基于蟻群優(yōu)化的能量均衡自適應(yīng)路由算法

楊大鵬

（海軍駐重慶地區(qū)軍事代表局，成都610100）

隨著微處理器技術(shù)、傳感器和低耗能的無(wú)線電收發(fā)器技術(shù)的高速發(fā)展，使得大規(guī)模的無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，WSNs）擁有廣闊的應(yīng)用前景。針對(duì)WSNs路由協(xié)議的研究是無(wú)線傳感器網(wǎng)絡(luò)的熱點(diǎn)研究問(wèn)題之一。與傳統(tǒng)有線計(jì)算機(jī)網(wǎng)絡(luò)的路由不同，無(wú)線傳感器網(wǎng)絡(luò)的網(wǎng)絡(luò)流量集中在匯聚節(jié)點(diǎn)（sink）和源節(jié)點(diǎn)之間，具有多對(duì)一（many to one）和一對(duì)多（one to many）的路由特點(diǎn)[1]。同時(shí)，無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)能量受限，高效利用能量始終是路由設(shè)計(jì)的首要策略。

近年來(lái)，針對(duì)上述特點(diǎn)提出了很多基于蟻群算法的路由機(jī)制[2-6]。蟻群算法是意大利學(xué)者Dorigo 于1991年提出的一種啟發(fā)式仿生進(jìn)化算法[7]，具有很好的自組織性、正反饋性和并行性，在解決無(wú)線傳感器網(wǎng)絡(luò)這種動(dòng)態(tài)路由時(shí)有很好的性能[8]。但是目前基于蟻群算法的路由機(jī)制在路由的更新和維護(hù)方面多是使用定期重構(gòu)機(jī)制（每隔一段時(shí)間重新執(zhí)行路由算法完全重構(gòu)路由），這種機(jī)制帶來(lái)了很大的網(wǎng)絡(luò)開(kāi)銷，研究證明[9]這種機(jī)制使網(wǎng)絡(luò)性能缺乏穩(wěn)定性。本文基于這一問(wèn)題，提出一種自適應(yīng)的能量均衡蟻群優(yōu)化路由算法（ACO based Energy-Balance Adaptive routing algorithm，AEBAR），通過(guò)自適應(yīng)機(jī)制實(shí)現(xiàn)路由更新和維護(hù)，實(shí)驗(yàn)證明該算法能夠很好地提高路由性能，降低網(wǎng)絡(luò)開(kāi)銷。

1 基于蟻群優(yōu)化的能量均衡自適應(yīng)路由算法

本節(jié)對(duì)AEBAR 算法在路由初始化、路由建立和路由維護(hù)幾個(gè)階段的實(shí)現(xiàn)進(jìn)行詳細(xì)描述。在初始化階段，使用簡(jiǎn)單洪泛廣播使網(wǎng)絡(luò)中的節(jié)點(diǎn)獲得鄰居節(jié)點(diǎn)信息和自身距離sink節(jié)點(diǎn)的跳數(shù)位置，路由的構(gòu)建通過(guò)優(yōu)化記錄有鄰居節(jié)點(diǎn)信息素強(qiáng)度的路由表實(shí)現(xiàn)。路由表的優(yōu)化使用蟻群優(yōu)化機(jī)制實(shí)現(xiàn)，算法派發(fā)出尋徑螞蟻在多次迭代過(guò)程中使用狀態(tài)轉(zhuǎn)移概率不斷試探最優(yōu)路徑，尋徑螞蟻到達(dá)sink節(jié)點(diǎn)后轉(zhuǎn)換為回退螞蟻，對(duì)路徑上的信息素進(jìn)行更新，從而使路由表得到優(yōu)化。本算法在狀態(tài)轉(zhuǎn)移概率的啟發(fā)信息和信息素更新的求取中都引入了能量水平和跳數(shù)水平的權(quán)衡機(jī)制，綜合考慮這2 個(gè)因素來(lái)選擇源節(jié)點(diǎn)與sink節(jié)點(diǎn)間的最優(yōu)路徑。通過(guò)這個(gè)策略可實(shí)現(xiàn)均衡網(wǎng)絡(luò)能量，延長(zhǎng)網(wǎng)絡(luò)壽命的目的。路由構(gòu)建完成之后，進(jìn)入路由的維護(hù)階段。本算法使用了間斷派發(fā)偵測(cè)螞蟻的自適應(yīng)路由維護(hù)策略，通過(guò)偵測(cè)螞蟻實(shí)時(shí)地檢查路由狀態(tài)，及時(shí)修正最優(yōu)路徑，以避免最優(yōu)路徑負(fù)載過(guò)重節(jié)點(diǎn)過(guò)早死亡，同時(shí)與定期重構(gòu)的路由維護(hù)機(jī)制相比明顯的減少了網(wǎng)絡(luò)開(kāi)銷，提高了網(wǎng)絡(luò)性能。

