基于蟻群粒子適應(yīng)機制的移動傳感網(wǎng)簇頭生成算法

李文

關(guān)鍵詞：移動傳感網(wǎng);簇頭生成;蟻群粒子;感知覆蓋;極限標準差

目前，移動傳感網(wǎng)技術(shù)（ Mobile Sensor Network，MSN）作為“中國制造2025”計劃重要組成部分，正在實踐中得到日益重視的推廣應(yīng)用。移動傳感網(wǎng)結(jié)合了無線傳感網(wǎng)、新一代移動通信技術(shù)優(yōu)勢，通過在一定地理分布區(qū)間內(nèi)部署可移動節(jié)點的方式實現(xiàn)數(shù)據(jù)感知，并利用無線信道技術(shù)實現(xiàn)數(shù)據(jù)匯聚傳輸，具有成本低廉、部署便捷特點，可實現(xiàn)大規(guī)模部署應(yīng)用。不過，由于移動傳感網(wǎng)節(jié)點同時存在移動特性，傳輸路徑穩(wěn)定性較差，鏈路及節(jié)點抖動現(xiàn)象嚴重，需要通過網(wǎng)絡(luò)分區(qū)方式實現(xiàn)數(shù)據(jù)中繼傳輸。因此，采取一定的簇頭生成算法并穩(wěn)定數(shù)據(jù)傳輸鏈路，成為當前MSN研究領(lǐng)域內(nèi)的熱點。

在簇頭生成算法研究領(lǐng)域內(nèi)，研究者多利用傳感節(jié)點存在的聚類特性，采取區(qū)域分割方式高效選取簇頭節(jié)點。Sanu等提出了一種基于主備動能切換機制的移動傳感網(wǎng)簇頭生成算法，算法引入能量排序機制，通過周期性選取具有較高剩余能量節(jié)點并設(shè)定為簇頭節(jié)點，可實現(xiàn)簇頭快速化選取，所選簇頭抗抖動性能較強。然而，該算法對中繼傳輸現(xiàn)象考慮不足，簇頭節(jié)點需要通過直傳模式將數(shù)據(jù)投送至sink節(jié)點，存在鏈路抖動較高的不足，難以適應(yīng)超寬帶數(shù)據(jù)傳輸場景。Peng等提出了一種基于超聚類節(jié)點更新機制的移動傳感網(wǎng)簇頭生成算法，算法將具有較高傳輸性能的節(jié)點設(shè)定為超聚類節(jié)點，采取周期引力機制進行節(jié)點聚類生成流程，定時選取具有較高鏈路穩(wěn)定性能的節(jié)點作為超聚類節(jié)點，可降低區(qū)域分割失敗而導致簇頭性能不穩(wěn)定的問題。不過，算法執(zhí)行過程中易致使節(jié)點能量消耗速度較快，簇頭節(jié)點受限概率較高，降低了算法的網(wǎng)絡(luò)傳輸性能。Sanu等提出了一種基于周期路由更新機制的移動傳感網(wǎng)簇頭生成算法，算法優(yōu)選路由交叉度較高的節(jié)點為簇頭節(jié)點，引入能量最優(yōu)機制篩選備份節(jié)點，所選節(jié)點具有傳輸路徑較為穩(wěn)定的特點，抗網(wǎng)絡(luò)拓撲抖動性能較強。然而，該算法也存在節(jié)點切換過程較為復雜的特點，特別是節(jié)點處于移動狀態(tài)時易發(fā)生嚴重的數(shù)據(jù)重傳輸現(xiàn)象，使得算法在節(jié)點處于移動狀態(tài)時難以進一步提升數(shù)據(jù)傳輸帶寬。

針對上述情況，考慮到傳統(tǒng)方法不能解決所示不足，因此提出了一種基于蟻群粒子適應(yīng)機制的移動傳感網(wǎng)簇頭生成算法。首先，根據(jù)能量最優(yōu)原則并基于迭代方式設(shè)計了基于蟻群粒子感知覆蓋機制的簇頭生成方法，采用周期迭代方式來進行粒子感知覆蓋，獲取性能優(yōu)越的節(jié)點作為備選簇頭節(jié)點，可顯著提升簇頭分布密度。隨后，通過粒子進化方案設(shè)計了基于極限標準差優(yōu)選機制的簇頭穩(wěn)定方法，進一步優(yōu)化節(jié)點傳輸質(zhì)量，改善能量受限現(xiàn)象，具有較好的數(shù)據(jù)傳輸性能。最后通過MATLAB仿真實驗環(huán)境，證明了算法的性能。

