[发明专利]一种基于遗传算法的水下无线传感器网络拓扑控制方法

权利要求书

1.一种基于遗传算法的水下无线传感器网络拓扑控制方法，其特征在于，通过以下步骤来实现：

a).构建水下网络模型，设n个水下节点均匀分布于L×L二维水下环境，节点n_i∈N，节点集n个节点被均匀分成k个簇，则每个簇内有n/k个节点，其中含1个簇首和n/k-1个成员节点；节点间为单跳距离，均可直接通信，各节点位置已知且固定，计算出各节点与水下汇聚节点间的距离为D(i)_R→B，以及节点与水下汇聚节点的平均距离；

b).建立成员节点、簇首节点能量模型及能量参数，根据成员节点的发送能耗、接收能耗建立成员节点的能量模型，根据簇首节点的汇聚能量和通信能量建立簇首节点的能量模型；建立包含剩余能量、能量门限、初始能量在内的节点能量参数；

c).计算最优簇首数量，根据部署区域长度L、节点到水下汇聚节点的距离计算出最优的簇首数量；

d).采用遗传算法确定最优簇首，包括如下步骤：

d-1).染色体编码，选用二进制编码，采用二值符号集{0,1}对节点进行染色体编码，当基因位前两位为00时代表该节点为水下汇聚节点，当基因位前两位为01时代表该节点为某个簇的成员节点，当基因位前两位为10时代表该节点被选作簇首节点，当基因位为11时代表该节点已经失效；

d-2).选取初始种群，将剩余能量和节点与水下汇聚节点间距离的加权值S(i)作为选取依据，选取加权值S(i)高压阈值T的节点作为初始种群；

d-3).构造适应度函数，适应度函数决定了当前种群遗传到下一代群体中的概率，采用能量和距离作为评估参数，构造适应度函数F(i)；

d-4).构造包含选择算子、交叉算子、变异算子在内的遗传算子，选择算子用于选取较优个体遗传到下一代，采用基于排序和轮盘赌选择算子，从初始种群中选取较优的个体并存储；交叉算子根据交叉概率P_C产生出两个新的个体，交叉概率P_C根据适应度F(i)进行自适应调整；变异算子根据变异概率P_M获得新的子代个体，变异概率P_M根据适应度F(i)进行自适应调整；

d-5).计算个体适应度值，计算新种群中的个体适应度值，若新个体适应度大于当前个体的目标值，则将新个体作为种群下一代进化的目标，否则保持当前目标不变；

d-6).选择最优簇首，重复执行步骤d-4)至步骤d-5)，如果达到最大进化代数，输出当前的最优个体，即为下一任簇首的候选节点；

e).自组成簇和进行数据通信，遗传算法完成簇首的选择后，最优个体被选做簇首，其余节点根据预设规则自组加入簇，进行数据通信；

步骤b)所述的成员节点、簇首节点能量模型及能量参数的建立通过以下方法来实现：

b-1).成员节点能量模型的建立，为满足到达接收节点的信号功率为P₀，则距离接收节点为d的发送节点的发送能量E_S需要满足：

上式中A(d)为水声信号功率衰减系数，采用球形扩散模型，a(f)为水下环境吸收系数：

上式中为f载波频率，单位为kHz；

节点的发送能耗为：

E_t＝l×(E_e+E_s) (4)

节点的接收能耗为：

E_r＝l×E_e (5)

其中，l为数据包的长度，单位bit，E_e为驱使电路发送或接收每bit信号所需的能量，单位nJ/bit；E_s为发送端所需能量，该能量需要满足接收端解调器的要求，则完成一次长度为l的数据包传输所需能量为：

E_T＝E_t+E_r＝l×(2E_e+E_s) (6)

b-2).簇首节点能量模型的建立，簇首负责对簇内数据进行汇聚和处理，并发送给水下汇聚节点，因此，簇首能量模型包括汇聚能量模型和通信能量模型：

对于包含p个节点的簇而言，由p-1个成员节点和1个簇首构成，设数据包长度为l，则每个通信周期中，接收和汇聚能量为：

E_A(ch)＝(p-1)×l×E_A+(p-1)E_r＝(p-1)×l×(E_A+E_e) (7)

上式中，E_A为簇首融合单位bit数据所消耗的能量；

簇首通信能量模型为：

E_T(ch)＝E_t(ch)＝l×(E_e+E_s) (8)

则簇首节点的总能量为：

E(ch)＝E_A(ch)+E_T(ch) (9)

b-3).能量参数的建立，E(i)_re为节点i的剩余能量，E_th为预设的能量门限，E_in为初始能量，E(ave)为网络的平均剩余能量：

步骤c)所述的计算最优簇首数量通过如下公式进行计算：

上式中，L为部署区域长度，单位m；ε_fs为单位放大功率，ε_amp为多径衰落模型的单位放大功率。