基于蚁群优化算法的ReInForM动态路由

无线传感器网络中Re In For M多路径协议能保证网络可靠性,但未考虑节点能量动态变化和通信路径工况,随机选取下一跳转发节点的方式使得部分节点因被反复使用而快速失效,缩短了网络生命周期。针对该问题,在蚁群优化算法的基础上,结合蚁群信息素浓度和节点剩余能量等因素,提出一种Re In For M协议多目标优化条件下的动态路由选择算法,将能耗和剩余能量作为多路径选择指标,共同决定下一跳最优节点。仿真结果表明,与原有Re In For M路由算法相比,该算法能够在保证数据传输可靠率的同时,更有效地均衡节点能耗。     

基于蚁群算法的WSN多路径负载均衡路由

为使无线传感器网络节点能量消耗相对均衡,在定向扩散路由算法的基础上,结合蚁群算法,提出一种多路径负载均衡路由算法。该算法利用蚁群的自适应和动态寻优能力,在源节点和目的节点之间搜索建立多条传输路径,并将节点剩余能量引入启发因子,均衡节点能量消耗。同时,运用层次分析法,赋予每条路径一定的负载分配比例,使数据总能在链路性能较优的多路径中均衡传输,延长整个网络的生命期。仿真结果表明,与定向扩散路由算法相比,该算法能够均衡节点能耗,有效延长网络寿命。     

基于蚁群系统的WSN能量均衡多路径路由协议

针对无线传感器网络节点能量有限和网络拥塞问题,采用一种基于蚁群系统的能量均衡多路径路由协议。在路由发现过程中,综合考虑节点最小剩余能量和平均剩余能量,通过跨层设计模型获取节点距离信息和节点队列长度作为启发式函数,利用蚁群系统的特点形成多路径的数据传输。仿真结果表明,该路由协议在端到端传输时延和能量均衡等方面优于其它协议。     

无线传感器网络中基于能量效率的多路径路由算法

针对无线传感器网络节点能量受限的特点,本文提出了一种能量有效、负载均衡的多路径路由算法(EMR)。该算法在按需路由协议AODV基础上,不单纯以最小跳数或者最小时延作为路由选择依据,充分考虑到了路由的能量消耗最小化,避开剩余能量过低的节点,数据沿着最小跳数或路径关键能量比较高的路径传输,降低了网络的能量消耗,也避免关键节点的过量负载。分析与仿真结果表明,与AODV协议相比较,EMR具有更好的分组投递率、端到端时延,推迟了网络中出现死亡节点的时间,从而延长了网络生命周期。     

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。     

移动对等网络中的感知蚁群路由算法

针对移动对等网络的实际需要,文中提出了一种感知蚁群路由算法.该算法通过感知节点能量、链路质量和链路生存性等网络状况,可以有效地均衡网络能量,提高分组投递率.该算法在路由发现阶段采用基于信息素的选播机制,既保证及时找到有效路径,又避免传统广播机制浪费能量的现象;在评价建立的路径时,既考虑了沿途节点的能量,又兼顾了链路质量和链路生存性;在数据路由时,结合了概率型路由的自动均衡和确定型路由的快速收敛.模拟实验结果表明了它的有效性.     

基于蚁群算法的定向扩散算法研究

无线传感器网络中定向扩散算法周期性地进行探测分组扩散时采用的是洪泛方式,这样会给网络带来巨大负载,严重影响网络的传输性能。提出一种改进的蚁群算法并将其应用于定向扩散协议中,算法中将定向扩散中的梯度建立在蚁群的信息素与网络节点剩余能量基础上,在寻找优化路径的同时,使网络节点能量得到均衡消耗。通过仿真实验验证了新方法的可行性,仿真结果表明新方法有效地控制了网络节点能量的均衡消耗,延长了整个网络的生存周期。     

基于蚁群的AdHoc网络分簇路由算法

无线AdHoc网络是一个多跳、临时性的对等移动自治系统,它由一组带有无线收发装置的移动节点组成。而路由协议是AdHoc网络体系结构中不可或缺的重要组成部分,因此路由协议的研究成为当前AdHoc网络研究的重点。针对AdHoc网络节点能量有限的特性,提出了一种基于分簇及蚁群的组合路由算法（CRBAC）。给出了分簇策略下的簇内簇间路由机制,簇内采用按需路由策略,将改进的蚁群算法应用到簇内路由机制中,通过扩散信息素选择能量高的邻节点均衡网络节点能量,而簇间采用尽可能简单的表驱动路由策略。仿真结果表明,该算法是合理的,不仅有效地减少了端到端时延,而且提高了网络的生存时间。     

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。     

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。     

基于蚁群算法的无线传感器网络能量有效路由算法研究

本文结合蚁群算法的理论,提出了改进的能量有效路由算法(IEEABR),该算法在蚂蚁数据包结构、概率选择公式及信息素更新公式等方面做了改进.通过为前向蚂蚁与后向蚂蚁设计不同的报文结构提高了传输效率.概率选择过程中考虑邻居剩余能量的相对大小,能够避免蚂蚁选择能量较小的邻居作为下一跳,均衡了网络能量的消耗.让前向蚂蚁在路径搜...     

