基于蚁群算法的LEACH协议研究

针对LEACH协议中簇头节点与汇聚节点之间采用单跳通信造成能量损耗过快的问题,提出了一种基于蚁群算法的LEACH协议,该算法利用蚁群算法易实现、支持多路径的特点,结合节点的剩余能量及传输距离,通过对网络中信息素浓度的建立和更新,达到降低簇头节点能量消耗过快的问题.仿真实验结果表明,该算法在降低能耗、延长网络生命周期等方...     

基于蚁群算法的路由协议在TinyOS中的实现

为了提高无线传感器网络(WSNs)的通信链路质量,在TinyOS系统中实现了基于蚁群算法的路由协议,该协议采用多跳的通信方式,为应用程序提供较为可靠的数据传输服务。结合Zig Bee网络的体系结构,详述了该协议的实现流程。通过TOSSIM仿真平台对该协议进行了验证,仿真结果表明:基于蚁群算法的路由协议能够在降低丢包率和传输延时的同时平衡节点的能量消耗,进而延长整个网络的存活时间。     

MANET中基于蚁群算法的改进DSR协议*

为提高移动Ad hoc网络中DSR协议的服务质量,提出基于蚁群算法的改进DSR协议---ACOIDSR。ACOIDSR协议路由发现过程中,建立稀疏模式和稠密模式弥补DSR协议泛洪策略的不足;ACOIDSR协议路由选择过程中,利用路径长度、拥塞程度和链接可靠度计算每条路径的信息素数量,进而做出最佳路径的选择;ACOIDSR协议路由维护过程中,提出一种新的信息素衰退策略用于路由维护。最后,仿真实验用于ACOIDSR协议在端到端的延迟、路由负载以及能量消耗等方面分析。     

基于蚁群算法的WSN能量预测路由协议

LEACH协议中的簇头和基站采用一跳通信,导致能量消耗过快。为此,提出一种基于蚁群算法的无线传感器网络(WSN)能量预测路由协议。引入蚁群算法思想,簇头节点通过多跳方式与基站节点进行通信。在计算蚂蚁选择下一跳的概率时,考虑节点可能的能量消耗,避免路径选择过于集中。仿真结果表明,该协议能降低簇头能量消耗,延长网络寿命。     

改进的基于蚁群算法的非均匀分簇路由协议

针对无线传感器网络中传感器节点随机分布造成能耗不均和“热区”等问题,提出了一种改进的基于蚁群算法的非均匀分簇路由协议。该协议也采用“轮”方式运行,每轮簇首选举开始阶段,根据节点剩余能量、节点密度,结合节点到Sink节点的距离来构造不均匀的竞选半径,每个节点根据竞选半径范围内邻居节点计算剩余能量比及距离偏差平均值,从而计算出其簇首竞争等待时间,采用时间等候簇首竞选机制来选举出簇首,平衡簇内的通信能耗;数据传输阶段,考虑剩余能量、通信能耗、链路质量、传输时延等因素,采用改进的蚁群算法构造最优传输路径,数据传输的同时更新信息素,从而达到自适应、动态优化地建立和维护传输路径。仿真结果表明,该路由协议能有效节约能量和均衡能耗,延长网络生命周期,改善链路质量,减少传输时延。     

基于多态蚁群算法的WSN能耗均衡路由协议

针对无线传感器网络(WSN)的能耗均衡问题,提出一种基于多态蚁群算法的路由协议,采用周期传输和数据融合的方式,将无线传感器节点的剩余能量信息融合到信息素的形成中。仿真实验表明,与Leach协议相比,采用该协议有82%的节点生命周期更长,在相同时间内网络可多传输48%的数据包。在实验室使用31个节点部署无线传感器网络,将路由协议应用于网络。实验结果验证了该协议的有效性。     

基于多态蚁群算法的WSN能耗均衡路由协议

针对无线传感器网络（WSN）的能耗均衡问题,提出一种基于多态蚁群算法的路由协议,采用周期传输和数据融合的方式,将无线传感器节点的剩余能量信息融合到信息素的形成中。仿真实验表明,与Leach协议相比,采用该协议有82％的节点生命周期更长,在相同时间内网络可多传输48％的数据包。在实验室使用31个节点部署无线传感器网络,将路由协议应用于网络。实验结果验证了该协议的有效性。     

基于改进蚁群算法的LEACH协议研究

针对LEACH协议在数据传输阶段,簇首与汇聚节点之间采用单跳模式传输数据使得能量消耗快并且不均衡的问题,提出一种基于改进蚁群算法的新型路由协议。该协议利用了能耗因子对蚁群转移概率以及信息素更新进行改进,充分考虑了节点的剩余能量和节点间距离,通过信息素的建立和更新,寻找簇首节点和基站之间的最优传输路径,进行多跳传输模式,从而均衡簇首节点能量消耗。仿真实验结果表明,改进后的ACO-BEC协议较之于LEACH协议,能够有效降低了整个网络能量消耗,延长了网络寿命。     

TinyOS2.x下基于蚁群算法的WSNs路由协议设计

为了增强无线传感器网络的动态适应性和实现数据包的多路径传输,根据蚁群算法的原理,使用NesC语言在TinyOS2.x下设计了路由协议Ant-PDRP.该协议采用信息素浓度指引路由包和数据包传输,并在数据包传输过程中引入惩罚机制以实现动态均衡网络能耗.TOSSIM仿真和Micaz节点的真实实验表明,改进后的路由协议能够有效减少传输时延,延长网络寿命,保证数据可靠传输.     

