本技術(shù)涉及一種均衡蟻群熵?zé)o線傳感網(wǎng)路由算法，特別涉及一種無限均衡蟻群熵改進的無線傳感網(wǎng)路由算法，屬于無線傳感器網(wǎng)絡(luò)路由。
背景技術(shù)：
：：1、無線傳感器網(wǎng)絡(luò)由數(shù)以百計的能量損耗低、功率低、成本低廉的傳感器結(jié)點組成，運行于無人工守護的自然環(huán)境中，擁有有限的感應(yīng)與分析數(shù)據(jù)的能力。隨著傳感器、無線通信、嵌入式軟件開發(fā)、微電子、大規(guī)模集成電路等技術(shù)的長足進步，物聯(lián)網(wǎng)、大數(shù)據(jù)、智能家居等高新技術(shù)越來越廣泛的與無線傳感器網(wǎng)絡(luò)結(jié)合，無線傳感器網(wǎng)絡(luò)技術(shù)作為物聯(lián)網(wǎng)的重要組成部分，取得了巨大的進步，并以其低成本、低能耗、可快速部署、高容錯性等為優(yōu)點，已在環(huán)境、國土、醫(yī)療等領(lǐng)域發(fā)揮了重大的作用。2、無線傳感器網(wǎng)絡(luò)是大量放置于監(jiān)控范圍內(nèi)的體積小、成本低的傳感器結(jié)點以自組織的形式組成的無線網(wǎng)絡(luò)系統(tǒng)，各個傳感器結(jié)點協(xié)作的收集并處理位于監(jiān)測范圍內(nèi)的數(shù)據(jù)，并將處理后的數(shù)據(jù)傳輸給觀測者。無線傳感器網(wǎng)絡(luò)內(nèi)部包含多項技術(shù)，比如無線通信技術(shù)、傳感器技術(shù)、分布式信息處理技術(shù)、嵌入式計算技術(shù)等等。然而，由于無線傳感器網(wǎng)絡(luò)監(jiān)控環(huán)境的部署相當(dāng)復(fù)雜，一般的都需要通過人工埋置、火箭彈射、飛行器播撒等方式，將結(jié)點隨機的播撒在指定區(qū)域內(nèi)。傳感器結(jié)點中電池容量的有限性、網(wǎng)絡(luò)部署環(huán)境的復(fù)雜性和結(jié)點散落的任意性，使得更換電池或者為電池充電也基本不可能。因此，無線傳感器網(wǎng)絡(luò)的生命周期經(jīng)常取決于傳感器結(jié)點的電池容量。3、由于每個傳感器結(jié)點的數(shù)據(jù)傳輸可達(dá)范圍是有限的，所以每個傳感器結(jié)點都要協(xié)同合作的與其可達(dá)范圍中的結(jié)點完成數(shù)據(jù)的傳輸，這樣不僅可以避免由于傳輸距離太長而出現(xiàn)數(shù)據(jù)丟失，也可以預(yù)防傳感器結(jié)點因傳輸距離過長能量損耗過大，盡可能的提升網(wǎng)絡(luò)的全局使用壽命。所以，對蔟間路由算法的優(yōu)化設(shè)計對延長無線傳感器網(wǎng)絡(luò)的生命周期、平衡傳感器結(jié)點的能量消耗有著重大意義。4、現(xiàn)有技術(shù)無線傳感網(wǎng)路由算法需要解決的問題和本技術(shù)關(guān)鍵技術(shù)難點包括：5、(1)無線傳感器網(wǎng)絡(luò)因為傳感器數(shù)量多，放置地域跨度大，地域條件惡劣等因素限制，大部分情況根本無法手動替換電池，但現(xiàn)有技術(shù)在設(shè)計網(wǎng)絡(luò)體系結(jié)構(gòu)時，節(jié)能做的不夠好，不能節(jié)省傳輸中損耗的，每個傳感器結(jié)點無法協(xié)同合作與其可達(dá)范圍中的結(jié)點完成數(shù)據(jù)的傳輸，導(dǎo)致由于傳輸距離太長而出現(xiàn)數(shù)據(jù)丟失，傳感器結(jié)點因傳輸距離過長能量損耗過大，蔟間路由算法不能起到很好的延長無線傳感器網(wǎng)絡(luò)的生命周期、平衡傳感器結(jié)點的能量消耗的作用，導(dǎo)致網(wǎng)絡(luò)全局的使用壽命較短。