本發(fā)明涉及數(shù)據(jù)密集型無(wú)線傳感器網(wǎng)絡(luò)
技術(shù)領(lǐng)域：
，特別是一種無(wú)線傳感器網(wǎng)絡(luò)多收發(fā)器多信道分配算法。
背景技術(shù)：
：無(wú)線傳感器網(wǎng)絡(luò)(WSN)在數(shù)據(jù)密集型領(lǐng)域的應(yīng)用日益增加，例如結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域,地震監(jiān)測(cè),以及火山監(jiān)測(cè)等等。這些應(yīng)用均需要傳輸大量數(shù)據(jù)到WSN中的匯聚節(jié)點(diǎn)，對(duì)于此類應(yīng)用，如何最大化吞吐量是一個(gè)亟待解決的問(wèn)題。傳統(tǒng)的WSN多采用基于單信道單收發(fā)器競(jìng)爭(zhēng)型通信架構(gòu)，該種架構(gòu)很難滿足數(shù)據(jù)密集型領(lǐng)域的大數(shù)據(jù)量傳輸?shù)男枨蟆６嘈诺蓝嗍瞻l(fā)器的架構(gòu)能夠很好地解決這個(gè)問(wèn)題。目前，基于多信道多收發(fā)器的多是針對(duì)Mesh網(wǎng)絡(luò)、Wlan網(wǎng)絡(luò)，而針對(duì)WSN領(lǐng)域的的研究還不是很多。對(duì)于WSN的多收發(fā)器多信道分配，可以采用粒子群優(yōu)化算法來(lái)實(shí)現(xiàn)。粒子群算法(PSO)是基于模擬鳥(niǎo)群覓食行為的全局搜索算法。其中，每一個(gè)粒子代表一種可行的信道分配方案，通過(guò)多個(gè)粒子模擬鳥(niǎo)群覓食過(guò)程來(lái)得到最優(yōu)解。每個(gè)粒子運(yùn)動(dòng)向自身最優(yōu)值和其他粒子群最優(yōu)值聚集，通過(guò)多次迭代得到最后的最優(yōu)解。上述傳統(tǒng)的粒子群算法搜索空間有限，當(dāng)網(wǎng)絡(luò)中傳感器數(shù)量較大時(shí)候，可能陷入局部收斂的情況。技術(shù)實(shí)現(xiàn)要素：有鑒于此，本發(fā)明的目的是提出一種無(wú)線傳感器網(wǎng)絡(luò)多收發(fā)器多信道分配算法，能夠提供全局搜索，獲得更好的優(yōu)化效果，并且在相同粒子群的情況下，具有更快的收斂速度，大大加快了獲取最優(yōu)解的求解速度。本發(fā)明采用以下方案實(shí)現(xiàn)：一種無(wú)線傳感器網(wǎng)絡(luò)多收發(fā)器多信道分配算法，具體包括以下步驟：步驟S1：建立無(wú)線傳感器網(wǎng)絡(luò)的通信網(wǎng)絡(luò)拓?fù)鋱DG，用G＝(V,E)表示，其中，V表示W(wǎng)SN中節(jié)點(diǎn)，E表示節(jié)點(diǎn)間的通信鏈路的集合；通過(guò)通信拓?fù)鋱DG獲取網(wǎng)絡(luò)鏈路潛在沖突圖Gc，用Gc＝(Vc,Ec)來(lái)表示，其中通信網(wǎng)絡(luò)拓補(bǔ)圖G中的通信鏈路數(shù)量為M；步驟S2：以所述無(wú)線傳感器網(wǎng)絡(luò)中的每一種多收發(fā)器多信道分配的可行解作為一個(gè)粒子，建立粒子群；所述粒子群中具有K個(gè)M維粒子；在當(dāng)前時(shí)刻t時(shí)，針對(duì)第i個(gè)M維粒子，i＝1～K，隨機(jī)產(chǎn)生一個(gè)滿足約束條件的N維位置Xi(t)＝(xi1,xi2,...,xiM)，xi1～xiM為第1～M條通信鏈路的信道分配方案；步驟S3：計(jì)算當(dāng)前時(shí)刻t每個(gè)粒子的網(wǎng)絡(luò)總干擾值，獲得每個(gè)粒子的自身最優(yōu)信道分配方案作為自身最優(yōu)位置Pbesti(i＝1～K)；同時(shí)，以當(dāng)前時(shí)刻t網(wǎng)絡(luò)總干擾值最小的信道分配方案作為粒子群的全局最優(yōu)信道分配方案，即全局最優(yōu)位置Gbest；步驟S4：以遺傳簡(jiǎn)化粒子群算法GA-SSO進(jìn)行粒子的迭代搜索，其中在粒子的位置更新后，增加信道合并的操作；當(dāng)?shù)阉鬟M(jìn)行至設(shè)定的迭代次數(shù)，就獲得最終的優(yōu)化結(jié)果，實(shí)現(xiàn)多信道多收發(fā)器的的優(yōu)化；其中，所述遺傳簡(jiǎn)化粒子群算法GA-SSO以無(wú)線傳感器網(wǎng)絡(luò)的總干擾值作為適應(yīng)度。