[发明专利]一种基于TMPA算法的分层无线传感器网络拓扑优化方法

说明书

本发明提供一种基于TMPA算法的分层无线传感器网络拓扑优化方法，包括获取布置范围，设定障碍物及信号衰减值；设置计算变量并初始化参数；计算第k次迭代时连接率为1情况下每个感知层节点的最低发射功率及适应度；将适应度最优的群体设为顶级捕食者并进行Tent混沌扰动策略后进行比较，取适应度最优解的群体；复制顶级捕食者构建捕食者矩阵；优化汇聚层节点位置，再次Tent混沌扰动策略进行适应度值比较，取适应度最优解的群体；执行MPA算法的FADs效应，直至迭代结束；输出最优汇聚层节点位置坐标和所有感知层节点的发射功率。实施本发明，给出最优的汇聚层节点位置分布和所有感知层节点发射功率能耗最小，实现节能和能耗平衡延长网络寿命的目的。

技术领域

本发明涉及无线局域网技术领域，尤其涉及一种基于TMPA算法的分层无线传感器网络拓扑优化方法。

背景技术

无线传感器(Wireless Sensor Networks,WSNs)因其广泛的应用而得到学术界和工业界的关注。其中，分层的无线传感网络由于具有可扩展性、高效通信和容错等优点而被广泛应用于大型无线传感器网络中。在层次结构中，整个网络一般包括感知层和汇聚层，汇聚层主要用于接收多个感知层采集的相关数据，汇聚这些数据并与其他汇聚层节点以多跳的方式进行通信。感知层节点往往是一个能量受限系统。因此，节能并尽可能地延长其工作时间，对于整个网络的性能和生存时间起着至关重要的作用。

已有工作表明，无线传感器节点的主要能耗在于数据的发送与接收。因此，在设计分层的无线传感网络时，需要考虑的最重要方面是能耗与节点调度，因为它定义了一个无线传感器节点的生命周期，进而定义了整个无线传感器网络的生命周期。

如图1所示，分层无线传感器网络包括感知层和汇聚层；其中，感知层节点(Sensing Node,SN)负责信息的收集，汇聚层节点(Convergence Node,CN)负责将多个感知层节点收集的信息进行聚合，并在不同的汇聚层节点之间通过多跳方式进行信息通讯。其中，为感知层节点集合，n_s为感知层节点的数量,SN_i＝{x_i,y_i,z_i}为第i个感知层节点的位置；为汇聚层节点集合，n_c为汇聚层节点的数量，CN_j＝{x_j,y_j,z_j}为第j个汇聚层节点的位置信息。

但是，现有的分层无线传感器网络存在缺点及不足，主要在于因所用的模型都为均匀模型，且每个节点具有相同的覆盖半径，导致非均匀环境下的部署存在偏差，导致无线信号在传播过程中不仅存在路径损耗，而且也会在穿透障碍物时遭受到损耗。

因此，亟需一种分层无线传感器网络拓扑优化方法，能在保证覆盖范围的前提下，给出最优的汇聚层节点位置分布和所有感知层节点发射功率能耗最小，从而达到节能和能耗平衡延长网络寿命的目的。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于TMPA算法的分层无线传感器网络拓扑优化方法，能在保证覆盖范围的前提下，给出最优的汇聚层节点位置分布和所有感知层节点发射功率能耗最小，从而达到节能和能耗平衡延长网络寿命的目的。

为了解决上述技术问题，本发明实施例提供了一种基于TMPA算法的分层无线传感器网络拓扑优化方法，所述方法包括以下步骤：

步骤S1、获取无线传感器网络的布置区域，并设定所述布置区域内的障碍物及其衰减值；其中，感知层节点和汇聚层节点随机分布在所述布置区域内；