6、(2)現(xiàn)有技術(shù)缺少一種在結(jié)點進行路由選擇時引入無限均衡對策盤的改進蟻群熵算法。一是結(jié)點無法根據(jù)鄰居結(jié)點間的對策盤結(jié)果，缺少混合無限均衡熵，無法直接選擇滿足無限均衡熵的結(jié)點作為下一跳的結(jié)點，導(dǎo)致算法的收斂速度慢；二是結(jié)點的剩余能量無法作為參數(shù)融入路由選擇的無限均衡對策盤模型中，即缺少結(jié)點剩余能量作為下一跳路由的影響因子，在選擇下一跳結(jié)點的過程中結(jié)點的能量對路由選擇的影響弱，使整個系統(tǒng)的能耗不均衡，結(jié)點的存活率低，網(wǎng)絡(luò)的生命周期短；三是缺少從全局的角度來決定螞蟻更新信息素的能力，螞蟻無法根據(jù)數(shù)據(jù)包從源結(jié)點到達(dá)目標(biāo)結(jié)點所花費的時間來決定螞蟻的信息素更新能力，算法在收斂性、結(jié)點能耗均衡、網(wǎng)絡(luò)的丟包率和吞吐率等性能上表現(xiàn)較差。7、(3)現(xiàn)有技術(shù)無線傳感器網(wǎng)絡(luò)結(jié)點能量有限，當(dāng)一部分傳感器結(jié)點能量過度消耗，導(dǎo)致結(jié)點過早死亡，從而導(dǎo)致了網(wǎng)絡(luò)的失效，缺少采用結(jié)點的剩余能量作為路徑選擇考量因素，在螞蟻尋找路徑的過程中，每次都讓螞蟻通過信息素濃度計算跳轉(zhuǎn)概率后，再通過生成隨機數(shù)來選擇下一跳，則之后更多的螞蟻會選擇最優(yōu)路徑，導(dǎo)致最優(yōu)路徑上的結(jié)點能量被快速消耗并死亡，進而導(dǎo)致網(wǎng)絡(luò)的丟包率上升等情況，獲取的路由表數(shù)據(jù)簡單的依賴于跳轉(zhuǎn)概率，缺少改進蟻群熵的無限均衡對策盤模型以及對應(yīng)的協(xié)議結(jié)點和協(xié)議數(shù)據(jù)包設(shè)計，造成結(jié)點能耗大、網(wǎng)絡(luò)壽命短、穩(wěn)定性和魯棒性差。技術(shù)實現(xiàn)思路1、本技術(shù)基于無限均衡對策盤對原始蟻群算法進行改良，改良后的蟻群熵算法通過采用蟻群熵算法獲取的路由表數(shù)據(jù)，選擇滿足無限均衡熵的結(jié)點作為下一跳的結(jié)點，構(gòu)建了一種在結(jié)點進行路由選擇時引入無限均衡對策盤的改進蟻群熵算法，一是結(jié)點根據(jù)鄰居結(jié)點間的對策盤結(jié)果，即混合無限均衡熵，直接選擇滿足無限均衡熵的結(jié)點作為下一跳的結(jié)點，算法收斂速度明顯加快；二是將結(jié)點的剩余能量作為參數(shù)融入路由選擇的無限均衡對策盤模型中，即結(jié)點剩余能量作為下一跳路由的影響因子，在選擇下一跳結(jié)點的過程中加強結(jié)點的能量對路由選擇的影響，促使整個系統(tǒng)的能耗更加均衡，提高了結(jié)點的存活率，延長了網(wǎng)絡(luò)的生命周期；三是從全局的角度來決定螞蟻更新信息素的能力，螞蟻根據(jù)數(shù)據(jù)包從源結(jié)點到達(dá)目標(biāo)結(jié)點所花費的時間來決定螞蟻的信息素更新能力，算法在收斂性、結(jié)點能耗均衡、網(wǎng)絡(luò)的丟包率和吞吐率等性能上表現(xiàn)較好。