1.1 路由初始化

路由初始階段，所有節(jié)點(diǎn)單跳廣播其ID 號(hào)，每個(gè)節(jié)點(diǎn)通過(guò)接收到的廣播信息構(gòu)建其鄰居節(jié)點(diǎn)表。當(dāng)所有節(jié)點(diǎn)完成鄰居節(jié)點(diǎn)表的建立后，sink 節(jié)點(diǎn)在整個(gè)網(wǎng)絡(luò)中洪泛一個(gè)跳數(shù)消息Hops_Message，其中僅包含一個(gè)跳數(shù)值Hops。

網(wǎng)絡(luò)節(jié)點(diǎn)構(gòu)建路徑跳數(shù)參數(shù)Node_Hops=0，用于記錄各節(jié)點(diǎn)與sink 節(jié)點(diǎn)之間的網(wǎng)絡(luò)路徑跳數(shù)。當(dāng)網(wǎng)絡(luò)節(jié)點(diǎn)收到Hops_Message 之后，將Hops 值賦予Node_Hops 并對(duì)Hops 值進(jìn)行更新：Hops=Hops+1，然后繼續(xù)向下洪泛。為了避免節(jié)點(diǎn)跳數(shù)被帶有高跳數(shù)值的洪泛消息修改，可引入了本地判斷機(jī)制，具體表述見(jiàn)式1。

根據(jù)式（1），當(dāng)節(jié)點(diǎn)接收到一個(gè)跳數(shù)消息后，首先進(jìn)行判斷運(yùn)算，比較節(jié)點(diǎn)當(dāng)前的跳數(shù)與消息中跳數(shù)的大小。

上述過(guò)程其實(shí)質(zhì)是一個(gè)梯度建立過(guò)程，通過(guò)這個(gè)過(guò)程，網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)都存有一個(gè)跳數(shù)值，從而獲知自身在網(wǎng)絡(luò)中與sink節(jié)點(diǎn)的跳數(shù)位置。

