基于信息素?cái)U(kuò)散模型蟻群算法的無(wú)線傳感網(wǎng)路由研究*

鮑 榮，潘 浩，董齊芬，俞 立，邵 磊

(浙江工業(yè)大學(xué)信息工程學(xué)院，杭州 310023)

無(wú)線傳感網(wǎng)是指由部署在監(jiān)測(cè)區(qū)域內(nèi)大量的廉價(jià)微型傳感器節(jié)點(diǎn)通過(guò)無(wú)線通信方式形成的一個(gè)多跳自組織網(wǎng)絡(luò)系統(tǒng)。與傳統(tǒng)的移動(dòng)自組織網(wǎng)絡(luò)不同，無(wú)線傳感網(wǎng)中每個(gè)節(jié)點(diǎn)的能量十分有限，且大規(guī)模節(jié)點(diǎn)的能量補(bǔ)充通常較為困難，故有必要研究一種能量高效的路由算法，使數(shù)據(jù)傳輸選擇最優(yōu)路徑的同時(shí)，能延長(zhǎng)網(wǎng)絡(luò)的生命周期［1］。無(wú)線傳感網(wǎng)發(fā)展至今，已提出許多路由協(xié)議。如LEACH協(xié)議［2］、Gossiping協(xié)議［3］、PEGASIS 協(xié)議［4］等，但這些協(xié)議對(duì)動(dòng)態(tài)網(wǎng)絡(luò)的適應(yīng)性并不理想。

近年來(lái)，仿生學(xué)最優(yōu)尋解算法受到廣泛關(guān)注，如，粒子群優(yōu)化算法［5］源于鳥(niǎo)群覓食行為，具有易實(shí)現(xiàn)、收斂快等特點(diǎn)，但容易陷入局部最優(yōu);差分進(jìn)化算法［6］是基于群體進(jìn)化的啟發(fā)式搜索技術(shù)，魯棒性較強(qiáng)、收斂快，但也存在局部?jī)?yōu)化較弱的缺點(diǎn);蜂群算法［7］把每個(gè)蜜蜂都看做一個(gè)智能體，通過(guò)蜂群個(gè)體協(xié)同作用達(dá)到群體智能的效果。然而，這些尋優(yōu)算法由于自身算法模型的局限，在路徑優(yōu)化方面的適用性不強(qiáng)。當(dāng)前，普遍認(rèn)為將蟻群算法［8］應(yīng)用到無(wú)線傳感網(wǎng)路由協(xié)議中是較為可行有效的。文獻(xiàn)［9］提出一種基于蟻群的多路徑路由算法，通過(guò)負(fù)荷平衡機(jī)制達(dá)到平衡節(jié)點(diǎn)能耗的目的，提高了能量效率。文獻(xiàn)［10］提出一種最優(yōu)能量消耗蟻群路由算法，通過(guò)能量最佳分配機(jī)制使得節(jié)點(diǎn)能耗降低，延長(zhǎng)了網(wǎng)絡(luò)生存周期。文獻(xiàn)［11］的EEABR協(xié)議將節(jié)點(diǎn)能量水平和傳輸距離引入信息素更新公式。文獻(xiàn)［12］根據(jù)路徑上最低的能量水平來(lái)評(píng)估信息素增量。與其它路由算法相比，基于蟻群算法的無(wú)線傳感網(wǎng)路由協(xié)議有以下優(yōu)點(diǎn)［13］:(1)自適應(yīng)性好;(2)魯棒性強(qiáng);(3)支持多路徑;(4)具有局部/全局優(yōu)化能力;(5)易與其它算法相結(jié)合。但目前大多數(shù)的蟻群路由算法具有一定的局限性，或沒(méi)有考慮螞蟻的反向傳輸，導(dǎo)致傳輸時(shí)延加大，或沒(méi)有考慮動(dòng)態(tài)網(wǎng)絡(luò)的情況。

本文對(duì)基于蟻群算法的路由協(xié)議進(jìn)行了深入研究，提出一種能量高效的基于信息素?cái)U(kuò)散模型的蟻群路由優(yōu)化算法(Diffusion-based Ant Colony Routing Algorithm，DBACRA)。該算法由實(shí)際和虛擬兩種信息素共同指引路由包與數(shù)據(jù)包進(jìn)行偏向性的路徑搜索，并考慮節(jié)點(diǎn)剩余能量以平衡全網(wǎng)的能耗，從而延長(zhǎng)整個(gè)網(wǎng)絡(luò)的生命周期。最后，通過(guò)TOSSIM仿真驗(yàn)證該路由協(xié)議的有效性及能耗、時(shí)延及網(wǎng)絡(luò)壽命等方面的性能。