2、為實現(xiàn)以上技術(shù)效果，本技術(shù)所采用的技術(shù)方案如下：3、無限均衡蟻群熵改進的無線傳感網(wǎng)路由算法，基于無限均衡對策盤對原始蟻群算法進行改良，改良后的蟻群熵算法通過采用蟻群熵算法獲取的路由表數(shù)據(jù)，選擇滿足無限均衡熵的結(jié)點作為下一跳的結(jié)點，構(gòu)建一種在結(jié)點進行路由選擇時引入無限均衡對策盤的改進蟻群熵算法：4、第一，結(jié)點根據(jù)鄰居結(jié)點間的對策盤結(jié)果，即混合無限均衡熵，直接選擇滿足無限均衡熵的結(jié)點作為下一跳的結(jié)點，算法收斂速度加快；5、第二，結(jié)點的剩余能量作為參數(shù)融入路由選擇的無限均衡對策盤模型中，即結(jié)點剩余能量作為下一跳路由的影響因子，在選擇下一跳結(jié)點的過程中加強結(jié)點的能量對路由選擇的影響，促使整個系統(tǒng)的能耗更加均衡；6、第三，從全局的角度來決定螞蟻更新信息素的能力，螞蟻根據(jù)數(shù)據(jù)包從源結(jié)點到達(dá)目標(biāo)結(jié)點所花費的時間來決定螞蟻的信息素更新能力。7、優(yōu)選地，改進蟻群熵的無限均衡對策盤模型：8、1)一場對策盤的參與者是傳感器結(jié)點m在網(wǎng)絡(luò)中的所有鄰接結(jié)點，倘若傳感器m采用鄰接傳感器n作為途經(jīng)結(jié)點，傳感器n遞歸的對自身除開結(jié)點m的所有鄰接傳感器采用對策，通過得到的對策盤結(jié)果從鄰居結(jié)點中選出下一跳；9、2)每個參與者的純策略集為{不轉(zhuǎn)發(fā)，轉(zhuǎn)發(fā)}；10、3)定義每個參與者的費用函數(shù)如下：11、12、其中，ρij是算法內(nèi)部傳感器結(jié)點i選擇j作為下一跳的機率，p為源傳感器與目標(biāo)傳感器結(jié)點之間的可達(dá)路徑，結(jié)點j和結(jié)點k是結(jié)點i的鄰居結(jié)點，j代表除了結(jié)點i的相鄰結(jié)點中除了結(jié)點j外的所有結(jié)點，f用常量表示，代表網(wǎng)絡(luò)的全局收益，結(jié)點轉(zhuǎn)發(fā)一個數(shù)據(jù)包所要消耗的能量用c表示，設(shè)為一個常量，假設(shè)在一場對策盤中，參與者有n個，ek表示結(jié)點k的剩余能量，采用：13、14、表示當(dāng)一個相鄰結(jié)點拒絕轉(zhuǎn)發(fā)數(shù)據(jù)包時只能獲得部分的網(wǎng)絡(luò)收益，進而激勵剩余能量較多的結(jié)點積極參與數(shù)據(jù)包的轉(zhuǎn)發(fā)。15、優(yōu)選地，改進的蟻群熵算法采用結(jié)點的剩余能量作為路徑選擇考量因素，基于無線網(wǎng)絡(luò)中每個傳感器結(jié)點都是理性的，即各個傳感器在面臨需要傳輸數(shù)據(jù)時，通過將自身的能量損耗減到最低，盡可能提升網(wǎng)絡(luò)全局效益，將問題轉(zhuǎn)化為一個無限均衡對策盤問題。16、優(yōu)選地，協(xié)議結(jié)點設(shè)計：采用ns2建立網(wǎng)絡(luò)通信模型，該模型具有一定數(shù)量的網(wǎng)絡(luò)結(jié)點，每個結(jié)點用一個被agent類的c++類表示，每個結(jié)點的agent類為其提供運行網(wǎng)絡(luò)協(xié)議所需要的所有功能：17、結(jié)點編號id是結(jié)點標(biāo)示自己的唯一符號，數(shù)據(jù)包在網(wǎng)絡(luò)中的傳輸都以此為依據(jù)，該唯一標(biāo)示也被用來在環(huán)境中部署無線傳感器結(jié)點；18、結