1.2 路由建立

初始化完成之后，網(wǎng)絡(luò)開(kāi)始通過(guò)基于蟻群優(yōu)化的路由算法創(chuàng)建各節(jié)點(diǎn)到sink 節(jié)點(diǎn)的路由。通過(guò)派發(fā)各自的尋徑螞蟻并行的使用蟻群路由算法，網(wǎng)絡(luò)中的節(jié)點(diǎn)以其自身建立源節(jié)點(diǎn)，sink 節(jié)點(diǎn)為目的節(jié)點(diǎn)的最優(yōu)路徑。在本算法中，將螞蟻分為2類，一類是由源節(jié)點(diǎn)出發(fā)的尋徑螞蟻，另一類是從sink節(jié)點(diǎn)回溯到源節(jié)點(diǎn)的回退螞蟻。路由建立過(guò)程中，尋徑螞蟻從源節(jié)點(diǎn)出發(fā)，根據(jù)鄰居節(jié)點(diǎn)的路由信息按照概率轉(zhuǎn)移函數(shù)選擇下一跳節(jié)點(diǎn)，若鄰居節(jié)點(diǎn)中沒(méi)有路由信息，尋徑螞蟻就通過(guò)洪泛廣播將自己的副本發(fā)送到鄰居節(jié)點(diǎn)，這些螞蟻可定義為一代尋徑螞蟻，當(dāng)同一代尋徑螞蟻到達(dá)sink節(jié)點(diǎn)后，就找到多條源節(jié)點(diǎn)到sink節(jié)點(diǎn)的路徑，這一代尋徑螞蟻在sink節(jié)點(diǎn)轉(zhuǎn)換成回退螞蟻，各自按原路徑返回源節(jié)點(diǎn)。在這個(gè)過(guò)程中回退螞蟻對(duì)相應(yīng)路徑上的信息素進(jìn)行更新，使網(wǎng)絡(luò)中每一個(gè)節(jié)點(diǎn)都生成一個(gè)路由表，表中記錄了經(jīng)由該節(jié)點(diǎn)到sink節(jié)點(diǎn)的路徑中該節(jié)點(diǎn)的下一跳節(jié)點(diǎn)以及之間的信息素強(qiáng)度。

尋徑螞蟻在路由優(yōu)化過(guò)程中依照轉(zhuǎn)移概率Pk(i,j)隨機(jī)選擇下一跳節(jié)點(diǎn)，Pk(i,j)表示尋徑螞蟻k從節(jié)點(diǎn)i經(jīng)由鄰居節(jié)點(diǎn)j到達(dá)sink 節(jié)點(diǎn)的轉(zhuǎn)移概率。具體實(shí)現(xiàn)如下：

式（2）中：α和β分別是信息素啟發(fā)因子和期望啟發(fā)式因子，用來(lái)衡量信息素和啟發(fā)信息的權(quán)重（本文設(shè)α=1，β=2）；Ni表示節(jié)點(diǎn)i的鄰居節(jié)點(diǎn)集合；τk(i,j)表示由源節(jié)點(diǎn)k生成的尋徑螞蟻經(jīng)過(guò)節(jié)點(diǎn)i與鄰居節(jié)點(diǎn)j上的鏈路后在其上留下的信息素，它的值被記錄在路由表中，初始情況下τk(i,j)=const；η(j)是尋徑螞蟻選擇鄰居節(jié)點(diǎn)j為下一跳節(jié)點(diǎn)的啟發(fā)信息，

式（3）中：ej,residual為節(jié)點(diǎn)j當(dāng)前能量；C為節(jié)點(diǎn)的初始能量；ΔH表示節(jié)點(diǎn)i與鄰居節(jié)點(diǎn)j之間跳數(shù)的差值，可由Hj-Hi求得；Hi表示節(jié)點(diǎn)i距離sink節(jié)點(diǎn)的跳數(shù)，在路由初始階段求得；λ為權(quán)重系數(shù)，若λ取較大的值則給予能量更多的權(quán)重。

尋徑螞蟻完成一次尋徑到達(dá)sink 節(jié)點(diǎn)后轉(zhuǎn)換成回退螞蟻對(duì)生成的路徑進(jìn)行信息素的更新。每只回退螞蟻都存儲(chǔ)有相應(yīng)路徑上各節(jié)點(diǎn)能量的一個(gè)均值Eavg(k)和路徑上的最小能量Emin(k)，Eavg(k)從整體上衡量了路徑的能量水平，顯然具有高Eavg(k)值的路徑更適合作為最優(yōu)路徑傳輸數(shù)據(jù)，但是如果一條高Eavg(k)值的路徑上存在能量水平很低的節(jié)點(diǎn)則會(huì)導(dǎo)致路徑過(guò)早失效，故可引入Emin(k)用來(lái)判斷路徑是否存在瓶頸。Eavg(k)和Emin(k)的值在尋徑螞蟻的尋徑過(guò)程中由路徑上各個(gè)節(jié)點(diǎn)計(jì)算求得。當(dāng)尋徑結(jié)束，尋徑螞蟻由源節(jié)點(diǎn)到達(dá)sink 節(jié)點(diǎn)，將記錄的路徑能量和跳數(shù)信息交給sink 節(jié)點(diǎn)，sink 節(jié)點(diǎn)得到數(shù)據(jù)后將尋徑螞蟻消亡生成回退螞蟻，計(jì)算出各路徑需要更新的信息素后賦予相應(yīng)的回退螞蟻。具體的信息素更新公式為

