[发明专利]基于K-means聚类和蚁群算法的多级异构无线传感器网络分簇路由方法

摘要

本发明公开了提出的一种基于K‑means聚类和蚁群算法（ant colony optimization,ACO）的分簇路由协议（K‑means clustering and ACO optimal routing，即KCAOR协议）。在多级异构无线传感器网络环境下，首先由最优簇首个数公式确定监测区域内的最佳簇域数量，然后采用K‑means聚类方法将网络中的节点自然聚集成相应的簇域；提出簇域均匀优化策略，实现网络能耗的均匀分布，再根据簇内节点的剩余能量值选举簇首；采用蚁群算法确定簇首与基站之间的多跳最优路由，均衡簇首之间的能量消耗；在数据传输的末轮，通过增加节点状态包，基站能够实时掌握网络的运行情况，实现协议的优化。本发明能够有效均衡网络的能量消耗，延长生存时间，提高无线传感器网络的性能。

主权项

1.一种基于K‑means聚类和蚁群算法的多级异构无线传感器网络分簇路由方法，包括：基于K‑means聚类的无线传感器网络分簇；基于蚁群算法的无线传感器网络簇间路由选择；在数据传输阶段，簇首采用单跳和多跳相结合的方式传输数据，同时在数据传输的末轮，通过增加节点状态包，基站能够完整掌握全网节点的实时状态信息；其特征是：所述的基于K‑means聚类的无线传感器网络分簇方法，具体步骤如下：(1)确定簇域数量：由DEEC协议的最优簇首数量计算公式(1)确定无线传感器网络中簇首的最优个数K_opt，作为网络的最优簇域数量K；其中，N为无线传感器节点个数，M为正方形监测区域的边长，d_toBS为簇首与基站之间的平均距离，ε_fs和ε_mp为无线传感器发送数据时的能耗参数；(2)聚类算法分簇：从全网节点中随机选取K个节点作为每个簇域的初始质心，计算其余节点与各初始质心的距离，将节点划分至最近的簇域中；更新所有簇域的质心，并计算K‑means聚类算法的准则函数，若不收敛，则对全网节点重新分簇，更新质心，直至准则函数收敛；所述准则函数使用平方误差函数：其中，n表示网络中的节点数；k表示网络中的质心数；d(m_i，c_r)表示网络中的节点i到质心r的距离，由欧式距离函数确定；(3)均匀簇域负荷：确定算法的迭代次数NC_max，根据簇域最优成员节点数量公式(2)确定各个簇域的最优成员节点数量Num_opt；对成员节点数量小于Num_opt的簇域进行拆解，成员节点数量大于Num_opt的簇域进行拆分，直到算法的迭代次数达到NC_max；(4)簇首选择：对每个簇域内的节点剩余能量值进行比较，选择剩余能量值最大的节点作为本簇域的簇首；所述的基于蚁群算法的无线传感器网络簇间路由选择方法，具体步骤如下：(1)根据各节点之间的距离长度确定每条路径的启发因子η_ij，设置算法的迭代次数NC_max以及其他一些参数；(2)每个簇首产生k个探测分组，并将这些探测分组随机发送至各个簇首，探测分组每经过一个簇首便将该簇首记录到自己对应的禁忌表中；(3)每个探测分组依据概率公式(3)确定下一个待访问的簇首，直至探测分组抵达基站；to_visit＝N‑Tabu_k(4)其中，N表示节点集合，Tabu_k表示第k只蚂蚁已经过的节点集合即禁忌表，to_visit为待访问的节点集合即候选集；τ_ij(t)表示t时刻路径ij上的信息素量；η_ij为路径ij的启发因子，取节点i与j之间距离的倒数；α、β分别表示每条路径上信息素和启发因子的相对重要程度；(4)待所有探测分组到达基站后，分别从每个簇首的探测分组中选出游历路径最短的分组，对这些探测分组所经过的路径上的信息素进行更新；(5)回到(2)继续进行，直至算法的迭代次数达到NC_max。