一种基于蚁群算法的鲁棒优化算法
【专利摘要】本发明公开了无线传感器中一种基于蚁群算法的鲁棒优化算法。其实现步骤是:网络中节点布置完毕之后,节点根据自己地理信息计算其正向斯坦纳邻居节点区域,并将斯坦纳节点加入到自己信息表。节点间根据局部信息按照贝叶斯检测算法检测网络中的恶意攻击节点并标记为非选择中继节点。根据能量、距离、各节点安全值等信息改进蚁群算法路径概率公式。构造完树后,父节点将收集到子节点的数据与自己感知的数据聚合成一个数据包后,沿着建立的路径发送给网关SINK节点。本发明与现有技术相比,具有可扩展性强、网络生命周期长、鲁棒性强、安全性强等特点,可用于实现不同规模无线传感器网络的大数据收集与传输。
【专利说明】一种基于蚁群算法的鲁棒优化算法
【技术领域】
:
[0001]本发明涉及通信【技术领域】,尤其涉及一种基于蚁群算法的鲁棒优化算法。
【背景技术】
:
[0002]无线传感器网络主要通过将布置大量的节点在网络中,集采集信息、信号传输、数据处理于一体的综合智能信息系统,其目的是网络中的传感器节点将感知到的数据通过多跳的方式发送至基站sink节点。无线传感器节点具有自组织、低能耗、反应快、抗毁性强等特点。在现实生活中有着极其广泛的应用前景,因为其可以应用于人员难以达到的区域内,并且可以进行实时的观测,比如森林火灾、动物迁徙、战争场地来进行数据的采集并且汇报给观察者。与传统的网络路由不同的是无线传感器网络是采用低能量的电池进行供电,所以我们必须以降低能耗为首要目的,同时还要考虑传感器节点的失效攻击、计算能力、存储能力等问题,设计出一种应用型更强的路由算法。
[0003]由于传感器节点经常被置于人类无法到达的恶劣环境中去感知并且传输数据,由于节点的能耗以及外部环境、攻击的因素,节点极易失效,如果大量的节点过早的死亡势必到时网络链路、拓扑的损坏,因此使无线传感器网络在具有一定鲁棒性的前提下最大限度的延长其寿命成为热点研究问题之一。鲁棒优化是近十年来发展起来的一种处理不确定参数优化问题的重要方法,充分考虑了不确定因素对节点的影响。
[0004]蚁群算法(Ant Colony Optimizat1n, AC0)在蚂蚁的寻路的进程中,由于蚁群具有释放信息素,而且能感知信息素强度,在相同的移动速率下,选择最优的路径蚂蚁花费的时间就短,重复的频率较高,单位时间内通过此条路径上的蚂蚁数目就会增加,并且留在路径的信息素随着蚂蚁数量的增加就会增加。最终使得较短的路径上面具有更好的信息素,这样便使得更多的蚂蚁聚集到这条路径上来,单个蚂蚁的行为是混沌的,但是蚁群的整体行为是智能的,正是利用这种蚁群智能方式,通过信息素的反馈机制实现了蚂蚁从巢穴到食物源的最短路径。
[0005]目前大部分路由方法在具有较强的鲁棒性,并且可以有效地延长网络生命周期。但是这些方法仍然存在以下一些缺点:
[0006]I)有些算法难于进行分布式实现,并且在考虑数据聚合时,数据在路径交叉节点进行聚合,由于传感器节点独立选择数据回传路径,路径交叉点是随机形成的,不能够实现数据的有效聚合。
[0007]2)路径选择时可能导致局部信息量过大,并且产生回路,使得局部节点能量消耗过快,严重影响网络的连通性。
[0008]3)在网络受到攻击时由于网络抗毁性较弱数据容易丢失。
[0009]以上这些缺陷限制了无线传感器网络的性能,导致能耗增加,生命周期缩短和网络延迟增大,安全性能降低。影响无线传感器网络应用性能。
【发明内容】
:
[0010]为解决上述问题,本发明提供了一种技术方案:一种基于蚁群算法的鲁棒优化算法,包括以下步骤:
[0011](I)在面积为S = LXL的平面区域内,随机抛撒N个同构的无线传感器节点,其中并将网关节点SINK布置在网络中心,其坐标为(0,0),该网关节点SINK用于接收并处理整个无线传感器网络收集的数据。
[0012](2)定义斯坦纳最小树,斯坦纳最小树包括斯坦纳节点,所述斯坦纳节点中子节点可以连接的其他节点。
[0013](3)对网络中的恶意攻击节点进行检测。
