蚁群算法在无线传感器网络中的应用研究

使用无线传感器节点有限的能量保证网络的寿命是无线传感器网络研究的重要问题,网络能量是否均衡消耗对网络寿命有着决定性的影响.为了促使网络节点能量消耗相对均衡,将蚁群优化算法应用于无线传感器网络的路径选择,提出一种蚁群优化的无线传感器网络能量均衡路由算法.利用蚁群的自组织、自适应和动态寻优能力,通过蚂蚁并行地寻找从源节点到达目的节点的最优路径,使网络最优路径和能量均衡消耗之间进行平衡,以达到网络能量的优化均衡消耗,进而延长整个网络的寿命.进行了仿真实验,实验结果表明,与经典路由定向扩散算法相比,算法能有效地均衡网络节点的能量消耗为设计提供了有效的方法.     

一种无线传感器网络蚁群优化路由算法

如何在资源受限的无线传感器网络中进行高效的数据路由是无线传感器网络研究的热点之一.将蚁群优化算法(ACO)应用于无线传感器网络的路由,提出一种无线传感器网络蚁群优化路由算法.该算法利用蚁群的自组织、自适应和动态寻优能力进行网络优化路径的建立与维护,采用Stigmergy的概念来减少控制信息的流量,以实现网络数据的高效传输.仿真分析表明,该算法和DD算法相比在传输延时方面性能相当,在路由代价方面效果显著.另外,该算法还具有可靠性高、适应性强等优点,并能够根据需要实现网络的拥堵控制和能量均衡等综合优化.     

基于隶属云蚁群算法的长链型无线传感器网络路由优化

针对用于监测系统的长链树状无线传感器网络数据传输的实时性和高可靠性等要求,并考虑到近汇聚节点处易形成"漏斗"等问题,本文提出用基于云模型的多蚁群算法对无线传感器网络路由进行跨层优化的设计思想。算法通过种群间信息素的相互作用并行地完成路径的搜索并及时对信息素进行更新,在搜索的过程中把节点的时延、跳数、负载及分组成功率作为路径的启发值,利用多规则云发生器对更新策略中的信息素残留系数和信息素强度进行自适应调整。仿真结果表明,该路由算法能够保证无线传感器网络具有很强的实时性、可靠性及鲁棒性,实现了网络的负载平衡及拥塞控制机制。     

WSN 中多路径路由协议算法的改进研究

不同于传统的网络,无线传感器网络能够协同地进行实时监测、感知和采集网络覆盖区域中监测对象的信息,并对其进行处理,处理后的信息通过无线方式传送,并以自组多跳的方式传送给观察者.路由协议的研究是无线传感器网络研究重点之一.蚁群算法是一种模仿自然界蚂蚁觅食的仿生算法,生物学家经过长期观察发现,蚂蚁总能够在巢穴和食物源之间找到一条最短路径.文中采用蚁群优化策略,给出了一种 SMR 多路径路由协议的改进算法 ACO-SMR.该算法在保留 SMR 算法优点的基础上,进一步提高了资源利用率和路径稳定性,以及延长了网络生存时间     

基于量子蚁群算法的无线传感器网络路由

无线传感器网络路由是无线传感器网络研究领域的一个研究热点;针对能最控制在无线传感器网络路由上的特殊要求,为了促使网络节点能量消耗相对均衡,研究者将蚁群算法应用于无线传感器网络的路由,但是蚁群算法在求解无线传感器路由问题时存在易于陷入局部最优和收敛速度慢等问题,将量子蚁群算法应用于无线传感器网络路由,用量子比特的概率幅表示蚂蚁当前位置信息,用量子旋转门更新蚂蚁携带的量子比特,用量子非门实现蚂蚁所在位置的变异;仿真实验表明该方法具有收敛速度快,解的质量高、稳定性好等优点,为蚁群算法在无线传感器网络中应用提出了一种新的解决方案.     

基于多路径蚁群算法的无线传感器网络的路由

针对能量控制在无线传感器网络路由上的特殊要求,为了促使网络节点能量消耗相对均衡,将基本蚁群算法(ACS)应用于无线传感器网络的路由,提出一种基于多路径蚁群算法的无线传感器网络的路由(MACS).该算法利用蚁群的自组织、自适应和动态寻优能力,通过蚂蚁并行地寻找从源节点到达目的节点的最优路径和次优路径,使得网络中的节点不需要维护全局信息,形成多条传榆路径,延长了整个网络的生命期.仿真结果表明,该算法和定向扩散路由(DD)、基本蚁群算法及极大一极小蚁群算法(MMAS)相比,在路由代价和节能方面效果显著.     

