CN109673034A - 一种基于天牛须搜索的无线传感网络分簇路由方法 - Google Patents

Abstract

本发明涉及一种基于天牛须搜索的无线传感网络分簇路由方法，其包括：建立无线传感网络拓扑；根据传感器节点位置、传感器节点剩余能量和传感器节点ID选举出候选簇首节点；通过天牛须搜索算法对适应度函数进行迭代，寻找适应度函数值最小的候选簇首节点作为最佳簇首节点；选择的最佳簇首节点广播当选最佳簇首节点的信息，并等待其他普通节点的加入；根据传感器节点剩余能量和传输能耗选择最佳簇首节点至基站节点间的中继节点，最佳簇首节点通过中继节点将所融合后的数据发送至基站节点，通信结束。本发明充分考虑到了传感器节点的剩余能量信息和位置信息，通过天牛须搜索算法选择合适簇首节点，能有效均衡网络能量消耗，延长网络生命周期。

Description

一种基于天牛须搜索的无线传感网络分簇路由方法

技术领域

本发明涉及无线传感器网络通信技术，尤其涉及一种基于天牛须搜索的 无线传感网络分簇路由方法。

背景技术

无线传感网络(Wireless Sensor Networks，WSNs)是由可以感知外部世 界的大量小尺寸低成本的传感器组成的一种分布式自组织无线网络，由于 WSN的自组织、低功耗等优点，WSN广泛应用于军事、智能电网、智能交 通、环境监控、医疗卫生等多个领域，但是传感器节点的能量限制是WSN的 缺点之一，WSN中传感器一般安装在恶劣、人类不适合居住的环境中，例如： 高空、沙漠、森林等，在这种环境中，更换传感器电池的难度很大，成本很高。因此，灵活高效地使用传感器节点有限的能量已经成为WSN路由协议设 计必须考虑的问题。

无线传感网路由协议主要分为平面路由和层次路由。平面路由中，所有 传感器节点都具有相同功能和等级，传感器节点之间协同工作共同完成信息 感知与采集、分析处理和通信转发，平面路由简单，健壮性好，但是建立、 维护路由的开销很大，可扩展性差，数据传输跳数多，因此仅适合小规模网 络。层次路由是基于分簇技术将无线传感网络分成若干簇集，每个簇集都是 由一个随机选取的簇首节点和相应成员传感器节点组成。在每个簇集内的成 员传感器节点将感知数据发送至簇首节点，簇首节点负责接收簇内所有传感 器节点发送的数据并进行数据融合，然后转发给基站节点。与一般平面路由 相比，层次路由具有可扩展性好、节能、路由结构简单的特点，适合大规模 无线传感网络。但是，分簇路由对簇首节点的选取要求较高，簇首节点需要 额外承担数据融合和路由转发的功能，会导致簇首节点死亡过快，因此设计 高效的簇首节点选取算法来均衡簇首节点能量消耗十分重要。

针对传感器节点能耗不均匀的问题，现有的无线传感路由协议都提出了 解决方案，其中比较典型的是LEACH、PEGASIS、EAMMH。具体来说：

低功耗自适应集簇分层型协议(LEACH)是经典的分层能量自适应路由 协议，此协议打破之前成簇算法中固定簇首节点的思想，通过随机簇首节点 选举和数据融合技术提高了整个网络的生存时间，比平面路由协议有更好的 效果，因此是经典的分簇路由协议。然而，这种分簇路由协议也存在一定的 缺陷：LEACH协议簇首节点的选举是随机的，容易导致簇首节点分布不均， 剩余能量较小的传感器节点仍会成为簇首节点，簇首节点和基站节点之间采 用单跳通信，导致远离基站节点的簇首节点的能耗消耗过快；

PEGASIS(Power-Efficient Gathering in Sensor Information Systems)协议采用链式结构进行数据融合传输，减少了LEACH协议在簇重构过程中所产生 的开销，但是该协议的单链结构增加了传输时延，并且过度依赖中间节点；

能量感知多跳多路径分层路由协议(EAMMH)是对LEACH协议的改进。 EAMMH协议将传感器节点组织成群集并形成多跳群集网络，建立从每个传 感器节点到簇首节点的多条路径，并提供能量感知启发式功能以选择最佳路 径，有效地减少传感器节点能耗，但是簇首节点的选择并没有考虑传感器节 点剩余能量和位置因素。

