基于粒子群-蚁群算法的无线传感网络路由协议研究

《基于粒子群-蚁群算法的无线传感网络路由协议研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学号：S15040482基于粒子群-蚁群算法的无线传感硕士学位论文网络路由协议研究基于粒子群-蚁群算法的无线传感网络路由协议研究田思琪研究生姓名：田思琪学科、专业：信息与通信工程二○一八年六月分类号：TP393密级：可公开UDC：621.39编号：基于粒子群-蚁群算法的无线传感网络路由协议研究Researchonroutingprotocolofwirelesssensornetworkbasedonparticleswarmoptimizationandantcolonyalgorithm学位授

2、予单位及代码：长春理工大学（10186）学科专业名称及代码：信息与通信工程（0810）研究方向：无线通信技术申请学位级别：学术硕士指导教师：郎百和副教授研究生：田思琪论文起止时间：2016.10-2018.4摘要无线传感网络(WirelessSensorNetworks，WSN)生存周期决定于节点能量消耗速度，如何提高节点的能量利用率成为WSN研究的关键技术之一。在节点能量活动中，路由协议的能量消耗所占比重较大。针对现有分簇路由算法存在的竞选簇头能量消耗不均衡、负载过重，进而缩短网络生存周期的问题

3、，分别提出混沌-量子粒子群、双粒子群-蚁群两种分簇路由算法：（1）针对粒子群分簇路由优化算法存在的收敛速度慢、易陷入局部最优等问题，提出一种混沌-量子粒子群的双粒子群分簇路由算法。该算法利用簇头的能量、簇头与基站的距离、与簇内成员节点的距离构造出最优簇头的代价函数，主粒子群利用混沌粒子群寻优，辅粒子群利用量子粒子群寻优，并加入量子波动理论，使算法具备更好的全局收敛性。双粒子群采用收敛速度快的凹函数递减策略优化权重。仿真结果表明该算法能够均衡WSN节点的能量消耗，显著延长网络生命周期，与LEACH协

4、议、PSO-C协议相比生命周期分别延长了80.1%和41.4%。（2）针对簇头与基站的单跳模式，提出基于优化的双粒子群-蚁群的分簇路由算法，在改进的混沌-量子粒子群分簇路由算法基础之上，对簇头到基站的传输路径进行优化。由于簇头采集的信息最终传输至基站，对传统的TSP模型作出了重新的定义，将基站作为终点，距离基站最近的簇头作为出发点，选出一条基于全局簇头的最优路径，并引入节点能量、基站距离两大因素对启发函数进行改进，使蚁群拜访的下一簇头具有足够的能量来参与转发任务，仿真结果表明，TSPSO-ACO算

5、法大大缩减了簇头因单跳到基站而损耗的能量，与LEACH协议、PSO-C协议、EBUCP协议相比生命周期分别延长了150%、44.5%以及5.7%。关键词：无线传感网络；分簇路由算法；粒子群算法；蚁群算法IAbstractThelifetimeofwirelesssensornetworksisdeterminedbytheenergyconsumptionrateofnodes.Howtoimprovetheenergyutilizationofnodeshasbecomeoneofthekeyt

6、echnologiesofWSN’sresearch.Intheenergyactivityofnodes,theenergyconsumptionofroutingprotocolsislarger.Aimingattheproblemoftheexistingclusterbasedroutingalgorithm,suchastheunbalancedenergyconsumptionandoverloadoftheclusterheads,andshorteningthelifecycle

7、ofthenetwork,weproposetwoclusteringroutingalgorithms:Anewclusteringroutingalgorithmbasedonchaotic-quantumTSPSO(Two-SwarmParticleSwarmOptimization);clusteringroutingalgorithmbasedonTSPSO-ACO(TSPSOandAntcolonyalgorithm).（1）Inordertosolvetheproblemsoflow

8、convergencespeedandsensitivitytolocalconvergenceforparticleswarmoptimizationclusteringroutingalgorithm.Anewclusteringroutingalgorithmbasedonchaotic-quantumTSPSO（Two-SwarmParticleSwarmOptimization)algorithmisproposed.Thecostfunctionoftheoptimal