Energy Efficient Cluster Based Routing Protocol for WSN Using Firefly Algorithm and Ant Colony Optimization

Maximizing network lifetime is the main goal of designing a wireless sensor network. Clustering and routing can effectively balance network energy consumption and prolong network lifetime. This paper presents a novel cluster-based routing protocol called EECRAIFA. In order to select the optimal cluster heads, Self-Organizing Map neural network is used to perform preliminary clustering on the network nodes, and then the relative reasonable level of the cluster, the cluster head energy, the average distance within the cluster and other factors are introduced into the firefly algorithm (FA) to optimize the network clustering. In addition, the concept of decision domain is introduced into the FA to further disperse cluster heads and form reasonable clusters. In the inter-cluster routing stage, the inter-cluster routing is established by an improved ant colony optimization (ACO). Considering factors such as the angle, distance and energy of the node, the heuristic function is improved to make the selection of the next hop more targeted. In addition, the coefficient of variation in statistics is introduced into the process of updating pheromones, and the path is optimized by combining energy and distance. In order to further improve the network throughput, a polling control mechanism based on busy/idle nodes is introduced during the intra-cluster communication phase. The simulation experiment results prove that under different application scenarios, EECRAIFA can effectively balance the network energy consumption, extend the network lifetime, and improve network throughput.

     

蚁群优化和能量有效的Ad Hoc路由协议

为了延长Ad Hoc网络的生存周期,提出了一种基于蚁群优化和能量有效的Ad Hoc网络多路径动态路由算法ACOERA。该算法根据路径的有效能量率进行路由选择,路径建立后通过蚁群优化算法动态收集路径信息,并对路由表进行更新。仿真结果表明,该算法能有效延长网络生存时间,增强通信网络的自适应能力。     

基于蚁群优化算法的路由协议的研究

生物仿真学群集算法在路由中有广泛的的应用,为了充分利用网络资源,降低拥塞程度,提出了一种基于蚁群优化算法的Ad Hoc网络负载均衡路由算法Pro-antnet,通过对蚂蚁收集到的网络信息所对应的参数赋予不同加权值的方法对路由表进行控制,有效地缓解了网络的拥塞问题。该算法具有良好的分布式特性,能为网络提供多条备用路径,增强网络的抗毁性。     

An Energy Efficient Clustered Gravitational and Fuzzy Based Routing Algorithm in WSNs

Wireless Personal Communications - Wireless sensor networks consist of many tiny sensor nodes which are deployed in various geographical locations for sensing the normal spectacles and also to...     

云环境下基于改进蚁群算法的网络路由优化

针对云计算多元化复杂的网络结构环境,提出一种旨在改善网络路由的蚁群优化算法.新算法在原有蚁群算法智能寻优的基础上,加入网络节点在网审查机制,实时判断网络节点是否在网,选择最优解路径.仿真实验表明,改进算法能有效的改善因为网络节点在网情况的多变性而造成的部分路径失效的情况,进而缓解网络拥塞.     

求解函数优化问题的快速连续蚁群算法

 用蚁群算法进行函数优化时,存在收敛速度慢并易于陷入局部最小等问题.为此,根据对真实蚂蚁的最新研究成果,提出了一种全新的由侦察蚁和觅食蚁协作搜索的函数优化快速连续蚁群算法.该算法首先引入混沌序列确定侦察蚁的初始位置,然后由侦察蚁进行全局大视域快速搜索,且每迭代完一步和每迭代完一代都要对解进行评价,并对本代最优解的信息素进行标记,由此吸引觅食蚁在本代最优解周围空间进行小步长搜索.通过这种初始化方法和侦察蚁与觅食蚁的相互协作,不仅能很好的提高寻优精度,且使收敛速度大幅提高.计算机仿真实验结果表明,本算法寻优率高,收敛速度提高显著,效果令人满意.     

