周一至周日 8:00-22:30(免远程费):
学术咨询:400-888-7501 订阅咨询:400-888-7502
征稿授权 运营授权
当时方位:中文期刊网 > 论文资料 > 社会科学 > 网络工程论文 > 正文
网络工程论文( 共有论文资料 42 篇 )
引荐期刊
抢手杂志
m88 188bet uedbet 威廉希尔 明升 bwin 明升88 bodog bwin 明升m88.com 18luck 188bet unibet unibet Ladbrokes Ladbrokes casino m88明升 明升 明升 m88.com 188bet m88 明陞 uedbet赫塔菲官网 365bet官网 m88 help

浅析蚁群无线网络路由算法

2013-04-27 16:41 来历:网络工程论文 人参加在线咨询

这儿针对WRSN提出了一种并发蚁群算法,完成网络资源的均衡优化及路由的鲁棒性。多同质蚁群间信息素招引因子与排挤因子规划在一个多蚁群算法模型中,信息素的招引因子与排挤因子为不同蚁群间数据信息沟通的阈值,直接影响模型核算功能。这儿提出一种特定的招引因子与排挤因子界说。设Aki表明种群k中第i只蚂蚁署理,同种群内的蚂蚁均开释同一种类型的信息素,不同种群开释的信息素类型不同。则αkij为种群k的蚂蚁当时坐落传感器节点i,在其邻域Πi内挑选下一个节点j的k类型信息素的招引因子,则αkij=τkij/∑h?Πiτkkh。(1)式中,τij为边(i,j)上的第k种信息素浓度。βkij为种群k的蚂蚁当时坐落传感器节点i,在其邻域Πi内挑选下一个节点j的k类型信息素的排挤因子,则βkij=∑h≠kτhij/∑h?Πiτkih。(2)式中,τij为边(i,j)上的第k种信息素浓度。当坐落节点i的蚂蚁在其邻域Πi内依据概率搬运规矩挑选下一个传感器节点i时,该蚂蚁会以更高的概率挑选具有较高自己类型信息素浓度的途径。

多同质蚁群间概率搬运规矩在蚁群核算模型中,种群中蚂蚁挑选下一步路由的搬运概率规矩也是算法模型的重要组成部分。这儿选用的规矩为:种群S中坐落传感器节点i的蚂蚁挑选下一节点j进行路由时的搬运概率表达式为:Psij(k)=[τsij(t)]ε•αkij/βkij×[ηij(t)]β∑h?tabuk[τsih(t)]ε•αkij/βkij×[ηih(t)]β,j?tabuk0,,{其他。(3)式中,τsij为t时刻在边(i,j)上的s类信息素的浓度。每个节点保护一张信息素表,记载邻边上信息素的浓度;ε>0为调整因子,用以调理信息素信息的影响权重;启示函数ηij归纳考虑单跳推迟、节点负载及接入功率等QoS路由衡量参数,则ηij=ξj/Lj×Dij,ξj为下一跳传感器节点j的带宽接入功率,Lj为节点j的负载,Dij表明节点i到节点j的单跳推迟。

蚂蚁的信息素更新战略在蚁群进行路由查找时,前向蚂蚁的信息素更新战略也是重要的规划要素。因为无线网络的结构不确定性,因而在规划更新战略时,需考虑部分网络状况与大局网络状况,提出不同的更新战略。种群中的前向蚂蚁依据本种群的信息素搬运到下一个节点后,部分更新该种群的信息素。部分更新规矩为:τkij(t+1)=(1-ρ)τkij(t)+ρΔτkij。(4)式中,ρ为信息素蒸发后的残留因子。在蚂蚁经过的途径上选用蚁密模型的更新形式,即前向蚂蚁在经过的途径(i,j)上开释的信息素量为每单位长度Q,Δτkij(t,t+1)=Q,k∈(i,j)0,{其他。(5)式中,Q为一常数。当时向蚂蚁抵达意图节点后,将收集到的从源节点到意图节点的途径信息记载下来,并经过测验音讯搬运给后向蚂蚁,本身将被删去。逆向蚂蚁更新的规矩为:τkij(t+n)=(1-ρ)τkij(t)+ρQRs。(6)式中,R为种群S中的蚂蚁k在一次循环完毕后途径上的网络资源耗费值。

多蚁群并行路由优化算法流程归纳上述剖析,规划多蚁群并行路由优化算法流程如下:①挑选子会聚节点。从接近基站的传感器节点中挑选子会聚节点,由所需的子会聚节点数和各个传感器节点已成为子会聚节点的次数来决议。②多蚁群算法初始化。算法将从源节点动身代表网络流量的蚂蚁划分红k个子群,为每个子群分配一个相应的子会聚节点作为意图节点。将网络中的蚂蚁分为前向蚂蚁和后向蚂蚁并初始化蚂蚁的忌讳表,后向蚂蚁在回来源节点的过程中对途径进行大局更新。③多蚁群并行优化核算。并行核算各蚁群的信息素招引因子、排挤因子、蚁群概率搬运规矩与信息素更新战略,并改写当时蚁群的配备参数,当后向蚂蚁回来到源节点后出动第2批蚂蚁,直至到达算法较大迭代次数NCmax时跳出循环。完毕时,每个种群可以得到一条优化途径,多个种群可得多个途径。④依据无线网络的目标来对蚁群所得的路由进行比较,如未符合实际工程需求则回来过程②再次进行蚁群初始化与核算,直至找到适宜的路由成果。2仿真试验下面在Matlab2010b上对规划的根据多蚁群算法的负载感知和高效接入跨层路由协议进行试验。感知区域为(0,0)到(1000,1000)的平面正方形监测区域,随机分布M=50个被控电源节点,仿真时刻为T=1000s。考虑到传感器网络节点的现实状况,将节点较大传输间隔设为L=100m,操控数据帧均匀巨细为Sframe=512B,系统缓冲区行列长度为Lframe=100数据包的长度,MAC层选用IEEE802.11协议。多蚁群算法的迭代次数NCmax固定为$200$代,会聚节点个数或种群个数k=3。其他参数取值选用经历的办法设置为:每个种群中的蚂蚁个数m=100,ε=0.85,α=3,β=2,ρ=0.2,Q=100。运转经典蚁群算法和本文优化蚁群算法对无线电源监控网络路由进行核算,取n=10次试验成果的均匀值进行比较。用本文算法和经典算法对重负荷无线电源监控网络进行路由优化时,较优途径上数据包从源节点到意图节点所需均匀传输时延巨细比较如图1所示。从仿真成果可见,当网络到达稳守时,经典算法的数据包推迟比多种群蚁群算法要大,到达安稳状况需求较长的时刻且动摇大,因而本文选用改善的多种群蚁群算法在进行无线电源监控网络路由跨层优化时,具有传输时延小、收敛速度快且传输较为安稳等显着优势。

完毕语

上述选用一种智能优化的多蚁群算法对WRSN进行跨层路由优化。仿真试验证明,该算法得出的较优传输途径可以满意无线电源监控网络的实时性、可靠性及负载平衡等方面的要求,确保了无线电源监控网络的服务质量。该技能适用于物联网环境,为其他有线网络系统转向物联网系统供给了有利的探求实践经历。

本文作者:姜福祥 钱建波 于正永 单位:淮安信息工作技能学院

在线咨询
引荐期刊阅览悉数
.