本文關鍵詞：一種基于蟻群算法的無線傳感器網絡能耗研究

  更多相關文章： 蟻群算法 無線傳感器網絡 網絡能耗 網路信息質量

【摘要】：在現(xiàn)代世界中,無線傳感器網絡(Wireless Sensor Networks,簡稱WSN)應用越來越多,也越來越得到人們的重視。無線傳感器網絡最突出的特點是傳感器節(jié)點的能源有限性和節(jié)點所處環(huán)境常常使得能源的補充很困難。因此無線傳感器網絡協(xié)議中最重要的一點就是合理利用有限的能源,使得網絡能夠擁有更長的壽命,運行更長的時間。本文針對無線傳感器網絡的能耗問題和信息質量問題進行了研究和優(yōu)化,具體包括以下幾個方面：1)本文描述了蟻群算法(Ant Colony Optimization Algorithm,簡稱ACA)的基本原理,在現(xiàn)有的ACA基礎上,將ACA算法移植到無線傳感器網絡中(Ant Colony Optimization Algorithm of Wireless Sensor Networks,簡稱ACAWSN)將能量均衡因素加入到ACA的節(jié)點間概率轉移公式、局部信息素更新和全局信息素更新,提出了一種改進的針對網絡能耗的適用于無線傳感器網絡的蟻群路由協(xié)議(Ant colony optimization algorithm based on energy balance in network,簡稱ACAEBN)。仿真結果表明,改進的蟻群算法ACAEBN在最大能耗節(jié)點的能耗、總能耗、信息傳輸成功率、信息覆蓋率上都優(yōu)于基本蟻群算法和引用文獻中的算法。2)本文在ACAEBN算法的基礎上針對信息質量問題進行了強化,提出了判斷網絡質量的一個重要標準,即在有限的網絡生命周期內傳遞更多有效信息。并以此為目標對ACAEBN算法進行了改進,提出一種增強改進的針對網絡能耗的適用于無線傳感器網絡的蟻群路由協(xié)議(Raised Ant colony optimization algorithm based on energy balance in network,簡稱RACAEBN),加入了對感知區(qū)域重合節(jié)點的處理,使區(qū)域重合節(jié)點實行輪流工作,以達到降低開銷、延長網絡存活時間的目的；增加了對失敗路徑的處理,對失敗路徑上的節(jié)點間信息素進行設置；對不同密度區(qū)域實行分簇策略,以降低不必要能量損耗；使用預選擇模式并進行分時雙重選擇。仿真結果表明改進的ACAEBN算法在網絡的各項指標上相較于改進前有較大提升。3)針對不同的網絡類型下的算法效果,本文設置了sink節(jié)點在網絡邊緣、網絡節(jié)點密度不同、網絡節(jié)點不均勻的類型,并在這三種網絡類型下對ACAWSN算法、文獻中算法、ACAEBN算法和RACAEBN算法進行仿真并分析。仿真結果表明sink節(jié)點在網絡邊緣的情況下四種蟻群算法的網絡指標都有明顯下降；節(jié)點密度較大的網絡中四種算法的指標都比普通網絡優(yōu)異,密度較大時螞蟻可選擇的下一跳節(jié)點更多,蟻群算法的優(yōu)勢可以得到更好的體現(xiàn)；最后本文選取了由中心到邊緣節(jié)點密度逐漸減小的網絡對四種算法進行仿真,結果表明此種網絡條件下網絡的各項指標為三種網絡中最優(yōu),此種類型網絡特征最適合蟻群算法。在三種網絡條件下四種算法中RACAEBN算法均為最優(yōu)。
【關鍵詞】：蟻群算法 無線傳感器網絡 網絡能耗 網路信息質量
【學位授予單位】：昆明理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP18;TN929.5;TP212.9
【目錄】：