发明内容

为了解决上述现有技术存在的问题，本发明旨在提供一种基于天牛须搜 索的无线传感网络分簇路由方法，以均衡网络的能量消耗，延长网络生命周 期。

本发明所述的一种基于天牛须搜索的无线传感网络分簇路由方法，其包 括以下步骤：

步骤S1，在指定区域部署N个传感器节点和1个基站节点后，进行网络 预设置，以建立无线传感器网络拓扑；

步骤S2，基于每个传感器节点的传感器节点位置坐标以及传感器节点剩 余能量，并根据候选簇首节点权值函数，计算获得每个传感器节点的候选簇 首节点权值，然后，将所有传感器节点按其候选簇首节点权值由高到低进行 排列，并在所有传感器节点中从候选簇首节点权值最高的传感器节点起选取 依次排列的P％个传感器节点作为候选簇首节点；

步骤S3，获取用于选择最佳簇首节点的适应度函数，并通过天牛须搜索 算法对所述适应度函数进行迭代，以从所述步骤S2中选取出的所有候选簇首 节点中选取适应度函数值最小的候选簇首节点作为最佳簇首节点，其余未当 选最佳簇首节点的候选簇首节点则成为普通节点；

步骤S4，所述最佳簇首节点在其通信范围内广播当选为最佳簇首节点消 息，并等待其他普通节点的加入；以及

步骤S5，所述最佳簇首节点接收其所在簇内的普通节点所发送的环境感 知信息数据，并进行数据融合，然后，基于中继节点选择函数，在其所在簇 内的普通节点中选择中继节点，最后，所述最佳簇首节点将融合后的环境感 知信息数据通过该中继节点多跳传输至基站节点。

进一步地，在所述步骤S1中，

所述N个传感器节点和1个基站节点首先广播发送包含传感器节点ID和 传感器节点位置坐标的数据包；

各个传感器节点分别接收其邻居节点发送来的数据包以记录其邻居节点 的信息；

当邻居节点的信息记录完成后，每个传感器节点向基站节点发送初始化 报文，所述初始化报文包含：每个传感器节点自身的传感器节点ID、传感器 节点位置坐标以及传感器节点剩余能量；

所述基站节点收到所有初始化报文后建立无线传感器网络拓扑。

进一步地，在所述步骤S2中，传感器节点ID为i的传感器节点的候选簇 首节点权值函数f(i)为：

其中，E(n_i)为传感器节点ID为i的传感器节点的剩余能量，E₀为传感器 节点初始能量，MN_i为传感器节点ID为i的传感器节点的邻居节点的数量，i的 取值范围为1至N，MN为传感器节点理想标准通信范围内邻居节点的标准数 量，R为传感器节点标准通信范围的半径，d(n_i,M_j)为传感器节点ID为i的 传感器节点与标准通信范围内的传感器节点ID为j的邻居节点CM_j之间的距离， j的取值范围为1至MN，d_max为N个传感器节点距离基站节点的最大距离， d_min为N个传感器节点距离基站节点的最小距离，d_in为传感器节点ID为i的 传感器节点距离基站节点的距离，w1、w2、w3、w4均为加权系数，其中，w1为 传感器节点剩余能量因素的权值，w2为传感器节点的邻居节点数量因素的权 值，w3为传感器节点与其邻居节点间距因素的权值，w4为基站节点与传感器 节点间距因素的权值，且w1、w2、w3、w4满足：

w1+w2+w3+w4＝1,w1,w2，w3，w4∈(0，1)。

进一步地，在所述步骤S2中，P＜80。

进一步地，在所述步骤S3中，适应度函数F为：

F＝β*f₁+(1+β)*f₂

其中，f₁为传感器节点位置因子，f₂为传感器节点剩余能量因子，β为传 感器节点剩余能量因素在适应度函数计算过程中的权重因子；|C_k|为第k个候 选簇首节点标准通信范围内传感器节点的数量，d(n_i，CH_k)是传感器节点ID 为i的传感器节点到第k个候选簇首节点CH_k的距离，k_opt为候选簇首节点的数 量；i的取值范围是1至N；E(n_i)为传感器节点ID为i的传感器节点的剩余能 量，E(CH_k)为第k个候选簇首节点CH_k的剩余能量。

进一步地，在所述步骤S4中，其他普通节点根据接收到的当选最佳簇首 节点消息的信号强度，优先选择加入信号强度最强的最佳簇首节点所在的簇。

进一步地，在所述步骤S5中，传感器节点ID为j的普通节点的中继节点 选择函数S(j)为：

其中，E(n_j)为传感器节点ID为j的普通节点的剩余能量，E₀为传感器节 点初始能量，d(i，j)为传感器节点ID为i的最佳簇首节点到传感器节点ID为j的 普通节点的距离，d_toBS(j)为传感器节点ID为j的普通节点到基站节点的距离， d_toBS(i)为传感器节点ID为i的最佳簇首节点到基站节点的距离，α_s为中继节 点能量因子，β_s为中继节点距离因子，且α_s、β_s满足：

