǒng)的無(wú)線傳感網(wǎng)（WSN），WMSNs功耗低、自組織能力強(qiáng)，在智能配電網(wǎng)遠(yuǎn)程控制等領(lǐng)域具有良好的應(yīng)用前景［2］。在滿足電力智能配電通信（QoS）的條件下引入WMSNs，從而實(shí)現(xiàn)電力配電通信智能化水平的大大提升。為提高配電通信網(wǎng)絡(luò)的生命周期，降低網(wǎng)絡(luò)能耗和均衡化WMSNs多路徑QoS路由網(wǎng)絡(luò)負(fù)荷，各種智能算法在路由網(wǎng)絡(luò)負(fù)荷優(yōu)化中得到了廣泛的應(yīng)用［3］。

蝗蟲(chóng)優(yōu)化算法（GOA）是通過(guò)模擬蝗蟲(chóng)群體的自然行為得到的智能優(yōu)化算法［4-5］，和其它的優(yōu)化算法相比，GOA的收斂效率和計(jì)算精度均比較高。GOA良好的優(yōu)化性能使得其在參數(shù)優(yōu)化、機(jī)械設(shè)備振動(dòng)故障識(shí)別、數(shù)據(jù)特征提取等領(lǐng)域具有廣泛的應(yīng)用［6-8］。基于此，提出一種基于配電通信網(wǎng)的蝗蟲(chóng)算法優(yōu)化WMSNs多路徑QoS路由算法。

1 蝗蟲(chóng)優(yōu)化算法

GOA對(duì)蝗蟲(chóng)覓食、群體協(xié)作、遷徙行為進(jìn)行模擬，尋找最優(yōu)解［9］。在問(wèn)題空間對(duì)蝗蟲(chóng)個(gè)體初始化，通過(guò)蝗蟲(chóng)行為的模擬來(lái)調(diào)整蝗蟲(chóng)位置，使得其更好地適應(yīng)環(huán)境?；认x(chóng)個(gè)體位置Xi的更新是GOA的關(guān)鍵，其受到群體內(nèi)部交互力、環(huán)境風(fēng)力以及個(gè)體重力等多方面因素的影響，其數(shù)學(xué)模型［10］：

Xi=Si+Gi+Ai（1）

式中：Si、Gi、Ai分別為群體內(nèi)部交互力、個(gè)體重力以及環(huán)境風(fēng)力對(duì)未知的影響。

考慮到各種影響因素的隨機(jī)性，對(duì)傳統(tǒng)個(gè)體位置Xi的數(shù)學(xué)模型進(jìn)行改進(jìn)，引入隨機(jī)系數(shù)rjj=1，2，3， rj∈0，1，那么

Xi=r1Si+r2Gi+r3Ai［11］（2）

種群個(gè)體之間的交互力和個(gè)體之間的距離有關(guān)，定義蝗蟲(chóng)個(gè)體i和蝗蟲(chóng)個(gè)體j之間的距離dij：

dij=xj－xi（3）

建立蝗蟲(chóng)種群個(gè)體內(nèi)部交互力的數(shù)學(xué)模型，即

Si=∑Nj=1，j≠is（dij）d^ij［12］（4）

式中：s·為影響函數(shù);d^ij為個(gè)體i到個(gè)體j的單位向量;s·和d^ij的數(shù)學(xué)表達(dá)式：

s（r）=fe－rl－e－rd^ij=（xj－xi）/dij（5）

式中：f為個(gè)體之間吸引強(qiáng)度，為常數(shù);r為距離;l為個(gè)體吸引尺寸，為常數(shù);xj、xi為蝗蟲(chóng)個(gè)體位置矢量。

定義e^g為重力單位矢量;g為重力常數(shù);e^w為風(fēng)向單位矢量;u為風(fēng)力漂移常數(shù)。于是蝗蟲(chóng)個(gè)體位置Xi更新的數(shù)學(xué)模型［13］：

Xi=∑Nj=1，j≠is（xj－xi）xj－xidij-ge^g+ue^w（6）

為求解該問(wèn)題，Saremi忽略重力，同時(shí)假設(shè)風(fēng)向指向蝗蟲(chóng)覓食的目標(biāo)，構(gòu)建了數(shù)學(xué)模型，即