式（4）中信息增量部分Δτk的計(jì)算需要兼顧考慮路徑長(zhǎng)度（路徑上的節(jié)點(diǎn)跳數(shù)）和整個(gè)路徑的能量水平，若只考慮其中的任一個(gè)因素都會(huì)影響網(wǎng)絡(luò)能量的均衡和網(wǎng)絡(luò)壽命。故可將路徑上的節(jié)點(diǎn)跳數(shù)hop(k)和Eavg(k)、Emin(k)引入到Δτk的求解中：

式（5）中：φ、γ、μ是3 個(gè)權(quán)重系數(shù)，可根據(jù)對(duì)網(wǎng)絡(luò)跳數(shù)和能量水平的要求取值；Q表示信息素強(qiáng)度，在一定程度上影響算法的收斂速度（本文設(shè)置Q=0.8）。

回退螞蟻沿原路回退到源節(jié)點(diǎn)，在這個(gè)過(guò)程中對(duì)路徑上所有節(jié)點(diǎn)的路由表即信息素表進(jìn)行更新。至此，相應(yīng)的源節(jié)點(diǎn)就完成了一次路由優(yōu)化，源節(jié)點(diǎn)將該回退螞蟻消亡，同時(shí)生成一個(gè)新的尋徑螞蟻開(kāi)始新一輪的路徑尋優(yōu)。蟻群路由算法設(shè)定了路由優(yōu)化的迭代次數(shù)，完成該迭代次數(shù)后得出每個(gè)源節(jié)點(diǎn)到sink節(jié)點(diǎn)的最優(yōu)路徑。

1.3 數(shù)據(jù)轉(zhuǎn)發(fā)和自適應(yīng)路由維護(hù)

經(jīng)過(guò)蟻群路由算法對(duì)網(wǎng)絡(luò)路由優(yōu)化之后，每個(gè)節(jié)點(diǎn)的路由表得到優(yōu)化更新，節(jié)點(diǎn)根據(jù)路由表記錄的鄰居節(jié)點(diǎn)信息素強(qiáng)度選擇轉(zhuǎn)發(fā)數(shù)據(jù)包的下一跳節(jié)點(diǎn)。節(jié)點(diǎn)路由表中記錄的信息素是與源節(jié)點(diǎn)相對(duì)應(yīng)的，源節(jié)點(diǎn)發(fā)出的數(shù)據(jù)包綁定有源節(jié)點(diǎn)的標(biāo)識(shí)，轉(zhuǎn)發(fā)節(jié)點(diǎn)通過(guò)該標(biāo)識(shí)找到匹配的信息素轉(zhuǎn)發(fā)數(shù)據(jù)包。具體的數(shù)據(jù)轉(zhuǎn)發(fā)策略使用下式描述∶