基于改进蚁群优化算法的无线传感器网络路由研究

无线传感器网络为能量受限系统,为了促使网络节点能量消耗相对均衡,将蚁群优化(ACO)算法应用于无线传感器网络的路由选择,提出一种基于能量均衡的无线传感器网络路由算法。该算法将节点能量作为转移概率规则启发因子,通过计算转移概率和适应度值找到最优路径。仿真结果表明:该算法可以显著减低网络总能耗,从而延长无线传感器网络的生命周期。     

基于蚁群算法的一种能量高效路由算法的研究*

为了达到在信息传输路径上节能的目的,提出了一种基于蚁群算法的节能路由算法。该算法根据节点当前可用能量选择下一跳节点,按照节点经过的人工蚂蚁数选择数据汇聚节点,最终达到能量均衡使用和降低通信量的目的。经仿真计算证明该算法能合理地选择路由,节能效果明显,进一步延长了网络生存期。     

基于蚁群算法优化SA的WMN路由设计与仿真

针对现有的无线网状网(WMN)路由协议在实际无线信道环境下性能降低的问题,提出了一种基于蚁群模拟退火(ASA)算法的WMN的路由算法.该算法吸收了蚁群算法的适应性、鲁棒性及本质上并行性的优点,并利用模拟退火(SA)算法调整路由的搜索方向,使蚁群算法的早熟现象和收敛速度得到了改善.对该算法进行仿真研究,结果表明:该算法在数据包的转发率、端到端延时数据丢失率和归一化路由开销等方面要比常规路由协议优秀很多,大大提高了系统的可靠性、鲁棒性,增强了通信网络的自适应能力.该算法用于WMN路由协议是可行的、有效的.     

基于蚁群策略的无线传感器网络能耗均衡分簇算法

在多跳路由中簇头选择控制因子单一的问题将缩短整个无线传感器网络的生存周期。为此,以剩余能量、节点度和连接距离为依据构造适应度函数,根据簇头评估函数值来保证簇头的最优选择。同时加入适应度因子和剩余能量权衡因子优化蚁群算法,有效控制完整路径中信息素的增减量,以此应用到数据在簇头间的多跳传输,保护了低能量的簇头,有利于各节点能耗趋于平均值,使网络可以更加持久地监测和传输数据。与LEACH和HEED算法相比,本文算法在能耗均衡、生存周期延长方面更加有效。     

基于蚁群优化的ZigBee传感器网络QoS路由算法

针对ZigBee无线多媒体传感器网络(WMSNs)资源受限的特点,提出一种改进的基于蚁群优化的QoS路由算法AZ-WMSN-QR.其核心思想是通过加权法将通信时延、时延抖动及能量均衡性等QoS指标组合成一个主目标,进而评估链路的QoS主目标值,寻找符合QoS需求的目标值最大的路径,实现服务质量最优.仿真显示,AZ-WMSN-QR算法在多约束QoS路由问题上能实现网络资源优化组合,与基本蚁群路由算法相比,不仅能够减少网络总能耗,还能有效延长网络寿命,更适用于基于ZigBee的WMSNs.     

基于蚁群算法的最优路径选择问题的研究

交通网络中最优路径的选择尤为重要,各国学者在这方面做了大量的研究和改进.提出了一种基于蚁群算法的最优路径选择问题的新方法.在最优路径的选择过程中采用蚁群算法并对其进行建模,能够发挥算法并行性、正反馈、协作性等特点,使各蚂蚁个体之间相互协作,在较短的时间内发现较优解.研究及模拟实验结果表明,蚁群算法是一种鲁棒性较强的新型模拟仿生算法,具有较好的发展前景.     

基于遗传算法和蚁群算法融合的QoS路由算法*

面向QoS路由问题,设计了一种基于遗传算法和蚁群算法融合的QoS路由算法(QoS routing algorithm according to the combination of the genetic algorithm and ant colony algorithm,GAACO_QoS).利用遗传算法生成初始解,将其转换为蚁群算法所需的信息素初值,然后利用蚁群算法求取最优解.设置遗传算法控制函数来控制遗传算法和蚁群算法融合的适当时机.通过与遗传算法以及蚁群算法的比较,进一步说明算法的有效性.     

无线mesh网中基于蚁群算法的多约束QoS路由研究

针对多约束QoS路由问题的求解,现今并没有有效的近似算法,一般采用启发式算法求解。先介绍了QoS、QoS的各种参数指标以及多约束QoS路由的定义,接着通过移动Ad-hoc网和无线mesh网络的异同的比较,根据Ad-hoc网络的研究现状,分析了蚁群算法在无线mesh网络中QoS研究的可行性。     

基于优化蚁群算法的无线传感器网络信任模型

无线传感器网络(WSNs)会受到很多因素的影响,包括无线链路干扰,缺乏物理保护等,使其对于恶意节点的攻击显得很脆弱,从而成为妥协节点.为了解决这些网络安全问题,提出一种基于优化蚁群算法的信任模型.这个模型由信息素更新、路径质量评估、信任度评估和惩罚与奖励机制构成.此外,为了提高全局信息素计算的准确性,在计算全局信息素时引入了最优解保留策略.仿真结果表明:该信任模型具有更高的性能和可靠性,更加适合WSNs.