α_s+β_s＝1，α_sandβ_s∈(0，1)，

针对每个最佳簇首节点，通过计算其所在簇内每个普通节点的中继节点 选择函数S(j)的值，并选取值最小的普通节点作为该最佳簇首节点和基站节点 通信的中继节点。

进一步地，在所述步骤S5中，所述环境感知信息数据包括：传感器节点 监测到的温度、湿度、压力数据。

由于采用了上述的技术解决方案，本发明充分考虑到传感器节点的剩余 能量和位置信息，通过天牛须搜索算法选择合适簇首节点集合，解决了无线 传感网分簇路由中簇首节点能耗不均衡的问题以及簇首节点至基站节点路由 通信过程的中继节点选择不佳而导致的传感器节点能量消耗较快的问题。

附图说明

图1是本发明一种基于天牛须搜索的无线传感网络分簇路由方法的一种 实施例的流程图；

图2是分别采用本发明、现有的LEACH算法和EAMMH算法的初始节 点死亡时间的对比示意图；

图3是分别采用本发明、现有的LEACH算法和EAMMH算法的节点平 均剩余能量的对比示意图；

图4是分别采用本发明、现有的LEACH算法和EAMMH算法的普通节 点到簇首节点信息量的对比示意图。

具体实施方式

下面结合附图，给出本发明的较佳实施例，并予以详细描述。

在此，首先对以下描述中出现的特定名词的含义进行阐述：

无线传感器网络包括：一个基站节点和多个传感器节点，其中，

基站节点作为无线传感器网络中传感器节点之外的节点，主要负责数据 的收集汇总；

在无线传感器网络初始化时，所有的传感器节点均为普通节点，即，非 簇首节点；

在上述传感器节点中可以通过指定算法选出部分传感器节点作为候选簇 首节点；

在上述候选簇首节点中可以利用天牛搜索算法选出部分候选簇首节点作 为最佳簇首节点；

在上述未当选最佳簇首节点的传感器节点中用于从最佳簇首节点转发数 据至基站节点的部分传感器节点作为中继节点。

本发明，即一种基于天牛须搜索的无线传感网络分簇路由方法，包括以 下步骤：

步骤S1，在指定区域部署N个传感器节点和1个基站节点后，进行网络 预设置；

具体来说，在该步骤S1中，N个传感器节点和1个基站节点首先广播发 送包含传感器节点ID和传感器节点位置坐标的数据包，各个传感器节点分别 接收其邻居节点发送来的数据包以记录这些邻居节点的信息；当邻居节点的 信息记录完成后，每个传感器节点使用现有的受控泛洪机制向基站节点发送 初始化报文，初始化报文包含：每个传感器节点自身的传感器节点ID、传感 器节点位置坐标以及传感器节点剩余能量；基站节点收到所有初始化报文后 建立无线传感器网络拓扑；

步骤S2，首先，基于每个传感器节点的传感器节点位置坐标以及传感器 节点剩余能量，并根据候选簇首节点权值函数，计算获得每个传感器节点的 候选簇首节点权值，然后，将所有传感器节点按其候选簇首节点权值由高到 低进行排列，并在所有传感器节点中从候选簇首节点权值最高的传感器节点 起选取依次排列的P％个传感器节点作为候选簇首节点，＜80，其中，传感 器节点ID为i的传感器节点(以下简称为传感器节点n_i)的候选簇首节点权值 函数f(i)为：

其中，E(n_i)为传感器节点n_i的剩余能量，E₀为传感器节点初始能量(所 有传感器节点初始能量都是相同的，即，E₀为一个常量)，MN_i为传感器节点n_i的邻居节点的数量，i的取值范围为1至N，MN为传感器节点理想标准通信范 围内邻居节点的标准数量(MN是一个标准值，即在理想情况下均匀分簇的标 准数量，因此可以看作一个常量)，R为传感器节点标准通信范围的半径， d(n_i，M_j)为传感器节点n_i与标准通信范围内的传感器节点ID为j的邻居节点 CM_j之间的距离，j的取值范围为1至MN，d_max为N个传感器节点距离基站节 点的最大距离，d_min为N个传感器节点距离基站节点的最小距离，d_in为传感 器节点n_i距离基站节点的距离，w1、w2、w3、w4均为加权系数，其中，w1为传 感器节点剩余能量因素的权值，w2为传感器节点的邻居节点数量因素的权值， w3为传感器节点与其邻居节点间距因素的权值，w4为基站节点与传感器节点 间距因素的权值，且w1、w2、w3、w4满足：

w1+w2+w3+w4＝1，w1，w2，w3，w4∈(0，1)

