基于粒子群優(yōu)化的能量均衡的節(jié)點休眠方法
【專利摘要】本發(fā)明公開一種基于粒子群優(yōu)化的能量均衡的節(jié)點休眠方法，首先將節(jié)點剩余能量，節(jié)點到其簇頭節(jié)點的距離以及節(jié)點鄰居節(jié)點集的數(shù)量作為計算節(jié)點休眠概率的重要參數(shù)；另外提出了新的節(jié)點冗余度的計算方法，并把節(jié)點剩余能量，網(wǎng)絡覆蓋率以及節(jié)點的冗余度作為適應值函數(shù)的參數(shù)來判定節(jié)點是否休眠。本發(fā)明可以有效的節(jié)約節(jié)點能量，延長網(wǎng)絡生存時間。
【專利說明】
基于粒子群優(yōu)化的能量均衡的節(jié)點休眠方法
技術領域
[0001] 本發(fā)明涉及水下無線傳感器網(wǎng)絡技術領域，特別涉及基于粒子群優(yōu)化的能量均衡 的節(jié)點休眠方法。
【背景技術】
[0002] 近年來，隨著技術的擴展，海洋環(huán)境的探索一直是一個先行者的研究重點。海洋環(huán) 境監(jiān)測包括污染檢測、海洋數(shù)據(jù)采集、海洋漁場監(jiān)測、珊瑚礁監(jiān)測和海洋監(jiān)測等各種應用。 總所周知，無線傳感器網(wǎng)絡具有無人操作，實時監(jiān)測性，布置簡單以及耗費少等優(yōu)點，可以 替代傳統(tǒng)的監(jiān)測方法。特別是專門應用于水底的水底無線傳感器網(wǎng)絡。雖然使用水下無線 傳感器網(wǎng)絡可以替代傳統(tǒng)監(jiān)測方法，但是水下無線傳感器網(wǎng)絡中還有很多問題還面臨著巨 大的挑戰(zhàn)，例如，如何解決節(jié)點能量消耗過大。盡管如此，目前水下無線傳感器網(wǎng)絡還是具 有很多功能，多層可擴展的數(shù)據(jù)管理方法，功率感知和自適應協(xié)議，能量收集模塊，通過GPS 來定位節(jié)點位置和可重構的網(wǎng)絡結構等。
[0003] 另外，在無線傳感器網(wǎng)絡的實際應用中，為了確保節(jié)點收集信息的全面性，節(jié)點的 投放通常比較密集，如此就導致了部分節(jié)點的覆蓋區(qū)域出現(xiàn)重疊，浪費節(jié)點電池的能量。為 解決這個問題，研究者們提出節(jié)點休眠機制，將節(jié)點分為活躍、空閑和休眠三種狀態(tài):活躍 狀態(tài)下的節(jié)點采集、處理、存儲、收發(fā)信息，能量消耗最大，空閑狀態(tài)下的節(jié)點不處理信息， 但需要采集信息，能量消耗減少，而休眠狀態(tài)的節(jié)點陷入睡眠狀態(tài)，大部分電路被切斷，只 保留喚醒電路，幾乎不參與工作，能量消耗最少。休眠機制能較好的節(jié)省電池能量，延長節(jié) 點生命周期。

【發(fā)明內(nèi)容】

[0004] 鑒于上述現(xiàn)有技術的不足之處，本發(fā)明提出一種基于粒子群優(yōu)化的能量均衡的節(jié) 點休眠方法，將節(jié)點剩余能量，節(jié)點到其簇頭節(jié)點的距離以及節(jié)點鄰居節(jié)點集的數(shù)量作為 計算節(jié)點休眠概率的重要參數(shù)；另外提出了新的節(jié)點冗余度的計算方法，并把節(jié)點剩余能 量、網(wǎng)絡覆蓋率以及節(jié)點冗余度作為適應值函數(shù)的參數(shù)來判定節(jié)點是否休眠。
[0005] 基于粒子群優(yōu)化的能量均衡的節(jié)點休眠方法，其特征在于，包括以下步驟：
[0006] 步驟1:粒子初始化，包括計算節(jié)點休眠概率、粒子慣性權重w、粒子加速因子和 ψ.2?