1 預(yù)備知識(shí)

1.1 蟻群算法概述

蟻群算法［8］(Ant Colony Algorithm，ACA)由意大利學(xué)者Dorigo等人提出，其靈感來(lái)源于自然界中螞蟻群體覓食尋徑行為:螞蟻隨機(jī)搜索蟻穴周?chē)鷧^(qū)域，當(dāng)一只螞蟻找到食物源，它會(huì)在回程中留下一種稱(chēng)為信息素的揮發(fā)性分泌物，其他螞蟻可根據(jù)其濃度決定尋食路徑。對(duì)于一條路徑，經(jīng)過(guò)的螞蟻越多，則信息素濃度越大，從而吸引更多螞蟻，形成一種正反饋，使得螞蟻?zhàn)罱K可以發(fā)現(xiàn)最短路徑。

近年來(lái)，蟻群算法被廣泛應(yīng)用于路由算法中，以下介紹一種基于基本蟻群的路由算法。

1.2 基本蟻群路由算法數(shù)學(xué)模型

基本蟻群路由算法(Basic Ant Colony Routing Algorithm，BACRA)中，人工螞蟻模擬真實(shí)螞蟻，通過(guò)信息素量與能量啟發(fā)因子權(quán)衡，尋找最優(yōu)路徑。

源節(jié)點(diǎn)創(chuàng)建前向螞蟻，該螞蟻按照如式(1)所示的概率選擇下一跳節(jié)點(diǎn)，并記錄沿途節(jié)點(diǎn)。

前向螞蟻到達(dá)目的節(jié)點(diǎn)后，轉(zhuǎn)換為后向螞蟻并原路返回。當(dāng)節(jié)點(diǎn)i接收從節(jié)點(diǎn)j發(fā)送的后向螞蟻時(shí)，節(jié)點(diǎn)i所有通信路徑的信息素進(jìn)行揮發(fā)，揮發(fā)完成后，后向螞蟻在其經(jīng)過(guò)的路徑上釋放信息素:

其中，

式中，是揮發(fā)完成螞蟻釋放信息素后，該節(jié)點(diǎn)的信息素量，ρ是信息素的揮發(fā)率，且 0＜ρ≤1。Δτij是后向螞蟻釋放的信息素量，w是調(diào)整信息素釋放量的權(quán)值。是從節(jié)點(diǎn)i經(jīng)節(jié)點(diǎn)j到達(dá)目的節(jié)點(diǎn)d鏈路代價(jià)，標(biāo)識(shí)路徑長(zhǎng)短的跳數(shù)。

在無(wú)線傳感網(wǎng)中，節(jié)點(diǎn)失效、新節(jié)點(diǎn)加入或節(jié)點(diǎn)移動(dòng)都會(huì)造成網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)變化，而B(niǎo)ACRA算法易陷入局部最優(yōu)解，且傳輸時(shí)延長(zhǎng)，因此不能適應(yīng)這種變化。因此，本文提出DBACRA算法，該算法在解決這種局限性的同時(shí)，有效減少節(jié)點(diǎn)能耗，延長(zhǎng)生命周期。

2 改進(jìn)的蟻群優(yōu)化算法——DBACRA算法

該算法在BACRA算法基礎(chǔ)上引入實(shí)際信息素和虛擬信息素的概念，從擴(kuò)散模型、路由優(yōu)化和數(shù)據(jù)傳輸三方面進(jìn)行改進(jìn)。人工螞蟻結(jié)合實(shí)際信息素、虛擬信息素及能量信息來(lái)尋找最優(yōu)路徑，并能更新實(shí)際信息素的分布。虛擬信息素基于擴(kuò)散模型，能快速反映網(wǎng)絡(luò)的動(dòng)態(tài)。由于虛擬信息素不斷擴(kuò)散開(kāi)來(lái)，具有不可靠性，故數(shù)據(jù)包的傳輸僅根據(jù)實(shí)際信息素和能量來(lái)選擇路徑。

