基于CPSO的WSN路由優(yōu)化

呂春峰，朱力宏

(鄭州鐵路職業(yè)技術(shù)學(xué)院，河南 鄭州 450052)

基于CPSO的WSN路由優(yōu)化

呂春峰，朱力宏

(鄭州鐵路職業(yè)技術(shù)學(xué)院，河南 鄭州 450052)

針對傳統(tǒng)的無線傳感器網(wǎng)絡(luò)存在網(wǎng)絡(luò)生存時間短、能量損耗大、整個網(wǎng)絡(luò)能量不均衡的問題，提出使用CPSO(混沌粒子群算法)對路由進(jìn)行優(yōu)化。介紹了對WSN(無線傳感器網(wǎng)絡(luò))路由進(jìn)行優(yōu)化的過程。測試結(jié)果表明，經(jīng)過優(yōu)化的無線傳感器網(wǎng)絡(luò)具有網(wǎng)絡(luò)生存時間長、能量損耗小、整個網(wǎng)絡(luò)能量均衡的優(yōu)點。

CPSO；WSN；粒子群算法

無線傳感器節(jié)點通常所處的環(huán)境是比較危險的。因為此節(jié)點的能量非常有限，而且不易更換。能耗均衡的路由協(xié)議對于無線傳感器網(wǎng)絡(luò)至關(guān)重要,它能夠延長整個網(wǎng)絡(luò)的生存時間[1]。可以使用CPSO對WSN路由進(jìn)行優(yōu)化。

1 CPSO的WSN路由優(yōu)化

第一步，算法初始化。對經(jīng)過路由優(yōu)化的節(jié)點信息進(jìn)行搜集，確定幾個重要的參數(shù)。這些參數(shù)包括粒子群規(guī)模n、學(xué)習(xí)因子等，其中最重要的參數(shù)是最大迭代次數(shù)Nmax。

第二步，粒子種群的初始化。由式子Z'k=(1-a)Z*+aZk可以隨機(jī)產(chǎn)生n維向量：Zj= (Zj1，Zj2，…，Zjn) ，0≤Zj≤1，j= 1，2，…，n。因為混沌對初始值具有敏感的特點，而這些值之間基本沒有差異，所以此時就能很好地產(chǎn)生n個初始粒子種群。

第三步，把得到的n維向量Zj進(jìn)行一個逆映射運算，這樣就可以識別傳感器節(jié)點信息。

第四步，對粒子適應(yīng)度進(jìn)行評估。要進(jìn)行WSN網(wǎng)絡(luò)路由優(yōu)化有很多的參數(shù)要考慮，主要的參數(shù)是路由長度，節(jié)點的能量消耗以及能量均衡。假設(shè)把一條n個傳感器節(jié)點的可行路由表示為

f(p)=wdd(p)+wee(p)+wll(p) 。

(1)

式中，wd表示距離權(quán)重，we表示能耗權(quán)重，wl表示整個無線傳感器網(wǎng)絡(luò)的能耗權(quán)重，d(p)、e(p)、l(p)分別表示路由的總長、能耗和整個無線傳感器網(wǎng)絡(luò)的能耗。

第五步，對粒子群進(jìn)行判斷，判斷的主要目的是看是否有粒子群早熟的現(xiàn)象[2]。如果有此類現(xiàn)象，就需要對一些粒子進(jìn)行混沌處理，要是沒有此類現(xiàn)象就可以繼續(xù)執(zhí)行粒子群算法。判斷早熟現(xiàn)象的方法是：

(2)

(3)