考慮到網(wǎng)絡(luò)中節(jié)點(diǎn)在數(shù)據(jù)的生成、處理和轉(zhuǎn)發(fā)過(guò)程中能量不斷地消耗，以及傳感器網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)動(dòng)態(tài)特性，初始創(chuàng)建的最優(yōu)路由會(huì)失去最優(yōu)性，故在網(wǎng)絡(luò)的壽命周期里需要對(duì)路由進(jìn)行定期的更新和維護(hù)。在以往的基于蟻群優(yōu)化的路由算法研究中，例如文獻(xiàn)[10]提出的一種基于蟻群優(yōu)化的路由算法EEABR，大多是使用定期重新運(yùn)行路由生成算法重構(gòu)整個(gè)網(wǎng)絡(luò)路由的策略，研究證明[4]基于蟻群優(yōu)化的路由算法在優(yōu)化過(guò)程中引起的網(wǎng)絡(luò)開(kāi)銷是十分可觀的，定期執(zhí)行算法對(duì)路由進(jìn)行更新對(duì)網(wǎng)絡(luò)能量帶來(lái)極大消耗，并且在重構(gòu)期間網(wǎng)絡(luò)完全停止監(jiān)控功能處于失效狀態(tài)嚴(yán)重影響網(wǎng)絡(luò)效率。本文受文獻(xiàn)[11]啟發(fā)，引入一種自適應(yīng)的路由更新和維護(hù)策略——基于偵測(cè)螞蟻的路由更新和維護(hù)機(jī)制。該機(jī)制針對(duì)WSNs中網(wǎng)絡(luò)節(jié)點(diǎn)生成監(jiān)測(cè)數(shù)據(jù)存在周期性的特性，設(shè)置各源節(jié)點(diǎn)每發(fā)送N個(gè)監(jiān)測(cè)數(shù)據(jù)包就發(fā)出一個(gè)偵測(cè)螞蟻（N的取值需根據(jù)網(wǎng)絡(luò)的數(shù)據(jù)生成率情況進(jìn)行設(shè)置），偵測(cè)螞蟻通過(guò)轉(zhuǎn)移概率隨機(jī)選擇路徑到達(dá)sink 節(jié)點(diǎn)，概率實(shí)現(xiàn)如下：

式（7）中，φ的取值大于式（2）中α的取值（本文設(shè)置φ=2）。使用較大的權(quán)重系數(shù)可以使偵測(cè)螞蟻有更大的概率采集非最優(yōu)路徑的信息，實(shí)現(xiàn)對(duì)所有可達(dá)路徑進(jìn)行偵測(cè)，更全面地掌握路徑信息。

偵測(cè)螞蟻在偵測(cè)過(guò)程中采集路徑上所有節(jié)點(diǎn)的能量和跳數(shù)信息，在sink節(jié)點(diǎn)計(jì)算得到該路徑需要更新的信息素后，帶著信息素增量沿原路返回，執(zhí)行與回退螞蟻相同的功能，對(duì)路徑的信息素進(jìn)行更新。通過(guò)使用偵測(cè)螞蟻，可以相對(duì)實(shí)時(shí)地獲得路徑的能量狀態(tài)，從而能夠及時(shí)更新路由并使其處于最優(yōu)狀態(tài)。同時(shí)，基于偵測(cè)螞蟻的路由維護(hù)策略帶來(lái)的網(wǎng)絡(luò)開(kāi)銷相對(duì)于定期重構(gòu)策略有明顯的下降。

2 算法仿真與比較

本節(jié)使用NS2 仿真平臺(tái)對(duì)AEBAR 算法進(jìn)行仿真，并與使用定期重構(gòu)策略的EEABR 路由算法進(jìn)行比較。仿真模型假設(shè)M個(gè)傳感器節(jié)點(diǎn)隨機(jī)布置在監(jiān)測(cè)區(qū)域中，M在50～500間取值。每個(gè)傳感器節(jié)點(diǎn)的初始能量一致，sink節(jié)點(diǎn)能量能夠不斷補(bǔ)充在仿真時(shí)間里，可視為無(wú)限，詳細(xì)配置見(jiàn)表1。

