[发明专利]考虑能量均衡的能量优化路由选择算法

权利要求书

1.通过获得最优路径的能量消耗降低方法，其特征在于包括： 

从整个网络矩阵中随机选取一个节点，作为源节点，其中不取目的节点作为源节点， 

确定最短路径， 

利用剩余能量值，获得能量平衡，获得最优路径， 

其中，最后一个节点总是作为目的节点。 

2.根据权利要求1的方法，其特征在于确定最短路径的步骤包括： 

对种群进行初始化，包括设定种群大小， 

设定遗传代数：it=1， 

执行交叉操作， 

进行变异操作，形成新个体， 

在完成交叉和变异操作后，进行适应度函数的计算， 

随后将遗传代数加1，并判断是否达到了预定的达到最大进化代数，若“否”，则继续进行整个算法的过程，若“是”则结束算法， 

多次迭代，获得最短路径。 

3.根据权利要求2的方法，其特征在于： 

将最大进化代数设置为一个值，在进行到该最大代数时，无论是否获得最终结果，都将已获得的最短路径的解作为最优解使用。 

4.根据权利要求3的方法，其特征在于： 

设定所述种群大小为100， 

设定所述最大进化代数为200。 

5.根据权利要求2－4之一的方法，其特征在于所述对种群进行初始化的步骤包括： 

生成一个n*PN的0，1矩阵v， 

令矩阵v第一列全为1，第PN列全为1。 

6.根据权利要求5的方法，其特征在于: 

所述交叉－变异操作包括： 

把交叉概率设置为一个预定值, 

变异概率设置为＝1－交叉概率, 

变异原则设定为： 

根据M=rand(N,L)<=pm;产生一个随机矩阵，其中N为种群数，L为染色体元素个数，pm为所述变异概率, 

若M矩阵中M（i,j）=1，则将对应矩阵上的v（i，j）取反，即矩阵v（i,j）中为1的将其变成0，为0的变为1，即进行了变异， 

其中，新矩阵v的计算公式为：v=v-2*(v*M)+M。 

7.根据权利要求2－4之一的方法，其特征在于 

适应度函数可写成如下形式： 

  式（2.3.1） 

式（2.3.1）中，i为此次选中路径上选定的各节点的标号，i=1,2,…N′，N′代表此次选中路径除目的节点的节点选中节点的总个数，length_i代表此次选中路径中第i个节点向下一个节点的路径的长度。 

8.根据权利要求1的方法，其特征在于利用剩余能量值获得能量平衡获得最优路径的步骤包括： 

进行能量初始化， 

随机选择发送信息的节点， 

寻找能量零点，确定零点位置， 

刷新网络拓扑：通过交叉与变异操作，产生新的染色体组，节点传输路径改变，从而刷新网络拓扑结构， 

获得最优路径：通过所构建的适应度函数和网络节点矩阵，利用遗传算法，进行迭代求解，获得最优路径， 

确定加入了剩余能量的适应度函数： 

其中α和β为路径和剩余能量的权重值，power_re_i为第i号节点的剩余能量， 

然后，根据每个节点的传递信息距离扣除相应的能量消耗： 

energy=20log₁₀(f)+20log₁₀(d)-28 

得到剩余能量最多的节点。 

9.根据权利要求8的方法，其特征在于所述进行能量初始化的步骤包括： 

生成一个16*16的矩阵cord[r,c],其中r代表两节点之间的距离，自身节点的距离用0来表示，c表示剩余能量， 

设定每个矩阵的初始能量， 

其中 

若某些节点与其他个别节点不连通，则将距离表示为100，计算适应度函数 的时候，由于距离过大，将忽略此链路。 

10.根据权利要求8的方法，其特征在于所述寻找能量零点的步骤包括： 

设置一个大小为m行，n列的新能量矩阵new_power， 

设定i为1到m行的一个值，j为1到n列的一个值，若新能量矩阵new_power{i,j}(2)为0，则发现所要寻找的点在第j列，并结束，否则继续循环。