需要注意的是，上述各个加权系数的大小可根据实际场景效果灵活地在 上述取值范围内调整；

步骤S3，获取用于选择最佳簇首节点的适应度函数，并通过天牛须搜索 算法对该适应度函数进行迭代，以从步骤S2中选取出的所有候选簇首节点中 选取适应度函数值最小的候选簇首节点作为最佳簇首节点，其余未当选最佳 簇首节点的候选簇首节点则成为普通节点，其中，适应度函数F为：

F＝β*f₁+(1+β)*f₂

其中，f₁为传感器节点位置因子，其用于保证簇内传感器节点到候选簇首 节点的平均距离最短，f₂为传感器节点剩余能量因子，其用于保证当选最佳簇 首节点的候选簇首节点具有较高的剩余能量，β为传感器节点剩余能量因素在 适应度函数计算过程中的权重因子；

具体来说，f₁表示为簇内所有传感器节点到候选簇首节点的平均距离的最 大值，即：

其中，|C_k|为第k个候选簇首节点标准通信范围内传感器节点的数量， d(n_i，H_k)是传感器节点n_i到第k个候选簇首节点CH_k的距离，i的取值范围为1 至N，k_opt为候选簇首节点的数量；

f₂表示为无线传感器网络中所有传感器节点剩余能量的总和与所有候选 簇首节点剩余能量的总和的比值，即：

其中，E(n_i)为传感器节点n_i的剩余能量，E(CH_k)为第k个候选簇首节点 CH_k的剩余能量；

步骤S4，步骤S3中选取出的最佳簇首节点(即，最后的簇首节点)在其 通信范围内广播当选为最佳簇首节点消息，并等待其他普通节点(即，非最 佳簇首节点的传感器节点)的加入；具体来说，其他普通节点根据接收到的 当选最佳簇首节点消息的信号强度，优先选择加入信号强度最强的最佳簇首 节点所在的簇；

步骤S5，最佳簇首节点接收其所在簇内的普通节点所发送的环境感知信 息数据(包括传感器节点监测到的温度、湿度、压力等数据)，并进行数据融 合，然后，基于中继节点选择函数，在这些普通节点中选择中继节点，最后， 最佳簇首节点将融合后的环境感知信息数据通过中继节点多跳传输至基站节 点，其中，传感器节点ID为j的普通节点(以下简称为传感器节点n_j)的中继 节点选择函数S(j)为：

其中，E(n_j)为传感器节点n_j的剩余能量，E₀为传感器节点初始能量，d(i，j) 为传感器节点ID为i的最佳簇首节点到传感器节点n_j的距离，d_toBS(j)为传感 器节点n_j到基站节点的距离，d_toBS(i)为传感器节点ID为i的最佳簇首节点到 基站节点的距离，且要当选为中继节点必须满足最佳簇首节点到中继节点的 距离和中继节点到基站节点距离的平方和小于最佳簇首节点到基站节点距离 的平方，α_s为中继节点能量因子，β_s为中继节点距离因子，且α_s、β_s满足：

α_s+β_s＝1，α_s andβ_s∈(0，1)

其中，α_s、β_s的取值根据实际场景灵活的选择；

针对每个最佳簇首节点，通过计算其所在簇内每个非最佳簇首节点的传 感器节点(即普通节点)的中继节点选择函数S(j)的值，选取值最小的普通节 点作为该最佳簇首节点和基站节点通信的中继节点，以此类推，便建立了网 络路由传输路径，然后即可进入稳定的数据传输阶段。

下面结合具体实施例对本发明进行详细说明。

如图1所示，在本实施例中，无线传感器网络是由1个基站节点和N个传 感器节点组成，传感器节点随机分布在M*M的监测区域内，网络模型假设如 下：基站节点部署在正方形监测区域外部，传感器节点随机分布于监测区域 内部，部署完成后，基站节点和传感器节点都不移动；所有的传感器节点都 是同构的，具有相同的功能，拥有相同有限的初始能量，每个传感器节点都 有唯一的ID；所有传感器节点都可以是发送节点和接收节点；所有传感器节 点都可以作为簇首节点和普通节点，并且能与基站节点通信；传感器节点通 信功率可以根据传输距离进行调节，以减少能耗；传感器节点间通信链路是 对称的，传感器节点可以通过接受信号强度RSSI值来估计传感器节点之间距 离；每个传感器节点节点可以感知自己的剩余能量和传感器节点位置。

