CN104486807B - 一种小规模无线传感器网络的路由方法 - Google Patents

一种小规模无线传感器网络的路由方法 Download PDF

Info

Publication number
CN104486807B
CN104486807B CN201410705802.2A CN201410705802A CN104486807B CN 104486807 B CN104486807 B CN 104486807B CN 201410705802 A CN201410705802 A CN 201410705802A CN 104486807 B CN104486807 B CN 104486807B
Authority
CN
China
Prior art keywords
node
sensor node
path
sensor
sub
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410705802.2A
Other languages
English (en)
Other versions
CN104486807A (zh
Inventor
董燕
曾冰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201410705802.2A priority Critical patent/CN104486807B/zh
Publication of CN104486807A publication Critical patent/CN104486807A/zh
Application granted granted Critical
Publication of CN104486807B publication Critical patent/CN104486807B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/08—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on transmission power
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/124—Shortest path evaluation using a combination of metrics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/248—Connectivity information update
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种小规模无线传感器网络的路由方法，本发明属于无线传感器网络路由领域，解决传统和声搜索算法不能直接用于求解无线传感器网络路由的问题。本发明包括传递全局信息步骤、发送数据包步骤、传递数据包步骤和更新剩余能量信息步骤。本发明对现有和声搜索算法的编码方式及候选和声生成方法进行改进，既考虑路径能耗也考虑路径长度，能有效平衡整个网络的能耗，显著延长整个网络的生命周期。

