CN113347677B - 一种基于粒子群算法的多节点通信方法 - Google Patents
一种基于粒子群算法的多节点通信方法 Download PDFInfo
- Publication number
- CN113347677B CN113347677B CN202110482222.1A CN202110482222A CN113347677B CN 113347677 B CN113347677 B CN 113347677B CN 202110482222 A CN202110482222 A CN 202110482222A CN 113347677 B CN113347677 B CN 113347677B
- Authority
- CN
- China
- Prior art keywords
- node
- path
- nodes
- fitness
- information
- 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
Links
- 238000004891 communication Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000002245 particle Substances 0.000 title claims abstract description 16
- 238000005457 optimization Methods 0.000 title abstract description 9
- 230000005540 biological transmission Effects 0.000 claims abstract description 28
- 208000003443 Unconsciousness Diseases 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种基于粒子群算法的多节点通信方法,解决现有多节点通信网络由于随机性和无意识信息传输方式,增加信道负载和竞争风险的问题。该方法包括步骤:1)加载预设参数;2)所有节点接入网络并发送广播报文;3)生成起始节点与目标节点;4)起始节点随机指定已知节点为中继节点并发送信息;被指定的中继节点接收信息后,继续指定下一级中继节点并向其发送信息;节点间依次传,直至到达目标节点;5)计算路径适应度;6)将适应度高的路径更新为个体最优路径;7)判决路径探索能力。本发明通过粒子群算法的路径优化技术,对多节点网路中点对点信息传递路径进行优化,在保证传输可靠性的前提下,减少信道占用时间,提高信息传递效率。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种基于粒子群算法的多节点通信方法。
背景技术
多节点通信网络凭借其多跳互联和网络拓扑特性,已成为家庭、社区、企业和城域网络等无线接入网络的有效解决方案。多节点通信网络实施中,点对点的信息传递路径规划策略直接影响信道利用率。普通的多节点通信网络多为随机性或无意识信息传输方式,从而便增加了信道负载和竞争风险,降低了带宽利用率,缺乏较高的性能及价值。因此,如何减轻信道负载,减少竞争和退避所浪费的带宽是衡量网络性能和价值的核心关注点。
发明内容
为了解决现有多节点通信网络由于随机性或无意识信息传输方式,增加信道负载和竞争风险,降低带宽利用率的技术问题,本发明提供了一种基于粒子群算法的多节点通信方法。
为实现上述目的,本发明提供的技术方案是:
一种基于粒子群算法的多节点通信方法,其特殊之处在于,包括以下步骤:
1)初始化参数
节点设备开机后,加载预设参数,所述预设参数包括最优路径失效门限Tmax、链路质量权重因子c1、路径最优权重因子c2和适应度返回生存时间TIL;
2)初始化节点位置
所有节点接入网络,并依次发送广播报文;每个节点根据收到的广播信息,记录其它节点位置及通信链路质量;其中,网络中节点数n≥3;
3)任务发布
根据实际信息传输任务,生成起始节点与目标节点;或在网络空闲时,随机生成具有探索能力的起始节点和目标节点;
4)路径搜索
起始节点随机指定其他未被指定过的已知节点为中继节点,并发送信息;被指定的中继节点接收信息后,继续指定下一级中继节点并向其发送信息;节点间依次传递,直至到达目标节点;
5)返回路径适应度
目标节点收到信息后,按照原路径返回路径信息;随后起始节点根据以下适应度函数计算该路径的适应度Fit:
其中:qi为两节点间链路质量量化值,i=3,…,n;
m为路径经过的节点个数;
若起始节点在TIL时间内未收到目标节点返回的路径信息,则判定该路径通信失败,返回步骤4);
6)更新个体最优路径