本实施例采用的网络能耗模型为一阶无线电模型，在理想信噪比情况下 传输Lbits的数据的能量消耗由两部分组成：发送Lbits长度数据的能量消耗 和功率放大电路的能量消耗，根据传输距离的不同，发送能量消耗为：

其中，E_Tx(l,d)为传输距离为d(单位为m)时传输Lbits数据所消耗的 能量，d为发送节点和接收节点之间的传输距离，E_elec为传输或者接收1bit 数据所消耗的能量；ε_fs为自由空间衰落模型中单位比特数据传输单位距离时 放大器的能量损耗，ε_mp为多径衰落模型中单位比特数据传输单位距离时放大 器的能量损耗；d₀为区分不同功率放大器模型参数的边界阀值；若传输距离 d≤d₀，选择第一类功率放大器模型参数ε_fs，如果d＞d₀，选择第二类功率 放大器模型参数ε_mp；边界阀值

对于接收节点，接收节点接收Lbits数据能量消耗为E_rx＝L*E_elec，此 外，簇首节点对Lbits长度数据进行数据融合消耗的能量为E_DAx(l,d)＝E_da* L，其中，E_da为融合1bit数据所消耗的能量。

基于上述情况，本发明主要包括：网络预设置、候选簇首节点选取、簇 首节点优化、分簇建立和路由传输五个步骤。

首先，在“网络预设置”步骤中，各个传感器节点和基站节点首先广播 发送包含节点ID和节点位置坐标的数据包，各个传感器节点分别记录邻居节 点信息；邻居节点信息记录完成后，每个传感器节点使用已有的受控泛洪机 制向基站节点发送初始化报文，初始化报文包含传感器节点自身的节点ID、 传感器节点位置坐标和传感器节点剩余能量，基站节点收到初始化报文后建 立无线传感器网络拓扑。

其次，在“候选簇首节点选取”步骤中，通过一个多目标选簇首节点权 值函数确定候选簇首节点的集合，该函数综合考虑以下四个因素：

(1)节点剩余能量因素：

由于簇首节点需要额外承担簇管理和簇内数据融合的功能，因此耗能较 多，算法选取具有较大剩余能量的传感器节点作为候选簇首节点，定义剩余 能量参数为：

Node_energy＝E_c/E₀

其中，E_c为当前传感器节点剩余能量，E₀为传感器节点初始能量。

(2)簇内节点数量因素：

簇内节点数量因素考虑的是传感器节点附近的邻居节点的数目，在WSN 应用场景中，邻居节点过少的传感器节点不适合担任簇首节点，邻居节点数 量定义为该传感器节点标准通信半径R内其他传感器节点的数量，节点ID为i 的传感器节点的邻居节点的集合N_i表示为：

N_i＝{j|d(i,j)＜＜R,j∈N}i∈{1,2，…,N}

其中，N为传感器节点的数量，d(i,j)为节点ID为i的传感器节点与节点 ID为j的传感器节点之间的距离，j∈[1,N]，且j≠i，R定义为传感器节点标 准通信范围，其计算过程如下：

其中，M为无线传感网络监测范围的边长，N为监测范围内传感器节点的 总数量，p为簇首节点数量占所有传感器节点数量的百分比，根据整个网络能 耗最小的原则，理论较优簇首节点个数为：

其中，ε_fs为自由空间衰落模型中单位比特数据传输单位距离时放大器的 能量损耗，ε_mp为多径衰落模型中单位比特数据传输单位距离时放大器的能量 损耗；为监测范围内所有传感器节点至基站节点的平均距离的平方；

因此，最终当选的簇首节点比例p_opt(其为上文中p的一个理论较优取值) 为：

定义簇内节点数量参数为：

Node_density＝MN_i/MN

其中，MN_i为节点ID为i的传感器节点的邻居节点的数量，i∈[1,N]，MN 为理想标准通信范围内邻居节点的标准数量，

(3)簇内节点距离因素：

簇内节点距离因素考虑的是簇内非簇首节点的传感器节点(CMs)到簇 首节点(CH)的距离，此参数可以保证簇的质量，以及CH和CMs间的链路 质量。定义簇内距离参数为：

其中，d(CH_i,CM_j)为节点ID为i的传感器节点和标准通信范围内邻居节 点CM_j间的距离，j的范围是1至MN。

(4)基站节点间距因素：

基站节点间距参数考虑了传感器节点和基站节点的距离，理论上距离基 站节点较远的传感器节点不适合当选为簇首节点。定义基站节点间距因素为：

其中，d_max为N个传感器节点距离基站节点的最大距离，d_min为N个传感 器节点距离基站节点的最小距离，d_in为节点ID为i的传感器节点距离基站节 点的距离。

通过对以上4个因素加权组合，构成了选簇首节点权值函数f，在定义了 该函数后，基站节点计算每个传感器节点的f值，降序排列并由高到低选取一 定比例(低于80％)的传感器节点作为候选簇首节点，将这些候选簇首节点 表示为列表CH_candidate，从而完成候选簇首节点的选取过程。

接着，在“簇首节点优化”步骤中，基站节点利用天牛须搜索对候选簇 首节点进行迭代优化，获得更好的簇首节点集合，即最佳簇首节点，其中， 基于天牛须搜索的簇首节点优化算法流程如下：

(1)创建天牛须朝向的随机向量确定空间维度k：由于本实施例中的 无线传感网模型是由1个基站节点和N个无线传感器节点组成的，传感器节点 随机分布在M*M的监测区域内，因此，搜索空间维度k＝k_opt，随机向量为：

其中，rands()为随机函数；

(2)设置步长因子δ：步长因子用于控制天牛须搜索算法的区域搜索能 力，合适的步长因子可以避免陷入局部最优解，本实施例中使用线性衰减步 长因子，确保搜索的精度：

δ^t+1＝δ^t*eta t＝(0,1，2，…，n)

其中：δ代表步长因子，t为迭代次数，eta为[0，1]之间接近1的值，eta的 取值可根据实际应用场景灵活选择；

(3)确定适应度函数F：适应度函数F用于选择最佳簇首节点分布，其表 达式如下：

Minimize:F＝β*f₁+(1+β)*f₂

其中，f₁为传感器节点和其相关簇首节点之间的最大平均距离，f₂为网 络中所有传感器节点剩余的总能量和簇首节点总能量的比值常数，β对于确定 每个子优化函数的作用至关重要，β取值范围不固定，根据实际应用场景灵活 改变，最小化适应度函数的目标是减小簇首节点与其簇内节点之间的簇内距 离，以优化传感器网络的能量效率；

(4)天牛位置初始化：初始参数选择候选簇首节点列表CH_candidate中的 k个随机簇首节点作为天牛须算法的初始解集，即天牛质心的初始位置，并将 其保存于CH_best中。

(5)计算适应度函数：根据适应度函数F计算在初始位置时的适应度函 数值，并保存在于F_best中。

(6)天牛左右须位置更新。根据下式更新天牛左右须的位置坐标。

其中，x_rt为天牛右须在第t次迭代时的位置坐标；x_lt为天牛左须在第t次 迭代时的位置坐标；x^t表示天牛在第t次迭代时的质心坐标；d₀表示左右两须 之间的距离；

(7)计算新解：根据天牛须搜索算法中的左右须坐标位置，分别求左右 须的适应度函数值f(x_r)和f(x_l)，比较两者强度，根据更新天牛位置(如下式 所示)，计算当前天牛位置的适应度函数值，若此时的适应度函数值优于F_best， 则更新F_best和CH_best：

其中，δ^t表示在第t次迭代时的步长因子；sign()为符号函数，f(x_l)和f(x_r) 分别为左右须的适应度函数值；

(8)迭代：判断迭代次数是否达到设置的最大迭代次数或者当前位置的 适应度函数值是否达到设定最小值阀值，如果满足条件，则进行步骤(9)， 否则继续从步骤(6)开始迭代，直至满足迭代停止条件；

(9)生成最佳簇首节点：BAS算法停止迭代时，此时的CH_best即是这轮 集簇路由的最佳簇首节点分布，将上述最佳簇首节点分布应用之后的分簇建 立阶段。

然后，在“分簇建立”步骤中，最佳簇首节点在其通信范围内广播当选 为簇首节点消息，等待非最佳簇首节点的其他传感器节点的加入，非最佳簇 首节点的传感器节点根据接收到的当选簇首节点消息的信号强度，优先选择 加入信号强度最强的最佳簇首节点所在的簇。

最后，在“路由传输”步骤中，簇首节点(即，之前确定的最佳簇首节点) 充当簇内控制中心以协调数据传输，簇首节点(CH)从簇内普通节点接收数 据，进行数据融合并发送至基站节点(BS)。根据能量传输模型可知，传输距 离对传输能耗影响很大，因此在LEACH协议中若簇首完成数据融合后直接和 基站节点通信，这会导致距离基站节点较远的簇首节点的能量消耗较大，因 此本实施例中引入了中继节点，采用簇内单跳通信，即，簇首节点和基站节 点之间通过中继节点多跳通信的路由传输方式，其中，中继节点的选取综合 考虑到传感器节点到基站节点距离和传感器节点剩余能量两个因素，针对每 个簇首节点，通过计算其所在簇内每个非簇首传感器节点的代价函数的值， 选取值最小的节点作为该簇首节点和基站节点通信的中继节点，以此类推， 便建立了网络路由传输路径，然后进入稳定的数据传输阶段。