Routing Technology in Wireless Sensor Network Based on Ant Colony Optimization Algorithm

With rapid development of wireless communication, sensor, micro power system and electronic technology, the research on wireless sensor network has attracted more and more attention. The work proposed routing algorithm in wireless sensor network based on ant colony optimization by analyzing routing protocol and utilizing advanced idea. Ant colony optimization algorithm has advantages in implementing local work, supporting multiple paths and integrating link quality into pheromone formation. In routing selection, the work calculated probability that node is selected as the next hop according to pheromone concentration on the path. With characteristics including self-organization, dynamic and multipath, ant colony optimization algorithm is suitable for routing in wireless sensor network. With low routing cost, good adaptability and multipath, the algorithm balanced energy consumption to prolong network lifetime. In terms of simulation and experiments, ant colony algorithm was proved to be suitable for finding optimal routing in wireless sensor network, thus achieving design goal of routing algorithm.     

基于蚁群算法的自适应QoS路由优化

Internet网络规模的迅速增长和网络技术的不断完善,使得如何在满足QoS(quality of service)要求下进行路由选择,已成为路由算法研究的重要方向。本文提出了一种多约束条件下的自适应蚁群算法,该算法基于目标函数的信息素分配策略来自适应的调整蚂蚁的搜索行为,使多约束QoS路由优化问题得到了很好的解决。     

基于蚁群优化算法的QoS路由算法的仿真

Qos路由问题被证明是NPC(NP-completeness)问题,蚁群优化算法是较好地求解NPC问题的工具.文章首先介绍了蚂蚁算法在求解旅行商问题(TSP)中的应用;针对Qos路由问题的特殊情况,提出蚂蚁算法应用于QoS路由时与TSP的一些区别;为了仿真的客观性,提出了一种网络拓扑结构图的随机生成算法;并在随机生成图的基础上,分别对基于串行蚂蚁算法和并行蚂蚁算法方式下的Qos路由求解算法进行了仿真和比较.     

基于蚁群系统的QoS单播路由算法

针对QoS路由算法中的QoS要求、资源的优化利用和负载均衡3方面问题,对原有的算法模型进行了改进,提出了相应的启发式信息和链路代价计算公式。对基本算法中的步骤进行改进,使算法能准确、迅速地找到全局最优解。实验结果表明,算法能在整网性能,尤其是网络负载均衡方面大幅优化了传统QoS单播路由算法。     

一种基于改进蚁群算法的选播路由算法

为了在网络负载较大的情况下实现多目标多路径的选播路由,该文根据蚂蚁寻径与选播路由的相似性,提出了一种基于改进蚁群算法的选播路由算法。在运用数据包传输的历史信息来模拟路径信息素的基础上,增加了目标地址泛洪负载信息来模拟食物气味散发的过程,使得各个节点可以获得服务器和链路的最新信息。节点根据路径上的信息素、食物的气味以及链路的可见度等综合生成概率表,作为后继蚂蚁路径选择的依据。运用NS-2对该算法进行仿真,测试结果表明它可以减少传输时延,降低服务器负载的波动幅度,实现链路的负载均衡,增加网络的容量,提高选播服务的可扩展性。     

基于分组网络结构NOC的蚁群路由算法

单个芯片集成度的增大增加了全局同步设计的困难,于是出现了片上网络NOC的概念,其设计的核心是将计算机网络技术移植到芯片设计中来,因此需要利用某种路由算法来实现好的服务质量.通过对NOC网络通信的分析,基于蚁群算法提出了一种路由算法,利用4×4Mesh结构,通过对同一约束不同请求和不同约束同一请求等实验研究,证明其在NOC路由应用中能在较短的时间内完成指定的任务,最后预测了该算法在大规模路由应用上的发展.     

基于自适应蚁群的多约束QoS组播路由算法

结合多约束QoS组播路由的特点,应用一种自适应蚁群优化算法解决组播路由问题.考虑到实际通信中链路利用率对网络的影响,将网络中链路的带宽转化为链路的代价问题,并在蚁群算法中根据蚂蚁所选路径的代价进行信息素更新,增加了信息素调整的自适应性,同时加快了算法的收敛速度,使得组播路由算法在考虑网络QoS约束的基础上进一步贴合实际网络的需求.     