Description

一种小规模无线传感器网络的路由方法
技术领域
本发明属于无线传感器网络路由领域，具体涉及一种小规模无线传感器网络的路由方法。
背景技术
计算机***、传感器技术、无线通信技术以及分布式信息处理等技术的飞速发展推动了连通人类与现实物理世界的无线传感器网络技术的迅速发展。无线传感器网络可以将客观世界的物理信息与现有的网络连接在一起，因而它可实现其他网络无法实现的多种功能，是下一代网络中的关键技术之一，也是21世纪最重要的新兴技术之一，已经广泛运用于军事领域以及经济和生活领域，以实现物理世界与人类社会的互连。
无线传感器网络在现代经济和生活中的各种领域的应用与在军事等特殊领域的应用有很大的不同；在经济和生活中，智能医疗、环境监测、智能家居、建筑环境以及抢险救灾等领域，都有小规模无线传感器网络的应用。
为便于理解本发明，以下对有关术语加以解释：
路径：数据包以多跳传输的方式从源节点经由各传感器节点发送到汇聚节点时，由发送该数据包的各传感器节点组成的序列；路径的长度也称为维数，系路径中包括源节点和汇聚节点在内的传感器节点数。
距离：传感器节点之间的欧式距离。
跳数：当前传感器节点发送数据包到汇聚节点需要经过的最少传感器节点数。
剩余能量：传感器节点的电量剩余值。
全局信息：包括各传感器节点的邻居节点集合、各传感器节点与邻居节点的距离、各传感器节点的现有能量以及各传感器节点到汇聚节点的跳数。
如图1所示，小规模无线传感器网络1由汇聚节点2、几十到几百个传感器节点3构成，各传感器节点3均由处理单元、数据采集单元、数据传输单元(接收和传送电路以及传送放大器)以及供电单元构成；各传感器节点监测所在环境信息，并处理成为相关数据包，各传感器节点和邻居节点之间能够直接通信，然后，以多跳传输方式将数据传送给汇聚节点2，汇聚节点2将传感器节点3监测处理得到的数据通过因特网或卫星4传送给客户端5进行处理；其中，邻居节点为在汇聚节点或传感器节点特定发送功率下能够接收到信息的传感器节点；汇聚节点具有较强的计算能力、存储能力和通信能力，并且具有不间断的电源供应。小规模传感器网络中，传感器节点数量比军事等大规模无线传感器网络中的传感器节点数量小得多。一些独立的小规模无线传感器网络可以通过簇间连接的方式构成一个较大型的网络结构。
小规模无线传感器网络中的传感器节点具有能源有限、存储容量有限、计算能力有限以及通信能力有限等特点，随着计算机硬件技术的发展，各种存储设备的容量变得越来越大，体积变得越来越小，价格越来越便宜；各种处理器的速度也变得越来越快、体积变得越来越小、功耗越来越低，价格也越来越便宜，使得传感器节点的存储能力、计算能力变得越来越强、芯片功耗变得越来越低，将不再成为小规模无线传感器网络应用过程中最重要的障碍。然而，电池技术一直未获得突破性的进展，小规模无线传感器网络中的传感器节点大都采用电池供电，能量非常有限，无法或者很难充电，并且有时传感器节点一旦部署往往很难回收，无疑，能耗已成为小规模无线传感器网络应用过程中最关键的瓶颈，因此，对小规模无线传感器网络的能效研究是无线传感器网络研究的热点和难点问题。
路由算法在小规模无线传感器网络中发挥着重要作用，它对各传感器节点的能耗以及整个网络的生命周期起着关键性的作用；而且，小规模无线传感器网络具有很强的应用相关性，不同应用中的路由算法可能差别很大，没有一个通用的路由算法，只能针对特定的场景设计和选择特定的路由算法。因此，路由算法的研究受到越来越多的关注。目前，路由算法主要包括传统的路由算法和基于启发式方法的路由算法，传统的路由算法包括Flooding、SPIN、MTE、Directed Diffusion、LEACH等；基于启发式方法的路由算法包括EEABR、SDG、EBAB、QELAR、QoS-PSO等。并且，应用启发式方法设计路由算法是未来的趋势和研究热点。
和声搜索(Harmony Search,HS)算法是2001年韩国学者Geem等人提出的一种智能优化算法。算法模拟了音乐演奏中乐师们凭借自己的记忆，通过反复调整乐队中各乐器的音调，最终达到一个美妙的和声状态的过程。和声搜索算法有很强的全局搜索能力，易于收敛到全局最优解，其流程图如图2所示，包括下述步骤：
步骤1、算法相关参数初始化：
初始化和声记忆库(Harmony Memory,HM)的大小H(即行向量个数)、选择概率C、调整概率A、调整带宽b、评价次数N；
和声记忆库
其中，Xi为第i条和声，i＝1、2、…、H，xi,j为Xi的第j个音调，j＝1、2、…、n；
步骤2、对和声记忆库中每条和声的每个音调初始化：
式中，R是0到1之间的随机数，为第j个音调xj的下界，为第j个音调xj的上界；
步骤3、计算和声库中各和声的适应度；
步骤4、设置评价次数变量t＝1；
步骤5、产生候选和声X'＝{x1',x'2,…,x'j,…,x'n}，包括下述过程：
(5.1)设置和声长度变量j＝1；
(5.2)为候选和声X'选择第j个音调：
产生一个0到1之间的随机数R，判断是否R＜C，是则从和声记忆库HM的第j列随机选择一个音调作为侯选和声X'的第j个音调，进行过程(5.3)，否则从第j个音调的取值范围内随机生成一个音调作为侯选和声X'的第j个音调，进行过程(5.5)；
(5.3)产生一个0到1之间的随机数R，判断是否R＜A，是则进行过程(5.4)，否则进行过程(5.5)；
(5.4)产生一个0到1之间的随机数R，判断是否R＜0.5，是则令x'j＝x'j+R×b，进行过程(5.5)；否则令x'j＝x'j-R×b，进行过程(5.5)；
(5.5)判断j是否等于和声的维数n，是则进行过程(5.7)，否则进行过程(5.6)；
(5.6)将j+1的值赋值给j，转过程(5.2)；
(5.7)生成一条候选和声X'，计算候选和声X'的适应度值f(X')，判断f(X')是否小于和声记忆库HM中适应度最大的和声的适应度，是则将候选和声替换掉和声记忆库HM中适应度最大的和声，进行步骤6；否则对和声库不做任何改变，进行步骤6；
步骤6、检查是否停止迭代：
将t+1赋值给t，判断是否t≤N，是则转步骤5，否则进行步骤7；
步骤7、记录和声库中的最优和声。
传统和声搜索算法是用于求解连续优化问题的，必须先确定设计变量的个数，即和声库中各和声的维数，且和声记忆库中各和声的维数相同；而无线传感器网络路由问题是一个离散优化问题，路径所包含的传感器节点个数不能确定，即设计变量的个数不能确定，各路径的长度不一定相同，因此，传统和声搜索算法不能直接用于无线传感器网络路由问题的求解。
发明内容
本发明提供一种小规模无线传感器网络的路由方法，解决传统和声搜索算法不能直接用于求解无线传感器网络路由的问题，对现有和声搜索算法的编码方式及候选和声生成方法进行改进，既考虑路径能耗也考虑路径长度，以提高能效并延长整个小规模无线传感器网络寿命。
本发明所提供的一种小规模无线传感器网络的路由方法，包括传递全局信息步骤、发送数据包步骤、传递数据包步骤和更新剩余能量信息步骤，其特征在于：
(1)传递全局信息步骤：