2.1 擴(kuò)散模型

建立信息素的擴(kuò)散模型是可行的，且有利于路由信息的分享。擴(kuò)散模型是指網(wǎng)絡(luò)中所有節(jié)點(diǎn)在其生命周期內(nèi)不斷廣播路由信息及其剩余能量值。任意節(jié)點(diǎn)j構(gòu)造的擴(kuò)散消息包應(yīng)包含一張表:目的節(jié)點(diǎn)d、到達(dá)該目的節(jié)點(diǎn)的最佳信息素以及節(jié)點(diǎn)j的剩余能量。其中，最佳信息素的計(jì)算如式(4)所示:

當(dāng)節(jié)點(diǎn)i接收到節(jié)點(diǎn)j廣播的擴(kuò)散包時(shí)，更新鄰居表中該鄰居節(jié)點(diǎn)j的能量值。若沒(méi)有節(jié)點(diǎn)j，則將其加入到鄰居表。然后，計(jì)算節(jié)點(diǎn)i經(jīng)過(guò)鄰居節(jié)點(diǎn)j到達(dá)目的節(jié)點(diǎn)d的引導(dǎo)信息素，即綜合考慮最佳信息素和鏈路代價(jià)得出的信息素:

式中，為節(jié)點(diǎn)i到節(jié)點(diǎn)j的鏈路代價(jià)，可用跳數(shù)表示。由于由擴(kuò)散過(guò)程得到，具有不可靠性，故依賴(lài)于的引導(dǎo)信息素也具有不可靠性，故將其更新到虛擬信息素中:

路由系統(tǒng)剛啟動(dòng)時(shí)，由目的節(jié)點(diǎn)擴(kuò)散固定的信息素值，經(jīng)幾輪擴(kuò)散后，整個(gè)網(wǎng)絡(luò)將形成信息素的初始分布，即建立路由梯度。文獻(xiàn)［10］發(fā)現(xiàn)蟻群路由算法在高動(dòng)態(tài)網(wǎng)絡(luò)中性能較差，在初始狀態(tài)下前向螞蟻缺乏可用信息，導(dǎo)致收斂較慢。本文改進(jìn)的蟻群算法結(jié)合擴(kuò)散模型，有利于在初始狀態(tài)指導(dǎo)前向螞蟻的偏向性搜索，故能快速適應(yīng)動(dòng)態(tài)變化的網(wǎng)絡(luò)。

考慮到擴(kuò)散過(guò)程帶有通信開(kāi)銷(xiāo)，而無(wú)線通信的能耗遠(yuǎn)大于計(jì)算能耗，因此本文采用定時(shí)和事件觸發(fā)的方式來(lái)選擇發(fā)送時(shí)機(jī)，以減少擴(kuò)散消息的數(shù)量。最近一次擴(kuò)散消息的發(fā)送時(shí)間以及包含的信息素值和能量值都會(huì)被記錄。一旦間隔上次擴(kuò)散達(dá)一定時(shí)間，或者當(dāng)前最佳信息素值或能量值的變化量超過(guò)預(yù)設(shè)的閾值，都會(huì)觸發(fā)擴(kuò)散行為。擴(kuò)散過(guò)程還可用于檢測(cè)通信鏈路的狀況，能及時(shí)反映出網(wǎng)絡(luò)結(jié)構(gòu)的動(dòng)態(tài)變化。當(dāng)節(jié)點(diǎn)i連續(xù)長(zhǎng)時(shí)間未接收到節(jié)點(diǎn)j的擴(kuò)散消息，可認(rèn)為通信鏈路(i，j)存在問(wèn)題，或嘗試修復(fù)，或踢除其鄰居關(guān)系。

2.2 路由優(yōu)化

類(lèi)似于基本蟻群路由算法，源節(jié)點(diǎn)發(fā)送前向螞蟻，但前向螞蟻在選擇下一跳節(jié)點(diǎn)時(shí)應(yīng)兼顧虛擬信息素，使得系統(tǒng)可以快速啟動(dòng)，并更好地適應(yīng)網(wǎng)絡(luò)拓?fù)浜湍芰克降膭?dòng)態(tài)變化，如式(7)所述。當(dāng)前向螞蟻到達(dá)目的節(jié)點(diǎn)后，則原路返回并更新實(shí)際信息素，與基本蟻群路由的更新過(guò)程相同。

