[发明专利]无线传感器网络中基于蚁群算法的定向扩散方法

说明书

技术领域

本发明属于无线传感器网络中的定向扩散模型，特别是一种无线传感器网络中基于蚁群算法的定向扩散方法。

背景技术

路由协议负责将数据分组从源节点通过网络转发到目的节点，它主要包括两个方面的功能：寻找源节点和目的节点的优化路径，将数据分组沿着优化路径正确转发。在无线传感器网络中，节点能量有限且一般没有能量补充，因此路由协议必须高效利用能量，同时传感器网络节点数目往往很大，节点只能获取局部拓扑结构信息，路由协议要能在局部网络信息的基础上选择合适的路径。

传统的路由协议通常以地址作为节点的标识和路由的依据，而无线传感器网络中大量节点随机部署，所关注的是监测区域内的感知数据，而不是具体哪个节点获取的信息，不依赖于全网惟一的标识。传感器网络通常包含多个传感器节点到少数汇聚节点的数据流，按照对感知数据的需求、数据通信模式和流向等，以数据为中心形成消息的转发路径。因此，无线传感器网络最主要的特征就是以数据为中心的计算，其路由协议主要负责在汇聚节点与传感器节点间进行可靠的数据传输。

定向扩散(Directed Diffusion，DD)是一种基于查询的路由机制。该协议在路由生成和维护过程中，源节点周期性的洪泛探测分组会对正常的数据转发产生相当大的影响，造成网络性能的突然降低。传统的定向扩散是一种以数据为中心且基于查询的路由机制，其最大特点就是引入了网络梯度概念，并将局部算法(localized algorithm，属于数据融合技术范畴)相结合应用于无线传感器网络的路由通信机制。网络梯度的思想本身就源于生物学中的蚂蚁种群模型，一般定义为属性值和方向。属性值可以依据数据速率、功率或者地理信息确定，方向由接收节点指向发送兴趣的邻居节点，引导数据扩散。定向扩散路由机制分为兴趣的洪泛，双向梯度的建立，探测分组的洪泛路径的选择与加强，数据的发送五个阶段组成。如图1所示。

兴趣的洪泛(图1a)：兴趣的洪泛由sink节点发起，sink节点维护一个活动任务表项，该表项内存储着所有由该sink节点发起的还处于生存期内的兴趣，而任务被描述为interests并以洪泛的形式扩散到网络中的每个节点。

双向梯度的建立(图1b)：网络中的每个节点都维护一个兴趣表，其中的每一个表项都是一个惟一的兴趣，所谓“惟一”是指兴趣的类型不同、事件传输率不同或者覆盖区域相离。同时，每个兴趣表项拥有一个梯度列表。节点每收到来自不同邻居的interests时，会建立一个从该点到对应邻居的梯度。因此，一个节点的所有邻居和该节点上的梯度一一对应。扩散完成后，在源节点source和sink之间就会建立多条由梯度建立的路径。

探测分组的洪泛(图1c)：在网络运作的整个周期内，源节点周期性地向所有可能的路径发送探测数据分组，以实现路由生成和路由更新。

路径的选择与加强(图1d)：sink节点根据收到的同一个探测分组不同副本的时延或携带的附加信息确定一条最优路径，并以单播方式发送加强信息告知源节点。

数据的发送(图1e)：传输路径选定后，后续数据的发送通过此选定路径进行传输。

蚁群算法(Ant Colony Algorithm，简称ACA)又称蚂蚁算法，是由意大利学者Dorigo等人受到人们对自然界中真实蚁群集体行为的研究成果的启发而首先提出来的。蚁群算法已经成功地用于解决TSP、JSP等许多组合优化问题。但是，到目前为止还很少有人将蚁群算法应用于无线传感器网络的路由算法中。蚁群算法的基本原理可大致描述如下：蚂蚁属于群居昆虫，个体行为极其简单，群体行为却相当复杂。相互协作的一群蚂蚁很容易找到从蚁巢到食物源的最优路径，而单个蚂蚁则不能。人们通过大量研究发现，蚂蚁之所以可以做到这一点，是因为蚂蚁个体之间是通过在其所经过的路径上留下一种挥发性分泌物(pheromone)可称之为信息素的物质来进行信息传递的。蚂蚁可以嗅到这种信息素，而且可以根据信息素的浓度来指导自己对前进方向的选择。同时，该信息素会随着时间的推移逐渐挥发，于是路径的长短及路径上通过的蚂蚁的多少就对残余信息素的浓度产生影响。反过来信息素的浓度又指导着其它蚂蚁的行动方向。因此，某一路径上走过的蚂蚁越多，则后来者选择该路径的概率就越大。这就构成了蚂蚁群体行为表现出的一种信息正反馈现象。蚂蚁个体之间就是通过这种信息交流快速找到食物源的。