[发明专利]基于改进混沌遗传算法的WSN多跳LEACH路由协议

权利要求书

1.基于改进混沌遗传算法的WSN多跳LEACH路由协议，其特征在于：包括系统模型、簇头选举、寻找路径和簇维护；系统模型为协议实现提供模型，具体包括网络模型和能量模型；簇头选举是基于LEACH改进的阈值函数来选举簇头，考量了节点剩余能量、节点剩余能量与负载比和节点中心度，从而使位于簇中心、负载较小且能量多的节点成为簇头的概率大；寻找路径是使用混沌遗传算法来寻找全局最优的多跳路由路径；簇维护考量能量和负载平衡来自适应计算轮周期；

所述的簇头选举是通过改进LEACH的阈值函数，考量节点剩余能量、节点剩余能量与负载比和节点中心度，从而使位于簇中心、负载较小且能量多的节点成为簇头的概率大；当节点在0和1之间分配的随机值小于其阈值时，该节点成为CH；具体的阈值由LEACH修改后的阈值函数计算得出，如下所示：

其中E_initial表示网络中所有节点的初始能量，表示节点i的剩余能量；Li表示节点i的负载，N_i＝{n₁，n₂，...，n_p}表示节点i的邻居集，p是邻居的个数；d_iBS表示节点i和BS之间的距离，可以看出，剩余能量越大、负载越均匀、越靠近邻域中心的节点越有可能成为CH；与LEACH不同，本发明成簇是通过混沌遗传算法来完成的，而不是CH和CM之间的消息交互；此外，该算法在BS中完成，从而得到每个簇头最优的成员，同时寻找最优路由路径的全局解；

所述的寻找路径是采用混沌遗传算法来找到从每个源簇头到基站的路由路径，通过混沌映射构建初始种群，并通过精英选择、双点交叉和位变异产生下一代种群，以能耗最小和负载最均衡为目标，构造适应度函数，并计算种群中各个体的适应度值；满足终止条件时，适应度值最小的个体即为最优解；具体为首先构造适应度函数，考虑了能量消耗和总能量，适应度函数用于评估个体的质量，所构建的适应度函数如下：

其中

适应度函数的值越小，个体的质量越好，然后越有可能传给下一代，直到获得适应度函数值最小的最佳个体；接下来初始化种群，在本发明中，采用实数编码而不是二进制编码来表示种群的染色体，其中实数表示由节点ID表示的基因；染色体由两部分组成，一个用于路由路径，另一个用于CM选择；路由路径基因表示所选CH的下一跳CH，CM选择基因表示相应CM的确定CH；修改后的混沌逻辑映射用于生成初始基因，因为它对初始值敏感，具有更好的随机序列生成，表示如下：

其中，u为控制参数，当u＞3.57且z_i≠0.25，0.5，0.75时，系统进入混沌状态；为了避免无效个体的出现，在g_i上附加了约束条件：

其中和分别表示簇头h_i和成员m_i的下一跳CH和CH，如此则可以得到有效个体，从而产生所需的初始种群；然后计算初始种群的每个染色体的适应度函数值，适应度函数的值越小，个体越接近最佳解；遗传选择采用精英选择，即种群中适应度值小的前15％精英个体直接被选为下一代；对于其它个体，确定其适应度函数值是否大于如上所述由混沌逻辑映射生成的随机个体的适应度函数值；如果是，则选择个体进行交叉操作，否则，选择随机个体进行交叉操作以加快收敛并确保种群多样性；本发明采用两点交叉，交叉操作后，由于父染色体的基因都满足约束条件，因此得到的两个子染色体必须仍然有效；然后计算子染色体的适应度函数值，与父染色体进行比较，如果子染色体的适应度函数值小于其父染色体的适应度函数值，则选择该子染色体进行变异操作；如果没有，则选择随机个体来确定其适应度函数值是否小于父染色体的适应度函数值；如果小于，则选择随机个体进行变异操作，否则选择父个体进行变异操作；这样，收敛速度进一步加快；交叉产生的个体应用混沌比特变异算子进行变异操作；选择一个随机突变点改变相应的基因，得到新的个体；当然，新个体也是有效的，因为新产生的基因仍然满足约束条件；此外，计算其适应度函数值，判断其是否优于其父染色体，并将较好的一个选择给下一代；最后寻找最优解，一旦本发明的迭代次数满足其中一个终止条件，就可以得到最优解，即找到所选簇头的最优路由路径和成员；不失一般性，迭代次数作为终止条件之一；另外，将适应度函数值的偏离度作为另一个终止条件，如下所示：

其中ω是种群中的个体数，Fitness_i是第i个个体的适应度函数值，Fitness_max是适应度函数的最大值，ε是一个预置的小正数，等于10^-5；一旦遗传运算停止，种群中适应度值最小的个体即为最优解；

所述的簇维护是采用自适应轮周期来重新成簇，不同于采用固定轮周期来重新成簇容易导致频繁成簇产生许多控制报文而消耗大量能量，自适应轮周期考量网络能耗和负载均衡来自适应计算轮时长，从而降低网络能耗；具体为网络的负载平衡和能量平衡并分别用α和β表示；

T_newround＝2*T_round*α*β

其中

·T_round是传统的循环时间

·α是负载平衡系数，且

·β是能量平衡系数，且

n′是存活节点的数目，而且，β标准化为

其中β_min和β_max分别为β的最小值和最大值；

在每个轮周期开始时，基站使用混沌遗传算法根据接收到的能量信息找到每个簇头的最佳路由路径和包含的成员，然后将它们与计算的轮时间一起广播到网络；每个节点基于接收到的信息进行通信。