基于蟻群粒子適應機制的移動傳感網簇頭生成算法

李文

關鍵詞：移動傳感網;簇頭生成;蟻群粒子;感知覆蓋;極限標準差

目前，移動傳感網技術（ Mobile Sensor Network，MSN）作為“中國制造2025”計劃重要組成部分，正在實踐中得到日益重視的推廣應用。移動傳感網結合了無線傳感網、新一代移動通信技術優勢，通過在一定地理分布區間內部署可移動節點的方式實現數據感知，并利用無線信道技術實現數據匯聚傳輸，具有成本低廉、部署便捷特點，可實現大規模部署應用。不過，由于移動傳感網節點同時存在移動特性，傳輸路徑穩定性較差，鏈路及節點抖動現象嚴重，需要通過網絡分區方式實現數據中繼傳輸。因此，采取一定的簇頭生成算法并穩定數據傳輸鏈路，成為當前MSN研究領域內的熱點。

在簇頭生成算法研究領域內，研究者多利用傳感節點存在的聚類特性，采取區域分割方式高效選取簇頭節點。Sanu等提出了一種基于主備動能切換機制的移動傳感網簇頭生成算法，算法引入能量排序機制，通過周期性選取具有較高剩余能量節點并設定為簇頭節點，可實現簇頭快速化選取，所選簇頭抗抖動性能較強。然而，該算法對中繼傳輸現象考慮不足，簇頭節點需要通過直傳模式將數據投送至sink節點，存在鏈路抖動較高的不足，難以適應超寬帶數據傳輸場景。Peng等提出了一種基于超聚類節點更新機制的移動傳感網簇頭生成算法，算法將具有較高傳輸性能的節點設定為超聚類節點，采取周期引力機制進行節點聚類生成流程，定時選取具有較高鏈路穩定性能的節點作為超聚類節點，可降低區域分割失敗而導致簇頭性能不穩定的問題。不過，算法執行過程中易致使節點能量消耗速度較快，簇頭節點受限概率較高，降低了算法的網絡傳輸性能。Sanu等提出了一種基于周期路由更新機制的移動傳感網簇頭生成算法，算法優選路由交叉度較高的節點為簇頭節點，引入能量最優機制篩選備份節點，所選節點具有傳輸路徑較為穩定的特點，抗網絡拓撲抖動性能較強。然而，該算法也存在節點切換過程較為復雜的特點，特別是節點處于移動狀態時易發生嚴重的數據重傳輸現象，使得算法在節點處于移動狀態時難以進一步提升數據傳輸帶寬。

針對上述情況，考慮到傳統方法不能解決所示不足，因此提出了一種基于蟻群粒子適應機制的移動傳感網簇頭生成算法。首先，根據能量最優原則并基于迭代方式設計了基于蟻群粒子感知覆蓋機制的簇頭生成方法，采用周期迭代方式來進行粒子感知覆蓋，獲取性能優越的節點作為備選簇頭節點，可顯著提升簇頭分布密度。隨后，通過粒子進化方案設計了基于極限標準差優選機制的簇頭穩定方法，進一步優化節點傳輸質量，改善能量受限現象，具有較好的數據傳輸性能。最后通過MATLAB仿真實驗環境，證明了算法的性能。

1基于蟻群自適應機制的移動傳感網簇頭生成算法

為提高MSN網絡簇頭生成質量，提出了一種基于蟻群自適應機制的移動傳感網簇頭生成算法。該算法主要由基于蟻群粒子感知覆蓋機制的簇頭生成和基于極限標準差優選機制的簇頭穩定兩部分構成。

1.1基于蟻群粒子感知覆蓋機制的簇頭生成

網絡初始化完成后，網絡選取具有較高能量值的節點作為初始簇頭節點，sink節點將初始簇頭節點視為移動蟻群并通過監測移動過程獲取感知覆蓋范圍。首先按如下模型獲取初始簇頭節點的拓撲軌跡：

其中， g1、g2。、g3表示權重系數，權重系數覆蓋初始簇頭節點當前更新時刻t及前后兩個更新時刻。

Sink節點對模型（3）進行判斷，當僅當按模型（3）進行粒子進化過程時出現數值上升現象時，將重新選取區域內能量最強的節點作為簇頭節點，見圖1。

1.2基于極限標準差優選機制的簇頭穩定

采取基于蟻群粒子感知覆蓋機制的簇頭生成方法后，sink節點可以動態選取具有能量較高的節點作為簇頭節點。不過，由于移動傳感網具有的拓撲高變動特性，頻繁進行粒子進化過程將會導致簇頭節點出現能量消耗加劇的現象，導致進化過程將提前結束，陷入局部最優困境。因此，算法在粒子進化過程結束后，設計基于極限標準差優選機制的簇頭穩定方法用以增強粒子收斂速度，具體設計如下：

其中，F表示簇頭節點m表示備用簇頭節點的重心，F表示備用簇頭節點的重心，F表示sink節點與簇頭節點的平均距離。三者可由如下模型獲取：

Step2針對備選簇頭，逐個按模型（5）校驗收斂標準差，選取標準差最低的節點作為備選簇頭，若當前簇頭出現受限時將進行節點更換操作，見圖2，方法結束。

網絡初始化過程完畢后，按照網絡傳輸周期執行極限標準差優選機制，逐次遍歷各網絡分區，即可從備選節點中優選性能較為穩定的簇頭節點，從而提升網絡傳輸性能。

2實驗與分析

為對比所提算法的性能，設置MATLAB 8.5仿真實驗環境。仿真參數表見表1。對照組實驗設置為當前移動傳感網領域常用的基于改進能量均衡機制的傳感網簇頭生成算法（ImprovedClustering Optimization Algorithm for WirelessSensor Network Energy Balance，IC（）算法）和基于能量優化回收機制的傳感網簇頭生成算法（Novel

PEECRP-Based Clustering

Routing

Approach，NPEECR算法）。仿真參數為簇頭節點密度、網絡傳輸帶寬兩項，具體情況如下：

2.1簇頭節點密度測試

圖3為所提算法與ICO算法和NPEECR算法在高抖動信道環境和低抖動信道環境下簇頭密度的仿真測試結果。由圖可知，所提具有簇頭節點密度較高的特性，顯示了較高的網絡覆蓋能力。這是由于所提算法考慮到簇頭節點具有的移動特性，設計了基于蟻群粒子感知覆蓋機制的簇頭生成方法，在優選具有能量較優節點作為簇頭節點的基礎上，進一步通過極限標準差優選機制穩定選取傳輸性能較高的節點作為簇頭節點，因而簇頭節點密度較高，體現了較為突出的網絡覆蓋能力。ICO算法考慮到單純采用能量方式生成簇頭節點存在的不足，建立了節點聚集度與剩余能量之間的權重函數。在簇頭選擇中減少迭代次數和能量消耗，簇頭節點能耗水平較低。然而，該算法僅采取單純備份機制用以篩選備用簇頭節點，選取過程中易導致節點重復選取現象，因而簇頭節點生成質量不高，易發生抖動現象，降低了簇頭節點密度。PEECR算法基于節點度、相對距離和剩余能量篩選簇頭節點，保證了簇頭分布均勻，簇規模均衡，優選傳輸質量較高的節點作為簇頭節點。不過，該算法采用周期輪詢方案更新簇頭節點，當簇頭節點發生受限現象時易導致出現節點大面積失效現象，降低了簇頭節點密度。

2.2網絡傳輸帶寬測試

圖4為所提算法與與ICO算法和N-PEECR算法在高抖動信道環境和低抖動信道環境下網絡傳輸帶寬的仿真測試結果。由圖可知，所提算法具有網絡傳輸帶寬較高的特點，說明了所提算法網絡傳輸性能卓越。這是由于所提算法考慮到網絡拓撲易變動的特性，涉及了基于蟻群粒子感知覆蓋機制的簇頭生成方法，采取蟻群粒子感知方式固定簇頭節點定位位置，降低拓撲移動程度，因而網絡傳輸路徑較為穩定。特別是所提算法通過極限標準差優選機制穩定選取傳輸性能較高的節點作為簇頭節點，簇頭節點密度較高，網絡節點有更高概率選取傳輸能力較強的節點作為中繼節點，因而所提算法網絡傳輸帶寬較高。ICO算法建立了節點聚集度與剩余能量之間的權重函數，將剩余能量設為較高的權重系數，對節點間拓撲移動考慮不足，所選節點抖動性較高，使得網絡傳輸鏈路亦有較高概率發生抖動，降低了該算法的網絡傳輸帶寬。NPEECR算法基于節點度、相對距離和剩余能量篩選簇頭節點，主要采取均勻分布模式設置簇頭節點，存在簇頭節點密度較低的不足，因而網絡傳輸鏈路的長度高于本文算法，使得該算法網絡傳輸帶寬性能較差，降低了網絡傳輸帶寬。

3結論

為提高移動傳感網部署性能，提出了一種基于蟻群粒子適應機制的移動傳感網簇頭生成算法。算法主要由基于蟻群粒子感知覆蓋機制的簇頭生成方法和基于極限標準差優選機制的簇頭穩定方法兩部分構成?？娠@著降低鏈路抖動現象，提高簇頭節點生成質量，增強網絡傳輸性能。

下一步，將針對所提算法對高節點部署環境適應性較低的不足，擬引入歐里幾何拓撲映射機制穩定網絡傳輸鏈路，擴大所提算法對各種復雜環境的適應能力。