式(2)和(3)中，favg表示粒子群平均適應(yīng)度值，n表示具體的粒子數(shù)量。

(2)如果出現(xiàn)最優(yōu)粒子位置不變化次數(shù)到預(yù)設(shè)的閾值的情況，即為粒子群進(jìn)化緩慢，陷入停滯。

第六步，得到無線傳感器網(wǎng)絡(luò)的最優(yōu)解，優(yōu)化算法結(jié)束。此算法的主要流程可以用圖1表示。

圖1 算法流程圖

2 混沌粒子群的應(yīng)用

主要通過網(wǎng)絡(luò)仿真軟件NS2對整個優(yōu)化算法進(jìn)行仿真，這樣就可以得到CPSO的性能優(yōu)勢。仿真結(jié)果表明,該算法提高了能量利用率,均衡了網(wǎng)絡(luò)能量消耗，延長了網(wǎng)絡(luò)的生命周期[3]。假設(shè)無線傳感器節(jié)點為300個，分布區(qū)域大小為100m×100m，用圖2表示無線傳感器節(jié)點的分布情況。

圖2 WSN 傳感器節(jié)點分布圖

3 測試結(jié)果和結(jié)論

3.1 測試結(jié)果

在測試過程中主要使用GA、PSO和CPSO算法進(jìn)行了仿真，仿真的結(jié)果如圖3所示。

圖3 三種算法的WSN 網(wǎng)絡(luò)生存時間比較

可以看出，和另外兩種算法相比CPSO算法的網(wǎng)絡(luò)生存時間是最長的，而且CPSO算法的減低速度是最慢的。所以，此算法收斂速度比較快，基本不會出現(xiàn)陷入局部最優(yōu)的問題，可以以最快的速度很好地實現(xiàn)WSN最優(yōu)路由，從而可以有效地減少傳感器節(jié)點的能量消耗，達(dá)到讓整個網(wǎng)絡(luò)能量更加均衡的目的。

3.2 結(jié)論

傳統(tǒng)的WSN路由優(yōu)化算法存在很多的問題，比如網(wǎng)絡(luò)生存時間短、網(wǎng)絡(luò)能量消耗不均衡等，通過使用CPSO算法對傳統(tǒng)的算法進(jìn)行了優(yōu)化。測試結(jié)果表明，此算法可以充分利用各個節(jié)點的能量，從而使整個網(wǎng)絡(luò)的能量更加均衡，很好地改善了整個無線傳感器網(wǎng)絡(luò)的性能，具有很好的使用空間。

[1]田中興，陳瑋，郭金鑫．一種能耗均衡的WSN路由協(xié)議[J]．江南大學(xué)學(xué)報(自然科學(xué)版)，2014，13(1)：44-48．

[2]牛紅惠，徐甜．基于聚類粒子群算法網(wǎng)絡(luò)異常檢測模型研究[J]．微電子學(xué)與計算機(jī)，2012 ，29(3)：102-105．

[3]李燈熬，郝海龍，郭錦龍，等．一種能量有效的無線傳感器網(wǎng)絡(luò)分簇及簇間路由算法 [J]．自動化儀表，2015，36(12)：4-7．

[責(zé)任編輯：趙 偉]

WSN Routing Optimization Based on CPSO

Lü Chunfeng ZHU Lihong

(ZhengZhou Railway Vocaional and Technical College,Zhengzhou 450052,China)

The traditional wireless sensor network has the disadvantages of short survival time, big energy loss, the whole network energy unbalance, this paper proposes to use the CPSO(chaotic particle swarm optimization algorithm) for routing optimization, this paper mainly introduces the use of this algorithm for WSN (Wireless Sensor Network) process route optimization. The test results show that, through the wireless sensor network optimization with the network survival time is long, small energy loss, the energy balance network advantages.

CPSO；WSN；particle swarm optimization algorithm

2015 - 11 - 15

呂春峰(1971—)，男，河南鄭州人，鄭州鐵路職業(yè)技術(shù)學(xué)院講師 ，碩士，研究方向為計算機(jī)網(wǎng)絡(luò)和多媒體。 朱力宏(1962—)，男，河南鄭州人，鄭州鐵路職業(yè)技術(shù)學(xué)院實驗師，研究方向為電子信息。

G642

A

1008-6811(2016)-04-0012-03