表1 模擬實(shí)驗(yàn)環(huán)境

仿真使用數(shù)據(jù)轉(zhuǎn)發(fā)率和網(wǎng)絡(luò)壽命2個(gè)指標(biāo)對(duì)2個(gè)算法的性能進(jìn)行比較。數(shù)據(jù)轉(zhuǎn)發(fā)率在本實(shí)驗(yàn)中定義為仿真結(jié)束后sink 節(jié)點(diǎn)接收到的數(shù)據(jù)包與網(wǎng)絡(luò)源節(jié)點(diǎn)發(fā)送數(shù)據(jù)包的比值。為了全面衡量網(wǎng)絡(luò)的壽命水平，本文使用了網(wǎng)絡(luò)節(jié)點(diǎn)剩余能量的均值和節(jié)點(diǎn)剩余能量的標(biāo)準(zhǔn)差2個(gè)指標(biāo)。節(jié)點(diǎn)剩余能量均值能夠很好地反映網(wǎng)絡(luò)整體的能耗狀況，而節(jié)點(diǎn)剩余能量標(biāo)準(zhǔn)差則能夠客觀的反映網(wǎng)絡(luò)能耗的均衡性。故本文將節(jié)點(diǎn)剩余能量均值與節(jié)點(diǎn)剩余能量標(biāo)準(zhǔn)差的比率均值作為衡量網(wǎng)絡(luò)壽命的指標(biāo)。

圖1描述了在不同的網(wǎng)絡(luò)規(guī)模下兩個(gè)算法的數(shù)據(jù)轉(zhuǎn)發(fā)率。通過(guò)比較可以看出，隨著網(wǎng)絡(luò)規(guī)模的變化AEBAR 算法相對(duì)于EEABR 在數(shù)據(jù)轉(zhuǎn)發(fā)率方面具有更穩(wěn)定地表現(xiàn)。這主要是由于EEABR算法采用定期重構(gòu)策略的路由更新機(jī)制使得網(wǎng)絡(luò)的控制開(kāi)銷增大，導(dǎo)致網(wǎng)絡(luò)鏈路擁塞出現(xiàn)數(shù)據(jù)丟包；而使用自適應(yīng)路由維護(hù)機(jī)制的AEBAR算法只在有監(jiān)測(cè)數(shù)據(jù)包傳輸?shù)那闆r下間斷發(fā)送少量偵測(cè)螞蟻對(duì)網(wǎng)絡(luò)進(jìn)行維護(hù)和更新，與EEABR 算法相比明顯地降低了網(wǎng)絡(luò)的控制開(kāi)銷，使網(wǎng)絡(luò)有良好的數(shù)據(jù)轉(zhuǎn)發(fā)率，網(wǎng)絡(luò)的性能表現(xiàn)更加穩(wěn)定。

圖1 不同網(wǎng)絡(luò)規(guī)模下的數(shù)據(jù)轉(zhuǎn)發(fā)率

圖2描述了在幾種網(wǎng)絡(luò)規(guī)模下2種算法在網(wǎng)絡(luò)壽命比率方面的比較。從圖2 中的曲線可以看出，AEBAR算法較之EEABR算法有更加平緩的表現(xiàn)。由于本文定義網(wǎng)絡(luò)壽命比率為網(wǎng)絡(luò)節(jié)點(diǎn)剩余能量均值與節(jié)點(diǎn)剩余能量標(biāo)準(zhǔn)差均值的比率，所以，AEBAR算法使網(wǎng)絡(luò)中節(jié)點(diǎn)的能量消耗更加均衡，特別是當(dāng)網(wǎng)絡(luò)規(guī)模增大時(shí)，本文提出的AEBAR 算法在能量均衡方面較之EEABR 算法有明顯平穩(wěn)的表現(xiàn)。同時(shí)，網(wǎng)絡(luò)的絕對(duì)壽命也優(yōu)于EEABR算法。這種性能表現(xiàn)是由于AEBAR算法在信息素增量的求解中引入了能量均衡因子，使得在選擇最優(yōu)路徑時(shí)兼顧了路徑的能量水平，較好地均衡了網(wǎng)絡(luò)的能量消耗。