1基于蟻群自適應(yīng)機制的移動傳感網(wǎng)簇頭生成算法

為提高MSN網(wǎng)絡(luò)簇頭生成質(zhì)量，提出了一種基于蟻群自適應(yīng)機制的移動傳感網(wǎng)簇頭生成算法。該算法主要由基于蟻群粒子感知覆蓋機制的簇頭生成和基于極限標準差優(yōu)選機制的簇頭穩(wěn)定兩部分構(gòu)成。

1.1基于蟻群粒子感知覆蓋機制的簇頭生成

網(wǎng)絡(luò)初始化完成后，網(wǎng)絡(luò)選取具有較高能量值的節(jié)點作為初始簇頭節(jié)點，sink節(jié)點將初始簇頭節(jié)點視為移動蟻群并通過監(jiān)測移動過程獲取感知覆蓋范圍。首先按如下模型獲取初始簇頭節(jié)點的拓撲軌跡：

其中， g1、g2。、g3表示權(quán)重系數(shù)，權(quán)重系數(shù)覆蓋初始簇頭節(jié)點當前更新時刻t及前后兩個更新時刻。

Sink節(jié)點對模型（3）進行判斷，當僅當按模型（3）進行粒子進化過程時出現(xiàn)數(shù)值上升現(xiàn)象時，將重新選取區(qū)域內(nèi)能量最強的節(jié)點作為簇頭節(jié)點，見圖1。

1.2基于極限標準差優(yōu)選機制的簇頭穩(wěn)定

采取基于蟻群粒子感知覆蓋機制的簇頭生成方法后，sink節(jié)點可以動態(tài)選取具有能量較高的節(jié)點作為簇頭節(jié)點。不過，由于移動傳感網(wǎng)具有的拓撲高變動特性，頻繁進行粒子進化過程將會導致簇頭節(jié)點出現(xiàn)能量消耗加劇的現(xiàn)象，導致進化過程將提前結(jié)束，陷入局部最優(yōu)困境。因此，算法在粒子進化過程結(jié)束后，設(shè)計基于極限標準差優(yōu)選機制的簇頭穩(wěn)定方法用以增強粒子收斂速度，具體設(shè)計如下：

其中，F(xiàn)表示簇頭節(jié)點m表示備用簇頭節(jié)點的重心，F(xiàn)表示備用簇頭節(jié)點的重心，F(xiàn)表示sink節(jié)點與簇頭節(jié)點的平均距離。三者可由如下模型獲?。?/p>

Step2針對備選簇頭，逐個按模型（5）校驗收斂標準差，選取標準差最低的節(jié)點作為備選簇頭，若當前簇頭出現(xiàn)受限時將進行節(jié)點更換操作，見圖2，方法結(jié)束。

網(wǎng)絡(luò)初始化過程完畢后，按照網(wǎng)絡(luò)傳輸周期執(zhí)行極限標準差優(yōu)選機制，逐次遍歷各網(wǎng)絡(luò)分區(qū)，即可從備選節(jié)點中優(yōu)選性能較為穩(wěn)定的簇頭節(jié)點，從而提升網(wǎng)絡(luò)傳輸性能。

2實驗與分析

為對比所提算法的性能，設(shè)置MATLAB 8.5仿真實驗環(huán)境。仿真參數(shù)表見表1。對照組實驗設(shè)置為當前移動傳感網(wǎng)領(lǐng)域常用的基于改進能量均衡機制的傳感網(wǎng)簇頭生成算法（ImprovedClustering Optimization Algorithm for WirelessSensor Network Energy Balance，IC（）算法）和基于能量優(yōu)化回收機制的傳感網(wǎng)簇頭生成算法（Novel

PEECRP-Based Clustering

Routing

Approach，NPEECR算法）。仿真參數(shù)為簇頭節(jié)點密度、網(wǎng)絡(luò)傳輸帶寬兩項，具體情況如下：

2.1簇頭節(jié)點密度測試

圖3為所提算法與ICO算法和NPEECR算法在高抖動信道環(huán)境和低抖動信道環(huán)境下簇頭密度的仿真測試結(jié)果。由圖可知，所提具有簇頭節(jié)點密度較高的特性，顯示了較高的網(wǎng)絡(luò)覆蓋能力。這是由于所提算法考慮到簇頭節(jié)點具有的移動特性，設(shè)計了基于蟻群粒子感知覆蓋機制的簇頭生成方法，在優(yōu)選具有能量較優(yōu)節(jié)點作為簇頭節(jié)點的基礎(chǔ)上，進一步通過極限標準差優(yōu)選機制穩(wěn)定選取傳輸性能較高的節(jié)點作為簇頭節(jié)點，因而簇頭節(jié)點密度較高，體現(xiàn)了較為突出的網(wǎng)絡(luò)覆蓋能力。ICO算法考慮到單純采用能量方式生成簇頭節(jié)點存在的不足，建立了節(jié)點聚集度與剩余能量之間的權(quán)重函數(shù)。在簇頭選擇中減少迭代次數(shù)和能量消耗，簇頭節(jié)點能耗水平較低。然而，該算法僅采取單純備份機制用以篩選備用簇頭節(jié)點，選取過程中易導致節(jié)點重復選取現(xiàn)象，因而簇頭節(jié)點生成質(zhì)量不高，易發(fā)生抖動現(xiàn)象，降低了簇頭節(jié)點密度。PEECR算法基于節(jié)點度、相對距離和剩余能量篩選簇頭節(jié)點，保證了簇頭分布均勻，簇規(guī)模均衡，優(yōu)選傳輸質(zhì)量較高的節(jié)點作為簇頭節(jié)點。不過，該算法采用周期輪詢方案更新簇頭節(jié)點，當簇頭節(jié)點發(fā)生受限現(xiàn)象時易導致出現(xiàn)節(jié)點大面積失效現(xiàn)象，降低了簇頭節(jié)點密度。

2.2網(wǎng)絡(luò)傳輸帶寬測試

圖4為所提算法與與ICO算法和N-PEECR算法在高抖動信道環(huán)境和低抖動信道環(huán)境下網(wǎng)絡(luò)傳輸帶寬的仿真測試結(jié)果。由圖可知，所提算法具有網(wǎng)絡(luò)傳輸帶寬較高的特點，說明了所提算法網(wǎng)絡(luò)傳輸性能卓越。這是由于所提算法考慮到網(wǎng)絡(luò)拓撲易變動的特性，涉及了基于蟻群粒子感知覆蓋機制的簇頭生成方法，采取蟻群粒子感知方式固定簇頭節(jié)點定位位置，降低拓撲移動程度，因而網(wǎng)絡(luò)傳輸路徑較為穩(wěn)定。特別是所提算法通過極限標準差優(yōu)選機制穩(wěn)定選取傳輸性能較高的節(jié)點作為簇頭節(jié)點，簇頭節(jié)點密度較高，網(wǎng)絡(luò)節(jié)點有更高概率選取傳輸能力較強的節(jié)點作為中繼節(jié)點，因而所提算法網(wǎng)絡(luò)傳輸帶寬較高。ICO算法建立了節(jié)點聚集度與剩余能量之間的權(quán)重函數(shù)，將剩余能量設(shè)為較高的權(quán)重系數(shù)，對節(jié)點間拓撲移動考慮不足，所選節(jié)點抖動性較高，使得網(wǎng)絡(luò)傳輸鏈路亦有較高概率發(fā)生抖動，降低了該算法的網(wǎng)絡(luò)傳輸帶寬。NPEECR算法基于節(jié)點度、相對距離和剩余能量篩選簇頭節(jié)點，主要采取均勻分布模式設(shè)置簇頭節(jié)點，存在簇頭節(jié)點密度較低的不足，因而網(wǎng)絡(luò)傳輸鏈路的長度高于本文算法，使得該算法網(wǎng)絡(luò)傳輸帶寬性能較差，降低了網(wǎng)絡(luò)傳輸帶寬。

3結(jié)論

為提高移動傳感網(wǎng)部署性能，提出了一種基于蟻群粒子適應(yīng)機制的移動傳感網(wǎng)簇頭生成算法。算法主要由基于蟻群粒子感知覆蓋機制的簇頭生成方法和基于極限標準差優(yōu)選機制的簇頭穩(wěn)定方法兩部分構(gòu)成?？娠@著降低鏈路抖動現(xiàn)象，提高簇頭節(jié)點生成質(zhì)量，增強網(wǎng)絡(luò)傳輸性能。

下一步，將針對所提算法對高節(jié)點部署環(huán)境適應(yīng)性較低的不足，擬引入歐里幾何拓撲映射機制穩(wěn)定網(wǎng)絡(luò)傳輸鏈路，擴大所提算法對各種復雜環(huán)境的適應(yīng)能力。