[发明专利]一种基于遗传-细菌觅食优化策略的动态源路由方法

摘要

一种基于遗传‑细菌觅食优化(GA‑BFO)策略的动态源路由(DSR)方法。本方法针对DSR协议，综合考虑节点能量信息，提出遗传‑细菌觅食优化算法来进行路由选择，即在搜索出到目的节点的多条路由后，对路径进行编码初始化，先启动GA算法，利用它的求解速度快，迅速搜索出若干组优化路径，即最优路径最大概率所在的位置，以此作为BFO算法的菌群初始位置分布，为了弥补GA算法求解精度不高，利用BFO算法的极易搜索出极值的特性，搜索出最优路径。本方法提出的优化策略，在不改变DSR复杂度的前提下提高了路由选择效率及精度，并证明了该算法的收敛到全局最优解的特性。仿真实验表明，本方法是可行的和适用的，也有较好的实验效果。

主权项

一种基于遗传‑细菌觅食优化策略的动态源路由方法，其特征在于该方法主要包括如下关键步骤：第1、编码及初始种群的创建与选择：第1.1、采用节点序列编码，即对于一条给定的从源节点到目的节点的路径，该路径上节点序列号即为染色体编码，一个节点序列就是一条染色体，即一条路径对应着一个个体设为是第t代个体，其中t代表是第t代，当t为0时，表示初代，i代表的是第i条路径；对于每一个节点以其物理ID号R作为它的节点标识，并且网络中节点标识是事先给定的，并保持不变；设序列中节点数即个体染色体长度为Li，节点序列号为按DSR路由发现策略，搜索到N条路径，以此作为初始群体A0，N为群体规模；所以个体的初始染色体表示为：ai0=[a1,a2,...aN]---(1)]]>其中i＝1,2,…N，N为群体规模；第1.2、本方法采用适应度比例法，又称轮盘赌选择法，按照个体适应度在整个种群适应度中所占比例确定该个体的被选择概率个体ai的适应度表示为f(ai)，此处ai泛指所有的个体，则可计算出个体αi被选取的概率个体αi选择概率的计算公式为：Pαi=-f(αi)Σi=1Nfαi---(2)]]>第2、适应度函数的确定：第2.1、按照上述第1.2步适应度比例法，得到的个体αi的最小跳数适应度公式如下：Fitness_hops(ai)＝L(ai).size  (3)其中，L(ai).size表示群体中个体αi的跳数；第2.2、如下等式(4)中考虑个体αi即一条路径的跳数；一条路径的生存期还是被节点的能量制约，所以路径能量的评估以一条路径所有节点能量作消耗为路径能量考虑，也就是计算个体αi中节点的能量适应度函数，计算如下：Fitness_En(ai)=CCST-ΣRixiLiCcostRxi---(4)]]>其中，Li为染色体的长度，CCST表示一个任意常数；表示节点代价；可以用无线传感网络节点能耗ETX(k,d)和ERX(k,d)表示，计算如下：CostRxi=ETX(k,d)+ERX(k,d)---(5)]]>其中，根据无线电能量消耗模型，节点每发送k比特的数据，其能耗如下：ETX(k,d)=ETX-elec(k,d)+ETX-amp(k,d)=kEelec+kEfs×d2,d≤d0kEelec+kEmp×d4,d>d0---(6)]]>等式(6)中，阈值Efs和Emp分别为自由空间模式和多径衰减模式下电路放大器的能耗系数，k为传输数据包字节数，d为传输距离，Eelec(nj/bit)为射频能耗系数；当源节点和目的节点之间距离小于等于阈值d0时，节点采用自由空间模式；当源节点和目的节点之间距离大于阈值d0时，节点采用多径衰减模式；节点接收k比特消息的能耗计算公式如下：ERX(k)＝ERX‑elec(k)＝kEelec  (7)第2.3、利用适应度比例法计算得到个体最小跳数适应度函数，利用节点能量信息计算得到的个体能量适应度函数，得到的综合适应度函数计算公式如下：Fai=Fitness(ai)=w1×Fitness_hops(ai)+w2×Fitness_En(ai)---(8)]]>其中，即均衡式选取适应度，Fitness_hops(ai)是个体最小跳数适应度函数，Fitness_En(ai)是个体能量适应度函数；在仿真实验中，针对不同的应用场景，不同的网络性能要求，可以设定不同的w1和w2参数，w1+w2＝1，且均小于1；第3、交叉和变异：第3.1、群体中随机选择两个路径a1,a2，找出两条路径共同经过的节点作为备选交叉节点，源节点和目的节点除外；从备选交叉节点中随机选取一点作为此次路径交叉的交叉节点；将路径a1，a2位于交叉节点后的子路径进行交换得到新的a1，a2路径；当两条路径之间没有备选交叉节点时，则不做路径交叉，如强制做交叉将破坏已有的模式，使遗传算法的收敛速度变慢；第3.2、本方法采用均匀变异算子计算变异的概率；均匀变异是指分别用符合某一范围内均匀分布的随机数，以某一较小的变异概率替换个体编码串中各个基因座上的原有基因值；设Li为染色体个体长度，N为种群中个体的数目，pinitial为初始的变异概率，则能够计算出种群中个体αi发生变异的概率，计算如下：P(ai)=1-(1-pinitial)Li---(9)]]>设定随机变量ψ∈[0,1]，当P(ai)≥ψ时个体发生变异，P(ai)＜ψ时不发生变异；第3.3、初始群体通过选择，交叉，变异产生较优解集，作为细菌觅食菌群的初始位置分布，整个菌群用A*表示，Z(z)中路由个数S表示细菌种群大小，i＝1,2,…,S；第4、趋向性操作：第4.1、细菌先朝某随机方向游动一步；如果该方向上的适应值比上一步所处位置的适应值低，则进行旋转，朝另外一个随机方向游动；如果该方向上的适应值比上一步所处位置的适应值高，则沿着该随机方向向前移动；如果该方向上的适应值比上一步所处的位置的适应度低，继续改向；如果达到最大尝试次数，则停止该细菌的趋向性操作，跳转到下一个细菌执行趋向性操作；个体的每一步趋向性的旋转操作表示如下：Fai*(j+1,n,l)=Fai*(j,n,l)+C(ai*)·φ(ai*)---(10)]]>φ(ai*)=Δ(ai*)ΔT(ai*)---(11)]]>其中，j表示趋向性操作，c表示复制操作，的表示迁徙操作,表示菌群的适应值，表示按选定的方向游动的步长，为变向中生成的任意方向的向量，φ(i)表示进行方向调整后选定的单位步长向量；如果旋转的适应值改善，则按照旋转的方向进行游动，直至适应值不再改善或达到设定的最大移动步数NS为止，其中NS为常数；基于细菌感应机制的适应度采用Jcc表示：Jcc(FA*,Fai*(j,n,l))=ΣisJcci(FA*,Fai*(j,n,l))=Σis[-dattractexp(-wattractΣm=1D(FmA*,Fmai*)2)]+=Σis[-hrepellantexp(-wrepellantΣm=1D(FmA*,Fmai*)2)]---(12)]]>其中，dattract为引力深度，wattract为引力宽度，hrepellant为斥力高度，wrepellant为斥力宽度；为整个菌群中其他细菌的第m个分量，为细菌的第m个分量，D表示菌落的整个叫优化解集的节点个数；引入细菌感知机制后，细菌的适应度必须叠加细菌的感知适应度Jcc；第个细菌的适应值的计算公式为：Fai*(j+1,n,l)=Fai*(j,n,l)+C(ai*)φ(ai*)+Jcc(FA*(j+1,n,l),Fai*(j+1,n,l))---(13)]]>第5、复制性操作和迁徙操作：第5.1、对每个细菌在生命周期内的适应度进行累加得到细菌健康度，按照细菌健康度进行排序，淘汰掉健康度获取能力差的半数细菌，对健康度获取能力较强的半数细菌进行再生；计算公式：Jhealthαi*=Σj=1NcFαi*(j,n,l)---(14)]]>为细菌的健康度函数或能量函数，以此来衡量细菌所获得的能量；越大，表示细菌越健康，觅食能力越强；将细菌健康度按从小到大的顺序排列，淘汰掉前Sr＝S/2个健康度值较小的细菌，复制后Sr个健康度值较大的细菌，使细菌又生成Sr个与原健康度值较大的母代细菌完全相同的子代细菌。