(jié)點路由表vector<routertable>存儲結(jié)點可用的鄰接路由，當(dāng)前結(jié)點選擇途徑結(jié)點時需要采用該表，結(jié)點路由表包含傳感器編號、信息素大小與剩余能量參數(shù)；19、結(jié)點剩余能量nodelife是節(jié)點的生命周期，在結(jié)點選擇下一跳路由結(jié)點時，引入無限均衡對策盤模型，結(jié)點的剩余能量作為參數(shù)引入無限均衡對策盤模型，防止某些傳感器因能量損失速率太高造成傳感器無法繼續(xù)使用；20、數(shù)據(jù)包大小packetsize字段方便節(jié)點設(shè)置其發(fā)送的數(shù)據(jù)包的大?。?1、優(yōu)選地，數(shù)據(jù)包最大跳數(shù)ttlmax防止數(shù)據(jù)包在網(wǎng)絡(luò)中無盡的進行傳輸，防止其發(fā)展為網(wǎng)絡(luò)內(nèi)部無限傳輸?shù)膹U棄數(shù)據(jù)，當(dāng)數(shù)據(jù)包和探測包達(dá)到最大跳數(shù)這一臨界值，結(jié)點將回收數(shù)據(jù)包和探測包。22、結(jié)點發(fā)送數(shù)據(jù)包的數(shù)量sendnumb和結(jié)點接收數(shù)據(jù)包的數(shù)量backnumb字段通過記錄源結(jié)點發(fā)送和目標(biāo)結(jié)點接收的數(shù)據(jù)包的數(shù)量，來計算網(wǎng)絡(luò)的丟包率；23、探測包轉(zhuǎn)發(fā)延時時間detectdelay用來設(shè)置探測包的延時發(fā)送時間，并設(shè)置為遠(yuǎn)短于數(shù)據(jù)包轉(zhuǎn)發(fā)延時時間；24、源結(jié)點可接受的數(shù)據(jù)包最大傳輸時間sendovertime是為對數(shù)據(jù)包在傳輸過程中丟失這一問題進行判定，倘若數(shù)據(jù)包傳輸時間已超過設(shè)置的最長可傳輸時間，源結(jié)點卻依舊未接收到該數(shù)據(jù)包，把數(shù)據(jù)包信息設(shè)置成丟失包，并需要重新發(fā)送新數(shù)據(jù)包；25、探測包循環(huán)時間senddetectovertime是用來判定探測包在探測過程中丟失的情況；26、探測包轉(zhuǎn)發(fā)定時器senddetect_timer_配合探測包轉(zhuǎn)發(fā)延時時間對整個探測包的轉(zhuǎn)發(fā)進行時間管理和控制；27、源結(jié)點發(fā)送數(shù)據(jù)包定時器send_timer_用來配合源結(jié)點可接受的數(shù)據(jù)包最大傳輸時間，對整個系統(tǒng)中源結(jié)點發(fā)送數(shù)據(jù)包的頻率進行控制；28、信息素?fù)]發(fā)定時器volatilize_timer用來定期揮發(fā)網(wǎng)絡(luò)中路徑上的信息素濃度，通過減少無效路徑上的信息素濃度大小，避免整個網(wǎng)絡(luò)內(nèi)部的信息素濃度大小沒有限制的增加；29、優(yōu)選地，結(jié)點路由表是一個二維數(shù)組，其中，id為可到達(dá)的下一跳結(jié)點的id，pheromone為該結(jié)點到表項里的下一跳結(jié)點的路徑上的信息素濃度，nodelife為表項里下一跳結(jié)點的剩余能量。30、優(yōu)選地，協(xié)議數(shù)據(jù)包設(shè)計：協(xié)議的數(shù)據(jù)包在網(wǎng)絡(luò)中傳感器結(jié)點之間傳輸，并通過傳輸數(shù)據(jù)來更新結(jié)點路由表。