首先，对网络中包括汇聚节点在内的各传感器节点分别进行编号，作为它们各自唯一的标识；将汇聚节点设置成与各传感器节点相同的发送功率，汇聚节点在网络内向邻居节点广播路由消息，其中包括各传感器节点到汇聚节点的跳数；各邻居节点收到路由消息后，将其中自身到汇聚节点的跳数加1后，再向自身的邻居节点广播更新的路由消息；这样，每个传感器节点都能知道自身到汇聚节点的跳数、自身的邻居节点、与邻居节点的距离以及邻居节点到汇聚节点的跳数；
然后，各传感器节点将其与邻居节点的距离、邻居节点的编号、邻居节点到汇聚节点的跳数以及自身现有能量和跳数发送到汇聚节点，汇聚节点将各传感器节点的邻居节点按照编号从小到大排序，形成各传感器节点的邻居节点集合；再由汇聚节点在网络内以广播方式向每个传感器节点传递全局信息；
所述全局信息包括各传感器节点的邻居节点集合、各传感器节点与邻居节点的距离、各传感器节点的现有能量以及各传感器节点到汇聚节点的跳数；
(2)发送数据包步骤：
当某传感器节点监测到环境信息，先将其处理成为数据包，然后根据自身存储的全局信息，计算自身到汇聚节点的最优路径，并将所述最优路径加入数据包；接着计算出最优路径中其它各传感器节点转发所述数据包需要消耗的能量和剩余能量，并更新自身存储的全局信息中在最优路径上的其它各传感器节点的剩余能量；再将自身剩余能量加入所述数据包后，将数据包按照所述最优路径发送到下一传感器节点；
(3)传递数据包步骤：
下一传感器节点接收到所述数据包，将自身剩余能量加入到该数据包，按照数据包中的最优路径继续将数据包发送给下一传感器节点，如此继续，直到数据包传送到汇聚节点；
(4)更新剩余能量信息步骤：
汇聚节点收到所述数据包后，对数据包进行处理，将其中传感器节点监测到的环境信息通过因特网或者卫星传送给用户；利用数据包中各传感器节点的剩余能量信息更新存储的全局信息，汇聚节点以一定周期向各传感器节点广播所有节点剩余能量信息。
所述的路由方法，其特征在于：
所述发送数据包步骤中，计算所述最优路径包括下述子步骤：
子步骤1、设置路径库PM的大小H、最小选择概率Cmin、最大选择概率Cmax以及评价次数N：
PM＝[X1，X2，…，Xr，…，XH]T，其中，Xr为第r条路径，表示当前传感器节点到汇聚节点的路径，r＝1、2、…、H，Xr＝{s，…，xr,j，…，d}，式中，s为当前传感器节点，d为汇聚节点，xr,j为第r条路径中的第j个传感器节点；
H＝3～12，0≤Cmin≤Cmax≤1，N＝200～800；
子步骤2、对路径库PM中每条路径初始化，包括下述过程：
(2.1)将路径长度变量j赋值1，将传感器节点s设置为当前初始化路径的第j个传感器节点；
(2.2)将j+1的值赋值给j，为当前初始化路径选择第j个传感器节点：
判断当前初始化路径第j－1个传感器节点的邻居节点集合内是否存在未选择过的传感器节点，是则进行过程(2.3)，否则转过程(2.1)；
(2.3)首先产生0到1之间的随机数R，然后用R减去当前初始化路径中第j－1个传感器节点的邻居节点集合内未选择过的编号最小传感器节点的选择概率，判断其差值是否不大于0，是则进行过程(2.4)，否则转过程(2.5)；
(2.4)将所述未选择过的编号最小传感器节点作为当前初始化路径的第j个传感器节点，转过程(2.6)；
(2.5)将所述差值继续减去当前初始化路径中第j－1个传感器节点的邻居节点集合内未选择过的编号次小传感器节点的选择概率，再判断其结果是否不大于0，是则将所述未选择过的编号次小传感器节点作为当前初始化路径的第j个传感器节点，否则如此继续直到最后的差值不大于0，用当前初始化路径第j－1个传感器节点的邻居节点集合内最后涉及其选择概率的传感器节点作为当前初始化路径的第j个传感器节点，转过程(2.6)；
(2.6)判断当前初始化路径的第j个传感器节点是否为汇聚节点，是则生成一条初始路径；否则转过程(2.2)；
对路径库PM中每条路径重复过程(2.1)～(2.6)，共生成H条初始路径，完成PM的初始化；
子步骤3、计算路径库中各路径的适应度f(Xr)：
式中，E(Xr)为路径Xr中的传感器节点传递数据包所消耗的总能量，L为路径长度，di,i+1是传感器节点i和传感器节点i+1之间的距离，传感器节点中接收和传送电路工作时所消耗的能量Eelec为50nJ/bit，传感器节点中传送放大器工作时所消耗的能量Eamp为0.1nJ/bit/m2；k为传感器节点所传送的数据包大小，单位为比特；EMin为路径Xr中剩余能量最少的传感器节点的剩余能量，EAvg为路径Xr中所有传感器节点的平均剩余能量；
子步骤4、设置评价次数变量t＝1；
子步骤5、设置路径条数变量r＝1；
子步骤6、产生候选路径X'，包括下述过程：
(6.1)将1赋值给路径长度变量j，将当前传感器节点s设置为侯选路径X'的第j个传感器节点；
(6.2)将j+1的值赋值给j，判断侯选路径X'中第j－1个传感器节点的邻居节点范围内是否存在未曾选择过的传感器节点，是则进行过程(6.3)，否则转过程(6.1)；
(6.3)为侯选路径X'选择第j个传感器节点：
产生0到1之间的随机数R，判断是否R＜C，是则进行过程(6.4)，否则进行过程(6.7)；所述选择概率
(6.4)判断路径库PM中是否存在具有第j个传感器节点的路径，是则进行过程(6.5)；否则进行过程(6.7)；
(6.5)判断路径库中各条路径的第j个传感器节点中是否有在候选路径的第j－1个传感器节点的邻居节点集合内，且未选择过的传感器节点，是则进行过程(6.6)，否则进行过程(6.7)；
(6.6)从各条具有第j个传感器节点的路径的第j个传感器节点组成的集合内随机选择一个在候选路径的第j－1个传感器节点的邻居节点集合内，且未选择过的传感器节点作为候选路径的第j个传感器节点，进行过程(6.8)；
(6.7)从候选路径中第j－1个传感器节点的邻居节点集合内随机选择一个未选择过的传感器节点作为候选路径的第j个传感器节点，进行过程(6.8)；
(6.8)判断候选路径中的第j个传感器节点是否为汇聚节点，是则进行过程(6.9)，否则转过程(6.2)；
(6.9)生成一条侯选路径X'，按照子步骤3的计算式，计算侯选路径的适应度f(X')，判断f(X')是否小于路径库中适应度最大的路径的适应度，是则以侯选路径X'替换掉路径库中适应度最大的路径，进行子步骤7；否则，对路径库不做任何改变，进行子步骤7；
子步骤7、将t+1的值赋予t，判断是否t≤N，是则执行子步骤8，否则执行子步骤11；
子步骤8、从路径库的第r条路径Xr中除源节点和汇聚节点外任选一传感器节点xj进行邻域搜索，包括下述过程：
(8.1)选择路径Xr中除源节点和汇聚节点外的任一传感器节点xj，判断传感器节点xj的上一跳传感器节点xj-1的邻居节点集合和下一跳传感器节点xj+1的邻居节点集合的交集内是否有不在路径Xr中的传感器节点，是则进行过程(8.2)；否则对路径Xr不做任何改变；
(8.2)在所述交集内随机选择一个不在路径Xr中的传感器节点替换传感器节点xj，得到新路径X'r，根据子步骤3的计算式，计算新路径X'r的适应度f(X'r)，判断是否f(X'r)＜f(Xr)，是则以X'r替换掉Xr，进行子步骤9；否则，对路径Xr不做任何改变，进行子步骤9；