目的節(jié)點(diǎn)d的鄰居節(jié)點(diǎn)i因擴(kuò)散過(guò)程的作用，總是接收到由d擴(kuò)散的固定量的信息素，并在路由系統(tǒng)啟動(dòng)時(shí)得到與虛擬信息素等值的實(shí)際信息素。隨著路由優(yōu)化過(guò)程的不斷迭代，人工螞蟻會(huì)在節(jié)點(diǎn)i上播撒實(shí)際信息素，使實(shí)際信息素的濃度超過(guò)虛擬信息素。于是，實(shí)際信息素將被選為最佳信息素，并繼續(xù)擴(kuò)散開(kāi)來(lái)，影響外圍節(jié)點(diǎn)的虛擬信息素。

2.3 數(shù)據(jù)傳輸

數(shù)據(jù)包的傳輸根據(jù)實(shí)際信息素來(lái)選擇下一跳節(jié)點(diǎn)，其概率如式(1)所述，但式中的參數(shù)α和β可以與路由優(yōu)化過(guò)程有所不同，即根據(jù)數(shù)據(jù)傳輸?shù)男枰獊?lái)權(quán)衡實(shí)際信息素和剩余能量的重要性。

隨著數(shù)據(jù)傳輸?shù)牟粩噙M(jìn)行，目的節(jié)點(diǎn)周?chē)鷧^(qū)域承受的通信流量較大，使外圍節(jié)點(diǎn)的能量水平顯著大于目標(biāo)附近的節(jié)點(diǎn)，這就可能導(dǎo)致數(shù)據(jù)包偏向于朝相反方向進(jìn)行傳遞。雖然可通過(guò)更多的螞蟻來(lái)加大信息素濃度差，但其通信開(kāi)銷(xiāo)較大。由于數(shù)據(jù)傳輸本身存在概率選擇，且其傳輸服務(wù)的質(zhì)量可為路由提供參考，因此本文在DBACRA算法的基礎(chǔ)上提出帶有獎(jiǎng)懲機(jī)制的DBACRA-PP算法(DBACRA with Premium-Penalty)，根據(jù)傳輸情況對(duì)實(shí)際信息素進(jìn)行獎(jiǎng)懲，從而優(yōu)化路由。當(dāng)某條通信路徑的數(shù)據(jù)流量每達(dá)到一定額度就給與其獎(jiǎng)勵(lì)，這使得目的節(jié)點(diǎn)附近獲得較多獎(jiǎng)勵(lì)，更有利于吸引數(shù)據(jù)朝目的節(jié)點(diǎn)傳遞。此外，當(dāng)某條通信鏈路不穩(wěn)定，出現(xiàn)較多丟包時(shí)，可對(duì)其實(shí)際信息素采取適當(dāng)懲罰。這種獎(jiǎng)懲機(jī)制只需付出較小的計(jì)算開(kāi)銷(xiāo)，就能使得數(shù)據(jù)傳輸服務(wù)支持路由的更新。

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證本文所提路由算法的性能，在TinyOS操作系統(tǒng)中分別實(shí)現(xiàn)BACRA協(xié)議、DBACRA協(xié)議、DBACRA-PP協(xié)議以及CTP協(xié)議。CTP協(xié)議［14］是無(wú)線傳感網(wǎng)中較為常用的路由協(xié)議，它是基于樹(shù)的，為網(wǎng)絡(luò)節(jié)點(diǎn)提供到根節(jié)點(diǎn)的全力的，任意傳播的傳輸機(jī)制。本文的仿真環(huán)境采用TOSSIM平臺(tái)，可以支持大規(guī)模的網(wǎng)絡(luò)仿真。為使仿真服務(wù)更貼近真實(shí)環(huán)境，加載斯坦福大學(xué)Meyer圖書(shū)館的噪聲數(shù)據(jù)，從而模擬出射頻噪聲及節(jié)點(diǎn)間的相互干擾［15］。