[0014](4)根据步骤(2)-(3)并考虑能量Eij、传输距离Clij、信道安全BijA值等综合因素更新蚁群算法公式。
[0015](5)按照步骤(3)-(4)建立好熟的路径之后进行数据传输,树中子节点将其收集到的数据传送给父节点,父节点对其收集到的数据以及子节点发送到的数据进行聚合操作,然后将汇聚到的数据传送给自己父节点直至Sink节点。
[0016](6)运行一段周期后按照步骤(3)-(5)进行树的自适应维护更新,继续进行数据的传送。
[0017](7)重复步骤(3)-(6)直至无线传感器网络中出现一定比例的节点能量耗尽,网络生命周期结束。
[0018]作为优选,步骤⑵中的斯坦纳最小树在欧式平面上,每颗斯坦纳最小树T都满足以下三个性质:
[0019]A.任意两条相邻边形成的夹角至少为120° ;
[0020]B.每个顶点的度数最多是3 ;
[0021]C.每个斯坦纳点的度数恰为3,而且两条相邻边之间的夹角恰为120°。
[0022]作为优选,步骤(2)中所述斯坦纳节点采用减小邻居数量k值方法,减小算法计算量。
[0023]作为优选,步骤(3)中所述的而恶意攻击节点为节点Vi的投票值与本身的贝叶斯投票均值WR(Vi)的差值超过一定的阈值,即:
[0024]IWR (Vi) -v^voting | >Threshold。
[0025]作为优选,步骤⑷中所述更新蚁群算法公式采取的方法为:将蚁群算法蚂蚁寻路概率公式:
【权利要求】
1.一种基于蚁群算法的鲁棒优化算法,其特征在于:包括以下步骤: (1)在面积为s= LXL的平面区域内,随机抛撒N个同构的无线传感器节点,其中并将网关节点SINK布置在网络中心,其坐标为(0,0),该网关节点SINK用于接收并处理整个无线传感器网络收集的数据; (2)定义斯坦纳最小树,斯坦纳最小树包括斯坦纳节点,所述斯坦纳节点中子节点可以连接的其他节点; (3)对网络中的恶意攻击节点进行检测; (4)根据步骤(2)-(3)并考虑能量Eij、传输距离Clij、信道安全BijA值等综合因素更新蚁群算法公式; (5)按照步骤(3)-(4)建立好熟的路径之后进行数据传输,树中子节点将其收集到的数据传送给父节点,父节点对其收集到的数据以及子节点发送到的数据进行聚合操作,然后将汇聚到的数据传送给自己父节点直至Sink节点; (6)运行一段周期后按照步骤(3)-(5)进行树的自适应维护更新,继续进行数据的传送; (7)重复步骤(3)-(6)直至无线传感器网络中出现一定比例的节点能量耗尽,网络生命周期结束。
2.根据权利要求1所述一种基于蚁群算法的鲁棒优化算法,其特征在于:步骤(2)中所述的斯坦纳最小树在欧式平面上,每颗斯坦纳最小树T都满足以下三个性质: A.任意两条相邻边形成的夹角至少为120°; B.每个顶点的度数最多是3; C.每个斯坦纳点的度数恰为3,而且两条相邻边之间的夹角恰为120°。
3.根据权利要求1所述一种基于蚁群算法的鲁棒优化算法,其特征在于:步骤(2)中所述斯坦纳节点采用减小邻居数量k值方法,减小算法计算量。
4.根据权利要求1所述一种基于蚁群算法的鲁棒优化算法,其特征在于:步骤(3)中所述的而恶意攻击节点为节点Vi的投票值与本身的贝叶斯投票均值WR(Vi)的差值超过一定的阈值,即:WR(Vi)-v^voting >Threshold。
5.根据权利要求1所述一种基于蚁群算法的鲁棒优化算法,其特征在于:步骤(4)中所述更新蚁群算法公式采取的方法为:将蚁群算法蚂蚁
寻路概率公式:
中的Hij改进为:
6.根据权利要求1所述一种基于蚁群算法的鲁棒优化算法,其特征在于:步骤(5)所述的父节点将收集到的数据与自己感知的数据进行数据聚合,是父节点将自己感知的数据和子节点发送来的数据合并成一个数据包。
【文档编号】G06N3/12GK104185237SQ201410377590
【公开日】2014年12月3日 申请日期:2014年8月4日 优先权日:2014年8月4日
【发明者】张朝辉, 刘三阳, 杨艳琦 申请人:西安电子科技大学