Xdi=c∑Nj=1，j≠icubd－lbd2s（xdj－xdi）xj－xidij+T^d（7）

式中：ubd為上邊界；lbd為下邊界；T^d為覓食目標(biāo)所在的位置；c為參數(shù)，其數(shù)學(xué)表達(dá)式：

c=cmax－cmax－cminTmax·t（8）

式中：cmax為參數(shù)c的最大值，取值為1；cmin為參數(shù)c的最小值，取值為0.000 01；t為當(dāng)前迭代次數(shù)；Tmax為最大迭代次數(shù)。

2 配電網(wǎng)特點(diǎn)和系統(tǒng)模型

2.1 配電網(wǎng)結(jié)構(gòu)特點(diǎn)

配電網(wǎng)其由終端層、子站層、主站層3部分構(gòu)成。

終端層主要包括DTU、TTU和FTU，是配電網(wǎng)的重要組成部分，主要作用是采集上傳信息以及監(jiān)控設(shè)備工作狀態(tài)。

子站層主要進(jìn)行轄區(qū)內(nèi)配電網(wǎng)故障診斷和配電SCADA，其位于開(kāi)閉所內(nèi)或者變電站內(nèi)作用是承接終端層和主站層，完成信息的上傳和下達(dá)，并進(jìn)行配電網(wǎng)實(shí)時(shí)監(jiān)控。

主站層由網(wǎng)絡(luò)設(shè)備、工作站和服務(wù)器等硬件設(shè)備及配套軟件組成，是配電網(wǎng)的核心組元，主要作用是接受終端層或者子站層發(fā)送來(lái)的實(shí)時(shí)配電設(shè)備狀態(tài)信息。

2.2 系統(tǒng)模型

為解決WMSNs多路徑QoS路由問(wèn)題，構(gòu)造帶權(quán)值的圖G（N，E），N表示所構(gòu)造圖的節(jié)點(diǎn)，E表示所構(gòu)造圖的邊。采用Ci，j表示邊i、j的代價(jià)，形成代價(jià)矩陣C=Ci，j。在構(gòu)造的圖G（N，E）中，有源節(jié)點(diǎn)S表示W(wǎng)MSNs多路徑QoS路由網(wǎng)絡(luò)的起點(diǎn)，目的節(jié)點(diǎn)D表示W(wǎng)MSNs多路徑QoS路由網(wǎng)絡(luò)的終點(diǎn)。引入變量Iij，其表示每個(gè)鏈路的連接狀態(tài)，即：

Iij=1如果從節(jié)點(diǎn)i到節(jié)點(diǎn)j的路徑存在0如果從節(jié)點(diǎn)i到節(jié)點(diǎn)j的路徑不存在［15］（9）

若Iij=1，Ijk=1，則Iik=1，因此WMSNs多路徑QoS路由問(wèn)題可轉(zhuǎn)化為：

MIN∑Di=S∑DCij·Iij（10）

s.t∑DIij－∑DIji=1，ifi=S－1，ifi=D0，otherwise，Iij∈｛0，1｝，for all i（11）

3 基于GOA的WMSNs多路徑路由算法

3.1 路由算法思想

路由結(jié)構(gòu)圖如圖1所示。

由圖2可知，當(dāng)數(shù)據(jù)由節(jié)點(diǎn)A向節(jié)點(diǎn)B發(fā)送數(shù)據(jù)時(shí)，所選擇的路徑為3→6→11，其距離最短［16］。由于所有由節(jié)點(diǎn)A到節(jié)點(diǎn)B的數(shù)據(jù)均選擇該路徑，這將導(dǎo)致WMSNs的QoS路由網(wǎng)絡(luò)所消耗的能量來(lái)源于節(jié)點(diǎn)C或節(jié)點(diǎn)D。長(zhǎng)期下去，C節(jié)點(diǎn)或D節(jié)點(diǎn)的能量被大量消耗，C節(jié)點(diǎn)或D節(jié)點(diǎn)出現(xiàn)節(jié)點(diǎn)死亡的概率將大大增加。一旦C節(jié)點(diǎn)或D節(jié)點(diǎn)死亡，那么將影響到與該節(jié)點(diǎn)連接的鏈路，進(jìn)而整個(gè)網(wǎng)絡(luò)的質(zhì)量降低，對(duì)能量的消耗增加。為了避免出現(xiàn)節(jié)點(diǎn)死亡問(wèn)題，當(dāng)節(jié)點(diǎn)能量比較低時(shí)選擇能量高的節(jié)點(diǎn)確定數(shù)據(jù)傳輸路徑，確保整個(gè)網(wǎng)絡(luò)的質(zhì)量保持在比較高的水平，同時(shí)對(duì)能量的消耗保持在相對(duì)比較低的水平。