子步骤9、将t+1的值赋予t，判断是否t≤N，是则执行子步骤10，否则执行子步骤11；
子步骤10、将r+1的值赋予r，判断是否r≤H，是则执行子步骤6，否则执行子步骤5；
子步骤11、选择路径库中适应度最小的一条路径作为最优路径。
所述子步骤2的过程(2.3)或(2.5)中，当前初始化路径中第j－1个传感器节点的邻居节点集合内未选择过的编号最小或编号次小传感器节点i的选择概率P(j-1,i)：
式中，aj-1表示第j－1个传感器节点的邻居节点集合，N(aj-1)为集合aj-1的元素数量，hi表示aj-1中传感器节点i的跳数，hm表示aj-1中传感器节点m的跳数；
通过概率P(j-1,i)，可以使初始路径中的各传感器节点在选择下一跳传感器节点时，以较大的概率选择靠近汇聚节点的传感器节点。
本发明将和声搜索算法应用于求解小规模无线传感器网络路由问题，每次计算发送数据包的最优路径时，都能够找到最优或次优路径；并且，在适应度的计算式中既考虑了整个路径的平均能耗、路径中剩余能量最少的节点的能耗，也考虑了路径的长度，从而计算所得的最优路径能够有效延长整个网络的生命周期。
本发明更加简单精炼，没有过多的参数，去除了传统和声搜索算法中的调整概率A和调整带宽b，只有选择概率C这一个特定参数，省略了调整过程。本发明改进后的和声搜索算法中，选择概率C采用了自适应策略，该参数随着迭代次数的增大而增大，从而使搜索算法在迭代初期有较强的全局搜索能力，而在后期有较强的局部搜索能力，增大了收敛到全局最优解的概率。与现有的路由算法相比，本发明中的路由算法具有极高的能效，能有效平衡整个网络的能耗，显著延长整个网络的生命周期。
附图说明
图1为小规模无线传感器网络***结构示意图；
图2为传统和声搜索算法流程示意图；
图3为本发明实施例流程示意图；
图4为本发明实施例中计算最优路径的流程示意图；
图5为计算最优路径时，每条路径初始化的流程示意图；
图6为本发明实施例中路径初始化的图示；
图7为本发明实施例中的路径库初始化结果；
图8为本发明实施例中产生候选路径的流程示意图；
图9为本发明实施例中产生候选路径的图示；
图10为本发明实施例中选择概率C的变化规律示意图；
图11为本发明实施例中任选一传感器节点进行邻域搜索的流程示意图；
图12为本发明实施例中任选一传感器节点进行邻域搜索的图示；
图13(a)为本发明实施例中随机生成的包含10个传感器节点(含1个汇聚节点)的小规模无线传感器网络；
图13(b)为本发明实施例中随机生成的包含20个传感器节点(含1个汇聚节点)的小规模无线传感器网络；
图13(c)为本发明实施例中随机生成的包含30个传感器节点(含1个汇聚节点)的小规模无线传感器网络；
图13(d)为本发明实施例中随机生成的包含40个传感器节点(含1个汇聚节点)的小规模无线传感器网络；
图13(e)为本发明实施例中随机生成的包含50个传感器节点(含1个汇聚节点)的小规模无线传感器网络；
图13(f)为本发明实施例中随机生成的包含60个传感器节点(含1个汇聚节点)的小规模无线传感器网络；
图13(g)为本发明实施例中随机生成的包含70个传感器节点(含1个汇聚节点)的小规模无线传感器网络；
图13(h)为本发明实施例中随机生成的包含80个传感器节点(含1个汇聚节点)的小规模无线传感器网络；
图13(i)为本发明实施例中随机生成的包含90个传感器节点(含1个汇聚节点)的小规模无线传感器网络；
图13(j)为本发明实施例中随机生成的包含100个传感器节点(含1个汇聚节点)的小规模无线传感器网络；
图14(a)为本发明实施例中各节点初始能量相同时，本发明和现有算法EEABR的平均剩余能量对比实验结果；
图14(b)为本发明实施例中各节点初始能量相同时，本发明和现有算法EEABR的剩余能量标准差对比实验结果；
图14(c)为本发明实施例中各节点初始能量相同时，本发明和现有算法EEABR的最小剩余能量对比实验结果；
图14(d)为本发明实施例中各节点初始能量相同时，本发明和现有算法EEABR的生命周期对比实验结果；
图15(a)为本发明实施例中各节点初始能量不同时，本发明和现有算法EEABR的平均剩余能量对比实验结果；
图15(b)为本发明实施例中各节点初始能量不同时，本发明和现有算法EEABR的剩余能量标准差对比实验结果；
图15(c)为本发明实施例中各节点初始能量不同时，本发明和现有算法EEABR的最小剩余能量对比实验结果；
图15(d)为本发明实施例中各节点初始能量不同时，本发明和现有算法EEABR的生命周期对比实验结果。
具体实施方式
下面结合附图和实施例对本发明进一步详细说明。
如图3所示，本发明的实施例包括传递全局信息步骤、发送数据包步骤、传递数据包步骤和更新剩余能量信息步骤：
(1)传递全局信息步骤：
首先，对网络中包括汇聚节点在内的各传感器节点分别进行编号，作为它们各自唯一的标识；将汇聚节点设置成与各传感器节点相同的发送功率，汇聚节点在网络内向邻居节点广播路由消息，其中包括各传感器节点到汇聚节点的跳数；各邻居节点收到路由消息后，将其中自身到汇聚节点的跳数加1后，再向自身的邻居节点广播更新的路由消息；这样，每个传感器节点都能知道自身到汇聚节点的跳数、自身的邻居节点、与邻居节点的距离以及邻居节点到汇聚节点的跳数；
然后，各传感器节点将其与邻居节点的距离、邻居节点的编号、邻居节点到汇聚节点的跳数以及自身现有能量和跳数发送到汇聚节点，汇聚节点将各传感器节点的邻居节点按照编号从小到大排序，形成各传感器节点的邻居节点集合；再由汇聚节点在网络内以广播方式向每个传感器节点传递全局信息；
所述全局信息包括各传感器节点的邻居节点集合、各传感器节点与邻居节点的距离、各传感器节点的现有能量以及各传感器节点到汇聚节点的跳数；
(2)发送数据包步骤：
当某传感器节点监测到环境信息，先将其处理成为数据包，然后根据自身存储的全局信息，计算自身到汇聚节点的最优路径，并将所述最优路径加入数据包；接着计算出最优路径中其它各传感器节点转发所述数据包需要消耗的能量和剩余能量，并更新自身存储的全局信息中在最优路径上的其它各传感器节点的剩余能量；再将自身剩余能量加入所述数据包后，将数据包按照所述最优路径发送到下一传感器节点；
(3)传递数据包步骤：
下一传感器节点接收到所述数据包，将自身剩余能量加入到该数据包，按照数据包中的最优路径继续将数据包发送给下一传感器节点，如此继续，直到数据包传送到汇聚节点；
(4)更新剩余能量信息步骤：
汇聚节点收到所述数据包后，对数据包进行处理，将其中传感器节点监测到的环境信息通过因特网或者卫星传送给用户；利用数据包中各传感器节点的剩余能量信息更新存储的全局信息，汇聚节点以一定周期向各传感器节点广播所有节点剩余能量信息。
如图4所示，本实施例的发送数据包步骤中，计算所述最优路径包括下述子步骤：
子步骤1、设置路径库PM的大小H＝5、最小选择概率Cmin＝0.2、最大选择概率Cmax＝0.9以及评价次数N＝500；