在轉(zhuǎn)發(fā)過程中，傳感器結(jié)點根據(jù)數(shù)據(jù)包中的數(shù)據(jù)來更新自身的路由表，接著根據(jù)結(jié)點和數(shù)據(jù)包中的數(shù)據(jù)來進行轉(zhuǎn)發(fā)，數(shù)據(jù)包結(jié)構(gòu)指數(shù)據(jù)包的header結(jié)構(gòu)，通過header結(jié)構(gòu)，協(xié)議才得到正確的執(zhí)行；31、源傳感器編號sid是數(shù)據(jù)包進行傳輸?shù)脑磦鞲衅骶幪枺瑪?shù)據(jù)包在傳輸給目標(biāo)傳感器后，通過該標(biāo)識符找到源傳感器進行返回；32、目標(biāo)傳感器編號did是數(shù)據(jù)包傳輸?shù)哪繕?biāo)傳感器編號，傳輸過程中經(jīng)過的每個結(jié)點通過和did字段進行匹配，判定自身是否為目標(biāo)傳感器結(jié)點；傳輸數(shù)據(jù)的傳感器編號nodesend是傳輸數(shù)據(jù)包的傳感器結(jié)點編號，為下一個途徑傳感器的路由表更改提供支持；33、數(shù)據(jù)包損耗ttl是數(shù)據(jù)包的傳輸次數(shù)，通過判斷此字段表示的值是否超過某一定值，判斷該數(shù)據(jù)包是否已經(jīng)過期，若過期，則放棄轉(zhuǎn)發(fā)；34、包類型標(biāo)識符detect是數(shù)據(jù)包類型的標(biāo)識符，此字段能夠用來標(biāo)志傳輸?shù)陌愋?，方便協(xié)議結(jié)點來區(qū)分不同的包，并根據(jù)包類型采用對應(yīng)的解決方法，detect＝0，表示數(shù)據(jù)包；detect＝1，表示探測包；detect＝2，表示探測回復(fù)包，detect＝3，表示信息素探測包；35、下一個途徑的結(jié)點編號nodenext存儲當(dāng)前傳感器結(jié)點通過蟻群熵算法的路由選擇策略所選擇的下一個途徑的結(jié)點編號，如果收到數(shù)據(jù)包的傳感器的編號和nodenext編號不同，可選擇遺棄數(shù)據(jù)包。36、優(yōu)選地，基于全局計算信息素更新能力：從全局的角度來計算螞蟻更新信息素的能力，使得螞蟻在尋找從源結(jié)點到目標(biāo)結(jié)點的路徑時動態(tài)形成自身信息素更新能力，數(shù)據(jù)包到達(dá)目標(biāo)結(jié)點后，螞蟻根據(jù)數(shù)據(jù)包從源結(jié)點到達(dá)目標(biāo)結(jié)點所花費的時間來決定螞蟻的信息素更新能力，公式為：37、38、其中，參數(shù)a定義為常量，arrivetime為數(shù)據(jù)包到達(dá)目標(biāo)結(jié)點的時間，starttime為目標(biāo)結(jié)點發(fā)送該數(shù)據(jù)包的時間，螞蟻的信息素更新能力與數(shù)據(jù)包傳輸時延成反比，數(shù)據(jù)包在某一條路徑上的傳輸時延越小，螞蟻按照原路徑返回時更新信息素能力越大，反之，傳輸時延越大，螞蟻更新原路徑上的信息素能力越小；39、沿最優(yōu)路徑返回的螞蟻的信息素更新能力優(yōu)于沿著其它路徑返回的螞蟻，具有較短數(shù)據(jù)包傳輸時延的路徑上的信息素濃度的增長速度快于其它路徑，即路徑上的信息濃度越來越高，并與其它路徑拉開距離，當(dāng)最優(yōu)路徑上的信息素濃度增長明顯，最優(yōu)路徑以更大的概率被之后尋徑的螞蟻選擇，最終使得算法收斂于最優(yōu)路徑；40、規(guī)定螞蟻只能在到達(dá)目標(biāo)結(jié)點后，按原路返回時再更新路徑上的信息素濃度；同時，規(guī)定路徑上的信息素濃度定期揮發(fā)一部分，避免路徑上信息素濃度無節(jié)制增長，降低丟包率。