无线传感器网络移动代理路由算法的仿真研究

路由选择问题是无线传感器网络中的核心问题.针对无线传感器网络节点能景、计算能力和通信能力有限等特点,为了降低能量开销和延长网络的生命周期,将蚁群算法和移动代理技术结合.提出一种新的无线传感器路由算法.考虑节点之间距离、路径能量消耗和节点剩余能量情况,使网络中的能量消耗更加均衡,同时对蚁群信息素更新规则进行了改进,加快了蚁群算法收敛到最优解的速度.仿真结果表明,与其它移动代理路由算法相比,算法在全局性和收敛速度方面都有所提高,有效地减少冗余数据传输,降低通信消耗,延长网络的生存周期,为路由传感器设计提供了参考.     

基于移动代理的无线传感器网络多路径路由算法研究

无线传感器网络中路由算法最重要的设计目标是减少传感器节点的能量消耗,避免节点过早死亡,延长网络生存时间。在原有多路径路由算法的基础上,提出一种新的ABMR（Agent Baseon Multipath Router）路由算法,在这种算法中引入了移动Agent技术,避免了大量的感知数据在网络中传输,由移动Agent移动到感知节点进行本地处理。充分考虑节点的能量、线道的可靠性和跳数,建立从源节点到目标节点的多条可靠路径。仿真实验表明,ABMR算法比原有多路径路由算法在降低节点能耗、丢包率等方面上有显著提高。     

基于移动代理的大规模无线传感器网络路由算法

大规模传感器网络中常见路由算法耗能严重,不利于网络生命期最大化。在抽象出传感器网络移动代理路由模型的基础上,将移动代理路由归结为一个优化问题。为了优化移动代理路由,结合混沌搜索的全局空间能力和模拟退火算法的快速寻优能力,设计了一种具有记忆功能和多种邻域搜索方法的混沌模拟退火算法。理论分析和模拟实验表明,随着传感器网络规模增大,算法在优化结果、收敛速度及时间效率方面均优于遗传算法和粒子群算法,明显延长了网络的生命期。     

Q学习和蚁群优化混合的无线传感器网络移动代理路由算法

针对无线传感器网络移动代理路由问题,提出了Q学习和蚁群优化混合的无线传感器网络移动代理路由算法。该算法综合了Q学习和蚁群优化算法思想,引入了新的路径选择概率模型,并对最优路径进行了有效的维护。仿真实验结果表明:该算法有效地提高移动代理选路效率,满足不同任务对时延的要求,增强了最优路径的可靠性,进一步降低了网络能耗。     

基于动态路由与蚁群优化的移动无线自组织网络算法

移动无线自组织网络(MANET)的移动性与动态性导致网络的服务质量较差,基于此,提出一种基于动态路由与蚁群优化的移动无线自组织网络算法。利用非线性节点拥塞度来增强拥塞度的差异,提出一种基于预测的链接断裂预防方案,基于动态路由设计了有效的路由搜索方案,基于蚁群的信息素参数有效的选择最优路由并实现路由维护。最终,详细的分析本算法的能量效率,计算出本算法的能耗较低。仿真试验结果表明本算法的吞吐量、传输延迟、传输可靠性以及能量效率均具有较好的性能,优于其他基于智能优化或同类型路由算法。     

遗传蚁群算法的WSN移动代理路由算法研究

针对常用路由优化算法存在收敛速度慢、易陷入局部最优等难题,提出了一种遗传蚁群算法的WSN移动代理路由方法(GA-ACA)。首先利用遗传算法的全局搜索能力快速找到较优解,然后将较优解转换成蚁群算法的初始信息素,最后采用蚁群算法收敛速度快的优点,找到移动代理路由全局最优解。仿真结果表明,相对于其他移动代理路由算法,GA-ACA加快了收敛速度,能在更短的时间内找到最优移动代理路由,减少了平均能量消耗和网络延时,提高了WSN整体性能。     

基于蚁群优化的无线传感器网络路由算法

路由问题是无线传感器网络的核心问题。该文介绍了一种新的基于蚁群优化的路由算法。解决了无线传感器网络路由过程中节点能量消耗和拥塞控制问题,能够达到更好的负载平衡能力和延长网络生命周期。新算法结合了多蚁群的信息素释放机制和节能策略,还引进多蚁群之间的竞争机制以避免算法的单一收敛,在控制网络拥塞和平衡能量消耗上非常有效。实验结果表明,该新算法和基本的蚁群算法比较有更好的性能。     

无线传感器网络中基于数据融合的移动代理曲线动态路由算法研究

和传统的C/S模型相比,移动代理模型在数据融合方面更适合无线传感器网络.在基于移动代理的数据融合算法中,移动代理访问传感节点的顺序以及总数对算法的效率、网络寿命等有着重大影响.为此提出了一种基于数据融合的移动代理曲线动态路由算法设计方案.通过构造特定数据结构的数据报文和数据表,给出了目标节点基本信息收集算法获取目标节点到处理节点的最优路径;将移动代理路由归结为一个优化问题,由静态路由算法求出移动代理迁移的静态最优路由节点序列,进而获得了移动代理基于曲线的动态路由算法.理论分析和模拟实验表明,随着传感器网络规模的增大和传感数据量的增加,和其它算法相比,该算法有更小的网络耗能和延时.     