子步骤2、对路径库PM中每条路径初始化，共生成5条初始路径，完成PM的初始化；
子步骤3、计算路径库中各路径的适应度f(Xr)：
式中，E(Xr)为路径Xr中的传感器节点传递数据包所消耗的总能量，L为路径长度，di,i+1是传感器节点i和传感器节点i+1之间的距离，传感器节点中接收和传送电路工作时所消耗的能量Eelec为50nJ/bit，传感器节点中传送放大器工作时所消耗的能量Eamp为0.1nJ/bit/m2；k为传感器节点所传送的数据包大小，单位为比特；EMin为路径Xr中剩余能量最少的传感器节点的剩余能量，EAvg为路径Xr中所有传感器节点的平均剩余能量；
子步骤4、设置评价次数变量t＝1；
子步骤5、设置路径条数变量r＝1；
子步骤6、产生候选路径X'，判断其适应度f(X')是否小于路径库中适应度最大的路径的适应度，是则以候选路径X'替换掉路径库中适应度最大的路径，否则，对路径库不做任何改变，进行子步骤7；
子步骤7、将t+1的值赋予t，判断是否t≤N，是则执行子步骤8，否则执行子步骤11；
子步骤8、从路径库的第r条路径Xr中除源节点和汇聚节点外任选一传感器节点xj进行邻域搜索，得到新路径X'r，计算新路径X'r的适应度f(X'r)，判断是否f(X'r)＜f(Xr)，是则以X'r替换掉Xr，进行子步骤9；否则，对路径Xr不做任何改变，进行子步骤9；
子步骤9、将t+1的值赋予t，判断是否t≤N，是则执行子步骤10，否则执行子步骤11；
子步骤10、将r+1的值赋予r，判断是否r≤H，是则执行子步骤6，否则执行子步骤5；
子步骤11、选择路径库中适应度最小的一条路径作为最优路径。
如图5所示，所述子步骤2，对路径库PM中每条路径初始化，包括下述过程：
(2.1)将路径长度变量j赋值1，将传感器节点s设置为当前初始化路径的第j个传感器节点；如图6所示，此小规模无线传感器网络除了当前传感器节点s和汇聚节点d之外，还包括序号2～90的89个传感器节点；
(2.2)将j+1的值赋值给j，为当前初始化路径选择第j个传感器节点：
判断当前初始化路径第j－1个传感器节点的邻居节点集合内是否存在未选择过的传感器节点，是则进行过程(2.3)，否则转过程(2.1)；
(2.3)首先产生0到1之间的随机数R，然后用R减去当前初始化路径中第j－1个传感器节点的邻居节点集合内未选择过的编号最小传感器节点的选择概率，判断其差值是否不大于0，是则进行过程(2.4)，否则转过程(2.5)；
(2.4)将所述未选择过的编号最小传感器节点作为当前初始化路径的第j个传感器节点，转过程(2.6)；
(2.5)将所述差值继续减去当前初始化路径中第j－1个传感器节点的邻居节点集合内未选择过的编号次小传感器节点的选择概率，再判断其结果是否不大于0，是则将所述未选择过的编号次小传感器节点作为当前初始化路径的第j个传感器节点，否则如此继续直到最后的差值不大于0，用当前初始化路径第j－1个传感器节点的邻居节点集合内最后涉及其选择概率的传感器节点作为当前初始化路径的第j个传感器节点(如图6所示，这里选择的是27号传感器节点作为当前初始化路径的第2个传感器节点)，转过程(2.6)；
(2.6)判断当前初始化路径的第j个传感器节点是否为汇聚节点，是则生成一条初始路径；否则转过程(2.2)；
对路径库PM中每条路径重复过程(2.1)～(2.6)，共生成5条初始路径，完成PM的初始化，PM的初始化结果如图7所示，其中第一条路径由当前传感器节点s、第27、23、…、86号传感器节点和汇聚节点d构成；…，第五条路径由当前传感器节点s、第32、47、…、52号传感器节点和汇聚节点d构成。
如图8所示，所述子步骤6，产生候选路径X'，包括下述过程：
(6.1)将1赋值给路径长度变量j，将当前传感器节点s设置为侯选路径X'的第j个传感器节点；图9给出了如图7所示的路径库PM的五条初始化路径；
(6.2)将j+1的值赋值给j，判断侯选路径X'中第j－1个传感器节点的邻居节点范围内是否存在未曾选择过的传感器节点，是则进行过程(6.3)，否则转过程(6.1)；
(6.3)为侯选路径X'选择第j个传感器节点：
产生0到1之间的随机数R，判断是否R＜C，是则进行过程(6.4)，否则进行过程(6.7)；所述选择概率
选择概率C的变化规律如图10所示，选择概率C随着评价次数变量t的增加成指数规律增加；
(6.4)判断路径库PM中是否存在具有第j个传感器节点的路径，是则进行过程(6.5)；否则进行过程(6.7)；
(6.5)判断路径库中各条路径的第j个传感器节点中是否有在候选路径的第j－1个传感器节点的邻居节点集合内，且未选择过的传感器节点，是则进行过程(6.6)，否则进行过程(6.7)；
(6.6)从各条具有第j个传感器节点的路径的第j个传感器节点组成的集合内随机选择一个在候选路径的第j－1个传感器节点的邻居节点集合内，且未选择过的传感器节点作为候选路径的第j个传感器节点(如图9所示，这里选择了第31号传感器节点作为侯选路径X'的第2个传感器节点)，进行过程(6.8)；
(6.7)从候选路径中第j－1个传感器节点的邻居节点集合内随机选择一个未选择过的传感器节点作为候选路径的第j个传感器节点(如图9所示，这里选择了第31号传感器节点的邻居节点第33号传感器节点作为侯选路径X'的第3个传感器节点)，进行过程(6.8)；
(6.8)判断候选路径中的第j个传感器节点是否为汇聚节点，是则进行过程(6.9)，否则转过程(6.2)；
(6.9)生成一条侯选路径X'，如图9所示，这里X'＝{s,31,33,71,80,38,49,88,51,d}，按照子步骤3的计算式，计算侯选路径的适应度f(X')，判断f(X')是否小于路径库中适应度最大的路径的适应度，是则以侯选路径X'替换掉路径库中适应度最大的路径，进行子步骤7；否则，对路径库不做任何改变，进行子步骤7。
如图11所示，所述子步骤8，包括下述过程：
(8.1)选择路径Xr中除源节点和汇聚节点外的任一传感器节点xj(如图12所示，图12是与图6相同的小规模无线传感器网络，对于路径Xr＝{s，31，33，71，80，38，49，88，51，d}，这里选择的是第71号传感器节点)，判断传感器节点xj(即第71号传感器节点)的上一跳传感器节点xj-1(即第33号传感器节点)的邻居节点集合和下一跳传感器节点xj+1(即第80号传感器节点)的邻居节点集合的交集(这里的交集为{63，64，65，71，82})内是否有不在路径Xr中的传感器节点，是则进行过程(8.2)；否则对路径Xr不做任何改变；
(8.2)在所述交集内随机选择一个不在路径Xr中的传感器节点(这里选择的是第63号传感器节点)替换传感器节点xj(即第71号传感器节点)，得到新路径X'r(即X'r＝{s，31，33，71，80，38，49，88，51，d})，根据子步骤3的计算式，计算新路径X'r的适应度f(X'r)，判断是否f(X'r)＜f(Xr)，是则以X'r替换掉Xr，进行子步骤9；否则，对路径Xr不做任何改变，进行子步骤9；