下面对本发明实施例所提出的基于天牛须搜索的无线传感器网络分簇路 由方法进行验证，通过仿真实验与已有的分簇路由算法进行比较，证明本发 明能有效地均衡网络节点能耗，延长网络生命周期。具体来说，利用MATLAB 软件进行仿真，首先进行参数设置，仿真参数表如下：

参数	数值
		传感区域	100m*100m
基站节点(BS)位置	(150m，50m)
		节点数目N	100
初始能量E<sub>0</sub>	0.5J
		发射电路损耗E<sub>elec</sub>	50nJ/bit
自由空间放大器系数ε<sub>fs</sub>	10pJ/bit/m2
		多径衰落放大器系数ε<sub>mp</sub>	0.0013pJ/bit/m4
数据融合能耗E<sub>DA</sub>	5nJ/bit/signal
		簇首节点比例p	5％
数据包大小	4000bits

本发明与现有的LEACH算法和EAMMH算法比较初始节点死亡时间， 其结果如图2所示。图2中，横坐标为网络运行时间，纵坐标表示无线传感 器节点存活数量。从图2中可以看出，本发明(LEACH-BAS)相对于其他两 种算法有更长的网络生命周期，并且存活节点数量也大于其他两种算法。

图3示出了上述3种方法的节点平均剩余能量的比较结果。图3中，横 坐标为网络运行时间，纵坐标表示无线传感器节点平均剩余能量。从图3可 以看出，本发明(LEACH-BAS)在每轮中节点平均剩余能量都高于其他两种 算法，节点能量耗尽时间也远大于其他两种算法，再次验证了本发明可以有 效均衡节点能耗，延长网络生命周期。

图4示出了上述3种算法的普通节点到簇首节点信息量的比较结果。图4 中，横坐标为网络运行时间，纵坐标表示无线传感器节点到簇首节点信息量。 从图4可以看出三种算法在第一个节点死亡之前的信息数量是十分接近的， 但是LEACH算法和EAMMH算法信息量波动较大，这是由于LEACH算法 和EAMMH算法簇首节点选取机制具有随机性，导致每轮簇首节点数量不稳 定。在约700轮后，本发明(LEACH-BAS)信息量明显大于其他两种算法， 这是由于其他两种算法死亡节点数量迅速增加，引起节点到簇首节点的数据 量降低。本发明中普通节点到簇首节点信息量大于其他两种算法，说明对场 景的监测信息越细致，运行也更加稳定，在实际应用场景中有更好的效果。

综上所述，本发明综合考虑了无线传感器节点剩余能量和位置信息，通 过天牛须搜索算法选择最佳簇首，从而有效均衡了簇首节点能量消耗，延长 了网络生命周期。同时，在本发明中，簇首节点至基站节点的数据传输采用 多跳通信传输方式，选择中继(转发)节点时综合考虑到通信能耗和节点剩 余能量，避免了剩余能量较低的传感器节点充当中继节点，从而有效地延缓 了传感器节点的死亡速度。

以上所述的，仅为本发明的较佳实施例，并非用以限定本发明的范围， 本发明的上述实施例还可以做出各种变化。凡是依据本发明申请的权利要求 书及说明书内容所作的简单、等效变化与修饰，皆落入本发明专利的权利要 求保护范围。本发明未详尽描述的均为常规技术内容。

Claims (8)

1.一种基于天牛须搜索的无线传感网络分簇路由方法，其特征在于，所述方法包括以下步骤：

步骤S1，在指定区域部署N个传感器节点和1个基站节点后，进行网络预设置，以建立无线传感器网络拓扑；

步骤S2，基于每个传感器节点的传感器节点位置坐标以及传感器节点剩余能量，并根据候选簇首节点权值函数，计算获得每个传感器节点的候选簇首节点权值，然后，将所有传感器节点按其候选簇首节点权值由高到低进行排列，并在所有传感器节点中从候选簇首节点权值最高的传感器节点起选取依次排列的P％个传感器节点作为候选簇首节点；

步骤S3，获取用于选择最佳簇首节点的适应度函数，并通过天牛须搜索算法对所述适应度函数进行迭代，以从所述步骤S2中选取出的所有候选簇首节点中选取适应度函数值最小的候选簇首节点作为最佳簇首节点，其余未当选最佳簇首节点的候选簇首节点则成为普通节点；