基于协同合作的蚁群优化算法

蚁群优化是一种模拟蚂蚁觅食的群集智能搜索算法,基本蚁群算法收敛性较差,易陷入局部最优解。本文在基本蚁群算法的基础上,提出一种新的蚁群优化算法,通过在信息素局部更新中引入信息素扩散模型,在信息素全局更新中引入随机扰动机制,发挥蚂蚁之间的协同合作能力,提高了算法的收敛速度。以TSP为例的仿真实验表明,该算法具有较强的寻优能力、较好的鲁棒性和有效性。     

基于优化成熟度的自适应蚁群优化算法

分析了蚁群算法局部信息素更新系数与全局信息素更新系数对算法寻优能力与收敛速度的关系,定义平均路径相似度(ATS)来表征寻优过程的成熟程度,并据此自适应调整信息素更新系数,提高算法收敛速度并避免陷入局部最优.经过与典型蚁群算法在多个旅行商问题测试用例上进行收敛速度与全局寻优能力的全面比较,证明了新的算法具有较好的效果.     

基于能量和密度的WSNs动态分区成簇路由算法

针对传统的层次型网络存在的分簇不合理和能耗不均衡等问题,提出了一种基于能量和密度的动态非均匀分区成簇路由算法。该算法先根据节点与基站之间的距离将网络合理地进行动态的区域划分,在区域内成簇,使靠近基站的簇规模小于距离基站较远的簇,减少靠近基站的簇首负担和能量消耗;通过综合考虑节点剩余能量和节点密度等因素来优化簇的非均匀划分和簇首的选择,簇首间采取基于数据聚合的多跳传输机制。仿真结果表明,与经典路由算法LEACH相比,该算法能有效均衡节点能耗,延长网络生命周期。     

基于蚁群优化算法的多QoS选播路由算法研究

提出一种基于蚁群优化算法的多QoS选播路由算法.算法设计了合理的路径评价方法,从平衡网络负载的角度出发,寻找适当的选播路由路径.通过对迭代最优解路径上的信息素的调整和算法重启的策略,算法有效地避免了陷入局部最优的缺陷,扩大了算法的搜索范围.实验结果表明,该算法能找到满足QoS约束的全局最优解,并在资源预留的基础上较好地满足用户对于带宽、时延的要求.     

用于求解函数优化的一个蚁群处算法设计

文章通过对标准蚁群算法的认识，引进遗传算法的编码方式和选择操作，并对蚁群算法的信息素分配进行改进用于一般函数优化，通过几个函数求解，证明其是有效的。     

一种改进的蚁群WSN路由算法

针对能量控制和拥塞控制在无线传感器网络路由上的特殊要求,利用蚁群算法(Ant Colony System,ACS)对路由中最短路径加速收敛。为了促使网络节点能量消耗相对均衡,提出一种改进的蚁群路由算法。该算法将多蚁群挥发的信息素与网络节点剩余能量结合成算法控制因子,并且引入了多蚁群竞争机制来避免单一收敛。此算法能有效地控制网络拥塞,并使网络节点能量消耗相对均衡,延长了整个网络的生命周期,实现了高效路由与能量消耗的较优权衡。最后通过Matlab仿真实验验证了该方法的可行性,并给出实验结果。     

基于自适应节点选择蚁群算法的QoS选播路由算法

针对基本蚁群算法在求解QoS选播路由问题中存在的容易陷入局部最优和收敛速度慢的缺陷,提出一种基于自适应节点选择的蚁群算法对该问题进行求解.该算法根据解的情况自适应调整节点选择策略;依据各路径上信息素的＂集中＂程度判断解的早熟、停滞情况,并对可能陷入局部最优的解进行信息素混沌扰动更新,以便跳出局部极值区间.仿真实验表明,算法全局搜索能力较强,能够跳出局部极值区间,快速地收敛到全局最优解,算法是可行、有效的.