3.2 WMSNs多路徑Qos路由優(yōu)化

選擇節(jié)點(diǎn)剩余能量和網(wǎng)絡(luò)剩余能量比作為衡量整個(gè)WMSNs的QoS路由網(wǎng)絡(luò)的能量水平［17-18］。節(jié)點(diǎn)的平均剩余能量為Eave、鄰居節(jié)點(diǎn)的平均能量為Enb和網(wǎng)絡(luò)節(jié)點(diǎn)的剩余能量En則網(wǎng)絡(luò)中單個(gè)節(jié)點(diǎn)能量f：

f=αEnEave+βEnbEave2（12）

式中：α、β為影響因子，因?yàn)榫W(wǎng)絡(luò)節(jié)點(diǎn)剩余能量水平被優(yōu)先考慮，則0＜β＜α，能量平衡代價(jià)：

∑ni=11fi=fn（13）

式中：n為節(jié)點(diǎn)個(gè)數(shù)；fi為能量平衡代價(jià)；fn為能量平衡平均值。

定義Ej（j=1，2，…，n）為網(wǎng)絡(luò)節(jié)點(diǎn)j的能量剩余，那么網(wǎng)絡(luò)節(jié)點(diǎn)j的能耗代價(jià)為1/Ej。優(yōu)化WMSNs的Qos路由路徑，網(wǎng)絡(luò)所有節(jié)點(diǎn)的能耗代價(jià)必須滿足：

∑nj=11Ej=1（14）

在能耗代價(jià)的基礎(chǔ)上，WMSNs的QoS路由網(wǎng)絡(luò)節(jié)點(diǎn)的能量平衡比（V）為：

V=EnEave（15）

設(shè)置路由網(wǎng)絡(luò)節(jié)點(diǎn)的能量安全平衡比（Vsafe），Vsafe的取值一般為0～0.3，具體需要結(jié)合網(wǎng)絡(luò)的用途來(lái)確定。如果路由網(wǎng)絡(luò)節(jié)點(diǎn)能量平衡比V小于設(shè)定的安全值Vsafe，表明該路由網(wǎng)絡(luò)節(jié)點(diǎn)的能量消耗比較大；如果不采取措施，那么將導(dǎo)致該網(wǎng)絡(luò)節(jié)點(diǎn)出現(xiàn)死亡，必須保護(hù)起來(lái)。優(yōu)化的WMSNs的QoS路由網(wǎng)絡(luò)最短路徑應(yīng)滿足：

MINμ∑ni=11fi+λ∑ni=11Eiμgt;λgt;0（16）

3.3 目標(biāo)函數(shù)

對(duì)于WMSNs的QoS路由網(wǎng)絡(luò)最短路徑問(wèn)題，綜合式（9）、式（15），基于GOA的WMSNs多路徑QoS路由算法目標(biāo)函數(shù)：

fitness=MIN{M·∑Di=S∑DCij·Iij+K· μ∑ni=11fi+λ∑ni=11Ei}μgt;λgt;0 （17）

3.4 算法流程

采用GOA來(lái)對(duì)WMSNs多路徑Qos路由進(jìn)行優(yōu)化，提升網(wǎng)絡(luò)的質(zhì)量，降低網(wǎng)絡(luò)的能量消耗，其具體流程如下：

（1）參數(shù)初始化，包括種群規(guī)模、最大迭代次數(shù)、蝗蟲(chóng)個(gè)體位置信息等；

（2）計(jì)算個(gè)體適應(yīng)度值，通過(guò)比較適應(yīng)度的大小來(lái)尋找當(dāng)前情況下的最優(yōu)解，將其作為當(dāng)前迭代次數(shù)下的目標(biāo)值；

（3）根據(jù)所建立的位置更新模型，對(duì)蝗蟲(chóng)個(gè)體位置更新；

（4）判斷是否滿足迭代終止條件，不滿足繼續(xù)迭代；滿足，那么輸出當(dāng)前的最優(yōu)解就是優(yōu)化的結(jié)果。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)背景

選擇網(wǎng)絡(luò)覆蓋大小為200 m×200 m的WMSNs多路徑QoS路由網(wǎng)絡(luò)內(nèi)包含100個(gè)固定的節(jié)點(diǎn)，50個(gè)CBR數(shù)據(jù)信息源頭。設(shè)定網(wǎng)絡(luò)節(jié)點(diǎn)的初始能量值為5 J，每個(gè)節(jié)點(diǎn)發(fā)送數(shù)據(jù)消耗的功率為0.6 W，接受數(shù)據(jù)功率的消耗為0.3 W。圖2為WMSNs多路徑QoS路由網(wǎng)絡(luò)節(jié)點(diǎn)圖。

4.2 結(jié)果分析

為驗(yàn)證算法的優(yōu)越性，將本文算法和經(jīng)典算法［19］、改進(jìn)算法［20］進(jìn)行對(duì)比。圖3為網(wǎng)絡(luò)節(jié)點(diǎn)的死亡節(jié)點(diǎn)個(gè)數(shù)與時(shí)間的關(guān)系。

由圖3可知，數(shù)據(jù)傳輸時(shí)間越長(zhǎng)，路由網(wǎng)絡(luò)節(jié)點(diǎn)的死亡個(gè)數(shù)越多，同時(shí)經(jīng)典路由算法的死亡節(jié)點(diǎn)個(gè)數(shù)最多，其次為改進(jìn)算法，死亡節(jié)點(diǎn)個(gè)數(shù)最少的是本文所提出的算法。采用蝗蟲(chóng)優(yōu)化算法優(yōu)化WMSNs多路徑Qos路由，其可以有效延長(zhǎng)死亡節(jié)點(diǎn)產(chǎn)生的時(shí)間，使得WMSNs多路徑QoS路由網(wǎng)絡(luò)工作負(fù)荷均衡化，有效提高整個(gè)WMSNs多路徑QoS路由網(wǎng)絡(luò)的生存壽命。對(duì)比3種不同算法的網(wǎng)絡(luò)消耗能量和端到端時(shí)延，結(jié)果如圖4、圖5所示。

由圖4可知，在開(kāi)始階段，經(jīng)典路由算法下網(wǎng)絡(luò)的能耗快速增加，然后逐漸趨于平穩(wěn)。究其原因，在開(kāi)始階段，采用經(jīng)典路由算法導(dǎo)致網(wǎng)絡(luò)中出現(xiàn)了比較多的死亡節(jié)點(diǎn)所致。通過(guò)3種路由算法的對(duì)比可知，本文所采用的路由算法能量消耗最少，其次為改進(jìn)算法，能量消耗最多的是經(jīng)典算法。

由圖5可知，在開(kāi)始階段經(jīng)典算法時(shí)延最少，這是因?yàn)榻?jīng)典算法沒(méi)有任何的優(yōu)化機(jī)制。伴隨著時(shí)間的增加，經(jīng)典算法的時(shí)延明顯增加，而改進(jìn)算法以及所提出的改進(jìn)算法均出現(xiàn)了明顯減少，同時(shí)所提出的改進(jìn)算法時(shí)延小于改進(jìn)算法。

5 結(jié)語(yǔ)

為提高配電通信網(wǎng)絡(luò)的生命周期，降低網(wǎng)絡(luò)能耗和均衡化WMSNs多路徑QoS路由網(wǎng)絡(luò)負(fù)荷，提出一種基于配電通信網(wǎng)的蝗蟲(chóng)算法優(yōu)化WMSNs多路徑QoS路由算法研究。選擇WMSNs多路徑QoS路由路徑最短和能量最低為目標(biāo)函數(shù)。研究結(jié)果表明，與改進(jìn)算法和經(jīng)典算法相比，基于GOA的WMSNs多路徑QoS路由算法網(wǎng)絡(luò)能耗最低、死亡節(jié)點(diǎn)數(shù)最少，效果很好，可以推廣應(yīng)用。

【參考文獻(xiàn)】

［1］ 馬森月.基于無(wú)線傳感器網(wǎng)絡(luò)的機(jī)車便攜式軸溫報(bào)警裝置的研制及應(yīng)用［J］.粘接，2021，47（7）：185-187.

