[发明专利]一种基于遗传算法和蚁群算法的路由选择策略的方法

权利要求书

1.一种基于遗传算法和蚁群算法的路由选择策略的方法，其特征在于，包括：

设定网络的基本参数，确定能耗模型，结合高斯分布产生遗传算法的初始解；

当达到设定的轮数时，计算每个染色体的适应性函数值，使用精英法保留个体，并选择两个染色体作为父本，交叉互换，生成新的子代，进行基因位突变；

确定簇头节点，更新全局信息素，当达到蚁群算法的循环次数时，每一个簇头节点使用蚁群算法需找到基站的路径；

更新路由表，计算候选节点，使用轮盘赌方法选择下一跳的节点，直到蚂蚁到达基站，完成簇内传输和簇头到基站的传输，得到能耗最小的传输路径；

其中，所述适应性函数的公式为：

式中，C为网络内簇头的集合，E₀为节点的初始能量，E_i为i节点的剩余能量，E_Intracluster为簇内通信的能耗，E_{i_CH}为成员节点i传输数据到簇头的能耗，即成员节点传输数据到簇头，E_tran为簇头传输数据到sink节点的传输能耗，E_tran＝round(disCHtoSink/R)*E_R，round(disCHtoSink/R)为簇头到sink节点的路径条数向无穷大方向取整，R为通信半径，E_R为传输一个通信半径的长度所消耗的能量，disCHtosink为簇头节点到sink节点的距离；

所述确定簇头节点，更新全局信息素过程还包括：

通过所述的蚁群算法寻找路径时，源节点产生前向蚂蚁搜索路径，到达终点后，终点产生后向蚂蚁沿原路径返回，更新信息素；寻找路径阶段，对下一跳节点的概率进行计算，所述下一跳节点的概率计算式为：

式中，τ_ij为全局信息素，η_ij为节点的剩余能量，和β表示对应的次幂，t为当前网络运行的时间，allowed_i为节点i的候选节点组成的集合；

为了避免产生冗余的路径或环路，在选择下一跳节点时，结合距离因子，为了平衡网络能耗和延长网络寿命，在启发期望因素中，考虑节点的剩余能量，其中：

式中，disiToSink为节点i到sink节点的距离，disjToSink为候选节点j到sink节点的距离，E₀为节点的初始能量，R为节点的通信半径，Q为常数；

当表示候选节点i距离sink节点的距离更近；

当表示候选节点j距离sink节点的距离更近；

当前向蚂蚁完成路径的搜索，到达sink节点时，sink节点会产生后向蚂蚁，互相蚂蚁会沿着路径返回，更新全局信息素，给下一轮的前向蚂蚁提供正反馈；

全局信息素的更新式为：

τ_ij(t+1)＝(1-ρ)*τ_ij(t)+ρ*Δτ_ij(t)；

式中，ρ为蒸发系数，在没有蚂蚁走过的路径上信息素会随着时间蒸发，1-ρ是信息素的剩余因子，Δτ_ij为节点i到j之间链路上信息素的变化量，M为常数，length为路径的长度，Emean为路径中节点的平均剩余能量；

在全局信息素更新完毕后，路径短，剩余能量高的路径上信息素会增多；路径长，节点剩余能量较少的路径上信息减少。

2.根据权利要求1所述的基于遗传算法和蚁群算法的路由选择策略的方法，其特征在于，所述网络的基本参数包括：网络规模、节点数量、节点分布、节点初始能量、节点通信半径、传输报文。