[0007] 步驟2:對每個粒子做如下操作：
[0008] 1)更新粒子位置矢量Xid;
[0009] 2)計算粒子的適應值；
[0010] 3)更新粒子最優(yōu)解pbestid和群體最優(yōu)解gbestid;
[0011] 步驟3:更新粒子慣性權重w、粒子加速因子料和界。
[0012] 步驟4:判斷如果迭代次數(shù)小于最大迭代次數(shù)，或者粒子最優(yōu)解pbestld不等于群體 最優(yōu)解gbest ld，則返回步驟2;否則執(zhí)行步驟5。
[0013]步驟5:得到最優(yōu)解即適合休眠的節(jié)點。
[0014]所述節(jié)點休眠率的計算過程為:假設粒子的維度即為簇群內(nèi)節(jié)點的個數(shù)，每個維 度在范圍[0…1 ]中隨機初始化，如果粒子的初始化維度大于當時簇群內(nèi)節(jié)點的休眠概率， 粒子維度被置為1，同時與粒子相對應的節(jié)點狀態(tài)置為空閑；反之，粒子的維度被置為〇,與 其對應的節(jié)點狀態(tài)置為休眠，其中簇群內(nèi)節(jié)點i的休眠概率為
[0015]
[0016] 式中λ，μ及ω是常數(shù)，同時滿足λ+μ+ ω =1，Einit表示節(jié)點的初始能量，Eres表示節(jié) 點當前剩余能量，Di,cdUSte：r表示節(jié)點i到其所屬簇群的簇頭節(jié)點的距離，Nn表示節(jié)點i的鄰居 節(jié)點的集合;當節(jié)點剩余能量越小，到簇頭節(jié)點距離越大，鄰居節(jié)點集數(shù)量越多節(jié)點休眠的 概率越大。
[0017] 所述粒子的適應值f的計算過程為：
[0018]
i^Nr
[0019] 式中，β，ε以及Φ是常數(shù)，同時滿足β+ε+Φ=1，分別表示網(wǎng)絡所有空閑節(jié)點剩余能 量、網(wǎng)絡覆蓋率和節(jié)點冗余度的權重，N f表示簇群內(nèi)空閑的節(jié)點，Einit(i)表示節(jié)點i的初 始能量，Ere3S (i)是指節(jié)點i當前剩余能量，CR是網(wǎng)絡覆蓋率，RE (i)是節(jié)點i的冗余度；網(wǎng)絡剩 余能量越小，函數(shù)值越大，同時，較大的網(wǎng)絡覆蓋率和較小的節(jié)點冗余度也會使函數(shù)值較 大。
[0020] 所述網(wǎng)絡覆蓋率為網(wǎng)絡中所有空閑狀態(tài)節(jié)點的有效覆蓋面積與網(wǎng)絡總面積的比 值：
[0021]
[0022] 其中Si為節(jié)點i的感知面積，網(wǎng)絡中所有空閑狀態(tài)節(jié)點的有效覆蓋面積即為所有 空閑狀態(tài)節(jié)點覆蓋面積的并集，S_a為網(wǎng)絡的總面積。
[0023] 所述節(jié)點冗余度RE(i)為節(jié)點的所有鄰居與該節(jié)點感知區(qū)域重合部分與節(jié)點感知 區(qū)域比值V cover 的和，
[0024]
[0025] 本發(fā)明通過使用特定的公式通過粒子群優(yōu)化算法對船底的每個節(jié)點進行計算，從 而判定哪些節(jié)點進入休眠狀態(tài)。同時，提出了新的節(jié)點休眠概率計算公式，將節(jié)點剩余能 量、節(jié)點到其簇頭節(jié)點的距離以及節(jié)點鄰居節(jié)點集的數(shù)量作為計算節(jié)點休眠概率的重要參 數(shù);另外還提出了新的節(jié)點冗余度的計算方法，且把節(jié)點剩余能量、網(wǎng)絡覆蓋率以及節(jié)點冗 余度作為參數(shù)來判定節(jié)點是否休眠。在節(jié)約節(jié)點能量，延長網(wǎng)絡生存時間等方面有著良好 的性能。
