基于粒子群優化的能量均衡的節點休眠方法
【專利摘要】本發明公開一種基于粒子群優化的能量均衡的節點休眠方法，首先將節點剩余能量，節點到其簇頭節點的距離以及節點鄰居節點集的數量作為計算節點休眠概率的重要參數；另外提出了新的節點冗余度的計算方法，并把節點剩余能量，網絡覆蓋率以及節點的冗余度作為適應值函數的參數來判定節點是否休眠。本發明可以有效的節約節點能量，延長網絡生存時間。
【專利說明】
基于粒子群優化的能量均衡的節點休眠方法
技術領域
[0001] 本發明涉及水下無線傳感器網絡技術領域，特別涉及基于粒子群優化的能量均衡 的節點休眠方法。
【背景技術】
[0002] 近年來，隨著技術的擴展，海洋環境的探索一直是一個先行者的研究重點。海洋環 境監測包括污染檢測、海洋數據采集、海洋漁場監測、珊瑚礁監測和海洋監測等各種應用。 總所周知，無線傳感器網絡具有無人操作，實時監測性，布置簡單以及耗費少等優點，可以 替代傳統的監測方法。特別是專門應用于水底的水底無線傳感器網絡。雖然使用水下無線 傳感器網絡可以替代傳統監測方法，但是水下無線傳感器網絡中還有很多問題還面臨著巨 大的挑戰，例如，如何解決節點能量消耗過大。盡管如此，目前水下無線傳感器網絡還是具 有很多功能，多層可擴展的數據管理方法，功率感知和自適應協議，能量收集模塊，通過GPS 來定位節點位置和可重構的網絡結構等。
[0003] 另外，在無線傳感器網絡的實際應用中，為了確保節點收集信息的全面性，節點的 投放通常比較密集，如此就導致了部分節點的覆蓋區域出現重疊，浪費節點電池的能量。為 解決這個問題，研究者們提出節點休眠機制，將節點分為活躍、空閑和休眠三種狀態:活躍 狀態下的節點采集、處理、存儲、收發信息，能量消耗最大，空閑狀態下的節點不處理信息， 但需要采集信息，能量消耗減少，而休眠狀態的節點陷入睡眠狀態，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省電池能量，延長節 點生命周期。
【發明內容】
[0004] 鑒于上述現有技術的不足之處，本發明提出一種基于粒子群優化的能量均衡的節 點休眠方法，將節點剩余能量，節點到其簇頭節點的距離以及節點鄰居節點集的數量作為 計算節點休眠概率的重要參數；另外提出了新的節點冗余度的計算方法，并把節點剩余能 量、網絡覆蓋率以及節點冗余度作為適應值函數的參數來判定節點是否休眠。
[0005] 基于粒子群優化的能量均衡的節點休眠方法，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)更新粒子最優解pbestid和群體最優解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:判斷如果迭代次數小于最大迭代次數，或者粒子最優解pbestld不等于群體 最優解gbest ld，則返回步驟2;否則執行步驟5。
[0013]步驟5:得到最優解即適合休眠的節點。
[0014]所述節點休眠率的計算過程為:假設粒子的維度即為簇群內節點的個數，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節點的休眠概率， 粒子維度被置為1，同時與粒子相對應的節點狀態置為空閑；反之，粒子的維度被置為〇,與 其對應的節點狀態置為休眠，其中簇群內節點i的休眠概率為
[0015]
[0016] 式中λ，μ及ω是常數，同時滿足λ+μ+ ω =1，Einit表示節點的初始能量，Eres表示節 點當前剩余能量，Di,cdUSte：r表示節點i到其所屬簇群的簇頭節點的距離，Nn表示節點i的鄰居 節點的集合;當節點剩余能量越小，到簇頭節點距離越大，鄰居節點集數量越多節點休眠的 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，同時滿足β+ε+Φ=1，分別表示網絡所有空閑節點剩余能 量、網絡覆蓋率和節點冗余度的權重，N f表示簇群內空閑的節點，Einit(i)表示節點i的初 始能量，Ere3S (i)是指節點i當前剩余能量，CR是網絡覆蓋率，RE (i)是節點i的冗余度；網絡剩 余能量越小，函數值越大，同時，較大的網絡覆蓋率和較小的節點冗余度也會使函數值較 大。
[0020] 所述網絡覆蓋率為網絡中所有空閑狀態節點的有效覆蓋面積與網絡總面積的比 值：
[0021]
[0022] 其中Si為節點i的感知面積，網絡中所有空閑狀態節點的有效覆蓋面積即為所有 空閑狀態節點覆蓋面積的并集，S_a為網絡的總面積。
[0023] 所述節點冗余度RE(i)為節點的所有鄰居與該節點感知區域重合部分與節點感知 區域比值V cover 的和，
[0024]
[0025] 本發明通過使用特定的公式通過粒子群優化算法對船底的每個節點進行計算，從 而判定哪些節點進入休眠狀態。同時，提出了新的節點休眠概率計算公式，將節點剩余能 量、節點到其簇頭節點的距離以及節點鄰居節點集的數量作為計算節點休眠概率的重要參 數;另外還提出了新的節點冗余度的計算方法，且把節點剩余能量、網絡覆蓋率以及節點冗 余度作為參數來判定節點是否休眠。在節約節點能量，延長網絡生存時間等方面有著良好 的性能。
【附圖說明】
[0026] 圖1為基于粒子群優化的能量均衡節點休眠方法的節點間區域覆蓋示意圖；
[0027] 圖2為基于粒子群優化的能量均衡節點休眠方法的流程圖。
【具體實施方式】
[0028] 為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對 本發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明，并 不用于限定本發明。
[0029] 為了更好的完成應用于船底的基于粒子群優化算法的休眠方法的研究，這里只考 慮一個簇群內節點的休眠機制，即網絡區域為一個簇群，且節點的感知范圍半徑相同，因節 點隨機分布在船底，固其網絡區域為曲面，節點的感知范圍不再是傳統的圓而是球。同時， 我們假設簇群內有N個節點，其中Nf為空閑狀態的節點，Ns為睡眠狀態的節點，簇頭節點已 選舉完畢且不參與休眠機制，節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,基于粒子群優化的能量均衡的節點休眠方法，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)更新粒子最優解pbestid和群體最優解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:如果迭代次數小于最大迭代次數，或者粒子最優解pbestid不等于群體最 優解gbestid，返回步驟2,否則執行步驟5。
[0038] 步驟5:得到最優解即適合休眠的節點。
[0039]步驟1中節點休眠概率的計算: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節點的個數，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節點的休眠概率，粒子維度被置為1，同時與 粒子相對應的節點狀態置為空閑；反之，粒子的維度被置為0,與其對應的節點狀態置為休 目民。簇群內節點i的休眠概率定義如下：
[0040]
(1)
[0041] 其中λ，μ以及ω，是常數，同時滿足λ+μ+ω =l，Einit表示節點的初始能量，Eres是指 節點當前剩余能量，Dyr表示節點i到其所屬簇群的簇頭節點的距離，仏是指節點i的鄰 居節點的集合。節點的休眠概率是基于節點剩余能量，節點到其簇頭節點的距離以及節點 鄰居節點集的數量的，當節點剩余能量越小，到簇頭節點距離越大，鄰居節點集數量越多節 點休眠的概率就會越大。當簇群內粒子初始化時，所有節點計算各自的休眠概率。
[0042] 步驟2中粒子適應值函數計算過程:無線傳感器網絡的休眠機制可以有效的減少 整個網絡的能量消耗，但是大部分傳統的休眠機制并沒有將節點能量列入休眠機制的考量 中，不過節點能量消耗的變化系數還是比較高的，由于休眠機制的主要目的之一是延長網 絡時間，如果無線傳感器網絡的休眠機制不考慮節點能量，網絡中可能有一部分節點會一 直處于空閑狀態，從而導致這部分節點能量消耗迅速，造成網絡時間的縮短。因此，適應值 函數中不但將節點剩余能量作為重要參數，還考慮保持整個網絡覆蓋率的同時盡可能的將 節點的冗余度降到最低，如果節點冗余度太大即該節點與其鄰居節點重合部分比較大，收 集到的信息可能會重復或者相關性比較大，使節點能量浪費。綜合了節點剩余能量，節點冗 余度和網絡覆蓋率的適應值函數表達式如公式(2)所示：
[0043]
[,2)
[0044] 式中，β，ε以及Φ是常數，同時滿足β+ε+Φ=1，分別表示網絡所有空閑節點剩余能 量，覆蓋率和冗余度的權重，Nf表示簇群內空閑的節點，Eini t (i )表示節點i的初始能量， Em (i)是指節點i當前剩余能量，CR是網絡覆蓋率，RE (i)是節點i的冗余度。同時，將擁有最 大適應值函數值的粒子作為最佳適應值，即其對應的節點為休眠節點。通過上述函數表達 式可知，網絡剩余能量越小，函數值就會越大，同時，較大的網絡覆蓋率和較小的冗余度也 會使函數值較大。
[0045] 步驟2適應值函數公式中的網絡覆蓋率計算過程：網絡區域中所有空閑狀態節點 的有效覆蓋面積與網絡區域總面積的比值。
[0046]
(3)
[0047] 其中Si為節點i的感知面積，網絡區域中所有空閑狀態節點的有效覆蓋面積即為 所有空閑狀態節點覆蓋面積的并集，網絡區域的總面積。
[0048] 步驟2粒子群適應值函數公式中的節點冗余度計算過程:節點的所有鄰居與該節 點感知區域重合部分與節點感知區域比值的和。對于傳統的節點感知范圍是圓的無線傳感 器網絡，節點與節點之間重合的感知區域面積的計算很是簡單明了的，如圖1(a)-圖1(c)所 示，節點與節點之間覆蓋區域大致可分為三種：圓心在在另一個圓內、兩個圓點都在另一個 圓上以及圓心在另一個圓外。但根據圓的性質可以推出，無論哪一種情況覆蓋區域面積的 計算是一致的即：
[0049] (4)
[0050] (5)
[0051]同時，根據節點的坐標可以計算出兩個節點之間的距離為cUj卩(^(^ = (1^，根據圓 與三角形的性質可以計算出圓弧的夾角以及AC =
sinaXR，所以
，以及，故節點i與節點j的覆 蓋面積可寫為：
[0052] Sc〇ver = 2aR2-Rdij sina (6)
[0053] 當節點的感知范圍為立體的球時，節點i與節點j的覆蓋區域示意圖如圖1(d)所 示，由前面傳統節點覆蓋區域的計算可以推出所求區域是以點C為圓心的圓上面部分體積 的兩倍即：
(7)
[0056] 那么，節點i的冗余度為：
[0057]
(8)
[0058] 本發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. 基于粒子群優化的能量均衡的節點休眠方法，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) 更新粒子最優解pbestid和群體最優解gbestid; 步驟3:更新粒子慣性權重w、粒子加速因子列和 步驟4:判斷如果迭代次數小于最大迭代次數，或者粒子最優解pbestid不等于群體最 優解gbestid，則返回步驟2，否則執行步驟5; 步驟5:得到最優解即適合休眠的節點。2. 根據權利要求1所述的基于粒子群優化的能量均衡的節點休眠方法，其特征在于，所 述節點休眠率的計算過程為：假設粒子的維度即為簇群內節點的個數，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節點的休眠概率，粒子維度 被置為1，同時與粒子相對應的節點狀態置為空閑；反之，粒子的維度被置為〇，與其對應的 節點狀態置為休眠，其中簇群內節點i的休眠概率為式中λ，μ及ω是常數，問時滿足λ+μ+ ω = I，Einit表不節點的初始能量，Eres表示節點當前 剩余能量，Di, Cduster?表示節點i到其所屬簇群的簇頭節點的距離，Nn表示節點i的鄰居節點的 集合;當節點剩余能量越小，到簇頭節點距離越大，鄰居節點集數量越多節點休眠的概率越 大。3. 根據權利要求1所述的基于粒子群優化的能量均衡的節點休眠方法，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，同時滿足β+ε+φ =1，分別表示網絡所有空閑節點剩余能量、 網絡覆蓋率和節點冗余度的權重，Nf表示簇群內空閑的節點，Einit(i)表示節點i的初始能 量，E ras (i)是指節點i當前剩余能量，CR是網絡覆蓋率，RE (i)是節點i的冗余度;網絡剩余能 量越小，函數值越大，同時，較大的網絡覆蓋率和較小的節點冗余度也會使函數值較大。4. 根據權利要求3所述的基于粒子群優化的能量均衡的節點休眠方法，其特征在于，所 述網絡覆蓋率為網絡中所有空閑狀態節點的有效覆蓋面積與網絡總面積的比值：其中S1為節點i的感知面積，網絡中所有空閑狀態節點的有效覆蓋面積即為所有空閑狀 態節點覆蓋面積的并集，Sare3a為網絡的總面積。5. 根據權利要求3所述的基于粒子群優化的能量均衡的節點休眠方法，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