[发明专利]一种基于改进粒子群算法的无线传感网络路由优化方法

摘要

一种基于改进粒子群算法的无线传感网络路由优化方法，所述方法使用一种含有整个网络拓扑结构信息的关系矩阵作为粒子群算法的编码方式，用来处理路由优化问题；并应用遗传算法的交叉和变异机制实现全局收敛搜索。方法步骤包括初始化参数和初始化种群、计算粒子适应度值、寻找和、引入交叉和变异机制、更新和。本发明结构简单，引入了遗传算法的交叉和变异机制全局收敛搜索，最终实现优化求解，通过关系矩阵编码方式，减少冗余空间的产生和冗余搜索，提高了方法的实时性和稳定性。

主权项

1.一种基于改进粒子群算法的无线传感网络路由优化方法，其特征在于，所述方法使用一种含有整个网络拓扑结构信息的关系矩阵作为粒子群算法的编码方式，用来处理路由优化问题；并应用遗传算法的交叉和变异机制实现全局收敛搜索；所述方法包括以下步骤：(1)初始化参数：设定种群的规模M，网络节点数n，惯性权重w，以及最大的迭代次数tmax，确定路由节点的基本信息：有效传输距离、初始能量及剩余能量；(2)初始化种群：对每个粒子i得到一个随机的初始位置X_i以及一个随机的初始速度V_i；粒子位置表示为其元素值为所对应的链路被选择的概率；粒子速度表示为其元素值为随机赋值并且每次迭代后都应当满足如下关系：(3)对新位置按照路由策略计算位置的适应值：QoS约束单播路由问题的网络拓扑图用无向连通图G＝(V,E)表示，其中，V为网络中所有网络节点集合，E为任意两相邻节点i,j之间的链路边e_ij集合，i,j＝1,2,…,n，n表示网络的节点数；使用罚函数Q(P_st)将约束单播路由优化问题转化为无约束优化问题进行求解：其中，罚函数Q(P_st)表示为s和t分别是源节点和目的节点的编号，e_ij为相邻节点i,j之间的链路，B_ij表示相邻节点i,j间的带宽，c_ij表示链路e_ij上的花费，B_w为带宽要求，D_ij表示相邻节点i,j间的延迟，D_req为延迟要求，P_st为目标值最优的路径，γ和η为罚函数系数；适应度函数表示为(4)寻找Pbest和Gbest：对于每个个体，将其适应值与其所经历过的最好位置的适应值进行比较，若较优，则更新最好位置；对于每个个体，将其适应值与全局所经历的最好位置的适应值进行比较，若较好，则将其作为当前的全局最好位置；Pbest表示粒子群算法中粒子个体经历过的最优位置，Gbest是粒子群经历过的最优位置；(5)对于粒子群所有个体，根据关系矩阵编码方式，计算每个粒子个体的位置和速度，对每个粒子进行变异操作，然后在此基础上对粒子进行交叉操作；(5.1)设网络中的节点数是n，用具有大于或等于零的元素的二维关系矩阵来表示网络拓扑结构信息，矩阵中元素x_ij的值大小表示链路e_ij被选中的概率，其值越大表示链路被选中的概率越大，若为0则表示在网络中不存在此条链路，下标值i表示链路起始节点，j表示链路的终止节点；(5.2)变异操作：在每次迭代中，为了保持样本的多样性，根据速度更新公式计算下一代的速度；w为惯性权重系数，其中，t_max为设置的最大迭代次数，t为当前迭代次数，w_max为最大惯性权重，w_min为最小惯性权重；P_i为粒子i所经历的局部最好位置，即个体最好位置；c₁,c₂为加速因子，取值为2.0；r₁,r₂为(0，1)内随机数；P_g为群体中所有粒子所经历过的局部最好位置，即全局最好位置；X_i(t)为粒子i在t时刻的位置；若在t+1时刻x_ij取1，表示其对应的节点v_ij被选为路由节点；下脚g表示局部最好位置处的标记；(5.3)交叉操作：随机选取全局最优路由中的某个区间片段[a,b]进行交叉；即从局部最好位置出的路由请求Rg中选择片段Rc＝{va,…,vb}插入到任意路由请求Rj中vij后面，并且vij离va节点距离最小；然后在Rj原路径中删除节点va,…,vb，同时更新路由标识向量Xj，Xj为Xi(t)的集合；(5.4)根据位置更新公式计算下一代的位置；(6)重新评价各粒子的适应度值，更新各个粒子的历史最优解，更新种群的全局最优解；如果新位置的适应值比当前局部最好解的适应值还要小，则用新的位置更新当前的局部最好解；假若有粒子的局部最优解优于当前的全局最优解和其他粒子的局部最优解，则用此局部最优解更新当前的全局最优解；(7)停机条件判断：如果当前迭代的次数等于最大迭代次数，转步骤(8)，否则转步骤(5)；(8)输出求得的最好解路径。