起始节点记录当前路径及对应适应度,并与个体历史最佳路径的适应度作比较,若当前路径适应度高于个体历史最佳路径适应度,则更新当前路径为个体最优路径;若当前路径适应度等于或低于个体历史最佳路径适应度,则保持原有个体最优路径;
7)判决路径探索能力
判断起始节点是否完成对已知所有节点指定为中继节点的操作,若是,则暂时取消其路径搜索能力,直到某次该节点按照最优路径传递信息时适应度下降超过最优路径失效门限Tmax,重新赋予该节点的路径搜索能力;若起始节点仍有已知节点未指定为中继节点,则保持该节点的路径搜索能力,用以探索是否存在其它更优路径;
判决完毕后,返回步骤3);直至设备需要关机或者收到停止命令,路径探索工作终止。
进一步地,步骤4)中,指定中继节点的原则为:
A)不能选择上级节点的同级节点为下一级中继节点;
B)中继节点均按照其个体最优路径自主选择下一级中继节点;
C)当中继节点没有到目标节点的最优路径时,优先选择通信质量好的下级节点。
进一步地,步骤1)中,所述链路质量权重因子c1为路径内节点间链路质量量化均值所占比重,0.5<c1<2;
所述路径最优权重因子c2为路径内节点个数所占比重,0.5<c2<2。
进一步地,步骤2)中,发送广播报文以时分的方式发送。
与现有技术相比,本发明的优点是:
1、本发明多节点通信方法通过粒子群算法的路径优化技术,对多节点网路中点对点信息传递路径进行优化,减少碰撞几率,提高信道利用率。
2、本发明多节点通信方法搜索的最优路径考虑了传输链路质量,保证传输的可靠性,减少重传几率;同时也考虑到路径上的节点个数,较少的中继节点能够使信息更加快速的达到目标节点,从而提高了各节点之间信息传递效率,降低了信息传输的时延。
3、本发明多节点通信方法是在已有节点接入和碰撞躲避机制下加入路径优化算法,因此并不需要修改原有传输方案,直接使用本发明方法即可确定最优传输路径。
4、本发明多节点通信方法的适应度计算公式简洁有效,相较于其他常规计算函数,具有计算量小、易于实现的优点。
附图说明
图1是本发明基于粒子群算法的多节点通信方法的流程图;
图2是发明实施例中信息传递路径优化流程图。
具体实施方式
以下结合附图和具体实施例对本发明的内容作进一步详细描述。
粒子群算法是一种仿生算法,其通过群体中粒子间的协同合作产生智能优化搜索。在多节点通信网络中,每个节点都可以看作是网络中的一个粒子,而通过节点间的信息交互,搜索到任意两节点信息传递的最佳路径。因此,本发明在已有节点接入和碰撞退避机制的多节点通信网络基础上,提供一种基于粒子群算法思想的多节点通信方法。
本发明多节点通信方法包括以下步骤:
1)初始化参数
节点设备开机,节点设备一旦处于开机状态,立刻加载预设参数,预设参数包括最优路径失效门限Tmax、链路质量权重因子c1、路径最优权重因子c2和适应度返回生存时间TIL;
最优路径失效门限Tmax:当节点完成路径搜索后,按照最优路径传递信息时,该路径适应度允许降低的最大值;
链路质量权重因子c1:路径内节点间链路质量量化均值所占比重。该取值越大,链路质量在路径搜索时越重要,本实施例中,0.5<c1<2;
路径最优权重因子c2:路径内节点个数所占比重。该取值越大,路径所经过的节点个数越重要,本实施例中,0.5<c2<2。
2)初始化节点位置
初始化网络(网络中节点数n≥3)。所有节点按照接入规则进入网络,以时分的方式依次发送包含自身位置信息的广播报文,使网络内所有节点均能够获知与自身通信的其他节点位置。每个节点根据收到的广播信息,记录其它节点位置及通信链路质量。
3)任务发布
根据实际信息传输任务,生成起始节点与目标节点,在有效信息传递过程中记录路径信息;或在网络空闲时,随机生成具有探索能力的起始节点和目标节点,用于路径搜索,尝试是否存起其他更有路径。
4)路径搜索
在信息传递过程中,起始节点随机指定其他未被指定过的已知节点(能够正常通信的其他节点)为中继节点,并发送信息,进行点对点的信息传输;被指定的中继节点接收信息后,继续指定下一级中继节点并向其发送信息;节点间依次传递,直至到达目标节点。
其中,选择下一级中继节点需遵守的原则为:
a)不能选择上级节点的同级节点为下一级中继节点,避免产生冗余路径;以图2中节点位置举例说明,假设当前任务的起始节点为节点1,目标节点为节点8,同时定义节点1与节点2的距离为单位传输距离,每个节点能够与近似单位传输距离的相邻节点通信。信息传输路径由起始节点1传递至节点2,再传递至节点5。其中,节点5的上一级节点为节点2,而节点2及节点4均可作为节点1的下一级节点,二者属于同级节点,为了避免产生冗余路线,此时节点5允许传递至节点7或节点6,但不能选择上级节点2的同级节点4为下一级中继节点。
b)为了实现所有节点的信息共享,中继节点均按照其个体最优路径自主选择下一级中继节点。
c)链路质量是评价适应度的一个重要指标,当中继节点未有到目标节点的最优路径时,应当优先选择通知质量较好的下一级节点,优先选择通信质量较好的下级节点,以提高传输可靠性。
5)返回路径适应度
