改進免疫粒子群算法的傳感器網(wǎng)絡(luò)預警系統(tǒng)

唐麗晴，胡云琴

(武警海警學院，浙江寧波，315801)

0 引言

地震、火災或洪水等自然災害的頻發(fā)不可避免，為減少其給自然界和人類社會帶來的重大損失，需建立強力有效的預警機制。由于無線傳感器網(wǎng)絡(luò)具有抗干擾性好，能耗小，成本低，可靠性好，準確率高等諸多優(yōu)點，而被廣泛應用于預警系統(tǒng)。但基于傳統(tǒng)改進優(yōu)化算法的無線傳感器網(wǎng)絡(luò)預警系統(tǒng)存在著嚴重的高耗能問題，其原因在于傳統(tǒng)改進優(yōu)化算法不能有效改善其易于陷入局部收斂的缺陷，從而導致不易尋到足夠節(jié)省距離的從險情點至監(jiān)測點的多跳傳輸路徑。

目前，為節(jié)省傳感器網(wǎng)絡(luò)的能耗，大量學者進行了切實有效的科學研究。莫桂江提出了一種蟻群-遺傳算法，以優(yōu)化無線傳感器網(wǎng)絡(luò)的路徑[1]。肖迪設(shè)計了一種基于無線傳感網(wǎng)絡(luò)的智能森林火災實時監(jiān)控系統(tǒng)[2]。蘇兵等設(shè)計了一種基于蟻群算法的WSN能效均衡路由[3]。

針對傳感器網(wǎng)絡(luò)預警系統(tǒng)節(jié)能優(yōu)化問題，本文基于傳感器多跳傳輸模型，提出了一種改進免疫粒子群算法以優(yōu)化傳輸路徑。為驗證改進算法的有效性，本文采用所提改進算法和傳統(tǒng)粒子群算法進行仿真試驗。試驗結(jié)果表明，本文所提改進算法具有更佳的算法性能。

1 傳感器網(wǎng)絡(luò)多跳傳輸路徑優(yōu)化模型

目前簡化傳感器網(wǎng)絡(luò)預警系統(tǒng)的預警多跳傳輸路徑是其最有效的節(jié)能手段。傳感器網(wǎng)絡(luò)節(jié)點間傳輸有距離要求，一定長度內(nèi)的兩節(jié)點可實現(xiàn)信息傳輸。傳感器網(wǎng)絡(luò)多跳傳輸與路徑長度和路徑中的傳感器數(shù)目有關(guān)。具體的無線傳感器網(wǎng)絡(luò)多跳傳輸優(yōu)化模型為：

公式(1)中，pi表示第j條路徑中的第i個傳感器節(jié)點；nj表示第j條路徑中的傳感器節(jié)點的數(shù)目；pd,j和pm分別表示第j條路徑的險情點和監(jiān)控點處的傳感器節(jié)點；L(p)表示險情點至監(jiān)控點的多跳傳輸路徑；d(x,y)表示傳感器x和y之間的傳輸距離；Ω表示傳感器網(wǎng)絡(luò)的覆蓋區(qū)域。

由公式(1)可知，路徑中任意傳感器節(jié)點需在傳感器網(wǎng)絡(luò)的覆蓋區(qū)域內(nèi)，任意路徑的起始位置是某個險情點，終點是監(jiān)控點。

2 免疫粒子群算法

2.1 粒子群算法

粒子群群算法更新迭代計算公式下述公式(2)所述。

式中i= 1 ,2,…,N表示粒子的序號，t表示粒子的第t維，d表示迭代次數(shù)，c1,c2為加速常數(shù)，一般在0～2之間取值。rand為區(qū)間(0,1)的隨機實數(shù)[14]。

2.2 免疫粒子群算法

免疫粒子群算法（Artificial Immune Particle Swarm Optimization,AIPSO）是在基本粒子群算法的基礎(chǔ)上進一步將免疫算法中的基于濃度的選擇機制引入到了算法中。濃度選擇機制中，抗體濃度及其濃度概率的計算公式如下所述：

式(3)和(4)中，i= 1,2,… ,m+k。

具體的免疫粒子群算法的流程圖如圖1所示。

圖1 免疫粒子群算法流程圖

3 仿真實驗

為驗證本文所提算法解決實際的傳感器網(wǎng)絡(luò)預警系統(tǒng)節(jié)能問題的有效性，本文選取了1種預警傳感器網(wǎng)絡(luò)多跳傳輸路徑尋優(yōu)實際算例，并采用本文所提算法和粒子群算法這2種不同的智能優(yōu)化算法進行對比測試。

所給出的3.5km×4km傳感器網(wǎng)絡(luò)預警系統(tǒng)的監(jiān)測系統(tǒng)界面如圖2所示。

圖2中，監(jiān)測區(qū)域范圍是3.5km×4km，每個傳感器的感知半徑約為0.4km，有32個無線傳感器節(jié)點，其溫度情況由藍色、綠色、黃色、棕色和紅色表示，其依次遞增著火風險，若為紅色，則其監(jiān)測區(qū)域存在著著火隱患。

圖2 傳感器網(wǎng)絡(luò)預警系統(tǒng)監(jiān)測界面

除外，上述監(jiān)控點(該位置的火災隱患情況不需要傳輸)外，其余傳感器節(jié)點的信息如下表1所述。

表1 各個傳感器節(jié)點的信息

7 (1.29,1.87) 409 23 (0.94,1.96) 144 8 (1.24,2.73) 366 24 (1.37,2.95) 129 9 (1.43,2.58) 516 25 (1.41,2.25) 170 10 (1.64,3.11) 633 26 (1.53,2.19) 154 11 (1.59,2.41) 405 27 (1.75,2.72) 119 12 (1.98,2.26) 623 28 (1.78,2.92) 182 13 (1.63,3.01) 404 29 (2.09,3.15) 133 14 (1.57,3.28) 468 30 (1.84,3.22) 138 15 (1.75,2.01) 730 31 (2.81,3.34) 1127 16 (1.11,2.43) 727 - -

由表1可知，若溫度風險值大于1000，則顯示為紅色，也即該傳感器節(jié)點的監(jiān)測區(qū)域存在著著火隱患。

以下是具體的仿真結(jié)果。采用本文所提算法和粒子群算法尋優(yōu)得到的仿真結(jié)果如圖3和圖4所示。

圖3 粒子群算法所求多跳傳輸路徑

圖4 粒子群算法所求多跳傳輸路徑

由表2可知，相較于粒子群算法，盡管本文所提算法所求的多跳傳輸路徑中含有與其相同的傳感器節(jié)點數(shù)目，然而其傳輸路徑更短。因此，本文所提算法更適合于求解實際的傳感器網(wǎng)絡(luò)預警系統(tǒng)多跳傳輸節(jié)能問題。

表2 各個優(yōu)化算法尋優(yōu)得到的多跳傳輸路徑的相關(guān)結(jié)果

4 結(jié)論

針對傳感器網(wǎng)絡(luò)預警系統(tǒng)節(jié)能優(yōu)化問題，提出了一種改進的粒子群免疫算法。所提出的改進算法通過引入免疫機制以改善粒子群算法的尋優(yōu)性能，從而有效提高其全局搜索能力和收斂速度。本文基于1種預警傳感器網(wǎng)絡(luò)多跳傳輸路徑尋優(yōu)實際算例，并采用兩種不同的優(yōu)化算法進行尋優(yōu)。由最終的尋優(yōu)結(jié)果可知，本文所提算法的尋優(yōu)性能更佳。