[發(fā)明專利]基于可充電多基站式無線異構(gòu)傳感器網(wǎng)絡(luò)的分層路由算法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010521696.8
• 申請(qǐng)日: 2020-06-10
• 公開（公告）號(hào): CN112469100B
• 公開（公告）日: 2023-03-31
• 發(fā)明（設(shè)計(jì)）人: 劉貴云;陳翰宇;鐘曉靜;李致富
• 申請(qǐng)（專利權(quán)）人: 廣州大學(xué)
• 主分類號(hào): H04W40/02
• 分類號(hào): H04W40/02;H04W40/10;H04W40/20;H04W40/32;H04W52/46;H04W84/18
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 鄭浦娟

1.一種基于可充電多基站式無線異構(gòu)傳感器網(wǎng)絡(luò)的分層路由算法，其特征在于，步驟如下：

S1、多基站部署階段：在無線傳感器網(wǎng)絡(luò)中隨機(jī)部署N個(gè)傳感器節(jié)點(diǎn)，然后收集所有傳感器節(jié)點(diǎn)的位置信息，以計(jì)算出K個(gè)基站的最佳選址；基站附近的傳感器節(jié)點(diǎn)為可充電節(jié)點(diǎn)，離基站較遠(yuǎn)的傳感器節(jié)點(diǎn)為一般節(jié)點(diǎn)，形成可充電多基站式異構(gòu)性的無線傳感器網(wǎng)絡(luò)；

S2、簇的建立階段：網(wǎng)絡(luò)中所有傳感器節(jié)點(diǎn)與相應(yīng)的基站通信，基站采用動(dòng)態(tài)的分簇方式，通過節(jié)點(diǎn)剩余能量、與基站的距離這些信息計(jì)算閾值來推選簇頭和自動(dòng)調(diào)節(jié)分簇；

S3、簇間路由發(fā)現(xiàn)階段：每個(gè)簇頭節(jié)點(diǎn)尋找能夠通過多跳到達(dá)每個(gè)基站的下一跳簇頭節(jié)點(diǎn)，直至全網(wǎng)簇頭完成路由發(fā)現(xiàn)；

S4、簇間路由選擇階段：對(duì)每個(gè)簇頭的每一條路由路徑，根據(jù)路徑最小節(jié)點(diǎn)剩余能量、節(jié)點(diǎn)到基站的跳數(shù)和路徑總能耗這些因素進(jìn)行評(píng)估比較，選出最優(yōu)路由路徑；

S5、采集數(shù)據(jù)傳輸階段：簇頭收集簇內(nèi)節(jié)點(diǎn)的信息，并通過最優(yōu)路由路徑發(fā)送到基站，經(jīng)過若干個(gè)周期之后，全網(wǎng)重新建簇，再進(jìn)行簇間路由發(fā)現(xiàn)和簇間路由選擇，如此周期性循環(huán)，直到整個(gè)傳感器網(wǎng)絡(luò)能量耗盡；

在步驟S1中，通過改進(jìn)的差分進(jìn)化聚類算法計(jì)算出基站的最佳選址，根據(jù)設(shè)定的基站數(shù)目，將整個(gè)網(wǎng)絡(luò)區(qū)域的節(jié)點(diǎn)劃分為K類，使各聚類節(jié)點(diǎn)到該聚類中心的距離最小，該聚類中心位置即為各基站的最佳部署位置，過程如下：

S11、初始化種群染色體：采用實(shí)整數(shù)編碼即實(shí)數(shù)和整數(shù)的混合編碼的方式對(duì)隨機(jī)選取的K個(gè)聚類中心分別進(jìn)行編碼，每個(gè)編碼對(duì)應(yīng)一個(gè)可行解；

從數(shù)據(jù)集中隨機(jī)選出K個(gè)樣本作為初始種群的個(gè)體，重復(fù)NP次并生成初始種群；

每個(gè)個(gè)體都是由K個(gè)聚類中心構(gòu)成的向量串，由于數(shù)據(jù)集都是節(jié)點(diǎn)坐標(biāo)，所以種群內(nèi)的每個(gè)個(gè)體都是2×K維向量，種群個(gè)體具體的編碼方式如下：