［2］ 尹元躍，鄧帥，方亮，等.基于改進(jìn)433M無(wú)線通信技術(shù)的多元化氣體遠(yuǎn)程監(jiān)測(cè)及凈化系統(tǒng)［J］.粘接，2020，43（8）：99-104.

［3］ 趙安軍，趙嘯，荊競(jìng)，等.優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)超參數(shù)的非侵入式電力負(fù)荷識(shí)別算法［J］.激光與光電子學(xué)進(jìn)展，2023，60（2）：63-70.

［4］ SAREMI S，MIRJALILI S，LEWIS A.Grasshopper optimisation algorithm：Theory and application［J］.Advances in Engineering Software，2017，105：30-47.

［5］ 王倩，李風(fēng)軍.基于選擇策略的簡(jiǎn)化蝗蟲(chóng)優(yōu)化算法［J］.南京理工大學(xué)學(xué)報(bào)，2023，47（1）：109-116.

［6］ 鐘云南，陳行濱，占彤平，等.分層集群技術(shù)與數(shù)據(jù)流負(fù)載均衡研究［J］.粘接，2022，49（12）：182-185.

［7］ ALJARAH I，Al-ZOUBI A M，F(xiàn)ARIS H，et al.Simultaneous feature selection and support vector machine optimization using the grasshopper optimization algorithm［J］.Cognitive Computation，2018（2）：1-18.

［8］ ZHANG X，MIAO Q.ZHANG H.et al.A parameter-adaptive VMD method based on grasshopper optimization algorithm to analyze vibration signals from rotating machinery［J］.Mechanical Systems amp; Signal Processing，2018，108：58-72.

［9］ 趙艷玲，王勇，袁磊.基于4VA信息素的蝗蟲(chóng)優(yōu)化算法［J］.廣西科學(xué)，2022，29（5）：930-939.

［10］ 曹夢(mèng)龍，馬俊林.改進(jìn)蝗蟲(chóng)優(yōu)化算法在模糊神經(jīng)網(wǎng)絡(luò)PID控制中的研究［J］.電子測(cè)量技術(shù)，2022，45（20）：74-80.

［11］ 李國(guó)奎，劉永明.基于改進(jìn)蝗蟲(chóng)優(yōu)化算法的車身焊接機(jī)器人路徑規(guī)劃［J］.組合機(jī)床與自動(dòng)化加工技術(shù)，2022（8）：31-34.

［12］ 李建興，崔勝民.整車傳動(dòng)系統(tǒng)參數(shù)優(yōu)化的自適應(yīng)蝗蟲(chóng)優(yōu)化算法［J］.噪聲與振動(dòng)控制，2023，43（1）：185-190.

［13］ 余榮臻，袁劍平，李俊益.基于蝗蟲(chóng)優(yōu)化算法的大型運(yùn)輸船舶自適應(yīng)控制［J］.中國(guó)艦船研究，2023，18（3）：66-74.

［14］ 李致遠(yuǎn)，畢俊蕾，王汝傳.基于移動(dòng)Agent的無(wú)線多媒體傳感器網(wǎng)絡(luò)QoS路由算法［J］.傳感技術(shù)學(xué)報(bào)，2013，26（7）：997-1003.

［15］ 沈滌.基于自適應(yīng)遺傳算法的無(wú)線多媒體傳感器網(wǎng)絡(luò)WMSNs的QoS路由算法［J］.信息與電腦（理論版），2017（23）：68-69.

［16］ 李雪，曹峰梅，郭杰，等.基于蟻群優(yōu)化的ZigBee傳感器網(wǎng)絡(luò)QoS路由算法［J］.電子技術(shù)應(yīng)用，2013，39（6）：114-117.

［17］ 尤凱明，楊維，袁小溪，等.煤礦井下WMSNs區(qū)分服務(wù)的路由協(xié)議［J］.華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，46（9）：1-8.

［18］ 周靈，龍灘，王建新.基于數(shù)據(jù)融合的WMSNs最小能耗實(shí)時(shí)路由算法［J］.中山大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，52（6）：64-67.

［19］ 衷柳生，程良倫.基于區(qū)分服務(wù)的無(wú)線多媒體傳感器網(wǎng)絡(luò)QoS路由協(xié)議［J］.計(jì)算機(jī)應(yīng)用研究，2010，27（11）：4218-4221.