步骤S4，所述最佳簇首节点在其通信范围内广播当选为最佳簇首节点消息，并等待其他普通节点的加入；以及

步骤S5，所述最佳簇首节点接收其所在簇内的普通节点所发送的环境感知信息数据，并进行数据融合，然后，基于中继节点选择函数，在其所在簇内的普通节点中选择中继节点，最后，所述最佳簇首节点将融合后的环境感知信息数据通过该中继节点多跳传输至基站节点。

2.根据权利要求1所述的基于天牛须搜索的无线传感网络分簇路由方法，其特征在于，在所述步骤S1中，

所述N个传感器节点和1个基站节点首先广播发送包含传感器节点ID和传感器节点位置坐标的数据包；

各个传感器节点分别接收其邻居节点发送来的数据包以记录其邻居节点的信息；

当邻居节点的信息记录完成后，每个传感器节点向基站节点发送初始化报文，所述初始化报文包含：每个传感器节点自身的传感器节点ID、传感器节点位置坐标以及传感器节点剩余能量；

所述基站节点收到所有初始化报文后建立无线传感器网络拓扑。

3.根据权利要求1所述的基于天牛须搜索的无线传感网络分簇路由方法，其特征在于，在所述步骤S2中，传感器节点ID为i的传感器节点的候选簇首节点权值函数f(i)为：

其中，E(n_i)为传感器节点ID为i的传感器节点的剩余能量，E₀为传感器节点初始能量，MN_i为传感器节点ID为i的传感器节点的邻居节点的数量，i的取值范围为1至N，MN为传感器节点理想标准通信范围内邻居节点的标准数量，R为传感器节点标准通信范围的半径，d(n_i，CM_j)为传感器节点ID为i的传感器节点与标准通信范围内的传感器节点ID为j的邻居节点CM_j之间的距离，j的取值范围为1至MN，d_max为N个传感器节点距离基站节点的最大距离，d_min为N个传感器节点距离基站节点的最小距离，d_in为传感器节点ID为i的传感器节点距离基站节点的距离，w1、w2、w3、w4均为加权系数，其中，w1为传感器节点剩余能量因素的权值，w2为传感器节点的邻居节点数量因素的权值，w3为传感器节点与其邻居节点间距因素的权值，w4为基站节点与传感器节点间距因素的权值，且w1、w2、w3、w4满足：

w1+w2+w3+w4＝1，w1，w2，w3，w4∈(0，1)。

4.根据权利要求1所述的基于天牛须搜索的无线传感网络分簇路由方法，其特征在于，在所述步骤S2中，P＜80。

5.根据权利要求1所述的基于天牛须搜索的无线传感网络分簇路由方法，其特征在于，在所述步骤S3中，适应度函数F为：

F＝β*f₁+(1+β)*f₂

其中，f₁为传感器节点位置因子，f₂为传感器节点剩余能量因子，β为传感器节点剩余能量因素在适应度函数计算过程中的权重因子；|C_k|为第k个候选簇首节点标准通信范围内传感器节点的数量，d(n_i，CH_k)是传感器节点ID为i的传感器节点到第k个候选簇首节点CH_k的距离，i的取值范围为1至N，k_opt为候选簇首节点的数量，E(n_i)为传感器节点ID为i的传感器节点的剩余能量，E(CH_k)为第k个候选簇首节点CH_k的剩余能量。

6.根据权利要求1所述的基于天牛须搜索的无线传感网络分簇路由方法，其特征在于，在所述步骤S4中，其他普通节点根据接收到的当选最佳簇首节点消息的信号强度，优先选择加入信号强度最强的最佳簇首节点所在的簇。

7.根据权利要求1所述的基于天牛须搜索的无线传感网络分簇路由方法，其特征在于，在所述步骤S5中，传感器节点ID为j的普通节点的中继节点选择函数S(j)为：

其中，E(n_j)为传感器节点ID为j的普通节点的剩余能量，E₀为传感器节点初始能量，d(i，j)为传感器节点ID为i的最佳簇首节点到传感器节点ID为j的普通节点的距离，d_toBS(j)为传感器节点ID为j的普通节点到基站节点的距离，d_toBS(i)为传感器节点ID为i的最佳簇首节点到基站节点的距离，α_s为中继节点能量因子，β_s为中继节点距离因子，且α_s、β_s满足：

α_s+β_s＝1，α_s and β_s∈(0，1)，

针对每个最佳簇首节点，通过计算其所在簇内每个普通节点的中继节点选择函数S(j)的值，并选取值最小的普通节点作为该最佳簇首节点和基站节点通信的中继节点。

8.根据权利要求1所述的基于天牛须搜索的无线传感网络分簇路由方法，其特征在于，在所述步骤S5中，所述环境感知信息数据包括：传感器节点监测到的温度、湿度、压力数据。