目标节点收到信息后,按照原路径返回路径信息。随后起始节点根据适应度函数,计算该路径的适应度。路径中,起始节点到达目标节点传递的节点数越少,通信质量越高,则该路径的适应度越高;反之,该节点的适应度越低。路径适应度由当前速度、经过节点个数和链路质量量化值共同计算得出,适应度Fit计算公式如下:
其中,qi为两节点间链路质量量化值,i=3,…,n;m为路径经过的节点个数。
若起始节点在TIL时间内未收到目标节点返回的路径信息,则判定该路径通信失败,返回步骤4);
6)更新个体最优路径
起始节点记录当前路径及对应适应度,并与个体历史最佳路径的适应度(pbest)作比较:
若当前路径适应度高于个体历史最佳路径适应度,则更新当前路径为个体最优路径;
若当前路径适应度低于个体历史最佳路径适应度,则不更新,保持原有个体最优路径。
7)判决路径探索能力
判断起始节点是否完成对已知所有节点指定为中继节点的操作,若起始节点已经指定过所有已知节点,则暂时取消其路径搜索能力;直到某次该节点按照最优路径传递信息时,适应度变化(降低)超过最优路径失效门限Tmax时,重新赋予该节点的路径搜索能力。若起始节点仍有未指定的已知节点,则保持该节点的路径搜索能力,尝试其他路径是否更优路径;
判决完毕后(失效节点与其它节点公平竞争,随着探索的进行,保留探索能力的节点越来越少,失效的节点随机成为起始节点的几率越高),返回步骤3);直至设备需要关机或者收到停止命令,路径探索工作终止。
本发明方法对于多节点通信网络,加入点对点信息传递路径优化方法,在众多杂乱的传输路线中搜索到唯一最优路径,从而避免了低效的信道占用情况发生,提高通讯效率。
图2中,网络内含有9个节点,当前传递任务为节点1到节点8,图中标出的3条路径,是剔除掉不合理路径后,较为有效的传递路径。其中,路径1经过了4个节点,路径2经过了2个节点,路径3经过了3个节点,如果假设3条路径的通信链路质量相似,而路径2经过的节点数最少,因此路径2即为最优路径。
本发明方法在已有节点接入和碰撞躲避机制下加入路径优化算法,因此并不需要修改原有传输方案,仅需加入该方法即可使用。
以上仅是对本发明的优选实施方式进行了描述,并不将本发明的技术方案限制于此,本领域技术人员在本发明主要技术构思的基础上所作的任何变形都属于本发明所要保护的技术范畴。
Claims (3)
1.一种基于粒子群算法的多节点通信方法,其特征在于,包括以下步骤:
1)初始化参数
节点设备开机后,加载预设参数,所述预设参数包括最优路径失效门限Tmax、链路质量权重因子c1、路径最优权重因子c2和适应度返回生存时间TIL;
其中,所述链路质量权重因子c1为路径内节点间链路质量量化均值所占比重,该取值越大,链路质量在路径搜索时越重要;所述路径最优权重因子c2为路径内节点个数所占比重,该取值越大,路径所经过的节点个数越重要;
2)初始化节点位置
所有节点接入网络,并依次发送广播报文;每个节点根据收到的广播信息,记录其它节点位置及通信链路质量;其中,网络中节点数n≥3;
3)任务发布
根据实际信息传输任务,生成起始节点与目标节点;或在网络空闲时,随机生成具有探索能力的起始节点和目标节点;
4)路径搜索
起始节点随机指定其他未被指定过的已知节点为中继节点,并发送信息;被指定的中继节点接收信息后,继续指定下一级中继节点并向其发送信息;节点间依次传递,直至到达目标节点;
指定中继节点的原则为:
A)不能选择上级节点的同级节点为下一级中继节点;
B)中继节点均按照其个体最优路径自主选择下一级中继节点;
C)当中继节点没有到目标节点的最优路径时,优先选择通信质量好的下级节点;
5)返回路径适应度
目标节点收到信息后,按照原路径返回路径信息;随后起始节点根据以下适应度函数计算该路径的适应度Fit:
其中:qi为两节点间链路质量量化值,i=3,…,n;
m为路径经过的节点个数;
若起始节点在TIL时间内未收到目标节点返回的路径信息,则判定该路径通信失败,返回步骤4);
6)更新个体最优路径
起始节点记录当前路径及对应适应度,并与个体历史最佳路径的适应度作比较,若当前路径适应度高于个体历史最佳路径适应度,则更新当前路径为个体最优路径;若当前路径适应度等于或低于个体历史最佳路径适应度,则保持原有个体最优路径;
7)判决路径探索能力
判断起始节点是否完成对已知所有节点指定为中继节点的操作,若是,则暂时取消其路径搜索能力,直到某次该节点按照最优路径传递信息时适应度下降超过最优路径失效门限Tmax,重新赋予该节点的路径搜索能力;若起始节点仍有已知节点未指定为中继节点,则保持该节点的路径搜索能力,用以探索是否存在其它更优路径;
判决完毕后,返回步骤3);直至设备需要关机或者收到停止命令,路径探索工作终止。
2.根据权利要求1所述基于粒子群算法的多节点通信方法,其特征在于:步骤1)中,0.5<c1<2;0.5<c2<2。