本发明的效果可以通过以下仿真实验和比较进一步验证：
图13(a)所示的正方形区域为本发明实施例中随机生成的包含10个传感器节点(含1个汇聚节点)的小规模无线传感器网络；正方形边长为200m；
图13(b)所示的正方形区域为本发明实施例中随机生成的包含20个传感器节点(含1个汇聚节点)的小规模无线传感器网络；正方形边长为300m；
图13(c)所示的正方形区域为本发明实施例中随机生成的包含30个传感器节点(含1个汇聚节点)的小规模无线传感器网络；正方形边长为400m；
图13(d)所示的正方形区域为本发明实施例中随机生成的包含40个传感器节点(含1个汇聚节点)的小规模无线传感器网络；正方形边长为500m；
图13(e)所示的正方形区域为本发明实施例中随机生成的包含50个传感器节点(含1个汇聚节点)的小规模无线传感器网络；正方形边长为600m；
图13(f)所示的正方形区域为本发明实施例中随机生成的包含60个传感器节点(含1个汇聚节点)的小规模无线传感器网络；正方形边长为700m；
图13(g)所示的正方形区域为本发明实施例中随机生成的包含70个传感器节点(含1个汇聚节点)的小规模无线传感器网络；正方形边长为800m；
图13(h)所示的正方形区域为本发明实施例中随机生成的包含80个传感器节点(含1个汇聚节点)的小规模无线传感器网络；正方形边长为900m；
图13(i)所示的正方形区域为本发明实施例中随机生成的包含90个传感器节点(含1个汇聚节点)的小规模无线传感器网络；正方形边长为1000m；
图13(j)所示的正方形区域为本发明实施例中随机生成的包含100个传感器节点(含1个汇聚节点)的小规模无线传感器网络；正方形边长为1100m；
图13(a)～图13(j)中，小正方形块代表传感器节点，黑色倒三角块代表汇聚节点；
选取图13(a)～图13(j)所示的随机生成的10个小规模无线传感器网络，将本发明中的路由算法与经典的基于蚁群算法的高能效路由方法(Energy-Efficient Ant-BasedRouting，EEABR)在平均剩余能量、剩余能量标准差、最小剩余能量以及生命周期(本发明中的生命周期为小规模传感器网络中出现第一个能量耗尽的传感器节点时，消息发送的轮数)这4个评价指标方面进行比较。编程语言为C++，计算机配置为：intel I7-3610QM处理器、8GB内存、2GB独显、windows 8.164位操作***。实验比较分为两部分，第一部分实验中，小规模无线传感器网络各传感器节点的初始能量相同；第二部分实验中，小规模无线传感器网络各传感器节点的初始能量不同。
为了便于实验比较和作图，将本发明中的路由算法记为IEEHSBR。
一、实验1
在实验1中，对于前3个评价指标(平均剩余能量、剩余能量标准差、最小剩余能量)，10个小规模无线传感器网络中的每个传感器节点分别以一定周期向各自所在网络的汇聚节点发送数据包，直到每个汇聚节点接收到1000个数据包时停止计算；对于第4个评价指标(即网络生命周期)，当网络中有任何一个传感器节点的能量耗尽时就停止计算。实验和算法相关参数如表1所示，实验结果取10次运算的均值。
表1实验和算法相关参数
图14(a)～图14(d)是各传感器节点初始能量相同时的实验结果，各图中，黑色矩形为EEABR的实验结果，白色斜划线矩形为IEEHSBR的实验结果。图14(a)、14(b)、14(c)分别是各网络中的汇聚节点接收到1000个数据包后，网络中各传感器节点的平均剩余能量、剩余能量标准差以及最小剩余能量的10次运行均值。图14(d)是各网络中出现第一个传感器节点能量耗尽时，网络生命周期的10次运行均值。平均剩余能量越多意味着整个网络能量消耗越少，从图14(a)可以看出，IEEHSBR算法比EEABR算法更加节省能量，对于10个网络，IEEHSBR算法比EEABR算法分别节省12.3％、8.4％、21.3％、10.9％、12.2％、21.8％、28.8％、30.6％、23.3％、36.4％的能量；整个无线传感器网络中各传感器节点的能量消耗是否能平均对整个网络的生命周期有着很重要的影响，传感器节点的剩余能量标准差越小意味着整个网络的能耗越均匀，网络的生命周期也就会越长，从图14(b)可以看出，在绝大多数网络中，IEEHSBR算法比EEABR算法所得的剩余能量标准差都明显要小很多；网络生命周期与网络中传感器节点剩余能量最少的传感器节点有着直接的关系，最小剩余能量值越大，网络的生命周期就越长，从图14(c)可以看出，在所有网络中，IEEHSBR算法比EEABR算法所得的最小剩余能量要多很多；以上三个指标是衡量无线传感器网络生命周期最重要的三个指标，由于IEEHSBR算法在这三个指标上的表现都要好于EEABR算法，因此，IEEHSBR算法所得的生命周期会大于EEABR算法，如图14(d)所示，对于10个网络，IEEHSBR算法比EEABR算法分别延长72.1％、127.9％、130.7％、160％、145.2％、130.7％、147.2％、136.2％、163.4％、128.9％的生命周期。
二、实验2
在实验1中已经证明了在各传感器节点初始能量相同时，IEEHSBR算法要明显优于EEABR算法，本节将在各传感器节点初始能量不同的情况下，比较两种算法的效果。在本实验中，10个网络中每个传感器节点的初始能量随机初始化为10J、20J和30J中的任意一个值，对于两种算法，各传感器节点的初始能量取值相同。其它实验参数和算法参数如表1所示。
在本实验中，同样对于前3个评价指标，10个网络中的每个传感器节点分别以一定周期向各自所在网络的汇聚节点发送数据包，直到每个汇聚节点接收到1000个数据包时停止计算；对于第4个评价指标，当网络中有一个传感器节点的能量耗尽时就停止计算。实验结果取10次运算的均值。
图15(a)～图15(d)是各传感器节点初始能量不同时的计算结果，各图中，黑色矩形为EEABR的实验结果，白色斜划线矩形为IEEHSBR的实验结果。图15(a)、15(b)、15(c)分别是各网络中的汇聚节点接收到1000个数据包后，网络中各传感器节点的平均剩余能量、剩余能量标准差以及最小剩余能量的10次运行均值。图15(d)是各网络中出现第一个传感器节点能量耗尽时网络的生命周期的10次运行均值。从图15(a)～15(d)可以看出，当传感器节点初始能量不同时，在节省能量和延长网络生命周期方面，IEEHSBR算法要明显优于EEABR算法。对于10个网络，如图15(a)所示，IEEHSBR算法比EEABR算法分别节省6.7％、4.3％、5.4％、5.8％、9.6％、12.3％、13％、10.4％、15.4％的能量；如图15(d)所示，IEEHSBR算法比EEABR算法分别延长124.9％、201.8％、222.1％、362.3％、339.3％、388.4％、342.6％、395.1％、394.1％、343.5％的生命周期。
综上所述，针对小规模无线传感器网络，本发明在节省整个网络能量、均衡网络能耗以及延长网络生命周期方面明显优于EEABR算法。