• 摘要5-7
• Abstract7-12
• 第一章 緒論12-16
• 1.1 課題研究背景及意義12
• 1.2 無線傳感器網絡研究現(xiàn)狀12-14
• 1.3 本文研究內容和創(chuàng)新點14-15
• 1.4 論文的章節(jié)安排15-16
• 第二章 無線傳感器網絡介紹16-22
• 2.1 無線傳感器網絡體系結構16-17
• 2.2 無線傳感器網絡節(jié)點結構17
• 2.3 無線傳感器網絡特征17-18
• 2.4 無線傳感器網絡路由協(xié)議18-21
• 2.4.1 平面路由協(xié)議18-20
• 2.4.2 分層路由協(xié)議20-21
• 2.5 本章小結21-22
• 第三章 基于改進蟻群算法ACAEBN的無線傳感器能量路由優(yōu)化22-40
• 3.1 無線傳感器網絡能量路由問題描述22-23
• 3.2 蟻群算法在無線傳感器網絡的應用23-27
• 3.2.1 基于TSP問題的蟻群算法23-25
• 3.2.2 蟻群算法在WSN中的應用25-26
• 3.2.3 PNEPMF算法概述26-27
• 3.3 ACAEBN算法27-30
• 3.3.1 概率轉移函數(shù)28
• 3.3.2 局部信息素更新28-29
• 3.3.3 全局信息素更新29
• 3.3.4 ACAEBN算法偽代碼29-30
• 3.4 仿真驗證結果及分析30-39
• 3.4.1 能耗最大節(jié)點耗能結果及分析31-32
• 3.4.2 總能耗結果及分析32
• 3.4.3 網絡能耗方差結果及分析32-33
• 3.4.4 信息傳輸成功率結果及分析33-35
• 3.4.5 傳感器網絡覆蓋率結果及分析35-36
• 3.4.6 網絡剩余總能量結果及分析36-37
• 3.4.7 總成功量結果及分析37-38
• 3.4.8 有效信息量結果及分析38-39
• 3.5 本章小結39-40
• 第四章 基于改進蟻群算法RACAEBN的信息質量路由優(yōu)化40-52
• 4.1 信息質量問題描述40
• 4.2 RACAEBN算法40-44
• 4.2.1 對感知區(qū)域交叉節(jié)點的處理41
• 4.2.2 對失敗路徑的處理41
• 4.2.3 針對不同密度情況的處理41-42
• 4.2.4 預選擇模式并進行分時優(yōu)先選擇42
• 4.2.5 算法偽代碼42-44
• 4.3 仿真結果及分析44-49
• 4.3.1 成功率結果及分析44-46
• 4.3.2 網絡覆蓋率結果及分析46
• 4.3.3 網絡剩余節(jié)點能量方差結果及分析46-48
• 4.3.4 網絡總剩余能量結果及分析48
• 4.3.5 總成功量與有效信息量結果及分析48-49
• 4.4 本章小結49-52
• 第五章 不同特征場景下四種算法仿真對比研究52-62
• 5.1 仿真設置52
• 5.2 特征場景一的仿真對比研究52-54
• 5.2.1 覆蓋率結果及分析53-54
• 5.2.2 總成功量和有效信息量結果及分析54
• 5.3 特征場景二的仿真對比研究54-57
• 5.3.1 覆蓋率結果及分析55
• 5.3.2 剩余節(jié)點能量方差結果及分析55-56
• 5.3.3 總剩余能量結果及分析56-57
• 5.3.4 總成功量與有效信息量結果及分析57
• 5.4 特征場景三的仿真對比研究57-61
• 5.4.1 成功率結果及分析58
• 5.4.2 覆蓋率結果及分析58-59
• 5.4.3 剩余節(jié)點能量方差結果及分析59-60
• 5.4.4 網絡剩余總能量結果及分析60
• 5.4.5 總成功量和有效信息量結果及分析60-61
• 5.5 本章小結61-62
• 第六章 總結與展望62-64
• 致謝64-66
• 參考文獻66-70
• 附錄A 攻讀碩士期間發(fā)表論文與申請軟件著作權70-72
• 附錄B 攻讀碩士期間參與項目72-74
• 附件74-75

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 吳鏑;溫濤;郭權;盛國軍;;基于蟻群系統(tǒng)的WSN能量有效路由算法[J];東北大學學報(自然科學版);2012年07期

2 趙麗萍;;基于蟻群優(yōu)化的無線傳感器網絡路由算法[J];傳感器與微系統(tǒng);2014年04期

3 唐勇;周明天;張欣;;無線傳感器網絡路由協(xié)議研究進展[J];軟件學報;2006年03期

4 于海斌,曾鵬,王忠鋒,梁英,尚志軍;分布式無線傳感器網絡通信協(xié)議研究[J];通信學報;2004年10期

5 王海泉;朱濤;陳萌;楊穎;;一種基于蟻群的機會網絡多目標路由算法[J];系統(tǒng)仿真學報;2013年01期

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 王靜;基于蟻群算法的無線傳感器網絡路由協(xié)議研究[D];太原理工大學;2011年

2 陳宇;基于改進蟻群算法的無線傳感器網絡路由的研究[D];華南理工大學;2012年

，

本文編號：733357