3.根据权利要求2所述基于粒子群算法的多节点通信方法,其特征在于:步骤2)中,发送广播报文以时分的方式发送。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110482222.1A CN113347677B (zh) | 2021-04-30 | 2021-04-30 | 一种基于粒子群算法的多节点通信方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110482222.1A CN113347677B (zh) | 2021-04-30 | 2021-04-30 | 一种基于粒子群算法的多节点通信方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113347677A CN113347677A (zh) | 2021-09-03 |
CN113347677B true CN113347677B (zh) | 2023-12-08 |
Family
ID=77469324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110482222.1A Active CN113347677B (zh) | 2021-04-30 | 2021-04-30 | 一种基于粒子群算法的多节点通信方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113347677B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115086229B (zh) * | 2022-04-29 | 2023-07-11 | 珠海高凌信息科技股份有限公司 | 一种基于进化算法的sdn网络多路径计算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105430706A (zh) * | 2015-11-03 | 2016-03-23 | 国网江西省电力科学研究院 | 一种基于改进粒子群算法的无线传感网络路由优化方法 |
CN106792963A (zh) * | 2016-12-06 | 2017-05-31 | 淮阴工学院 | 一种基于粒子群优化的车联网分簇车‑车多跳路由方法 |
CN108156613A (zh) * | 2017-11-26 | 2018-06-12 | 南京邮电大学 | 一种无人机中继多跳通信***中的中继节点布设方法 |
CN108183860A (zh) * | 2018-01-19 | 2018-06-19 | 东南大学 | 基于粒子群算法的二维片上网络自适应路由方法 |
CN111065147A (zh) * | 2019-12-29 | 2020-04-24 | 高小翎 | 一种提高无线分布式传感网路由传输质量的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL256934B (en) * | 2015-07-27 | 2022-07-01 | Genghiscomm Holdings Llc | Airborne relays in cooperative multiple input and multiple output systems |
-
2021
- 2021-04-30 CN CN202110482222.1A patent/CN113347677B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105430706A (zh) * | 2015-11-03 | 2016-03-23 | 国网江西省电力科学研究院 | 一种基于改进粒子群算法的无线传感网络路由优化方法 |
CN106792963A (zh) * | 2016-12-06 | 2017-05-31 | 淮阴工学院 | 一种基于粒子群优化的车联网分簇车‑车多跳路由方法 |
CN108156613A (zh) * | 2017-11-26 | 2018-06-12 | 南京邮电大学 | 一种无人机中继多跳通信***中的中继节点布设方法 |
CN108183860A (zh) * | 2018-01-19 | 2018-06-19 | 东南大学 | 基于粒子群算法的二维片上网络自适应路由方法 |
CN111065147A (zh) * | 2019-12-29 | 2020-04-24 | 高小翎 | 一种提高无线分布式传感网路由传输质量的方法 |
Non-Patent Citations (3)
Title |
---|
An Energy aware Routing Mechanism in WSNs using PSO and GSO Algorithm;Asha G.R.;《2018 5th International Conference on Signal Processing and Integrated Networks》;全文 * |