移动代理在动态路由中的应用

简要介绍了动态路由,分析了当今动态路由的机制和不足。在介绍了移动代理后,文章主要讨论了将移动代理这种新技术运用到路由算法中去,并提出了一种全新的基于移动代理的动态路由算法。     

基于移动代理的无线传感器网络路由算法

针对移动代理(MA)以能量有效的方式收集相关性数据的特点,提出了基于免疫算法的层次型改进路由算法,将移动代理和无线传感器网络中的分簇理论相结合.算法首先应用免疫算法对网络内的节点进行优化分簇,簇首选择时充分考虑节点的剩余能量等因素,在获得高效的分簇信息之后,为了避免所有的簇头都与基站进行远距离通信消耗过多的能量,在次应用免疫算法得到一条遍历所有簇首节点的最优路径提供给移动代理,以达到数据的有效收集和能量高效利用的目的.实验结果表明,提出的改进算法能够有效增加网络的传输次数,延长无线传感器网络的生存周期.     

基于自适应蚁群优化的Ad Hoc网络路由算法

针对蚁群优化固有的搜索时间长、易陷入局部最优解的缺点,提出一种改进的基于蚁群优化的AdHoc网络路由算法.通过增加自适应因子提高路由搜索能力,充分考虑节点间的时延来改进信息的更新机制,同时对路由表做出修改,提高路由算法性能,增强算法的适应能力.经过与已有路由算法DSR和AODV的仿真比较,结果表明该算法在成功传输率和平均端到端延迟上表现了较好的性能.     

无线传感器网络多种群蚁群优化路由算法*

从无线传感器网络自身的特点出发,在蚁群算法的基础上,提出了一种适合该网络的多种群蚁群优化路由算法(MACO)。该算法设计了一个新的能够均衡传输能量消耗和节点剩余能量的蚂蚁前向移动的选择概率模型,并且能得到多条优化路径,使得均衡网络的能量消耗。仿真实验表明,该算法能延长网络的生存时间,并且可以有效地缓解网络拥塞。     

基于感染球策略的传感器网络移动代理路由算法

基于感染球策略提出一种移动代理能量有效路由算法(EEMAA),该算法利用感染球来缩小移动代理寻找及修复最优路径的范围,进而降低网络的寻路能耗;同时,还提出一种最优路径局部修复策略,该策略能在保留原有最优路径大部分信息的基础上,对最优路径作出局部修复.仿真实验表明,该算法在寻找最优路径时能避开剩余能量少的节点,使网络中各节点的能量呈整体性衰落,且在失效节点附近能快速修复最优路径.     

融合AntNet与遗传算法的动态网络路由算法

提出了一种新的动态分布式网络路由算法。在AntNet算法中引入了路径遗传运算(GA),提出了新的信息素更新策略。对蚂蚁发现的路径进行染色体编码,并用适应度函数对其进行适应度评价,通过路径交叉和路径变异运算以及种群的不断进化,来提高解的质量。仿真结果表明,所提出的算法能快速收敛,且有效地提高了网络吞吐量、降低了平均延时。     

移动无线传感器网络中一种新的路由算法

在节点采用RWP移动模型的移动无线传感器网络中,为了提高网络的综合性能,提出了一种新的路由算法LDM.LDM运用节点在RWP模型的运动特点及节点的运动方向与当前位置,推导出节点的传输概率,并使用传输概率来指导路由选择,同时对节点的消息队列进行了有效的管理,提高了网络的综合性能.通过在ONE仿真器上与Epidemic、DT、FAD算法进行比较,结果表明LDM在综合性能上得到了提升.     

基于蚁群的无线传感网最大化生存时间路由

为提高无线传感网的生存时间,对基于蚁群算法的最大化生存时间路由(MLRAC)进行了研究。该路由利用链路能耗模型和节点发送数据概率,计算一个数据收集周期内节点总能耗。同时考虑节点初始能量,建立了最大化生存时间路由的最优模型。为求解该最优模型,在经典蚁群算法的基础上,提出修正的蚁群算法。该算法采用新的邻居节点转发概率公式、信息素更新公式和分组探测方法,经过一定的迭代计算获得网络生存时间的最优值和每个节点的最优发送数据概率。最后,Sink节点洪泛通知网络中所有节点。节点根据接收到的最优概率,选择数据分组未经过的邻居节点发送数据。仿真实验表明,经过一定时间的迭代,MLRAC的生存时间可以收敛到最优值。该算法能延长网络生存时间,在一定的条件下,MLRAC算法比PEDAP、LET、Ratio-w、Sum-w等算法更优。     

基于小世界的无线传感器网络的路由算法

针对小世界的拓扑特性,提出一种基于小世界的无线传感器网络(WSN)的路由算法。该路由算法引入超级节点环概念,将超级节点环视为无向图,利用改进的Floyd算法计算出最短传输路径,缩短路由建立时间,进而提高网络的传输效率,降低无线传感器网络的能耗。仿真结果表明,该算法与针对小世界提出的路由算法PSCF、SWRP和MH相比,在路由建立时间、能量消耗和网络吞吐量方面效果显著。     

基于移动机器人路径规划的鼠群算法

研究静态环境下机器人路径规划问题,并根据老鼠觅食行为提出一种鼠群算法.该算法引入环境因子和经验因子,每次搜索后对路径进行经验因子更新,通过迭代的方式寻找静态环境下机器人最佳路径.同时提出一种禁忌策略,有效地避免了路径死锁问题.理论分析和实验结果表明,该算法能使机器人在有较多障碍的环境下迅速找到一条优化路径,而且安全避碰,与同类算法相比具有一定的优越性.     

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。     

基于改进蚁群算法的WSN移动代理路由算法研究

提出了基于改进蚁群算法的无线传感器网络移动代理路由算法,在改进算法中引入了传感节点的剩余能量值、数据处理能力等新的启发因素,从而均衡了网络负载,降低了网络能耗和延时;状态转换规则的改进和自适应全局信息素更新策略的采用克服了基本蚁群算法的不足。仿真实验表明,提出的算法在全局性和收敛速度上均优于其他传统算法。