仿真采用100個(gè)節(jié)點(diǎn)，使其均勻隨機(jī)地分布在100×100單位區(qū)域內(nèi)。節(jié)點(diǎn)最大傳輸距離約為20個(gè)單位。假設(shè)源節(jié)點(diǎn)與目的節(jié)點(diǎn)具有充足的能量供應(yīng)，分別位于正方形區(qū)域的左下角與右上角。其他節(jié)點(diǎn)的初始能量為10 000單位，發(fā)送和接收一個(gè)消息消耗5單位。源節(jié)點(diǎn)每隔1s產(chǎn)生一個(gè)數(shù)據(jù)包，仿真持續(xù)到出現(xiàn)第一個(gè)能量耗盡的節(jié)點(diǎn)，并將該持續(xù)時(shí)間定義為網(wǎng)絡(luò)生命周期。本實(shí)驗(yàn)中，其余參數(shù)選取如下:α=2，β=4，ρ=0.9，η=0.2(經(jīng)過(guò)多次實(shí)驗(yàn)對(duì)比，當(dāng)取得這些參數(shù)時(shí)系統(tǒng)性能較好);獎(jiǎng)懲機(jī)制的獎(jiǎng)勵(lì)與懲罰的比例均為5%。假設(shè)源節(jié)點(diǎn)在發(fā)送數(shù)據(jù)前，已成功完成20次螞蟻迭代，隨后每30個(gè)數(shù)據(jù)包發(fā)送一個(gè)前向螞蟻，其仿真性能如表1所示(表中數(shù)據(jù)均由50次仿真結(jié)果取平均值獲得)。

表1 路由算法性能比較

由表1可看出，DBACRA協(xié)議的生命周期相比BACRA協(xié)議提高12%，在端到端的平均時(shí)延方面也顯著縮短了15%。平均能耗指?jìng)鬏斠粋€(gè)數(shù)據(jù)包需要消耗的全網(wǎng)能量?？梢?jiàn)，DBACRA協(xié)議由于平均時(shí)延大大縮短而使平均能耗減少了10%左右。DBACRA-PP協(xié)議與DBACRA協(xié)議相比，在生命周期方面的優(yōu)勢(shì)較明顯，可見(jiàn)獎(jiǎng)懲機(jī)制具有一定的路由優(yōu)化能力。與CTP協(xié)議的比較可看出，CTP協(xié)議在平均時(shí)延和能耗方面有著顯著優(yōu)勢(shì)，這是因?yàn)槠渎窂絻?yōu)化沒(méi)有考慮能量因素，易收斂于局部路徑。這會(huì)導(dǎo)致其快速耗盡少數(shù)節(jié)點(diǎn)的能量，故生命周期僅為蟻群算法的一半。考慮到算法差別較大，下面不再與CTP協(xié)議作仿真對(duì)比。

進(jìn)一步，研究初始螞蟻的迭代次數(shù)對(duì)蟻群路由協(xié)議性能的影響。圖1給出了不同初始螞蟻情況下的平均時(shí)延。初始螞蟻越少，改進(jìn)協(xié)議的平均時(shí)延與BACRA協(xié)議就相差越大。這是由于改進(jìn)協(xié)議的擴(kuò)散模型可以快速建立路由梯度，而B(niǎo)ACRA協(xié)議需多次迭代后才能優(yōu)化信息素的分布。值得注意的是，DBACRA-PP協(xié)議相比DBACRA協(xié)議只有略微的優(yōu)勢(shì)，但在初始螞蟻較少時(shí)效果較明顯。

圖1 不同數(shù)量初始螞蟻下的平均時(shí)延比較

圖2表示三種路由協(xié)議運(yùn)行過(guò)程中的時(shí)延變化情況。BACRA協(xié)議在啟動(dòng)后迅速收斂，故時(shí)延下降較快，但仍顯著大于改進(jìn)協(xié)議。在運(yùn)行900s后，BACRA協(xié)議逐漸收斂于局部較優(yōu)解，在縮短時(shí)延的同時(shí)，導(dǎo)致部分節(jié)點(diǎn)的能量快速消耗，運(yùn)行時(shí)間縮短。改進(jìn)協(xié)議能更好地適應(yīng)全網(wǎng)能量的動(dòng)態(tài)變化，故有較長(zhǎng)的生命周期。DBACRA-PP協(xié)議由于采用獎(jiǎng)懲機(jī)制降低了數(shù)據(jù)包反向傳遞的概率，故其傳輸時(shí)延比DBACRA協(xié)議稍好。