進(jìn)一步地，所述步驟S4具體包括以下步驟；步驟S41：以遺傳簡(jiǎn)化粒子群算法GA-SSO對(duì)每個(gè)粒子進(jìn)行位置的更新，其中粒子i在t+1時(shí)刻的位置Xi(t+1)更新為：Xi(t+1)=Xi(t),ifr∈[0,Cw),Cross(Xi(t),Pbesti(t)),ifr∈[Cw,Cp),Cross(Xi(t),Gbest(t)),ifr∈[Cp,Cg),Mutate(Xi(t)),ifr∈[Cg,1);]]>其中，Cw為粒子i保持不變的概率，Cp為粒子i在當(dāng)前時(shí)刻與個(gè)體最優(yōu)位子的交叉因子，(Cp-Cw)為對(duì)應(yīng)的交叉概率，Cg為粒子i在當(dāng)前時(shí)刻與全局最優(yōu)位置的交叉因子，(Cg-Cp)為對(duì)應(yīng)的交叉概率；r為區(qū)間[0,1]內(nèi)一均勻分布選取的獨(dú)立隨機(jī)數(shù)；步驟S42：判斷位置Xi(t+1)是否滿足收發(fā)器數(shù)量約束條件，若不滿足，則進(jìn)行信道合并操作；步驟S43：計(jì)算下一時(shí)刻t+1每個(gè)粒子所對(duì)應(yīng)信道分配方案的網(wǎng)絡(luò)總干擾值，獲得每個(gè)粒子的自身最優(yōu)位置Pbesti'，i＝1～K，并獲得粒子群的全局最優(yōu)位置Gbest'；將Pbesti'對(duì)應(yīng)的網(wǎng)絡(luò)總干擾值與Pbesti對(duì)應(yīng)的網(wǎng)絡(luò)總干擾值進(jìn)行對(duì)比，若Pbesti'對(duì)應(yīng)的網(wǎng)絡(luò)總干擾值更小，則將Pbesti'的值賦給Pbesti；將Gbest'對(duì)應(yīng)的網(wǎng)絡(luò)總干擾值與Gbest對(duì)應(yīng)的網(wǎng)絡(luò)總干擾值進(jìn)行對(duì)比，若Gbest'對(duì)應(yīng)的網(wǎng)絡(luò)總干擾值更小，則Gbest'將的值賦給Gbest。步驟S44：判斷是否達(dá)到預(yù)設(shè)的迭代次數(shù)；若達(dá)到迭代次數(shù)，則獲得本次迭代的Pbest1～PbestK以及Gbest，把全局最優(yōu)位置Gbest作為最終的信道分配方案；否則，返回步驟S41，進(jìn)行下一次迭代。進(jìn)一步地，計(jì)算所述每個(gè)粒子所對(duì)應(yīng)信道分配方案的網(wǎng)絡(luò)總干擾值包括以下步驟：步驟S31：在所述無(wú)線傳感器網(wǎng)絡(luò)中，根據(jù)節(jié)點(diǎn)的坐標(biāo)獲取網(wǎng)絡(luò)通信圖為G，再由通信圖G獲取網(wǎng)絡(luò)潛在沖突圖Gc；步驟S32：計(jì)算單條鏈路ei在信道分配方案f中的干擾值，計(jì)算采用下式：I(ei)=Σei,ej∈VcGc(i,j);]]>其中，Vc表示Gc中頂點(diǎn)(即G中鏈路)，ei與ej的信道相同時(shí)干擾值為1；步驟S33：計(jì)算信道分配方案的總干擾值：I(f)=Σe∈VcI(e);]]>進(jìn)一步地，步驟S42中，所述進(jìn)行信道合并操作具體包括以下步驟；步驟S421：將已經(jīng)分配好的鏈路信道分配方案f轉(zhuǎn)化為節(jié)點(diǎn)信道分配方案fv；步驟S422：找出擁有最多不同信道總數(shù)量m的節(jié)點(diǎn)i；步驟S423：判斷m是否大于節(jié)點(diǎn)的約束條件，所述節(jié)點(diǎn)約束條件為節(jié)點(diǎn)的收發(fā)器數(shù)量C；若m小于等于C，則該信道分配方案不需要進(jìn)行信道合并；若m大于C，則該信道分配方案需要進(jìn)行信道合并操作，進(jìn)入步驟S424；步驟S424：找出與節(jié)點(diǎn)i相連的鏈路的信道編號(hào)，找出數(shù)量最少的兩個(gè)信道編號(hào)c1，c2；步驟S425：將信道編號(hào)為c1的鏈路的信道編號(hào)改為c2；同時(shí)，將于該鏈路相連的信道編號(hào)為c1的鏈路的信道編號(hào)也改變?yōu)閏2；步驟S426：返回步驟S421至步驟S423，若符合約束條件，則將該信道分配方案作為信道合并后的滿足收發(fā)器數(shù)量約束條件的信道方案；否則，返回步驟S424，進(jìn)行下一次的信道合并操作。與現(xiàn)有技術(shù)相比，本發(fā)明有以下有益效果：1、本發(fā)明通過(guò)結(jié)合遺傳算法和簡(jiǎn)化粒子群算法的特點(diǎn)，引入了遺傳算法中的交叉變異操作，對(duì)多收發(fā)器多信道分配的結(jié)果提高了全局搜索能力以及運(yùn)行速度。2、本發(fā)明采用無(wú)線傳感器網(wǎng)絡(luò)的總干擾值作為遺傳簡(jiǎn)化粒子群算法GA-SSO的適應(yīng)度函數(shù)，總干擾值能夠很好地反映每一個(gè)分配方案的優(yōu)劣。同時(shí)，本發(fā)明結(jié)合現(xiàn)實(shí)網(wǎng)絡(luò)環(huán)境中收發(fā)器數(shù)量有限的約束，提出一種信道合并方法，使得該方法能夠更好的適應(yīng)現(xiàn)實(shí)環(huán)境。附圖說(shuō)明圖1為本發(fā)明實(shí)施例的方法流程示意圖。圖2為本發(fā)明實(shí)施例中遺傳簡(jiǎn)化粒子群算法GA-SSO在信道數(shù)量一定，收發(fā)器數(shù)量不同的條件下的性能比較示意圖。具體實(shí)施方式下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明。如圖1所示，本實(shí)施例提供了一種無(wú)線傳感器網(wǎng)絡(luò)多收發(fā)器多信道分配算法，具體包括以下步驟：步驟S1：建立無(wú)線傳感器網(wǎng)絡(luò)的通信網(wǎng)絡(luò)拓?fù)鋱DG，用G＝(V,E)表示，其中，V表示W(wǎng)SN中節(jié)點(diǎn)，E表示節(jié)點(diǎn)間的通信鏈路的集合；通過(guò)通信拓?fù)鋱DG獲取網(wǎng)絡(luò)鏈路潛在沖突圖Gc，用Gc＝(Vc,Ec)來(lái)表示，其中通信網(wǎng)絡(luò)拓補(bǔ)圖G中的通信鏈路數(shù)量為M；步驟S2：以所述無(wú)線傳感器網(wǎng)絡(luò)中的每一種多收發(fā)器多信道分配的可行解作為一個(gè)粒子，建立粒子群；所述粒子群中具有K個(gè)M維粒子；在當(dāng)前時(shí)刻t時(shí)，針對(duì)第i個(gè)M維粒子，i＝1～K，隨機(jī)產(chǎn)生一個(gè)滿足約束條件的N維位置Xi(t)＝(xi1,xi2,...,xiM)，xi1～xiM為第1～M條通信鏈路的信道分配方案；步驟S3：計(jì)算當(dāng)前時(shí)刻t每個(gè)粒子的網(wǎng)絡(luò)總干擾值，獲得每個(gè)粒子的自身最優(yōu)信道分配方案作為自身最優(yōu)位置Pbesti(i＝1～K)；同時(shí)，以當(dāng)前時(shí)刻t網(wǎng)絡(luò)總干擾值最小的信道分配方案作為粒子群的全局最優(yōu)信道分配方案，即全局最優(yōu)位置Gbest；步驟S4：以遺傳簡(jiǎn)化粒子群算法GA-SSO進(jìn)行粒子的迭代搜索，其中在粒子的位置更新后，增加信道合并的操作；當(dāng)?shù)阉鬟M(jìn)行至設(shè)定的迭代次數(shù)，就獲得最終的優(yōu)化結(jié)果，實(shí)現(xiàn)多信道多收發(fā)器的的優(yōu)化；其中，所述遺傳簡(jiǎn)化粒子群算法GA-SSO以無(wú)線傳感器網(wǎng)絡(luò)的總干擾值作為適應(yīng)度。在本實(shí)施例中，所述步驟S4具體包括以下步驟；步驟S41：以遺傳簡(jiǎn)化粒子群算法GA-SSO對(duì)每個(gè)粒子進(jìn)行位置的更新，其中粒子i在t+1時(shí)刻的位置Xi(t+1)更新為：Xi(t+1)=Xi(t),ifr∈[0,Cw),Cross(Xi(t),Pbesti(t)),ifr∈[Cw,Cp),Cross(Xi(t),Gbest(t)),ifr∈[Cp,Cg),Mutate(Xi(t)),ifr∈[Cg,1);]]>其中，Cw為粒子i保持不變的概率，Cp為粒子i在當(dāng)前時(shí)刻與個(gè)體最優(yōu)位子的交叉因子，(Cp-Cw)為對(duì)應(yīng)的交叉概率，Cg為粒子i在當(dāng)前時(shí)刻與全局最優(yōu)位置的交叉因子，(Cg-Cp)為對(duì)應(yīng)的交叉概率；r為區(qū)間[0,1]內(nèi)一均勻分布選取的獨(dú)立隨機(jī)數(shù)；步驟S42：判斷位置Xi(t+1)是否滿足收發(fā)器數(shù)量約束條件，若不滿足，則進(jìn)行信道合并操作；步驟S43：計(jì)算下一時(shí)刻t+1每個(gè)粒子所對(duì)應(yīng)信道分配方案的網(wǎng)絡(luò)總干擾值，獲得每個(gè)粒子的自身最優(yōu)位置Pbesti'，i＝1～K，并獲得粒子群的全局最優(yōu)位置Gbest'；將Pbesti'對(duì)應(yīng)的網(wǎng)絡(luò)總干擾值與Pbesti對(duì)應(yīng)的網(wǎng)絡(luò)總干擾值進(jìn)行對(duì)比，若Pbesti'對(duì)應(yīng)的網(wǎng)絡(luò)總干擾值更小，則將Pbesti'的值賦給Pbesti；將Gbest'對(duì)應(yīng)的網(wǎng)絡(luò)總干擾值與Gbest對(duì)應(yīng)的網(wǎng)絡(luò)總干擾值進(jìn)行對(duì)比，若Gbest'對(duì)應(yīng)的網(wǎng)絡(luò)總干擾值更小，則Gbest'將的值賦給Gbest。步驟S44：判斷是否達(dá)到預(yù)設(shè)的迭代次數(shù)；若達(dá)到迭代次數(shù)，則獲得本次迭代的Pbest1～PbestK以及Gbest，把全局最優(yōu)位置Gbest作為最終的信道分配方案；否則，返回步驟S41，進(jìn)行下一次迭代。在本實(shí)施例中，計(jì)算所述每個(gè)粒子所對(duì)應(yīng)信道分配方案的網(wǎng)絡(luò)總干擾值包括以下步驟：步驟S31：在所述無(wú)線傳感器網(wǎng)絡(luò)中，根據(jù)節(jié)點(diǎn)的坐標(biāo)獲取網(wǎng)絡(luò)通信圖為G，再由通信圖G獲取網(wǎng)絡(luò)潛在沖突圖Gc；步驟S32：計(jì)算單條鏈路ei在信道分配方案f中的干擾值，計(jì)算采用下式：I(ei)=Σei,ej∈VcGc(i,j);]]>其中，Vc表示Gc中頂點(diǎn)(即G中鏈路)，ei與ej的信道相同時(shí)干擾值為1；步驟S33：計(jì)算信道分配方案的總干擾值：I(f)=Σe∈VcI(e);]]>在本實(shí)施例中，步驟S42中，所述進(jìn)行信道合并操作具體包括以下步驟；步驟S421：將已經(jīng)分配好的鏈路信道分配方案f轉(zhuǎn)化為節(jié)點(diǎn)信道分配方案fv；步驟S422：找出擁有最多不同信道總數(shù)量m的節(jié)點(diǎn)i；步驟S423：判斷m是否大于節(jié)點(diǎn)的約束條件，所述節(jié)點(diǎn)約束條件為節(jié)點(diǎn)的收發(fā)器數(shù)量C；若m小于等于C，則該信道分配方案不需要進(jìn)行信道合并；若m大于C，則該信道分配方案需要進(jìn)行信道合并操作，進(jìn)入步驟S424；步驟S424：找出與節(jié)點(diǎn)i相連的鏈路的信道編號(hào)，找出數(shù)量最少的兩個(gè)信道編號(hào)c1，c2；步驟S425：將信道編號(hào)為c1的鏈路的信道編號(hào)改為c2；同時(shí)，將于該鏈路相連的信道編號(hào)為c1的鏈路的信道編號(hào)也改變?yōu)閏2；步驟S426：返回步驟S421至步驟S423，若符合約束條件，則將該信道分配方案作為信道合并后的滿足收發(fā)器數(shù)量約束條件的信道方案；否則，返回步驟S424，進(jìn)行下一次的信道合并操作。實(shí)施例1。針對(duì)上述思想，對(duì)本發(fā)明使用的遺傳簡(jiǎn)化粒子群算法，與簡(jiǎn)化粒子群算法以及DPSOCA算法在多收發(fā)器多信道分配問(wèn)題進(jìn)行仿真?？紤]25個(gè)傳感器部署在面積為1000*1000m2的區(qū)域中。粒子群大小為50，傳感器的通信半徑為250m，干擾半徑為250m，每個(gè)節(jié)點(diǎn)可用信道數(shù)為5，收發(fā)器數(shù)量為3。設(shè)定的Cg＝0.5,Cp＝0.3,Cw＝0.1,迭代次數(shù)為1000次?？紤]100次隨機(jī)實(shí)驗(yàn)，算法的性能如表1所示。表1算法性能對(duì)比結(jié)果表明，GASSO的收斂速度更快，優(yōu)化效果較好。網(wǎng)絡(luò)最小干擾值GASSO為5.55％，SSO為6.42％，DPSOCA為5.75％。實(shí)施例2。為了進(jìn)一步說(shuō)明上述問(wèn)題，對(duì)本發(fā)明使用的遺傳簡(jiǎn)化粒子群算法，與簡(jiǎn)化粒子群算法以及DPSOCA算法在多收發(fā)器多信道分配問(wèn)題進(jìn)行仿真?？紤]25個(gè)傳感器部署在面積為10001000m2的區(qū)域中。粒子群大小為50，傳感器的通信半徑為250m，干擾半徑為250m，每個(gè)節(jié)點(diǎn)可用信道數(shù)為12，收發(fā)器數(shù)量為12。設(shè)定的Cg＝0.5,Cp＝0.3,Cw＝0.1,迭代次數(shù)為1000次。通過(guò)改變可用收發(fā)器數(shù)量，獲取不同的總干擾值。圖2為網(wǎng)絡(luò)配置25個(gè)節(jié)點(diǎn)時(shí)，9個(gè)正交信道不同收發(fā)器數(shù)量的沖突百分比變化情況。隨著接口數(shù)目的增加，整個(gè)網(wǎng)絡(luò)的干擾值先隨著收發(fā)器的數(shù)量增加迅速降低，然后降低的速度逐漸減慢。當(dāng)收發(fā)器數(shù)量為6時(shí)，再繼續(xù)增加節(jié)點(diǎn)的收發(fā)器數(shù)量，干擾值基本不會(huì)變化。原因是：當(dāng)收發(fā)器數(shù)量少的時(shí)候，對(duì)鏈路進(jìn)行信道分配，鏈路對(duì)應(yīng)的節(jié)點(diǎn)分配的信道受到收發(fā)器數(shù)量的約束大，干擾值大；當(dāng)收發(fā)器數(shù)量增加時(shí)，這種約束愈來(lái)愈小，干擾值隨之減??；當(dāng)收發(fā)器數(shù)量增加到一定數(shù)量時(shí)，再繼續(xù)增加收發(fā)器數(shù)量，對(duì)新增加的收發(fā)器所分配的信道有可能已經(jīng)在同一個(gè)節(jié)點(diǎn)的其他收發(fā)器上已經(jīng)分配了，因此，對(duì)整個(gè)網(wǎng)絡(luò)的干擾沒(méi)有產(chǎn)生更大的影響了。同時(shí)，由于該三種算法均起源于粒子群算法，給予足夠的時(shí)間與迭代次數(shù)，均能夠得到不錯(cuò)的結(jié)果。以上所述僅為本發(fā)明的較佳實(shí)施例，凡依本發(fā)明申請(qǐng)專利范圍所做的均等變化與修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。當(dāng)前第1頁(yè)1 2 3