Claims (2)

1.一种小规模无线传感器网络的路由方法，包括传递全局信息步骤、发送数据包步骤、传递数据包步骤和更新剩余能量信息步骤，其特征在于：
(1)传递全局信息步骤：
首先，对网络中包括汇聚节点在内的各传感器节点分别进行编号，作为它们各自唯一的标识；将汇聚节点设置成与各传感器节点相同的发送功率，汇聚节点在网络内向邻居节点广播路由消息，其中包括各传感器节点到汇聚节点的跳数；各邻居节点收到路由消息后，将其中自身到汇聚节点的跳数加1后，再向自身的邻居节点广播更新的路由消息；这样，每个传感器节点都能知道自身到汇聚节点的跳数、自身的邻居节点、与邻居节点的距离以及邻居节点到汇聚节点的跳数；
然后，各传感器节点将其与邻居节点的距离、邻居节点的编号、邻居节点到汇聚节点的跳数以及自身现有能量和跳数发送到汇聚节点，汇聚节点将各传感器节点的邻居节点按照编号从小到大排序，形成各传感器节点的邻居节点集合；再由汇聚节点在网络内以广播方式向每个传感器节点传递全局信息；
所述全局信息包括各传感器节点的邻居节点集合、各传感器节点与邻居节点的距离、各传感器节点的现有能量以及各传感器节点到汇聚节点的跳数；
(2)发送数据包步骤：
当某传感器节点监测到环境信息，先将其处理成为数据包，然后根据自身存储的全局信息，计算自身到汇聚节点的最优路径，并将所述最优路径加入数据包；接着计算出最优路径中其它各传感器节点转发所述数据包需要消耗的能量和剩余能量，并更新自身存储的全局信息中在最优路径上的其它各传感器节点的剩余能量；再将自身剩余能量加入所述数据包后，将数据包按照所述最优路径发送到下一传感器节点；
(3)传递数据包步骤：
下一传感器节点接收到所述数据包，将自身剩余能量加入到该数据包，按照数据包中的最优路径继续将数据包发送给下一传感器节点，如此继续，直到数据包传送到汇聚节点；
(4)更新剩余能量信息步骤：
汇聚节点收到所述数据包后，对数据包进行处理，将其中传感器节点监测到的环境信息通过因特网或者卫星传送给用户；利用数据包中各传感器节点的剩余能量信息更新存储的全局信息，汇聚节点以一定周期向各传感器节点广播所有节点剩余能量信息；
所述发送数据包步骤中，计算所述最优路径包括下述子步骤：
子步骤1、设置路径库PM的大小H、最小选择概率Cmin、最大选择概率Cmax以及评价次数N：
PM＝[X1，X2，…，Xr，…，XH]T，其中，Xr为第r条路径，表示当前传感器节点到汇聚节点的路径，r＝1、2、…、H，Xr＝{s，…，xr,j，…，d}，式中，s为当前传感器节点，d为汇聚节点，xr,j为第r条路径中的第j个传感器节点；
H＝3～12，0≤Cmin≤Cmax≤1，N＝200～800；
子步骤2、对路径库PM中每条路径初始化，包括下述过程：
(2.1)将路径长度变量j赋值1，将传感器节点s设置为当前初始化路径的第j个传感器节点；
(2.2)将j+1的值赋值给j，为当前初始化路径选择第j个传感器节点：
判断当前初始化路径第j－1个传感器节点的邻居节点集合内是否存在未选择过的传感器节点，是则进行过程(2.3)，否则转过程(2.1)；
(2.3)首先产生0到1之间的随机数R，然后用R减去当前初始化路径中第j－1个传感器节点的邻居节点集合内未选择过的编号最小传感器节点的选择概率，判断其差值是否不大于0，是则进行过程(2.4)，否则转过程(2.5)；
(2.4)将所述未选择过的编号最小传感器节点作为当前初始化路径的第j个传感器节点，转过程(2.6)；
(2.5)将所述差值继续减去当前初始化路径中第j－1个传感器节点的邻居节点集合内未选择过的编号次小传感器节点的选择概率，再判断其结果是否不大于0，是则将所述未选择过的编号次小传感器节点作为当前初始化路径的第j个传感器节点，否则如此继续直到最后的差值不大于0，用当前初始化路径第j－1个传感器节点的邻居节点集合内最后涉及其选择概率的传感器节点作为当前初始化路径的第j个传感器节点，转过程(2.6)；
(2.6)判断当前初始化路径的第j个传感器节点是否为汇聚节点，是则生成一条初始路径；否则转过程(2.2)；
对路径库PM中每条路径重复过程(2.1)～(2.6)，共生成H条初始路径，完成PM的初始化；
子步骤3、计算路径库中各路径的适应度f(Xr)：
式中，E(Xr)为路径Xr中的传感器节点传递数据包所消耗的总能量，L为路径长度，di,i+1是传感器节点i和传感器节点i+1之间的距离，传感器节点中接收和传送电路工作时所消耗的能量Eelec为50nJ/bit，传感器节点中传送放大器工作时所消耗的能量Eamp为0.1nJ/bit/m2；k为传感器节点所传送的数据包大小，单位为比特；EMin为路径Xr中剩余能量最少的传感器节点的剩余能量，EAvg为路径Xr中所有传感器节点的平均剩余能量；
子步骤4、设置评价次数变量t＝1；
子步骤5、设置路径条数变量r＝1；
子步骤6、产生候选路径X'，包括下述过程：
(6.1)将1赋值给路径长度变量j，将当前传感器节点s设置为侯选路径X'的第j个传感器节点；
(6.2)将j+1的值赋值给j，判断侯选路径X'中第j－1个传感器节点的邻居节点范围内是否存在未曾选择过的传感器节点，是则进行过程(6.3)，否则转过程(6.1)；
(6.3)为侯选路径X'选择第j个传感器节点：
产生0到1之间的随机数R，判断是否R＜C，是则进行过程(6.4)，否则进行过程(6.7)；所述选择概率
(6.4)判断路径库PM中是否存在具有第j个传感器节点的路径，是则进行过程(6.5)；否则进行过程(6.7)；
(6.5)判断路径库中各条路径的第j个传感器节点中是否有在候选路径的第j－1个传感器节点的邻居节点集合内，且未选择过的传感器节点，是则进行过程(6.6)，否则进行过程(6.7)；
(6.6)从各条具有第j个传感器节点的路径的第j个传感器节点组成的集合内随机选择一个在候选路径的第j－1个传感器节点的邻居节点集合内，且未选择过的传感器节点作为候选路径的第j个传感器节点，进行过程(6.8)；
(6.7)从候选路径中第j－1个传感器节点的邻居节点集合内随机选择一个未选择过的传感器节点作为候选路径的第j个传感器节点，进行过程(6.8)；
(6.8)判断候选路径中的第j个传感器节点是否为汇聚节点，是则进行过程(6.9)，否则转过程(6.2)；
(6.9)生成一条侯选路径X'，按照子步骤3的计算式，计算侯选路径的适应度f(X')，判断f(X')是否小于路径库中适应度最大的路径的适应度，是则以侯选路径X'替换掉路径库中适应度最大的路径，进行子步骤7；否则，对路径库不做任何改变，进行子步骤7；
子步骤7、将t+1的值赋予t，判断是否t≤N，是则执行子步骤8，否则执行子步骤11；
子步骤8、从路径库的第r条路径Xr中除源节点和汇聚节点外任选一传感器节点xj进行邻域搜索，包括下述过程：
(8.1)选择路径Xr中除源节点和汇聚节点外的任一传感器节点xj，判断传感器节点xj的上一跳传感器节点xj-1的邻居节点集合和下一跳传感器节点xj+1的邻居节点集合的交集内是否有不在路径Xr中的传感器节点，是则进行过程(8.2)；否则对路径Xr不做任何改变；
(8.2)在所述交集内随机选择一个不在路径Xr中的传感器节点替换传感器节点xj，得到新路径X'r，根据子步骤3的计算式，计算新路径X'r的适应度f(X'r)，判断是否f(X'r)＜f(Xr)，是则以X'r替换掉Xr，进行子步骤9；否则，对路径Xr不做任何改变，进行子步骤9；
子步骤9、将t+1的值赋予t，判断是否t≤N，是则执行子步骤10，否则执行子步骤11；
子步骤10、将r+1的值赋予r，判断是否r≤H，是则执行子步骤6，否则执行子步骤5；
子步骤11、选择路径库中适应度最小的一条路径作为最优路径。
2.如权利要求1所述的路由方法，其特征在于：
所述子步骤2的过程(2.3)或(2.5)中，当前初始化路径中第j－1个传感器节点的邻居节点集合内未选择过的编号最小或编号次小传感器节点i的选择概率P(j-1,i)：
式中，aj-1表示第j－1个传感器节点的邻居节点集合，N(aj-1)为集合aj-1的元素数量，hi表示aj-1中传感器节点i的跳数，hm表示aj-1中传感器节点m的跳数。
CN201410705802.2A 2014-11-28 2014-11-28 一种小规模无线传感器网络的路由方法 Active CN104486807B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410705802.2A CN104486807B (zh) 2014-11-28 2014-11-28 一种小规模无线传感器网络的路由方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410705802.2A CN104486807B (zh) 2014-11-28 2014-11-28 一种小规模无线传感器网络的路由方法

