一种基于水田模式及网络能量的WSN路由模型最终版.doc

一种基于水田模式及网络能量的WSN路由模型

【摘要】：无线传感器网络WSN（WirelessSensorNetwork）是一门综合了微电子技术、嵌入式计算技术等先进技术，能够协同地实时监测光强、温度、湿度、噪音、有害气体等各种信息，并对其进行处理后通过无线方式发送至目的地的技术。但由于无线传感器网络自组织、能量有限的特点，建立简单有效的路由机制对于网络的节能和稳定具有重要意义，因此本项目在综合国内外基本蚁群算法研究的基础上，提出一种基于能量的WSN路由算法EERBA(energyefficientantbasedrouting)，引入基于能量的递减参数调节节点链路的信息素并在信息素的计算方法上对能量、衰亡时间、跳数等多种因素进行了全面改进，改善了由于蚁群算法路由过分利用最短路径造成个别节点能量消耗过快而导致网络稳定性不高的弊病，从而在保证传输速率的基础上有效地利用网络能量。

【关键词】：蚁群;能量;无线传感器网络;路由算法

无线传感器网络是由具有感知、计算和通信能力的多个微型传感器构成的网络。网络中大量的节点通过分工协作，将温度、光强、湿度等物理量通过无线传输形式发送到基站。无线传感器网络具有自组织及能量有限等特点，近年来在军事、医药及工农业生产中得到了广泛应用。设计简单高效的无线传感器路由机制对提高网络能量使用率，稳定网络数据传输具有重要意义。比较经典的路由算法有LEACH算法、DD算法、蚁群算法等[8]。

1、基本蚁群算法描述

蚁群算法是群体智能的一个分支，是众多简单的个体通过相互之间的通信和对环境的适应，来使整个群体达到一致的行为或模式。

图1蚂蚁觅食原理图

如图1所示，蚂蚁从蚁穴出发寻找食物，再将食物运回蚁穴的过程中，可能发生多条路径，如AC路径或ABC路径。由于蚂蚁经过路径时会散发一种化学物质，称之为信息素。信息素浓度随蚂蚁的经过增加，而随时间的流逝减少，因此，较短的路径如图1中的AC路径残留的信息素较浓。蚂蚁通过判断信息素的浓度来选择前向路径。

因此，蚁群算法的本质在于以下三方面：

（1）选择机制，蚂蚁根据路径上信息素的浓度来决定下一跳的地址；

（2）更新机制，路径中的信息素会随蚂蚁的经过和时间的推移而更新保存；

（3）协调机制，蚂蚁之间通过信息素来互相通信和协同工作。

1.1路由发现

Sink节点派出搜寻蚂蚁以泛洪形式沿多条路径出发到达源节点（即蚁穴），再从源节点反向搜寻到达sink节点。此过程后，网络中的每个节点均记录了与邻居节点的信息素梯度，数据的传输根据节点的信息素梯度大小决定下一跳的地址。

蚂蚁需携带以下信息：源节点地址,当前节点地址,以及当前跳数h，蚂蚁在sink节点时，h=0。

1.2路由选择

蚁群问题源于著名的数学问题——旅行商问题。蚂蚁从城市i出发选择城市j作为下一跳的概率基于以下公式：

（1）

其中，指从节点到节点的信息素浓度，指从节点到节点的启发信息。

1.3路由更新

信息素更新是蚁群算法维持的关键。蚂蚁经过的路径，相应的节点信息素增加单位，而随单位时间递减系数。因此，执行一次操作后，节点相应的邻居节点信息素如表1所示：

邻居节点

信息素浓度

…

…

表1节点Vi信息素更新

2、基本蚁群算法的缺点

2.1由于蚂蚁根据信息素梯度决定下一跳的地址，而信息素的更新只与蚂蚁经过和时间推移两个因素有关，因此，对于蚂蚁经过的路径，信息素会越来越浓，即蚂蚁选择该路径的概率会越来越大，造成了蚂蚁重复当前路径，引起该路径节点过早坏死，破坏网络链路结构，蚂蚁必须重新选路[7]。

2.2由于重复的路径使用，造成部分节点过早死亡，形成数据检测的盲区。这在军事或医疗等应用上可能是致命的。

3、几种基于能量的路由算法

3.1多路径蚁群算法

基于能量的多路径蚁群算法由夏佳、张曦煌等人提出，该机制在源节点和目的节点之间建立多条路径，根据路径上节点的通信能量消耗以及节点的剩余能量情况，给每条路径赋予一定的选择概率，使得数据传输均衡消耗整个网络的能量，延长整个网络的生存期[9]。

缺点：此算法只考虑网络能量的使用，而以牺牲网络传输速率作为代价[10]。

3.2FEURA算法

FEURA算法是在基本蚁群算法的基础上加以改进，通过能量参数e来记录每个节点的能量消耗情况及剩余能量。在路由选择函数中，设置一个能量阀值T，当某节点的能量低过T时，不能成为蚂蚁的下一跳，于是路径选择发生改变。

FEURA算法在节点配置充电电池的情况下可以较均衡地使用网络能量，同时兼顾传输速率。

缺点：配置充电电池将增加节点成本，在节点没有配置充电电池的情况下，FEURA算法只能保证节点不会坏死，在链路使用上与基本蚁群算法存在同样缺点。

3.3ACO算法（ACOAN）

S