Relay Node Deployment for Wireless Sensor Networks Based on PSO;Bao yu;《2015 IEEE International Conference on Computer and Information Technology》;全文 * |
基于支持向量机的移动无线传感器网络可靠性研究;单蓉;李涛;;工业仪表与自动化装置(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113347677A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111200856A (zh) | 一种无线传感器的多跳最优路径选择方法 | |
US20130010621A1 (en) | Control Apparatus and Control Method | |
CN110446184B (zh) | 一种多模式切换的车联网路由方法 | |
CN111385201A (zh) | 一种基于双向父节点决策的rpl路由方法 | |
Hassan et al. | Integrating African Buffalo optimization algorithm in AODV routing protocol for improving the QoS of MANET | |
CN113347677B (zh) | 一种基于粒子群算法的多节点通信方法 | |
CN114374721A (zh) | 一种面向电力物联网的电力线与无线通信融合方法及*** | |
CN108462983B (zh) | 基于改进蚁群aodv协议的多机器人通信组网方法 | |
CN108684065B (zh) | 一种车联网中基于蚁群优化的中继选择方法 | |
CN110932969B (zh) | 一种智能电网高级量测***ami网络抗干扰攻击路由算法 | |
Li et al. | A reliable and efficient forwarding strategy in vehicular named data networking | |
Wang et al. | ECCO: A novel end-to-end congestion control scheme in multi-hop cognitive radio ad hoc networks | |
CN109257830A (zh) | 基于QoS的车载网络自适应退避方法 | |
CN116528313A (zh) | 一种面向任务协同的无人机低能耗快速路由方法 | |
CN114785728A (zh) | 基于路径及节点热度的电力通信网络路由方法 | |
KR20080086112A (ko) | 이동 애드혹 네트워크의 라우팅 방법 | |
Li et al. | Research on Power Line Carrier Communication Routing Adapted to the Internet of Things | |
CN115442313B (zh) | 一种广域确定性业务流在线调度*** | |
CN113709036B (zh) | 一种基于节点历史相遇信息的Spray and Wait的路由改进方法 | |
Kaneko et al. | A greedy stable time via LEACH-based 2-hop trees in wireless sensor networks | |
Allahverdi Mamaghani et al. | An Energy-Efficient Fuzzy Logic-based Fault-Tolerant Routing Protocol for Wireless Sensor Networks | |
Sefati et al. | A novel routing protocol based on prediction of energy consumption and link stability in mobile Internet of Thing (MIoT) | |
CN115209504B (zh) | 一种基于偏好社区与耗能因素的移动社会网络路由方法 | |
CN116437493B (zh) | 海上自组网的数据退避发送方法、装置、设备及存储介质 | |
CN108650697B (zh) | 一种长距离线状无线传感网络中的数据路由方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |