基于改进萤火虫群优化的无线自组网路由算法

针对无线自组网络拓扑结构多变、网络生存时间受限及数据包分组传输效率低下等问题,借鉴萤火虫群优化算法,提出了一种改进萤火虫群优化的无线自组网络路由算法.路由算法将萤火虫优化算法中的荧光素强度更新与无线自组网络中的节点移动速度、拥塞程度、节点剩余能量、节点间距离等因素进行相互映射,同时改进萤火虫群优化算法中的搜索萤火虫、驻留萤火虫及回溯萤火虫用于完成无线自组网络中路由协议的路由发现、路由选择及路由维护等过程,整个协议无须传送大量的控制分组,即可实现无线自组网络的稳定传输.仿真实验结果表明,与AODV及基于蚁群优化的路由算法AntRouting协议相比,本文所提出的路由算法在端到端延时、分组数据传输率及网络生存时间上均有良好的性能.     

一种无线传感器网络蚁群优化路由算法

如何在资源受限的无线传感器网络中进行高效的数据路由是无线传感器网络研究的热点之一.将蚁群优化算法(ACO)应用于无线传感器网络的路由,提出一种无线传感器网络蚁群优化路由算法.该算法利用蚁群的自组织、自适应和动态寻优能力进行网络优化路径的建立与维护,采用Stigmergy的概念来减少控制信息的流量,以实现网络数据的高效传输.仿真分析表明,该算法和DD算法相比在传输延时方面性能相当,在路由代价方面效果显著.另外,该算法还具有可靠性高、适应性强等优点,并能够根据需要实现网络的拥堵控制和能量均衡等综合优化.     

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。     

基于萤火虫群优化的Ad Hoc网络路由协议

针对Ad Hoc网络拓扑结构多变、网络生存时间受限及数据包分组传输效率低下等问题,本文借鉴萤火虫群优化算法的思想,提出了一种基于萤火虫群优化的Ad Hoc网络路由协议。路由协议用萤火虫优化算法的荧光素强度的更新规则与无线自组网络中的节点移动速度、拥塞程度、节点剩余能量及节点间的距离等因素相互映射,改进萤火虫群优化算法中的搜索萤火虫、驻留萤火虫及回溯萤火虫用于完成Ad Hoc网络中路由协议的路由发现、路由选择及路由维护等过程,整个协议无须传送大量的控制分组,即可实现Ad Hoc网络的稳定。仿真实验结果表明,与AODV及基于蚁群优化的路由算法AntRouting协议相比,本文所提出的路由协议在端到端延时、分组数据传输率及网络生存时间上均有良好的性能。     

基于多蚁群算法的无线传感器网络路由的跨层设计

针对事件驱动型无线传感器网络对数据传输的强实时性和高可靠性的要求,将统计获得的节点接入效率和负载队列长度等MAC层状态信息作为路由度量参数。考虑到蚂蚁网络算法在重负荷网络中存在传输延迟大、聚合速度慢等缺陷,提出了一种基于多蚁群算法的负载感知和高效接入的跨层路由协议,该协议把节点的单跳延迟、负载及带宽接入效率等参数作为路径的启发值进行路由优化。仿真结果表明,基于多蚁群算法的路由协议能够保证数据传输的实时性,能够实现无线传感器网络的拥塞控制及负载平衡。     

基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法

无线传感器网络(WSN)路由中,节点未充分考虑路径剩余能量及链路状况进行的路由会造成网络中部分节点网络寿命减少,严重影响网络的生存时间。为此,将蚁群优化算法与非均匀分簇路由算法相结合,提出一种基于蚁群优化算法的无线传感器非均匀分簇路由算法。该算法首先利用考虑节点能量的优化非均匀分簇方法对节点进行分簇,然后以需要传输数据的节点为源节点,汇聚节点为目标节点,利用蚁群优化算法进行多路径搜索,搜索过程充分考虑了路径传输能耗、路径最小剩余能量、传输距离和跳数、所选链路的时延和带宽等因素,最后选出满足条件的多条最优路径,完成源目的节点间的信息传输。实验表明,该算法充分考虑路径传输能耗和路径最小剩余能量、传输跳数及传输距离,能有效延长无线传感器网络的生存期。     

基于蚁群优化的无线传感器网络能量均衡路由算法

如何有效使用无线传感器节点有限的能量来最大化网络的寿命是无线传感器网络研究的重要问题.网络能量是否均衡消耗对网络寿命有着决定性的影响.本文将蚁群优化算法应用于无线传感器网络的路径选择,提出一种基于蚁群优化的无线传感器网络能量均衡路由算法.该算法利用蚁群的动态适应性和寻优能力在网络最短路径和能量均衡消耗之间进行平衡,以达到网络能量的优化均衡消耗,进而延长整个网络的寿命.仿真实验表明,该算法在延长网络寿命方面效果较显著,与最短路径路由算法相比网络寿命延长超过33%.     

蚁群算法在无线传感器网络中的应用研究

使用无线传感器节点有限的能量保证网络的寿命是无线传感器网络研究的重要问题,网络能量是否均衡消耗对网络寿命有着决定性的影响.为了促使网络节点能量消耗相对均衡,将蚁群优化算法应用于无线传感器网络的路径选择,提出一种蚁群优化的无线传感器网络能量均衡路由算法.利用蚁群的自组织、自适应和动态寻优能力,通过蚂蚁并行地寻找从源节点到达目的节点的最优路径,使网络最优路径和能量均衡消耗之间进行平衡,以达到网络能量的优化均衡消耗,进而延长整个网络的寿命.进行了仿真实验,实验结果表明,与经典路由定向扩散算法相比,算法能有效地均衡网络节点的能量消耗为设计提供了有效的方法.     

基于移动—能量代价函数的无线自组织网络路由策略研究

能量均衡技术一直是无线自组织网络的热点研究领域.在深入研究网络信息传输特性的基础上,提出了一种基于移动-能量代价函数的无线自组织网络路由策略,并用于网络信息传输.首先,本文考虑节点连通性、能量均衡性,提出了一种节点移动策略;然后,以传输路径节点集合中的瓶颈节点剩余能量、传输链路数量作为准则,建立以网络节点为对象的能量代价函数.基于移动-能量代价函数的路由策略从链路层的决策转移到节点层的决策.最后,采用MATLAB数值仿真该路由策略的性能,结果显示:本文提出的移动-能量代价函数的路由策略既保持了原有路由优化的精度,延迟网络瓶颈节点能量下降速度,提高网络生存时间.     

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。     

基于蚁群优化的无线传感器网络最适路由算法

如何在资源有限的条件下进行实时、高效的数据路由是无线传感器网络的研究热点之一。针对不同应用设计目标的差异性问题,提出一种基于改进蚁群算法的最适路由选择算法。因设计目标的不同,引入一个新的路由选择度量,兼顾实时性、能源效率和负载均衡等方面,并结合蚁群算法的寻优特点,对无线传感器网络最适路由选择问题进行优化。仿真结果表明,最适路由选择算法能够在满足不同设计目标的前提下,延长网络寿命,实现无线传感器网络实时、高效的路由。     

改进蚁群算法的无线传感器网络路径优化

研究无线传感器网络路径优化问题,针对无线传感器网络(WSN)路径优化问题,在分析了遗传算法和蚁群算法各自优缺点的基础上,通过把蚁群算法作为WSN路径优化的主框架,采用遗传算的选择、交叉和变异算子提高蚁群算法搜索速度,提出一种改进蚁群算法的WSN路径优化方法。仿真结果表明,改进蚁群算法有效地克服了基本蚁群算法的缺陷,提高了WSN路径优化效率和成功率,减少了能理消耗,有效延长了网络生存时间。     

基于蚁群算法的能量均衡多路径路由算法的研究

本文对现有的基于蚁群算法的路由协议进行了深入的研究,并提出了一种基于蚁群算法的能量均衡多路径路由算法（ABMR）,该算法在蚂蚁数据包结构、信息素更新公式、信息素更新方式和多路径建立机制等方面作了改进。在信息素更新公式中综合考虑了路径的能量消耗速度、路径上剩余的最小能量、距离目的节点Sink的跳数和路径的拥塞程度。在信息素更新方式上,改变传统的信息素的累加更新方式,采用彻底的链路信息素更新方式,使网络负载更加均衡。ABMR的多路径生成机制可以在源节点和目的节点间更加合理的建立起多条路径。数据发送阶段,概率路由选择策略使数据流量均衡的注入无线传感器网络。本文在NS-2仿真环境下对ABMR协议进行仿真实验,仿真结果表明,和传统协议比较, ABMR协议在能量有效性、数据分组投递率以及分组端到端时延等方面都有一定的提高。     

基于分层小生境蚁群算法的WSN中QoS组播路由研究

针对无线传感网络(WSN)的动态网络环境和能量约束的问题,在优化网络动态结构的基础上,提出用分层小生境蚁群算法求解WSN的QoS组播路由的方法.首先依据能耗将网络结构进行分簇分层优化并建立小生境,然后再结合蚁群算法优化QoS组播路由,最后进行能耗分析.该策略在保证能量最优的前提下,降低了路由的时间复杂度和空间复杂度,仿真结果表明了其有效性.     

基于改进蚁群算法的WSN能量均衡路由算法

WSN节点大都分布散乱，无法及时进行电池的更换，所以易出现网络能耗不均，重要节点过早消耗殆尽，故提出一种优化改进蚁群算法的路由算法，运用网络分层带和限制搜索角，引入介能距离和梯度函数，并在概率函数中加入能量因子等，来增长网络周期，增强寻优能力，降低能量消耗，避免先行陷入局部最优。通过仿真实验表明，该改进算法确实能够克服经典蚁群算法的缺陷，实现高效实时的优化路由。     

Routing for applications in NoC using ACO-based algorithms

Networks-on-Chips (NoCs) have been used as an interesting option in design of communication infrastructures for embedded systems, providing a scalable structure and balancing the communication between cores. Because several data packets can be transmitted simultaneously through the network, an efficient routing strategy must be used in order to avoid congestion delays. In this paper, ant colony algorithms were used to find and optimize routes in a mesh-based NoC, where several randomly generated applications have been mapped. The routing optimization is driven by the minimization of total latency in packets transmission between tasks. The simulation results show the effectiveness of the ant colony inspired routing by comparing it with general purpose algorithms for deadlock free routing.     

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。     

Study on the algorithm for smart community sensor network routing with adaptive optimization via cluster head election

To reduce the uneven energy consumption for the data transmission and extend network life of intelligent community sensor network, an adaptive routing optimized algorithm for intelligent community sensor networks with cluster head election is proposed. In this algorithm, a three-dimensional clustering method adapted to the structure of intelligent community sensor network is proposed. The three-dimensional clustering method uses the cluster head election mechanism based on minimizing the total transmission loss to optimize the energy of the intelligent community sensor network. Second, an adaptive ant colony propagation method is proposed to solve the problem of intercluster data propagation after clustering. With the best path finding algorithm of ant colony algorithm, energy balance routing with lower energy loss and lower packet error rate is proposed. Finally, the simulation results show that the algorithm has better performance in reducing energy consumption and delay, improving transmission efficiency and node survival time.     

一种基于分簇蚁群策略的无线传感器网络路由算法

如何最大化地延长网络的生存时间是无线传感器（WSN）网络研究的核心问题.基于分簇策略,提出一种能量有效的路由算法（EEA）.该算法利用分簇原理减少了参与寻找最优路径的节点数,从而降低了系统的能耗.同时设计一种改进的最优路径评价标准,该标准兼顾了传输路径上各节点的剩余能量和最优路径上总的能量消耗.仿真结果表明,与其他蚁群策略的路由算法（如：基于蚁群算法的路由算法（ARA）和EEAWSN）相比,该算法能在寻找最优路径时避开剩余能量少的节点,使最优路径上各节点的能量呈整体性衰落,从而沿长了网络的寿命.     

Routing table updating by using intelligent agents

In a network, one of the important problems is making an efficient routing decision. Many studies have been carried out on making a decision and several routing algorithms have been developed. In a network environment, every node has a routing table and these routing tables are used for making routing decisions. Nowadays, intelligent agents are used to make routing decisions. Intelligent agents have been inspired by social insects such as ants. One of the intelligent agent types is self a cloning ant. In this study, a self cloning ant colony approach is used. Self cloning ants are a new synthetic ant type. This ant assesses the situation and multiplies through cloning or destroying itself. It is done by making a routing decision and finding the optimal path. This study explains routing table updating by using the self cloning ant colony approach. In a real net, this approach has been used and routing tables have been created and updated for every node.