[发明专利]一种基于人工智能的SND网络路由筛选方法和电子设备

说明书

本发明公开了一种基于人工智能的SND网络路由筛选方法和电子设备，属于SND网络技术领域。通过构建适用于人工智能的路由模型，将SND网络进行阶段划分，对得到的阶段的状态变量赋予阶段属性和接收属性；记录通讯的各个节点的节点信息，以此得到适用于人工智能的路由模型；从路由模型中筛选出可到达路由；将SND网络转换为带权连通图，根据带权连通图建立从源节点到节点基站的最小权重函数；将带权连通图转换为权重矩阵，根据权重矩阵，采用人工智能得到最小权重的可到达路由以及求解最小权重函数。本发明实现了为无线充电传感网络建立合理高效的充电策略，提高能量的利用率和效率，缩减时间和人工成本。

技术领域

本发明涉及SND网络技术领域，特别涉及一种基于人工智能的SND网络路由筛选方法和电子设备。

背景技术

SND网络通常部署在高山、深林等人迹罕至的环境中，通常是采用无人机作为移动充电源。SND网络路由筛选方法，是用来寻找从源节点S(通常为传感器节点)到基站Sink(即为节点基站)的一条通信路径，源节点通过其余传感器节点的不断转发将信息传送到基站。

现有的路由方法中，SPIN方法具体是接收信息时，节点在发送信息之前提前发送一个ADV信息告知其余节点要发送信息，若其余节点同意接收信息，则返回一个REQ信息，但是，SPIN方法的目标更多的是将数据发送给基站，而不考虑其路径，从而忽略了许多影响决策的选择。Flooding泛洪方法具体是收到数据的节点像广播一样向发送内所有节点转发，不管节点是否已经接收过信息还需不需要接受，虽然Flooding泛洪方法能适用于人工智能，但其是无差别发送，容易造成信息的重复、内爆，降低传感器网络的性能。因此，有必要研究出能够适应动态规划并且合理高效的新路由方法。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种基于人工智能的SND网络路由筛选方法和电子设备。所述技术方案如下：

第一方面，提供了一种基于人工智能的SND网络路由筛选方法方法，所述方法包括：

将SND网络进行阶段划分，并根据每个阶段内的节点得到对应阶段的状态变量；

对每个阶段中的状态变量赋予阶段属性和接收属性；

将相互通讯的各个节点的节点信息进行记录，以此构建得到适用于人工智能的路由模型，节点信息包括节点所对应的阶段的状态变量、阶段属性、受当前阶段状态变量影响的下一阶段的状态变量、节点的坐标信息；

针对于适用于人工智能的路由模型，从中筛选出源节点和节点基站之间的可到达路由；

将SND网络转换为带权连通图，根据带权连通图建立从源节点到节点基站的最小权重函数；

将带权连通图转换为权重矩阵，根据权重矩阵，采用人工智能得到最小权重的可到达路由以及求解最小权重函数。

可选的，将SND网络进行阶段划分，并根据每个阶段内的节点得到对应阶段的状态变量包括：

步骤1、计算各个节点和源节点之间的距离，并作为第一距离；

针对于每个节点，判断第一距离是否小于源节点的通信半径，若是，则将对应的节点作为第一阶段的一个状态变量；遍历所有节点，得到第一阶段的所有状态变量；

将SND网络的所有节点中除去源节点和第一阶段的所有状态变量，得到剩余节点；

步骤2、针对于每个剩余节点，计算剩余节点与上一阶段各个状态变量之间的距离，并作为第二距离；

针对于各个剩余节点，判断第二距离是否小于对应的上一阶段状态变量的通信半径，若是，则将该节点作为当前阶段的一个状态变量；遍历所有节点，得到当前阶段的所有状态变量；

将剩余节点除去当前阶段的所有状态变量，得到更新后的剩余节点；

步骤3、重复步骤2，直至得到所有阶段的状态变量。

可选的，对每个阶段中的状态变量赋予阶段属性和接收属性包括：