[发明专利]基于遗传算法的移动机会传感器网络自适应信息传输方法

说明书

本发明公开了一种基于遗传算法的移动机会传感器网络自适应信息传输方法，克服了现有技术簇头优化选择不佳导致的节点生存率低、能耗高的问题，根据无线传感器网络中节点的物理位置相关性完成节点分组，将节点划分若干子区域，在子区域中选择节点作为簇头，簇头将每个簇内节点的信息数据进行融合，确定起始节点，然后逐步进行下一跳节点选择结束路径规划，确定最佳路径。本发明节点聚类原理，得到移动机器网络的下一跳节点，融合簇节点的单跳和多跳，实现簇头与基站的通信，根据簇的划分和调度，采用遗传算法选择最优簇头，完成移动网络节点的自适应聚类。

技术领域

本发明涉及移动无线传感器网络技术领域，尤其是涉及一种基于遗传算法的移动机会 传感器网络自适应信息传输方法。

背景技术

分簇算法是一种适应移动无线传感器网络(WSN)特点的路由机制。当前的自适应分簇 算法忽略了簇头的优化选择，导致节点生存率低、能耗高。为了应对自适应分簇算法中的节 点生存率低和能耗高的问题，急需一种基于遗传算法的移动传感器网络自适应聚类算法。

发明内容

本发明是为了克服现有技术的节点生存率低能耗高的问题，提供一种基于遗传算法的 移动机会传感器网络自适应信息传输方法，设计连通区域机会网络结构图，构建移动机会模 型，根据簇的划分和调度，采用遗传算法选择最优簇头，完成移动网络节点的自适应聚类。

为了实现上述目的，本发明采用以下技术方案：

一种基于遗传算法的移动机会传感器网络自适应信息传输方法，其特征是，包括以下内容： 根据无线传感器网络中节点的物理位置相关性完成节点分组，定义α为评价尺度常数，表示 节点间数据传输的最大距离阈值；

在网络环境下，将评价尺度常数α划分为若干子区域，并在每个子区域中随机选择一个节点 t作为簇头；

在某个时间t随机选择某个网络环境作为研究切入点，并做出以下假设：假设有n个节点， 根据物理位置的相关性随机生成6个连通区域，即同时形成6个簇，随机指定每个簇头，簇 头将每个簇内节点的信息数据进行融合，并将划分的6个簇表示为U＝{A，B，C，D，E，F}， 其中每个集群可以实现数据转发；以当前时间A为起始节点，当前网络拓扑结构不变，形成 网络连通图。

作为优选，在确定所述的起始节点之后，进行下一跳节点选择，从起始节点A开始，逐渐寻找最佳传输路径，每个簇节点将经过数据融合处理的数据信息存储在每个簇中，并假 设T、网络环境M中当前存在连通图。

作为优选，所述的从起始节点A开始，逐渐寻找最佳传输路径包括以下内容：

步骤1、确定开始状态，A是当前节点，即U＝{A}，V＝{B，C，E，F，D}；

其中，U和V代表网络中节点的集合，U和V代表的分属不同区域的节点的集合；

步骤2、从节点A开始，比较V中的代价边，并标记每个节点与初始节点A之间的逻辑距离， 分别地通过逻辑距离比较，确定当前最小边，即确定下一跳节点，将下一跳节点放入从V中 加入U；

步骤3、更新V中顶点和U的代价边，再次进行比较逻辑距离，确定当前最小边，即确定下 一跳节点，将下一跳节点放入从V中加入U；

步骤4、重复步骤3，直至最后一次确定下一跳节点，此时，按照步骤2-4中确定的下一跳节 点的顺序更新U，路径规划结束；

步骤5、按照步骤2-4中确定的下一跳节点的顺序统计插入的节点，最后确定当前最佳路径。

作为优选，所述的移动机会传感器网络的运行过程如下：

在分簇阶段，网络中的所有代理根据自身的约束和外部环境的约束，采用LEACH自适应分 簇协议，将角色分配给机会传感器网络的代理；

在分簇阶段，簇头角色和簇成员根据LEACH自适应分簇协议给出的方案形成簇结构，然后 进入稳定阶段；

在稳定阶段，每个集群成员角色和集群头角色进行通信，位于同一层的集群头角色在各自的 通信范围内进行通信和传输数据；