【附圖說明】
[0026] 圖1為基于粒子群優(yōu)化的能量均衡節(jié)點休眠方法的節(jié)點間區(qū)域覆蓋示意圖；
[0027] 圖2為基于粒子群優(yōu)化的能量均衡節(jié)點休眠方法的流程圖。
【具體實施方式】
[0028] 為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對 本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0029] 為了更好的完成應用于船底的基于粒子群優(yōu)化算法的休眠方法的研究，這里只考 慮一個簇群內(nèi)節(jié)點的休眠機制，即網(wǎng)絡區(qū)域為一個簇群，且節(jié)點的感知范圍半徑相同，因節(jié) 點隨機分布在船底，固其網(wǎng)絡區(qū)域為曲面，節(jié)點的感知范圍不再是傳統(tǒng)的圓而是球。同時， 我們假設簇群內(nèi)有N個節(jié)點，其中Nf為空閑狀態(tài)的節(jié)點，Ns為睡眠狀態(tài)的節(jié)點，簇頭節(jié)點已 選舉完畢且不參與休眠機制，節(jié)點的感知范圍都是以R為半徑的球。
[0030] 參照圖1(a)~圖1(d)和圖2,基于粒子群優(yōu)化的能量均衡的節(jié)點休眠方法，包括以 下步驟：
[0031] 步驟1:粒子初始化，包括計算節(jié)點休眠概率，粒子慣性權重w，粒子加速因子衡和 ψ:2，ι
[0032] 步驟2:對每個粒子做如下操作：
[0033] 1)更新粒子位置矢量Xid〇
[0034] 2)計算粒子的適應值。
[0035] 3)更新粒子最優(yōu)解pbestid和群體最優(yōu)解gbestid。
[0036] 步驟3:更新粒子慣性權重w，粒子加速因子妁和
[0037] 步驟4:如果迭代次數(shù)小于最大迭代次數(shù)，或者粒子最優(yōu)解pbestid不等于群體最 優(yōu)解gbestid，返回步驟2,否則執(zhí)行步驟5。
[0038] 步驟5:得到最優(yōu)解即適合休眠的節(jié)點。
[0039]步驟1中節(jié)點休眠概率的計算:為最大化的減少研究的工作量，假設休眠機制只應 用于一個簇群，因此粒子的維度即為簇群內(nèi)節(jié)點的個數(shù)，每個維度在范圍[0…1]中隨機初 始化。如果粒子的初始化維度大于當前簇群內(nèi)節(jié)點的休眠概率，粒子維度被置為1，同時與 粒子相對應的節(jié)點狀態(tài)置為空閑；反之，粒子的維度被置為0,與其對應的節(jié)點狀態(tài)置為休 目民。簇群內(nèi)節(jié)點i的休眠概率定義如下：
[0040]
(1)
[0041] 其中λ，μ以及ω，是常數(shù)，同時滿足λ+μ+ω =l，Einit表示節(jié)點的初始能量，Eres是指 節(jié)點當前剩余能量，Dyr表示節(jié)點i到其所屬簇群的簇頭節(jié)點的距離，仏是指節(jié)點i的鄰 居節(jié)點的集合。節(jié)點的休眠概率是基于節(jié)點剩余能量，節(jié)點到其簇頭節(jié)點的距離以及節(jié)點 鄰居節(jié)點集的數(shù)量的，當節(jié)點剩余能量越小，到簇頭節(jié)點距離越大，鄰居節(jié)點集數(shù)量越多節(jié) 點休眠的概率就會越大。當簇群內(nèi)粒子初始化時，所有節(jié)點計算各自的休眠概率。