基于多蚁群算法的无线传感器网络路由的跨层设计

针对事件驱动型无线传感器网络对数据传输的强实时性和高可靠性的要求,将统计获得的节点接入效率和负载队列长度等MAC层状态信息作为路由度量参数。考虑到蚂蚁网络算法在重负荷网络中存在传输延迟大、聚合速度慢等缺陷,提出了一种基于多蚁群算法的负载感知和高效接入的跨层路由协议,该协议把节点的单跳延迟、负载及带宽接入效率等参数作为路径的启发值进行路由优化。仿真结果表明,基于多蚁群算法的路由协议能够保证数据传输的实时性,能够实现无线传感器网络的拥塞控制及负载平衡。     

基于蚁群优化的无线传感器网络路由算法

如何在资源受限的无线传感器网络中进行高效的数据路由是无线传感器网络研究的热点之一。基于群智能优化技术的蚁群优化算法被广泛应用于网络路由算法。提出一种无线传感器网络蚁群优化路由算法,能够保持网络的生存时间最长,同时能找到从源节点到基站节点的最短路径;采用的多路数据传输也可提供高效可靠的数据传输,同时考虑节点的能量水平。仿真结果表明:提出的算法延长了无线传感器网络的寿命,实现无线传感器网络在通信过程中快速、节能的路由。     

无线多媒体传感器网络蚁群路由算法研究

对蚁群路由算法在无线传感器网络中的应用进行了调查,给出了一种基于基本蚁群路由算法的无线多媒体传感器网络的QoS路由算法,并通过仿真实验研究了前向蚂蚁数量及网络节点数量对算法性能的影响.为了提高算法性能,将前向蚂蚁数量引入到信息素挥发因子中,以减少算法对前向蚂蚁数量的依赖.同时引入基于地理位置已知的前向邻居节点集的概念对算法进行改进,以解决基本蚁群路由算法初始化问题.仿真结果表明改进后的蚁群路由算法能够有效提高算法性能.     

WSN中多路径路由协议算法的改进研究

不同于传统的网络,无线传感器网络能够协同地进行实时监测、感知和采集网络覆盖区域中监测对象的信息,并对其进行处理,处理后的信息通过无线方式传送,并以自组多跳的方式传送给观察者。路由协议的研究是无线传感器网络研究重点之一。蚁群算法是一种模仿自然界蚂蚁觅食的仿生算法,生物学家经过长期观察发现,蚂蚁总能够在巢穴和食物源之间找到一条最短路径。文中采用蚁群优化策略,给出了一种SMR多路径路由协议的改进算法ACO-SMR。该算法在保留SMR算法优点的基础上,进一步提高了资源利用率和路径稳定性,以及延长了网络生存时间。     

WSN中改进蚁群算法求解移动代理问题*

关于求解无线传感器网络中移动代理迁移路径问题,在蚁群系统基础上对蚁群算法进行改进,使算法更适用于无线传感器网络环境。从大量初始化路径中选出部分最优路径留下信息素,而且考虑节点的剩余能量,从而引导蚂蚁选择不同的路径;同时,针对无线传感器网络节点通信能力有限的特点,为了避免无效路径的产生引入变异操作。理论分析和仿真实验表明,改进后的蚁群算法增强了算法的全局搜索能力并有效求解无线传感器网络移动代理迁移路径问题。     

基于遗传算法的无线传感器网络路由协议研究*

针对无线传感器网络能量受限、建立高效路由困难等特点,将遗传算法应用于无线传感器网络路由协议中,提出了一种快速构建无线传感器网络最优路径方法。采用可变长度染色体编码,采取选择、交叉和变异操作,充分利用基站的信息资源和强大计算功能,逼近无线传感器网络最优路径。仿真结果表明,基于遗传算法的无线传感器网络路由协议可以有效延长无线传感器网络的生命周期,改善网络性能。     