3 結(jié)論

由于無(wú)線傳感器網(wǎng)絡(luò)的特點(diǎn)，能量消耗問(wèn)題一直是設(shè)計(jì)路由算法需要考慮的首要因素。本文提出的基于蟻群優(yōu)化的自適應(yīng)路由算法（AEBAR），通過(guò)改進(jìn)蟻群優(yōu)化算法，針對(duì)無(wú)線傳感器網(wǎng)絡(luò)特點(diǎn)在算法中引入能量均衡因子，從而在能量消耗和能量均衡方面有優(yōu)良的表現(xiàn)。同時(shí)，目前在基于蟻群優(yōu)化的路由研究方面多使用定期更新的路由維護(hù)策略，這種策略帶來(lái)的網(wǎng)絡(luò)開(kāi)銷較大在很大程度上影響了網(wǎng)絡(luò)性能。針對(duì)這一情況，本文提出了一種使用偵測(cè)螞蟻的自適應(yīng)路由維護(hù)策略，通過(guò)仿真實(shí)驗(yàn)證明該策略很好的提升了網(wǎng)絡(luò)性能。目前，本文提出的算法是針對(duì)靜止節(jié)點(diǎn)的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的，下一步研究將主要在引入節(jié)點(diǎn)移動(dòng)性的前提下改進(jìn)、完善AEBAR算法。

[1] 唐勇，周天明，張欣.無(wú)線傳感器網(wǎng)絡(luò)路由協(xié)議研究進(jìn)展[J].軟件學(xué)報(bào)，2006，17（3）：411-412.

TANG YONG，ZHOU TIANMING，ZHANG XIN. Overview of routing protocols in wireless sensor networks[J].Journal of Software，2006，17（3）：411-412.（in Chinese）

[2] SELCUK OKDEM，DERVIS KARABOGA. Routing in wireless sensor networks using ant colony optimization[C]//Proceedings of the First NASA/ESA Conference on Adaptive Hardware and Systems.Istanbul，Turkey，2006：401-404.

[3] QI BING，ZHAO CHUNHUI. Ant algorithm based load balancing for network sessions[C]//3rd International Conference on Natural Computation. Haikou，China，2007：771-775.

[4] SHOKRANI H，JABBEHDARI S. A survey of ant-based routing algorithms for mobile ad-hoc networks[C]//International Conference on Signal Processing Systems.Singapore，2009：323-329.

[5] CAI WENYU，JIN XINYU，ZHANG YU，et al. ACO based qos routing algorithm for wireless sensor networks[C]//International Conference on Ubiquitous and Computing.Wuhan，China，2006：419-428.

[6] YE NING，WANG RUCHUAN，SUN LIJUAN. A routing scheme for data aggregation based on ant-like agent in wireless sensor networks[J]. Chinese Journal of Electronics，2007，16（3）：449-453.

[7] MARCO DORIGO，MAURO BIRATTARI. Ant colony optimization[J]. IEEE Computational Intelligence Magazine，2006，1（4）：29-30.

[8] 段海濱. 蟻群算法原理及其應(yīng)用[M]. 北京：科學(xué)出版社，2005：24-26.

DUAN HAIBIN.Ant colony algorithm and its application[M].Beijing：Science Press，2005：24-26.（in Chinese）

[9] MUHAMMAD SALEEM，MUDDASSAR FAROOQ. A framework for empirical evaluation of nature inspired routing protocols for wireless sensor networks[C]//IEEE Congresson Evolutionary Computation. Singapore，2007：751-758.

[10] TIAGO CAMILO，CARLOS CARRETO，JORGE SA SILVA，et al. An energy-efficient ant-based routing algorithm for wireless sensor networks[C]//Proceedings of the 5thInternational Conference on Ant Colony Optimization and Swarm Intelligence.Brussels，Belgium，2006：50-59.

[11] GIANNI DI CARO，F(xiàn)REDERICK DUCATELLE，LUCA MARIA GAMBARDELLA. Anthocnet：an adaptive nature-inspired algorithm for routing in mobile ad hoc networks[J]. European Transactions on Telecommunications，2005，16（5）：443-455.