X_i,G＝(c_i,1,c_i,2,...,c_i,K)(i＝1,2,...,NP)

其中，X_i,G為種群個(gè)體；c_i,K為第G代中的第i個(gè)個(gè)體；i為個(gè)體序號(hào)；NP為種群規(guī)模，即個(gè)體總數(shù)；

S12、對(duì)當(dāng)前種群進(jìn)行統(tǒng)計(jì)分析，包括記錄其最佳個(gè)體、適應(yīng)度，其中，若E為目標(biāo)函數(shù)值，則設(shè)個(gè)體的平均適應(yīng)度函數(shù)為：

S13、設(shè)定迭代的終止條件：

(1)迭代次數(shù)超過設(shè)定的最大迭代次數(shù)maxgen；

(2)在運(yùn)行過程中，得到小于進(jìn)化停滯判斷閾值T的目標(biāo)函數(shù)值且連續(xù)得到的次數(shù)超過進(jìn)化停滯計(jì)數(shù)器的最大上限值T_count；

S14、開始迭代進(jìn)化，直到滿足終止條件：

(1)變異操作：采用rand-to-best的變異策略，即綜合rand策略的隨機(jī)選取個(gè)體的方式和best策略選用最優(yōu)個(gè)體的方式；

選擇1個(gè)差分變異的基向量，對(duì)當(dāng)前種群進(jìn)行差分變異，得到變異個(gè)體V_i,G：

/

其中，X_best,G為當(dāng)前第G代種群的最優(yōu)個(gè)體；為隨機(jī)選取的個(gè)體編號(hào)，與i各不相等；λ為貪婪度系數(shù)；F為縮放因子，F(xiàn)的取值應(yīng)與λ相等；

(2)重組交叉操作：將當(dāng)前種群個(gè)體X_i,G和變異個(gè)體V_i,G合并，采用指數(shù)分布的交叉策略得到試驗(yàn)種群U_j,i,G+1(這里即是差分進(jìn)化策略策略的z)：

其中，j表示第j個(gè)聚類中心；CR為交叉概率；J_rand為[1,K]中的隨機(jī)數(shù)，以確保交叉?zhèn)€體中至少有一維分量與目標(biāo)個(gè)體不相同；

(3)解碼：對(duì)得到的新的個(gè)體進(jìn)行解碼，并計(jì)算出對(duì)應(yīng)的聚類中心點(diǎn)，再計(jì)算各節(jié)點(diǎn)到聚類中心點(diǎn)的歐式距離，把各中心點(diǎn)到與其關(guān)聯(lián)的節(jié)點(diǎn)之間的距離之和作為待優(yōu)化的目標(biāo)函數(shù)值E：

其中，k表示第k個(gè)聚類；N表示網(wǎng)絡(luò)中總節(jié)點(diǎn)數(shù)；n表示第n個(gè)節(jié)點(diǎn)；

(4)選擇操作：采取貪心算法策略，在當(dāng)前種群個(gè)體X_i,G和試驗(yàn)種群個(gè)體U_i,G中選出最佳個(gè)體X_i,G+1：

然后，在最佳個(gè)體X_i,G+1中，計(jì)算出與各聚類中心點(diǎn)關(guān)聯(lián)的節(jié)點(diǎn)的坐標(biāo)平均值作為新的聚類中心，得到新一代種群并以此更新種群的染色個(gè)體；

S15、輸出結(jié)果：滿足S13的終止條件后，將輸出的最佳個(gè)體進(jìn)行解碼計(jì)算并得到相應(yīng)的最佳聚類中心，作為該聚類的基站最佳位置；然后根據(jù)最近鄰原則，將網(wǎng)絡(luò)區(qū)域所有傳感器節(jié)點(diǎn)劃分到相應(yīng)的聚類中。