圖2 端到端傳輸時(shí)延的變化

4 結(jié)論

針對(duì)無(wú)線傳感網(wǎng)能量有限、動(dòng)態(tài)變化的特點(diǎn)，本文提出一種基于蟻群算法的路由協(xié)議，采用信息素?cái)U(kuò)散模型，由實(shí)際和虛擬兩種信息素共同指引螞蟻和數(shù)據(jù)的偏向性路徑搜索。信息素的擴(kuò)散有利于路由系統(tǒng)的快速啟動(dòng)，并能及時(shí)適應(yīng)網(wǎng)絡(luò)拓?fù)浜湍芰克降膭?dòng)態(tài)變化。另外，根據(jù)數(shù)據(jù)傳輸?shù)那闆r對(duì)信息素采取適當(dāng)?shù)莫?jiǎng)勵(lì)與懲罰，使得數(shù)據(jù)傳輸支持路由更新。經(jīng)仿真驗(yàn)證，改進(jìn)協(xié)議具有較強(qiáng)的適應(yīng)性，能較好地均衡全網(wǎng)能耗，有效延長(zhǎng)整個(gè)網(wǎng)絡(luò)的生命周期。

［1］Heinzelman W，Chandrakasan A，Balakrishnan H.Energy-Efficient Communication Protocol for Wireless Microsensor Networks［C］//Proc.of the 33rd Annual Hawaii Int Conf.on System Sciences.Maui:IEEE Computer Society，2000:3005－3014.

［2］Jing Yang，Yi Lin，Weili Xiong，et al.Ant Colony-Based Multi-Path Routing Algorithm for Wireless Sensor Networks［C］//Proc.of the International Workshop on Intelligent Systems and Applications.Wuhan，2009:1－4.

［3］Hedetniemi S，Liestman A.A Survey of Gossiping and Broadcasting in Communication Networks［J］.Networks，1988，18(4):319－349.

［4］Lindsey S，Raghavendra C S.PEGASIS:Power-Efficient Gathering in Sensor Information Systems［C］//Proc.of the IEEE Aerospace Conf.Montana:IEEE Aerospace and Electronic Systems Society，2002:1125－1130.

［5］Jelmer van Ast，Robert Babuska，Bart De Schutter.Particle Swarms in Optimization and Control［C］//Proceedings of the 17th World Congress The International Federation of Automatic Control.Seoul，Korea，July 6－11，2008:5131－5136.

［6］Lopez C I L，van Willigenburg L G，van Straten G.Efficient DifferentialEvolution AlgorithmsforMuhimodalOptimalControl Problems［J］.Applied Soft Computing，2003，3(2):97－122.

［7］Liu Lu，Qi Luo，Junyong Liu，et al.An Improved Particle Swarm Optimization Algorithm［C］//Granular Computing，IEEE International Conference.2008:486－490.

［8］段海濱.蟻群算法原理及其應(yīng)用［M］.北京:科學(xué)出版社，2005.

［9］Kalaavathi B，Madhavi S，VijayaRagavan S，et al.Review of ant based routing protocols for manet［C］//Proc.of the 2008 Int Conf on Computing，Communication and Networking.Thomas，2008:1－9.

［10］Wei Gao，Qinglin Sun，Zengqiang Chen.Optimal Energy Consumption in Wireless Sensor Networks by Using the Ant Colony Algorithm(ACA)［C］//Interational Conference on Computer and Communication Technologies in Agriculture Engineering.Chengdu，2010:189－192.

［11］Camilo T，Carreto C，Silva J，et al.An Energy-Efficient Ant-Based Routing Algorithm for Wireless Sensor Networks［C］//Proc.of the International Workshop on Ant Colony Optimization and Swarm Intelligence.Brussels，2006:49－59.

［12］王結(jié)太，許家棟，徐建城.基于蟻群優(yōu)化算法的無(wú)線傳感器網(wǎng)絡(luò)路由協(xié)議［J］.系統(tǒng)仿真學(xué)報(bào)，2008，20(18):4898－4901.

［13］Colorni A，Dorigo M，Maniezzo V.Distributed Optimization by Ant Colonies［C］//Proc.of ECAL91-European Conference on Artificial Life.Paris，F(xiàn)rance:Elsevier Publishing，1991.134－142.

［14］Omprakash Gnawali，Rodrigo Fonseca，Kyle Jamieson，et al.Collection Tree Protocol［C］//Proceedings of the 7th ACM Conference on Embedded Networked Sensor Systems(SenSys)，2009.

［15］Philip Levis，Nelson Lee，Matt Welsh，et al.TOSSIM:Accurate and Scalable Simulation of Entire TinyOS Applications.Proc.of the First ACM Conference on Embedded Networked Sensor Systems.New York，2003:126－137.