基于蚁群算法的无线传感器网络路由优化研究

昝风彪+李彩霞

摘要：在无线传感网络不断应用到人们各个领域中，人们对于网络的服务质量要求也越来越高，所以就要保证服务质量实现网络负载均衡，提高网络的寿命。在此背景下，该文就对现有的无线传感器网络路由协议进行改进，提出了基于蚁群算法的优化策略。

关键词：蚁群算法；无线传感器；网络路由；优化

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2017）26-0054-02

在现代社会中，无线传感器网络的应用前景较为辽阔，其是信息技术中的全新领域，并且引起了多个国家学术界及工业界的重视。无线传感器网络和传统无线网络的路由设计目标各不相同，传统无线网络主要是通过资源管理及路由优化在高度移动环境中提高宽带的使用率，并且为用户提供良好的服务质量。在无线传感器网络中，大部分的传感器节点为静态，其都是人类无法靠近的高危环境中工作，不能够随时随地的更换资源，所以无线传感器网络的核心问题就是延长传感器节点的生命周期。无线传感器网络和传统网络的特点不同，所以就要使相关研究人员寻找满足无线传感器网络的路由机制及算法[1]。

1 蚁群算法的数学模型

在蚁群算法系统中，蚂蚁是通过某地点转移到两个地点实现搜索的过程，在此过程中，每只蚂蚁都能够通过转移概率完成之后的行动路线。在实现t次迭代过程中，从地点i到地点j要满足以下条件：首先，每只蚂蚁都要求具有禁忌表，存储自己爬过的地方；其次，将目前的地理信息作为能见度基础，在搜索过程中，将其作为蚂蚁搜索引导的静态量，其是固定的基础信息，在数学表达式中为距离倒数，也就是ηij=（1/dij）；最后，地点i到地点j的路程中遗留实施改变虚拟信息素τij，其是一种全局变量，表示蚂蚁爬行过程中的经验[2]。

其中j?Jki，如果pkij（t）为0，那么α表示信息启发因子，其主要是蚂蚁在运行过程中的信息素在之后路径中的作用；β为能见度相对权值。此种模型不会考虑信息素的挥发，但是在此种情况下，主要基础就是会加强初始条件中的随机信息，对之后的结果造成一定的影响，得到的并不是最优解。就如同人类大脑中的记忆会在时间不断推移过程中不断消失，所以就要引入此种机制实现此功能，这就是信息素挥发机制，使信息素挥发机制系数能够对整个挥发过程进行指挥[3]。信息素的挥发通过以下表示：

在无线传感器网络过程中，无线传感器的节能性能是有限的，所以就设计的路由协议就要相对简单。蚁群算法中的人工蚂蚁个体智能虽然有限，但是却能够通过合作实现较为复杂的工作，总的来说，蚁群算法的优势主要包括以下内容：

其一，无线传感器网络的节点成本较低，通信和存储能力都是有限的，就像蚁群算法中的单一蚂蚁个体智能有限一样。无线传感器网络需要较为简单的协议实现大量的复杂工作，蚁群就能够通过简单功能实现较为复杂的工作[4]；

其二，无线传感器网络的传感器节点因为能量有限，并且不能够有效补充，会出现能量耗尽和节点损坏的现象，以此丢失传感器节点，对拓扑造成影响。蚁群生存环境拜年话多样，其主要根据信息素对网络运行造成影响，单一蚂蚁死亡或者环境出现变化并不会影响到网络；

其三，无线传感器网络环境较为复杂，在设计路由过程中一般都是通过多路径保证信息传递具有有效性。蚁群算法在选路过程中主要是根据信息素概率值实现，每条路径都可能被选中，所以蚁群算法能够支持多路径[5]。

2 基于蚁群算法的无线传感器网络路由优化

在无线传感器中，每个传感器都是一个节点，将信息通过单跳方式从源节点传送到目的节点的路径要求最短，此种方式就像是在蚁群算法中，蚁群通过源节点根据一定的方式转移到目的节点中，在无线传感器网络路由中使用蚁群算法，不仅是因为无线传感器网络路由节点较多，还是因为蚁群算法因为自身运行具有并行性，适用于无线传感器网络的路由选择中[6]。

2.1 路由算法的假设

将本协议使用的无限传感器网络进行假设：其一，其中节点的初始能源值都相同，并且能量受到限制；其二，其中节点都具有一定的运算能力，从而能够实现信息的处理；其三，其中节点都具有唯一的ID编号；其四，其中的节点都是使用全向天线，通信范围较广；其五，其中节点并不是单向链路，也就是A节点能够和B节点相互通信，B节点也能够和A节点通信[7]。

2.2 能耗模型

其中αβγ三个值不变，在进行遍历过程中使其能够满足遍历次数的变化，α的主要目的就是对信息素浓度的比重进行全面的衡量。蚂蚁k在时间t中，通过节点i处能够访问的节点集合为allowedk，其中的元素j表示为：j要在节点i通信范围半径之内；j要为蚂蚁k没有访问的；j到sink节点的距離要比i到sink节点的距离短，从而能够有效缩短蚂蚁从源节点到sink节点的时间，避免能量消耗[9]。

2.4 信息素的更新

蚂蚁路径中信息素的更新使用全局信息素和局部信息素两种更新策略，在无线传感器网络路由算法过程中，将蚂蚁分为前进和返回两种类型，前进蚂蚁根据状态转移公式从源节点朝着目标节点转移，每通过一条路径就要根据信息素局部的更新策略对路径中的信息素浓度进行更新。那么为了有效避免路径中信息素的浓度过大或者过小，从而使算法收敛加快，所以就要将信息素的浓度设置在τmin和τmax之间，局部路径中的信息素浓度公式的更新为：

3 结束语

通过对本文所提出的改进算法进行实验，表示和基本蚁群算法相对比，通过优化的一群啊算法在最终跳数中的表现更优，传感器节点的剩余能量更多，具有较少的能源消耗，并且每个节点的能源消耗都较为均匀。以此表示，本文所研究的改进蚁群算法在提高无线传感器网络的生存周期具有重要的现实意义。

参考文献：

[1] 李虎雄，张克旺.基于蚁群优化的无线传感器网络路由优化算法[J].西北工业大学学报， 2012，30（3）：356-360.

[2] 廖莎.基于蚁群算法的无线传感器网络LEACH路由方法研究[D].南昌大学，2014.

[3] 张睿智.基于蚁群算法的无线传感器网络路由算法研究[D].湖南大学，2014.

[4] 马学森，曹政，韩江洪，等.改进蚁群算法的无线传感器网络路由优化与路径恢复算法[J].电子测量与仪器学报，2015，29（9）：1320-1327.

[5] 莫涛涛.探析基于蚁群算法的无线传感器网络路由算法优化[J].电脑编程技巧与维护，2017（1）：79-80.

[6] 陶强.基于蚁群算法的无线传感器网络路由优化研究[D].安徽理工大学，2015.

[7] 戴天虹，李昊.基于改进蚁群算法的无线传感器网络路由的优化[J].计算机测量与控制，2016，24（2）：321-324.

[8] 童孟军，俞立，郑立静，等.基于蚁群算法的无线传感器网络能量有效路由算法研究[J].传感技术学报，2011，24（11）：1632-1638.

[9] 李丽芬，张君艳，朱永利，等.基于多蚁群算法的无线传感器网络路由的跨层设计[J].计算机科学，2011，38（2）：59-62.

[10] 鲍荣，潘浩，董齐芬，等.基于信息素扩散模型蚁群算法的无线传感网路由研究[J].传感技术学报，2011，24（11）：1644-1648.endprint