利用改进的SUSAN算法优化无线传感网络簇头节点

在LEACH—C算法的基础上,提出了对传统无线传感器网络路由算法的改进,在过去的无线传感网络的路由算法中采用模拟退火算法,来实现选取簇头,改进后的算法应用图像角点检测算子-SUSAN算子,使其在簇头的选取上,定位更准速度更快。改进后的无线传感器网络路由算法能更好地节能,有效地延长了整个无线传感器网络的寿命。     

传感网络中一种基于蚂蚁算法的分布式数据汇集路由算法

提出了一种传感网络中基于蚂蚁算法的分布式数据汇集路由算法．该算法的基本思想是通过一组称为“蚂蚁”的人工代理寻找到达Sink节点的最优路径，并利用蚂蚁算法的正反馈效应来达到数据汇集的目的．算法不需要网络节点雏护全局信息，且数据汇集降低了网络路由开销，因此是一种节约能量的分布式路由算法．理论分析和仿真结果说明了新算法的有效性和可伸缩性．     

Joint routing, scheduling, and power control for multichannel wireless sensor networks with physical interference

Reliability and real-time requirements bring new challenges to the energy-constrained wireless sensor networks, especially to the industrial wireless sensor networks. Meanwhile, the capacity of wireless sensor networks can be substantially increased by operating on multiple nonoverlapping channels. In this context, new routing, scheduling, and power control algorithms are required to achieve reliable and real-time communications and to fully utilize the increased bandwidth in multichannel wireless sensor networks. In this paper, we develop a distributed and online algorithm that jointly solves multipath routing, link scheduling, and power control problem, which can adapt automatically to the changes in the network topology and offered load. We particularly focus on finding the resource allocation that realizes trade-off among energy consumption, end-to-end delay, and network throughput for multichannel networks with physical interference model. Our algorithm jointly considers 1) delay and energy-aware power control for optimal transmission radius and rate with physical interference model, 2) throughput efficient multipath routing based on the given optimal transmission rate between the given source-destination pairs, and 3) reliable-aware and throughput efficient multichannel maximal link scheduling for time slots and channels based on the designated paths, and the new physical interference model that is updated by the optimal transmission radius. By proving and simulation, we show that our algorithm is provably efficient compared with the optimal centralized and offline algorithm and other comparable algorithms.     

基于云遗传的RBF神经网络的交通流量预测

以神经网络和混沌时间序列理论为基础,提出了一种基于云遗传的RBF神经网络优化算法。该算法利用云模型云滴的随机性和稳定倾向性的特点,由正态云模型的Y条件云发生器实现交叉操作,由基本云发生器实现变异操作,提高了遗传搜索的效率,精简了网络结构。将该算法应用到Logistic混沌时间序列和实测交通流时间序列进行算法的有效性验证,并与传统的RBF算法和遗传算法优化的RBF算法（GARBF）进行比较。仿真结果表明该算法对混沌时间序列和交通流预测的精度有较大提高,从而证明该算法在交通流时间序列预测领域的可行性和有效性。     

改进遗传算法的WSN节点最优路由选择策略

针对无线传感器节点数据传输过程中的能量消耗问题,为了提高节点数据传输实时性,提出一种改进遗传算法的无线传感器网络节点最优路由选择策略。根据无线传感器网络的拓扑结构将监测区域划分不同大小的簇,并根据节点剩余能量选择每一个簇的簇头节点,然后将簇头节点编码成遗传算法的个体,根据数据转发能量耗能和延迟时间构建个体的适应度函数,并通过模拟自然界生物进化过程中的选择、交叉、变异等操作,找到节点数据转发的最优路径,在Matlab 2012平台上对数据路由算法的性能进行仿真测试。仿真结果表明,相对其他路由选择策略,提出的路由选择策略不仅可以均衡各个传感器节点的剩余能量,而且大幅度减少了数据转发路由过程中的能量消耗和延迟时间。     

基于无线传感器网络的道路管理系统

无线传感器网络具有布线成本低、监测精度高、容错性好、可远程监控等众多优点,在环境监测等领域有着广阔的应用前景。基于当前对无线传感器网络下的道路管理系统问题的迫切需求,研究传感器节点覆盖问题来实现完全监测覆盖并降低网络成本.结合实际应用,基于树形路由算法提出新的节点间路由算法来延长网络寿命.并用OMNET++验证得到了在物理条件下难以实验的实例模型的性能参数。