适用于WSNs的拥塞自适应多径路由算法

针对无线传感器网络(WSNs)数据汇聚特性易导致网络拥塞的问题,结合改进AOMDV协议的多径建立、选择机制的缺陷,提出一种拥塞自适应的多径路由算法。新协议首先引入相关因子模型建立相互干扰度最小的路径集;其次建立路径拥塞信息采集、更新机制,并利用HELLO消息传递。最终源节点通过实时感知路径拥塞信息,自适应选择低拥塞路径来避免拥塞。仿真结果表明:改进的协议显著提高了分组投递速率,降低了端对端时延。     

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。     

基于改进蚁群算法的无线传感网络路由算法研究

针对无线传感网络能量消耗不均及节点过早死亡等问题,提出一种新的基于改进蚁群算法的路由算法。在网络结构方面,加入网络分隔带和搜索角,并结合节点剩余能量,共同限制下一跳节点的转移概率;同时改进启发函数,加入能量影响因子,增强算法寻优,避免陷入局部最优;在信息素更新方面,引入阈值机制并设立最优路径权重值来寻找最优路径。仿真结果表明,改进后的算法能够进一步降低网络能耗,延长网络生命周期。     

基于Q学习量子蚁群的微纳卫星路由算法

在微纳卫星网络中,传统蚁群路由算法不能同时保证数据传输的安全性和网络业务的服务质量,且易陷入局部最优解,收敛速度较慢。为解决上述问题,提出一种实现多目标优化的Q学习量子蚁群路由算法。该算法在选择下一跳节点的转移概率时,将路径的平均信任值和路径的费用作为两个优化目标,构成最优路径的节点性能指标,保证数据传输的安全性和网络业务服务质量。在考虑路径费用函数时,将量子计算引入到状态转移概率计算中,避免陷入局部最优解,并在算法中引入Q学习的思想,将信息素映射成Q学习的Q值,强化算法在动态环境中的学习能力,以提高路由的整体性能。仿真结果表明,与蚁群优化算法和改进的蚁群多约束路由算法相比,Q学习量子蚁群路由算法明显改善包投递率、平均端到端时延和节点平均能耗等性能指标,避免了蚁群算法易陷入局部最优解,提高了收敛速度,可适用于具有高速移动节点的微纳卫星网络。     

采用角度因子的蚁群优化多路径路由算法

为均衡能量消耗、提高数据传输的可靠性,提出采用角度因子的蚁群优化多路径路由算法（ACOMP）。在密度递减节点部署策略的基础上,为避免能量“热区”,优化蚁群算法进行多路径搜索,搜索过程加入节点间的角度因子进行路径方向引导。基于对选出的各较优路径实时能量的感知,建立多路径决策模型,使得源节点可以选择当前性能最好的路径进行较可靠的数据传输。同时为避免路由空洞,定义修复蚂蚁并结合反馈机制使得路径保持良好状态。仿真结果表明：提出的算法可以实现节能、可靠的路由,并可均衡整个网络的能量消耗。     

NHLERE:应用蚁群算法的WSN路由算法

针对WSN中节点能量有限及节点间链路随机损耗特点,提出一种基于蚁群算法的用于无限传感器网络的路由算法-NHLERE,利用蚁群算法正反馈、分布式协作的特点,将距汇聚节点的跳数和链路质量信息融合到信息素的形成中,并将信息素和节点剩余能量作为启发信息,通过模拟蚂蚁的寻径行为形成并优化到达汇聚节点路由.实验结果表明,与LEPS相比NHLERE算法具有更高的数据传输效率,并能使网络内各节点能量消耗趋于均衡,从而延长WSN网络生命期.     

基于蚁群算法多层次动态信息提取仿真研究

研究动态信息偏好捕捉精确度问题。网络数据存在重复性信息和随机性强。针对互联网中的大量数据,而造成了有效的信息的查找速度慢等缺陷,为了能够快速的获取更多的用户比较感兴趣信息,提出了一种改进的蚁群算法用户兴趣模式获取技术。面向层次结构的信息网站,算法首先根据网站和用户兴趣所具有的层次性特征,然后采用改进的蚁群算法较高的寻优机制,利用蚂蚁的觅食周期活动,从各个层次求出相应路径的信息素浓度,并适时的实行信息素更新机制,从而得到用户对该结点的偏好函数值,再依据此值求得用户兴趣模式。仿真结果表明,提出的方法能够有效地捕捉出用户兴趣信息,捕捉精确度较高,是一种有效的方法,具有一定的推广价值。