基于改进量子行为粒子群优化的无线传感器网络QoS路由算法-论文.pdf

《基于改进量子行为粒子群优化的无线传感器网络QoS路由算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第41卷第7期计算机科学Vo1．41No．72014年7月ComputerScienceJuly2014基于改进量子行为粒子群优化的无线传感器网络QoS路由算法潘果徐雨明(湖南大学信息科学与工程学院长沙410082)摘要为了进一步减少无线传感器网络的能量损耗和延迟时间并且有效延长节点生存时间，提出一种改进的量子行为粒子群(quantumbasedparticleswarmoptimization，QPS0)优化算法，并将其用于解决无线传感器网络的QoS组播路由问题。该算法采用适应度函数和全局最好位置的更新方法来寻找无线传感器网络中满足阈值限制下的最优路由

2、。实验仿真和对比情况表明，该算法在节省能量损耗、控制延迟时间和延长网络节点的生存时间上取得了较好的效果。关键词无线传感器网络，QoS路由改进QPSO，适应度函数中图法分类号TP393文献标识码ADOI10．11896／j．issn．1002—137X．2014．07．040WirelessSensorNetworksQoSRoutingAlgorithmBasedonImprovedQuantum-behavedParticleSwarmOptimizationPANGuoXUYu-ming(CollegeofInformationScienceandE

3、ngineering，HunanUniversity，Changsha410082，China)AbstractForfurtherreducingenergyconsumptionanddelaytimeandprolongingthesurvivaltimeofnodeinwirelesssensornetworks，animprovedQuantum-behavedParticleSwarmOptimizationalgorithmwasproposed，whichisappliedtoQoSmuhieastroutingprobleminwire

4、lesssensornetworks．Thealgorithmfindstheoptimalroutingwhichmeetsthethresholdlimitbyusingthefitnessfunctionandglobalbestpositionupdatemethodinwirelesssensornetworks．Thecomparisonofsimulationexperimentshowsthatthisalgorithmachievesgoodresultsinsavingenergyconsumption，con—trollingdel

5、aytimeandprolongingthesurvivaltimeofthenetworknode．KeywordsWirelesssensornetworks，QoSroutingimprovedQPSO，Fitnessfunction随着无线传感器网络在工业、农业、军工等行业的广泛应此在对PSO算法性能进行改进方面，学术界开展了较多的研用，有关无线传感器网络的服务质量(QualityofService，究工作。基于粒子群算法(PSO)无法保证全局收敛等问QoS)问题也越来越受到国内外学者的关注。通过OoS路由题[7]，SunJun等人_8-9_利用

6、量子力学中的相关理论，提出了协议，可以改善无线传感器网络的能量利用效率，提高数据传基于势阱模型的量子行为粒子群优化算法(QDPSO)并对其输的可靠性，延长网络的生命周期等_1]。MohammadJava加以完善，针对该算法的波函数特征长度等重要参数，通过基Rostami[2J等人提出一种最大共享风险链路组(SRLG)的分离于全局水平的一种波函数参数控制方法，设计出一种新的粒路由算法，算法基于蚁群优化的方法，搜索SRLG中源节点到子群算法：量子行为粒子群优化算法(QPSO)。QPSO算法作目的节点之间平均带宽最大、能量消耗最小的链路，从而提高为一种随机优化

7、算法，在搜索能力、收敛速度以及解的精度等网络的生命周期。岳林等人[3]提出一种无线传感器网络机会方面都体现了较好的性能，目前也有许多针对该算法的优化路由，该路由可以实现能量平衡并提供QoS保障，通过无线研究，例如对群体多样性信息进行改良的研究、在控制参数选传感器节点的机会转发特征来建立优化模型，并通过多目标取上的优化方案等。QPSO多年来也被广泛应用于多个领粒子群自适应转发的方法来提高能量效率，有效延长网络的域，例如函数优化、系统辨识、生物信息、图像处理、电力系统、生命周期。机器人轨迹跟踪等。粒子群算法(PSO，ParticleSwarmOptimiza

8、tion)的思路基于量子行为粒子群算法(QPSO)在函数优化问题上的来源于对鸟类