Publications (2)

Publication Number Publication Date
CN104486807A CN104486807A (zh) 2015-04-01
CN104486807B true CN104486807B (zh) 2017-08-11

Family

ID=52761296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410705802.2A Active CN104486807B (zh) 2014-11-28 2014-11-28 一种小规模无线传感器网络的路由方法

Country Status (1)

Country Link
CN (1) CN104486807B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10075364B2 (en) * 2015-05-19 2018-09-11 Alcatel-Lucent Method and apparatus for self-tuned adaptive routing
CN105812255B (zh) * 2016-05-06 2021-05-11 网宿科技股份有限公司 回源线路的选择方法及装置
CN106550422B (zh) * 2016-11-08 2017-08-25 华中科技大学 一种基于和声搜索算法的无线传感器网络分簇路由方法
CN108541039B (zh) * 2018-04-24 2021-10-22 苏州市职业大学 一种低功耗无线传感器网络静态节点路由方法
CN108965417B (zh) * 2018-07-04 2021-12-21 梧州市兴能农业科技有限公司 农田土壤污染无线监测***
CN109151757A (zh) * 2018-09-26 2019-01-04 东莞青柳新材料有限公司 一种农田土壤质量实时管控***
CN109151758A (zh) * 2018-09-27 2019-01-04 广州文搏科技有限公司 基于无线传感器网络的农田土壤健康智能监测***
CN109963262B (zh) * 2019-01-28 2020-08-18 华南理工大学 一种无线传感网络中无线传感器调度优化方法
CN116567773B (zh) * 2023-07-10 2024-04-26 北京星科软件技术有限公司 基于物联网应用的wsn分簇路由方法及路由***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102572717A (zh) * 2012-02-20 2012-07-11 南京中通电气有限公司 一种基于网络编码的多径路由可靠传输方法
CN102711213A (zh) * 2012-05-14 2012-10-03 南京邮电大学 一种基于剩余能量的无线传感网路由方法
CN103916927A (zh) * 2014-03-17 2014-07-09 华中科技大学 一种基于改进和声搜索算法的无线传感器网络路由方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102572717A (zh) * 2012-02-20 2012-07-11 南京中通电气有限公司 一种基于网络编码的多径路由可靠传输方法
CN102711213A (zh) * 2012-05-14 2012-10-03 南京邮电大学 一种基于剩余能量的无线传感网路由方法
CN103916927A (zh) * 2014-03-17 2014-07-09 华中科技大学 一种基于改进和声搜索算法的无线传感器网络路由方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
A new meta-heuristic algorithm for continuous engineering optimization: harmony search theory and practice;K.S. Lee, Z.W. Geem;《Computer methods in applied mechanics and engineering》;20051231;全文 *

Also Published As

Publication number Publication date
CN104486807A (zh) 2015-04-01

Similar Documents

Publication Publication Date Title
CN104486807B (zh) 一种小规模无线传感器网络的路由方法
Wang et al. An energy efficient routing protocol based on improved artificial bee colony algorithm for wireless sensor networks
Kumar et al. Improved leach protocol for wireless sensor networks
CN101119303B (zh) 基于动态聚类的多目标规划无线传感网路由算法
Safaei et al. Effects of RPL objective functions on the primitive characteristics of mobile and static IoT infrastructures
CN106550422B (zh) 一种基于和声搜索算法的无线传感器网络分簇路由方法
Pattnaik et al. Assimilation of fuzzy clustering approach and EHO‐Greedy algorithm for efficient routing in WSN
Naeem et al. Enhanced clustering based routing protocol in vehicular ad‐hoc networks
Song et al. A genetic algorithm for energy-efficient based multipath routing in wireless sensor networks
CN100471166C (zh) 一种基于移动Ad Hoc网络的分布式QoS多播路由方法
Ben Gouissem et al. Energy efficient grid based k‐means clustering algorithm for large scale wireless sensor networks
Fan et al. Dynamic virtual network embedding of mobile cloud system based on global resources in internet of vehicles
Sumathi et al. NEWTR: a multipath routing for next hop destination in internet of things with artificial recurrent neural network (RNN)
Mody et al. Cluster head selection algorithm for wireless sensor networks using Machine learning
Hadaya et al. Improved RPL protocol for low-power and lossy network for IoT environment
Singh et al. Designing an energy efficient network using integration of KSOM, ANN and data fusion techniques
Kazemeyni et al. Grouping nodes in wireless sensor networks using coalitional game theory
Sudha et al. Optimizing energy in wsn using evolutionary algorithm
Siyi et al. Quality of service assessment routing protocols for performance in a smart building: A case study
Pang et al. Neural Network‐Based Routing Energy‐Saving Algorithm for Wireless Sensor Networks
Kannammal et al. A hybrid approach-based energy aware cluster head selection for IoT application
Kazemeyni et al. Formal modeling and validation of a power-efficient grouping protocol for WSNs
Zhang et al. An immune chaotic adaptive evolutionary algorithm for energy-efficient clustering management in LPWSN
Hung Incorporate ACO routing algorithm and mobile sink in wireless sensor networks.
Li et al. A Routing Algorithm for WiFi‐Based Wireless Sensor Network and the Application in Automatic Meter Reading

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant