基于多蚁群算法的无线传感器网络路由的跨层设(4)

一篇论文

息记录下来,并通过Hello消息转移给后向蚂蚁,自身将被删除。逆向蚂蚁在沿前向蚂蚁的方向路径行进的过程中对本种群的信息素做全局更新,更新的规则如下

Q

k)* kij(t+n)=(1- ij(t)+ s

R

由跨层优化时具有传输时延小、收敛速度快且传输较为稳定等明显优势,从而满足了事件驱动型重负荷无线传感器网络的实时性要求

。

(11)

式中,R为种群S中的蚂蚁k在一次循环结束后路径上的网络资源消耗值。

Step7 当后向蚂蚁返回到源节点后出动第二批蚂蚁,直至达到算法最大迭代次数NCmax时跳出循环。循环结束时,每个种群可以得到一条优化路径,多个种群就可以得到多条优化路径。

图2 网络负荷较大时平均数据包延迟对比图

仿真实验2 网络拥塞率:为了能有效地反映网络的拥塞程度,用多蚁群算法与蚂蚁网络算法进行重负荷传感器网络路由优化时对节点缓冲区队列中的数据包溢出情况进行统计,得出如图3所示的拥塞程度对比图。AntNet算法在开始执行时拥塞率逐渐升高,随着仿真时间的增加,网络拥塞率逐渐下降,由于算法较易出现收敛于次优解的情况,因此在收敛于稳定状态时拥塞程度保持在较高的水平上。本文采用的多种群蚁群算法拥塞率较低,数据分组传输到达的成功率较高,从而体现出对无线传感器网络进行跨层路由优化时加入节点负载情况作为路径选择判据的优势,在传输时选用释放不同类型信息素的蚂蚁搜索最优路径,从而能够使数据流量分散到多条可能的路径中,缓解了负荷较大时网络的拥塞程度,满足了无线传感器网络可靠性的要求并实现了网络的负载平

衡。

4 性能仿真及分析

4.1 性能评价指标

选用以下参数作为网络性能的评价指标。

(1)平均数据包延迟:即在固定时间段内,所有从源节点到达汇聚节点的数据包时延的平均值。

(2)拥塞率:网络中节点传送数据时缓冲区队列满后溢出,造成数据包丢失,用数据包丢失的情况反映无线传感器网络的拥塞程度。

(3)平均吞吐量:即单位时间内正确传输的比特数。网络中数据帧的碰撞将导致发送方需退避一段时间,然后重新发送数据,这必然对无线传感器网络的路由协议中节点间的吞吐量产生影响。4.2 仿真实验

4.2.1 实验参数设置

本文利用面向对象的OMNeT++作为仿真平台对设计的基于多蚁群算法的负载感知和高效接入跨层路由协议进行实验。感知区域为(0,0)到(1000,1000)的平面正方形监测区域,随机布撒200个传感器节点,仿真时间为1000s。考虑到传感器网络节点的现实情况,将节点最大传输距离设为100m,固定汇聚节点的位置是(980,990)。传输的数据包大小为512B,传感器节点的缓冲区队列长度设置为100个数据包的长度,源节点以10packet/s的速率产生数据。MAC层采用IEEE802.11协议。多蚁群算法的迭代次数NCmax固定为200代,子汇聚节点个数或种群个数k=3。其它的参数取值采用经验的方法设置为:每个种群中的蚂蚁个数m=100, =0.85, =2, =0.2,Q=100。运行AntNet算法和多种群蚁群算法对无线传感器网络路由进行优化的程序,取20次实验结果的平均值进行比较。

4.2.2 仿真结果分析

为了测试基于多蚁群算法的路由协议的性能,在网络负荷较大时,将蚂蚁网络路由优化算法从数据包延迟、网络拥塞率及吞吐量3个网络性能指标进行比较。

仿真实验1 平均数据包时延:即所有到达目的节点数据包的排队等待时延和链路传输时延的平均值。在上述仿真场景中,用MACO算法和AntNet算法对重负荷无线传感器网络进行路由优化时,最优路径上数据包从源节点到目的节点所需平均传输时延大小比较如图2所示。从仿真结果可见,当网络达到稳定时,AntNet算法的数据包延迟比多种群蚁群算法要大,达到稳定状态需要较长的时间且波动大,因此本文采用的改进的多种群蚁群算法在进行无线传感器网络路

图3 网络拥塞程度比较图

仿真实验3 网络吞吐量:在对无线传感器网络的路由进行跨层优化时加入从MAC层提取的节点带宽接入效率作为路径选择的参数,用多种群蚁群算法求得的最优传输路径在单位时间内正确传输的比特数比AntNet算法要多,即改进的多蚁群算法在网络平均吞吐量方面具有明显的优势,因此该算法更适合于事件驱动型无线传感器网络的路由优化,能够保证数据传输的可靠性,实现了无线传感器网络的拥塞控制机制。图4是网络平均吞吐

量比较图。

图4 网络平均吞吐量比较图

通过以上3个仿真实验验证,得出多蚁群算法比AntNet算法在数据包延迟、分组到达的成功率及网络吞吐量等方面

(下转第94页)