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.     

蚁群优化算法在WSN路由中的应用研究

介绍了基本蚁群算法的原理和适用范围,总结出了基本蚁群算法在求解最优路径问题时,虽然具有很强的发现较优解的能力,但是存在容易陷入局部最优解和收敛时间过长等问题。考虑到基本蚁群算法在无线传感器网络路由上应用的不足,提出了一种改进后的蚁群算法,并将其应用到传感器网络路由中。该算法不仅在状态转移概率公式中引入罚函数和动态权重因子,而且采用局部信息素更新和全局信息素更新结合的方式更新路径信息,充分考虑到传感器节点与节点间的传输距离,并且充分考虑传感器节点的剩余能量。最后通过仿真实验,得到了基本蚁群算法和改进后的蚁群算法在传感器节点剩余能量和传输数据包时网络延迟的不同曲线,验证了改进后的蚁群算法在无线传感器网络路由选择上的高效性。     

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APIT的三维移动代理路由算法研究*

针对现有的移动代理路由算法都是基于二维环境的不足,提出了一种能应用于三维环境中的移动代理路由算法。首先,使用APIT定位法来获取三维空间中的传感器坐标;在获取传感器节点坐标后,引入蚁群算法对移动代理访问传感器节点的路径进行优化,由此,得到了一种全新的基于APIT的三维移动代理路由算法。仿真实验表明,新移动代理路由算法能较好地适应无线传感器网络的实际应用环境,且路径优化效果明显。     

基于蚁群的无线传感器网络路由算法

针对无线传感器节点能量、通信能力及计算能力有限等特点,将蚁群算法应用于无线传感器网络,提出一种改进的蚁群路由算法,考虑了节点的能量、距离、通信半径和传输方向等参数.实验结果表明:该算法有效地减少了网络能量消耗、节点死亡数、路由跳数和数据传输的路径长度,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。     

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。     

WSN节点定位中移动信标路径规划的研究

在无线传感器网络的节点定位技术中,通过移动锚节点定位是比较实用的定位方法,移动锚节点定位需要考虑移动路径问题,路径规划合理有效,可以获得较高的定位精度。若将传感器节点看作图的顶点,利用解决TSP的思想结合蚁群算法来寻找一条最佳路径,通过理论分析及仿真实验可知,该方法形成的路径可以很好地覆盖整个网络,很好地适应无线传感器网络节点随机分布时的节点定位。     

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.     

改进蚁群算法求解旅行Agent问题

利用蚁群算法来求解TAP问题是解决移动Agent迁移策略的一种有效途径。旅行Agent问题是复杂的组合优化问题,蚁群算法作为一种新的生物进化算法,具有并行、正反馈和启发式搜索等特点,适合求解NP难问题。在蚁群算法的基础上,提出分泌多种信息素的改进蚁群算法来求解旅行Agent问题,动态反应了节点服务能力和网络负载的变化,使迁移更具有灵活性。实验结果表明了该文算法的可行性。     

动态传感器网络移动代理路由算法

提出一种基于蚁群优化的动态传感器网络移动代理能量有效路由算法.该算法设计了一种新的路径选择概率模型,使移动代理能找到一条从处理节点到目标节点之间的能量有效路径,该路径兼顾了路径能量消耗和节点剩余能量情况;该算法还制定了新的蚁群局部信息素再初始化规则,该规则在网络中发生动态变化的节点附近进行局部信息素再初始化,快速有效地更新最优路径.与其他算法相比,该算法能找到一条能量消耗较小,并且节点剩余能量较多的有效路径.     

Data aggregation in wireless sensor networks using ant colony algorithm

Data aggregation is important in energy constraint wireless sensor networks which exploits correlated sensing data and aggregates at the intermediate nodes to reduce the number of messages exchanged network. This paper considers the problem of constructing data aggregation tree in a wireless sensor network for a group of source nodes to send sensory data to a single sink node. The ant colony system provides a natural and intrinsic way of exploring search space in determining data aggregation. Moreover, we propose an ant colony algorithm for data aggregation in wireless sensor networks. Every ant will explore all possible paths from the source node to the sink node. The data aggregation tree is constructed by the accumulated pheromone. Simulations have shown that our algorithm can reduce significant energy costs.     

移动WSN中基于分簇的自适应MPACO路由算法

为节省能量开销, 延长无线传感网络生存周期, 通过对蚁群算法的研究, 提出了一种无线传感网络中基于蚁群算法的剩余能量自适应优化算法, 并通过仿真研究与无线传感器网络中的EEABR算法进行了网络生存状态比较. 实验结果表明, 本文研究的剩余能量自适应蚁群算法能够达到网络优化从而实现延长网络生命周期的目的.     

一种带侦察子群蚁群算法的无线传感路由协议

针对无线传感器网络（WSNs）路由面临安全威胁和节点能量有限的不足,提出一种基于引入侦察子群的改进蚁群算法（SACO）路由协议。通过改进的蚁群算法构造一条数据传输链,选择其中能量最大节点为簇头,信息通过相邻节点传送。结果显示：该算法兼顾到节点的能量和路径消耗,较标准蚁群算法和贪婪算法具有高效的路由选择功能,能够使网络中节点能量消耗更加均衡,从而延长网络的使用寿命。     

无线多媒体传感器网络视频流多路径路由算法

无线多媒体传感器网络中的视频流传输,需要提供多样QoS保障.提出一种基于改进蚁群算法多路径路由算法ACMRA(ant colony based multipath routing algorithm),以寻找具有多种优先级路径的路径集,并对重要性不同的视频数据进行相应路径的选择.通过优化网络链路上人工信息素的初始分布,改进后的蚁群算法具有更快的可行路径发现速度及收敛速度.多路径机制的引入提高了网络数据吞吐量与视频传输性能,同时可均衡网络资源,延长网络生命.实验结果表明,算法ACMRA在网络性能、视频传榆性能与网络生命周期方面,较之其他路由算法具有明显优势.     

群混合智能算法优化异构WSN的生命周期

为了优化异构无线传感器网络的生命周期,找到尽可能多的连通覆盖子集（CCS）,本文建立了以网络覆盖约束、收集约束、连通约束作为目标评价函数的模型。针对该模型,在蚁群算法基础上,引进鱼群拥挤度的概念,解决了蚁群在算法初期陷入局部收敛的问题。实验结果表明,该改进算法比一般蚁群算法具有更好的全局搜索能力和收敛速度,同时针对蚁群算法在构建子集中存在大量冗余节点的问题,提出了关键域法（KFM）判断各子集中冗余节点且利用冗余节点构建新的子集,这不仅能有效提高节点的利用率,而且延长了异构网络的生命周期。