基于蚁群优化的zigbee路由算法研究论文

《基于蚁群优化的zigbee路由算法研究论文 》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、基于蚁群优化的zigbee路由算法研究毕业论文目录摘要IAbstractII目录III第1章绪论11.1课题研究的目的和意义11.2课题国内外研究的意义11.2.1国内蚁群算法应用现状11.2.2国外蚁群算法研究现状21.3课题研究内容31.4本章小结4第2章无线网络蚁群算法路由技术52.1蚁群算法简介52.1.1蚁群算法基本概念52.1.2蚁群算法特点62.1.3蚁群算法基本数学模型62.2蚁群算法的实现82.3蚁群算法迭代过程102.4无线网络蚁群算法路由技术分析112.4.1简单相关路径Zigbee路由算法概述112.4.2路由维护与信息

2、素更改112.4.3基于蚁群算法的Zigbee路由研究与改进122.5蚁群算法中信息素的更新原则122.6本章小结12第3章无线网络蚁群优化算法路由技术133.1蚁群优化算法基本原理133.1.1蚁群优化算法基本概念133.1.2蚁群优化算法数学模型133.1.3蚁群优化算法的值与点的收敛143.2蚁群优化算法在路由中的应用143.3蚁群算法中参数的最优选择153.3.1蚁群信息素挥发度的选择153.3.2蚁群数量的选择163.3.3启发因子的选择183.3.4总信息量的选择183.4本章小结19第4章实验分析与结果仿真204.1蚁群路由定义2

3、04.1.1蚁群优化网络算法流程204.1.2路由发现204.1.3路由选择214.1.4路由维护22II4.2蚁群路由实现与结果仿真224.3本章小结26第5章课题研究中的难点及解决方法275.1有关蚂蚁构建过程与难点分析275.2基于遗传算法的Zigbee路由研究与改进285.3课题的可行性评估295.4本章小结30结论31致谢32参考文献33附录A34附录B35附录C36II第1章绪论无线通信技术的迅速发展，使得人们对移动通信的需求越来越强烈，人们通过配有无线接口的便携式计算机或个人数字助理(PDA)来实现移动中的通信，目前的移动通信往往

4、需要有固定基础设施的支持才能实现，例如全球通信系统(GSM)。但是当遇到医疗抢险、抗洪救灾以及军事战场等特殊紧急环境的时候，传统的无线网络就不可用了。为了能够在没有固定基础设施的地方进行通信，一种被称作Adhoc(MobileAdHocNetworks)网络的技术应运而生。移动AdHoc网络是一种新的移动无线网络系统，它不需任何固定基站设施，节点之间的通信可借助于其他的移动节点形成多跳通信完成。由于该网络组网快速、灵活，抗毁性强，使用方便而且应用范围广泛，因此是当前网络和通信技术领域的研究热点之一。从研究内容看，AdHoc的网络层协议是研究的难

5、点和重点，而Zigbee路由算法又是网络层协议的核心技术问题。1.1课题研究的目的和意义随着网络的普及，人们对网络的需求越来越丰富，对网络技术的要求也越来越高。开始只是简单的文字传输，而现在人们对视频、音频等多样化实时传输有了更多的需求。本课题研究基于蚁群优化zigbee路由算法，采用该算法提高网络的确定性服务质量，提高网络路由节点的平均寿命，寻求网络中任一俩个节点的最优路径，提高数据包成功发送速度，同时平衡网络带宽、时延节省费用，并对他们进行限制，保证在网络出现过载拥堵情况时，重要数据不受延迟或丢弃。蚁群算法显示出它在无线传感网络路由方面的优

6、势。无线传感器网络路由设计的指标之一就是尽可能的节省能量，延长网络寿命。这给传感器网络路由协议的设计提出了巨大挑战。将蚁群算法应用于路由协议的设计中，利用蚁群算法的网络分布式、个体简单而群体智能表现出优化等特点很好的均衡了网络负载，延长了网络寿命。近年来引起了中外研究人员的广泛关注，并且已逐渐成为当前无线传感器网络路由设计研究领域的热点。随着各种智能算法的相继出现。越来越多的学者将它们应用于无线传感器网络路由协议的研究中，而蚂蚁寻找食物的行为与网络中节点寻找路由的过程十分相似，因此基于蚁群算法的传感器网路由协议得到了大量的关注。1.2课题国内外

7、研究的意义蚁群算法是一种仿生智能算法，它从现实生活中蚂蚁寻食的过程得到启发，采用概率选择机制控制路径的走向，同时也加入了随着时间的延长，信息素挥发的因子。众多的研究证明，蚁群算法具有很强的发现较好解的能力，该算法不仅利用了正反馈原理，在一定程度上加快了进化过程，而且在本质上也可并行实现，不同个体之间通过不断的信息交流和传递，能够相互协作，有利于发现较好解。蚁群算法可以理解为一种特殊的强化学习算法。1.2.1国内蚁群算法应用现状随着群智能理论和应用算法研究的不断发展，蚁群算法在离散求解空间问题中表现出良好的搜索效果。蚁群优化算法并不是旅行商问题的

8、最佳解决方法，但是它却为解决组合优化问题提供了新思路，并很快被应用到其它组合优化问题中。比较典型的应用研究包括：网络路由优化、数据挖掘以及一些经典的组