[发明专利]一种基于免疫粒子群的多路径传输路由方法有效
| 申请号: | 201910826531.9 | 申请日: | 2019-09-02 |
| 公开(公告)号: | CN110545552B | 公开(公告)日: | 2023-04-14 |
| 发明(设计)人: | 李洪兵;刘小龙;陈强;刘子路;罗洋;刘莎;杨震;梁裕巧;陈立万;罗桦;黄猛 | 申请(专利权)人: | 重庆三峡学院 |
| 主分类号: | H04W24/02 | 分类号: | H04W24/02;H04W40/04;H04W40/12;H04W84/18 |
| 代理公司: | 重庆以知共创专利代理事务所(普通合伙) 50226 | 代理人: | 高建华 |
| 地址: | 404100 *** | 国省代码: | 重庆;50 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 免疫 粒子 路径 传输 路由 方法 | ||
1.一种基于免疫粒子群的多路径传输路由方法,其特征在于,包括以下步骤:
1)在面积为[p,q]的区域内随机部署数量为N的传感器节点,产生初始粒子即抗体种群,初始化相关参数:选择概率协调系数α,能量消耗参数k,Elelc,εfs,d0,εamp,ed,感知半径Rs,学习因子c1,c2,随机数r1,r2,子区间θ,最大迭代数T,搜索半径参考值d1,d2,d3,d4,综合选择概率参数α,最大路径数设定值θ,节点初始能耗Eini故障容错度Tole,网络移动传感节点数N,网络区域范围参数[p,q],射频识别范围冗余Re,传感节点射频识别半径r;
2)根据粒子群方法,通过式(1)(2)(3)得到粒子的初始位置和速度
3)根据亲和度的大小,计算更新每个微粒的两个极值;粒子自身所找到的个体最优值和整个粒子种群目前所具有的最优值判断是否满足改进粒子群运行终止条件,即达到设定的迭代次数或优化误差已在设定许可范围内,如果不满足则跳转至步骤4,否则继续,生成N个粒子的位置和速度根据式(4)计算抗体的亲和度,将各粒子的目前位置更新为历史最优选择适应度最高粒子为全局最优
4)建立无线传感网络源节点S到目的节点D的传输路径,源节点S选择在其发射功率覆盖范围内的距离最短的邻居节点作为下一跳节点建立传输链路,并建立节点访问禁忌表,判断是否能够建立从源节点S到目的节点的第一条传输路径,若成功,转至步骤5,否则转至步骤2;
5)源节点S选择在其发射功率覆盖范围内的距离次短的且不属于节点访问禁忌表的邻居节点作为下一跳传输节点,建立从源节点到目的节点的第i条路径,若i≥K,表示成功建立K条互不交叉的传输路径,转至步骤6,若i<K,未能成功建立K条互不交叉的传输路径,转至步骤2;
6)按照质量评价函数QpathSD对建立路径的质量进行评价,选择最好质量的K条路径作为初始建立的传输路径,利用多路径全局评价函数为对建立的每条路径和整个多条路径传输进行质量评价;
7)生成免疫记忆群体,即根据式(4)进行群体成员即每个传感节点的N维微粒的亲和度评价,选取M个亲和度较大的抗体加入记忆库中作为免疫记忆细胞;
8)生成免疫疫苗,选择两个亲和度最高的抗体进行相交操作,即选择抗体中隶属于每个传感节点的被搜索到的某维粒子进行替换,把得到的公共子集部分存入疫苗库中作为免疫疫苗;
9)根据式(1)(2)(3),更新微粒的位置和速度,更新后会得到N个新的粒子,然后再从记忆细胞中随机选择M个抗体,组成规模为M+N个抗体的抗体群;
10)抗体的促进或抑制,根据式(5)、(6)和(7),计算抗体区间浓度Indi,疫苗浓度的动态调整Vacc(xi)和选择概率P(i),依据选择概率的大小选择出N个抗体组成新的抗体群,利用免疫疫苗对亲和度较低的抗体进行免疫疫苗接种操作;
11)免疫选择,通过计算接种粒子的适应度值,其中fg(t)为第t代粒子群的全局最优解的适应度值,fui(t)为第t代粒子i个体最优解的适应度值,fi(t)表示第t代粒子群的全局最优解与粒子i的个体最优解的适应度值比值,若该适应度值小于接种之前,则放弃该接种操作,保留原值,否则接受该接种操作,建立计算新抗体的亲和度;
12)重新建立K1条传输路径,根据式QpathSD对多条传输路径进行质量评价并选择质量最高的K条传输路径,根据式(8)对建立的多路径进行多目标数据评价,如果满足,表明所建立的多径路已到多目标函数容许范围的极优值,成功建立K条互不交叉的传输路径,否则转至步骤4;
所述步骤2)中,公式(1)为:公式(2)为:其中,ω为惯性权重;r1,r2是[0,1]之间的随机数;c1,c2为学习因子,取值为非负常数,用来调整粒子的自身经验和社会群体经验在寻优过程中的作用,表示粒子在i第k次迭代过程中的速度;表示粒子在第次迭代过程中的位置,表示粒子在i第t次迭代过程中具有的个体最优值所对应的位置,表示在第t次迭代过程中整个粒子种群所发现的全局最优值对应的位置,公式(3)为:ω(t)=(ωmax-ωmin)e(-c(t)t/T)+ωmin,其中ωmgx,ωmin分别为惯性权重的上下界,t为当前迭代次数;
所述步骤3)中,公式(4)为其中N为无线传感器网络节点数即为微粒群体数,如果两个抗体特别相近,那么Simi(Xi,Yi)值就会特别大,Simi(Xi,Yi)=1/d(xi,yi),其中d(xi,yi)表示两个抗体之间的距离,如果在种群某个抗体与多个抗体相似时,则说明该抗体在种群中的浓度Dens(Xi)较大;
所述步骤10)中,公式(5)为:sum(m)中,m为区间编号,m≤0,每个区间的抗体浓度表示为sum(m)/k,记为D(Sek),将每个抗体的浓度定义为其所在的区间浓度,记为Indi,公式(6)为:Vacc(xi)=Gbest+range(t)i=1,2,…,popB,其中Vacc(xi)是接种疫苗,range(t)是第t代搜索范围,R(t)是第t代搜索半径,每一个接种疫苗都落在群体极值周围的一个随机值上,公式(7)为:P(i)=αPa(i)+(1-α)Pd(i),α>0,Pa<1,Pd<1,i=1,2,…,n,中的α为协调系数,用来协调概率Pd和Pa的权重,可知,浓度越高亲和力越小的抗体被选择的机会就越小,反之,浓度越小亲和力越高的抗体获得进化的机会就越大,这样既提高了抗体的亲和度,又保证了群体的多样性;
所述步骤12)中,公式(8)为:
无线传感器网络多传输径路的质量评价函数QpathSD为:
其中,ξ1+ξ2=1,k为所建立的路径数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆三峡学院,未经重庆三峡学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910826531.9/1.html,转载请声明来源钻瓜专利网。