[0042] 步驟2中粒子適應值函數(shù)計算過程:無線傳感器網(wǎng)絡的休眠機制可以有效的減少 整個網(wǎng)絡的能量消耗，但是大部分傳統(tǒng)的休眠機制并沒有將節(jié)點能量列入休眠機制的考量 中，不過節(jié)點能量消耗的變化系數(shù)還是比較高的，由于休眠機制的主要目的之一是延長網(wǎng) 絡時間，如果無線傳感器網(wǎng)絡的休眠機制不考慮節(jié)點能量，網(wǎng)絡中可能有一部分節(jié)點會一 直處于空閑狀態(tài)，從而導致這部分節(jié)點能量消耗迅速，造成網(wǎng)絡時間的縮短。因此，適應值 函數(shù)中不但將節(jié)點剩余能量作為重要參數(shù)，還考慮保持整個網(wǎng)絡覆蓋率的同時盡可能的將 節(jié)點的冗余度降到最低，如果節(jié)點冗余度太大即該節(jié)點與其鄰居節(jié)點重合部分比較大，收 集到的信息可能會重復或者相關性比較大，使節(jié)點能量浪費。綜合了節(jié)點剩余能量，節(jié)點冗 余度和網(wǎng)絡覆蓋率的適應值函數(shù)表達式如公式(2)所示：
[0043]
[,2)
[0044] 式中，β，ε以及Φ是常數(shù)，同時滿足β+ε+Φ=1，分別表示網(wǎng)絡所有空閑節(jié)點剩余能 量，覆蓋率和冗余度的權重，Nf表示簇群內(nèi)空閑的節(jié)點，Eini t (i )表示節(jié)點i的初始能量， Em (i)是指節(jié)點i當前剩余能量，CR是網(wǎng)絡覆蓋率，RE (i)是節(jié)點i的冗余度。同時，將擁有最 大適應值函數(shù)值的粒子作為最佳適應值，即其對應的節(jié)點為休眠節(jié)點。通過上述函數(shù)表達 式可知，網(wǎng)絡剩余能量越小，函數(shù)值就會越大，同時，較大的網(wǎng)絡覆蓋率和較小的冗余度也 會使函數(shù)值較大。
[0045] 步驟2適應值函數(shù)公式中的網(wǎng)絡覆蓋率計算過程：網(wǎng)絡區(qū)域中所有空閑狀態(tài)節(jié)點 的有效覆蓋面積與網(wǎng)絡區(qū)域總面積的比值。
[0046]
(3)
[0047] 其中Si為節(jié)點i的感知面積，網(wǎng)絡區(qū)域中所有空閑狀態(tài)節(jié)點的有效覆蓋面積即為 所有空閑狀態(tài)節(jié)點覆蓋面積的并集，網(wǎng)絡區(qū)域的總面積。
[0048] 步驟2粒子群適應值函數(shù)公式中的節(jié)點冗余度計算過程:節(jié)點的所有鄰居與該節(jié) 點感知區(qū)域重合部分與節(jié)點感知區(qū)域比值的和。對于傳統(tǒng)的節(jié)點感知范圍是圓的無線傳感 器網(wǎng)絡，節(jié)點與節(jié)點之間重合的感知區(qū)域面積的計算很是簡單明了的，如圖1(a)-圖1(c)所 示，節(jié)點與節(jié)點之間覆蓋區(qū)域大致可分為三種：圓心在在另一個圓內(nèi)、兩個圓點都在另一個 圓上以及圓心在另一個圓外。但根據(jù)圓的性質(zhì)可以推出，無論哪一種情況覆蓋區(qū)域面積的 計算是一致的即：
[0049] (4)
[0050] (5)
[0051]同時，根據(jù)節(jié)點的坐標可以計算出兩個節(jié)點之間的距離為cUj卩(^(^ = (1^，根據(jù)圓 與三角形的性質(zhì)可以計算出圓弧的夾角以及AC =
sinaXR，所以
，以及，故節(jié)點i與節(jié)點j的覆 蓋面積可寫為：
[0052] Sc〇ver = 2aR2-Rdij sina (6)
[0053] 當節(jié)點的感知范圍為立體的球時，節(jié)點i與節(jié)點j的覆蓋區(qū)域示意圖如圖1(d)所 示，由前面?zhèn)鹘y(tǒng)節(jié)點覆蓋區(qū)域的計算可以推出所求區(qū)域是以點C為圓心的圓上面部分體積 的兩倍即：
(7)
[0056] 那么，節(jié)點i的冗余度為：
[0057]
(8)
[0058] 本發(fā)明方案所公開的技術手段不僅限于上述實施方式所公開的技術手段，還包括 由以上技術特征任意組合所組成的技術方案。
【主權項】
1. 基于粒子群優(yōu)化的能量均衡的節(jié)點休眠方法，其特征在于，包括以下步驟： 步驟1:粒子初始化，包括計算節(jié)點休眠概率、粒子慣性權重W、粒子加速因子竹和於； 步驟2:對每個粒子做如下操作： 1 )更新粒子位置矢量Xid ; 2) 計算粒子的適應值； 3) 更新粒子最優(yōu)解pbestid和群體最優(yōu)解gbestid; 步驟3:更新粒子慣性權重w、粒子加速因子列和 步驟4:判斷如果迭代次數(shù)小于最大迭代次數(shù)，或者粒子最優(yōu)解pbestid不等于群體最 優(yōu)解gbestid，則返回步驟2，否則執(zhí)行步驟5; 步驟5:得到最優(yōu)解即適合休眠的節(jié)點。2. 根據(jù)權利要求1所述的基于粒子群優(yōu)化的能量均衡的節(jié)點休眠方法，其特征在于，所 述節(jié)點休眠率的計算過程為：假設粒子的維度即為簇群內(nèi)節(jié)點的個數(shù)，每個維度在范圍 [0…1]中隨機初始化，如果粒子的初始化維度大于當時簇群內(nèi)節(jié)點的休眠概率，粒子維度 被置為1，同時與粒子相對應的節(jié)點狀態(tài)置為空閑；反之，粒子的維度被置為〇，與其對應的 節(jié)點狀態(tài)置為休眠，其中簇群內(nèi)節(jié)點i的休眠概率為式中λ，μ及ω是常數(shù)，問時滿足λ+μ+ ω = I，Einit表不節(jié)點的初始能量，Eres表示節(jié)點當前 剩余能量，Di, Cduster?表示節(jié)點i到其所屬簇群的簇頭節(jié)點的距離，Nn表示節(jié)點i的鄰居節(jié)點的 集合;當節(jié)點剩余能量越小，到簇頭節(jié)點距離越大，鄰居節(jié)點集數(shù)量越多節(jié)點休眠的概率越 大。3. 根據(jù)權利要求1所述的基于粒子群優(yōu)化的能量均衡的節(jié)點休眠方法，其特征在于，所 述粒子的適應值f的計算過程為：式中，β，ε以及φ是常數(shù)，同時滿足β+ε+φ =1，分別表示網(wǎng)絡所有空閑節(jié)點剩余能量、 網(wǎng)絡覆蓋率和節(jié)點冗余度的權重，Nf表示簇群內(nèi)空閑的節(jié)點，Einit(i)表示節(jié)點i的初始能 量，E ras (i)是指節(jié)點i當前剩余能量，CR是網(wǎng)絡覆蓋率，RE (i)是節(jié)點i的冗余度;網(wǎng)絡剩余能 量越小，函數(shù)值越大，同時，較大的網(wǎng)絡覆蓋率和較小的節(jié)點冗余度也會使函數(shù)值較大。4. 根據(jù)權利要求3所述的基于粒子群優(yōu)化的能量均衡的節(jié)點休眠方法，其特征在于，所 述網(wǎng)絡覆蓋率為網(wǎng)絡中所有空閑狀態(tài)節(jié)點的有效覆蓋面積與網(wǎng)絡總面積的比值：其中S1為節(jié)點i的感知面積，網(wǎng)絡中所有空閑狀態(tài)節(jié)點的有效覆蓋面積即為所有空閑狀 態(tài)節(jié)點覆蓋面積的并集，Sare3a為網(wǎng)絡的總面積。5. 根據(jù)權利要求3所述的基于粒子群優(yōu)化的能量均衡的節(jié)點休眠方法，其特征在于，所
【文檔編號】H04W84/18GK105898847SQ201610218719
【公開日】2016年8月24日
【申請日】2016年4月8日
【發(fā)明人】王堃, 高會, 岳東, 孫雁飛, 吳蒙, 亓晉, 陳思光
【申請人】南京郵電大學