41、優(yōu)選地，無限均衡對策盤模型中能量因素的引入：42、對策盤中有n個有限參與者，g＝{s1，…，sn；u1，…，un}，對于任意一個參與者i，如果在它的所有可選擇策略集合s中，純策略si的數(shù)量不是無限的，存在無限均衡熵，參與者為結(jié)點i的相鄰結(jié)點，參加者的數(shù)量不是無限的，參加者的純策略集為{不轉(zhuǎn)發(fā)，轉(zhuǎn)發(fā)}，即純策略也是有限的，改進蟻群熵算法的無限均衡對策盤模型中存在無限均衡熵；43、改進蟻群熵算法的無限均衡對策盤模型中的無限均衡熵求解如下：44、p＝(p1*，…，pi*，…，pn*)為混合策略集合，如果采用這個混合策略集合，純策略集合s＝(s1，s2，...，sn)被采用的幾率是：45、46、即每個螞蟻的混合策略pk給予它純策略sk∈sk，的概率的乘積，參與者i的收益函數(shù)為ui(s)＝ui(s1，...，sn)，該混合策略組合給螞蟻k帶來的期望收益為：47、vk(p)＝∑s∈sp(s)uk(s)???式548、每個參與者的純策略集為{轉(zhuǎn)發(fā)，不轉(zhuǎn)發(fā)}，表示為sk＝{sk1，sk2}，k∈k，設(shè)以概率pk1來選擇純策略sk1，則選擇sk2的概率為1-pk1，根據(jù)收益函數(shù)式1得：49、50、ρj是算法內(nèi)部傳感器結(jié)點選擇j作為下一跳的機率，結(jié)點j和結(jié)點k是結(jié)點i的鄰居結(jié)點，j代表除了結(jié)點i的相鄰結(jié)點中除了結(jié)點j外的所有結(jié)點，f用常量表示，代表網(wǎng)絡(luò)的全局收益，結(jié)點轉(zhuǎn)發(fā)一個數(shù)據(jù)包所要消耗的能量用c表示，設(shè)為一個常量，αk表示當(dāng)一個相鄰結(jié)點拒絕轉(zhuǎn)發(fā)數(shù)據(jù)包時獲得的網(wǎng)絡(luò)收益，再根據(jù)式6得，參與者的期望收益為：51、52、然后，根據(jù)有：53、54、轉(zhuǎn)化為方程組格式為；55、56、將方程組式9所有行相加得：57、58、令則有帶入式10得：59、60、解得：61、62、轉(zhuǎn)換為方程組解的格式為：63、64、根據(jù)式13計算出參與對策盤的每個結(jié)點k選擇{轉(zhuǎn)發(fā)}策略的概率pk1，當(dāng)數(shù)據(jù)包在網(wǎng)絡(luò)中傳輸時，每個結(jié)點采用螞蟻選路對策盤的混合無限均衡熵來選擇下一跳，即選擇轉(zhuǎn)發(fā)概率最大結(jié)點作為下一跳；65、式13中：66、67、其中參與對策盤的結(jié)點有n個，ek表示結(jié)點k的剩余能量，結(jié)點的剩余能量作為參數(shù)融入路由選擇的無限均衡對策盤模型中，即結(jié)點剩余能量會作為下一跳路由的影響因子，在網(wǎng)絡(luò)運行初期，無線傳感器網(wǎng)絡(luò)中所有結(jié)點的能量都很充足，參與對策盤的結(jié)點之間的α值差異不大，結(jié)點的剩余能量還沒有對下一跳結(jié)點的選擇產(chǎn)生影響，還是取決于由信息素大小和路徑長度計算出的轉(zhuǎn)發(fā)概率pj，在經(jīng)過多輪傳輸后，最佳路徑上的所有中間結(jié)點的能量損耗很大一部分，參與對策盤的結(jié)點之間的aj值差異明顯，結(jié)點的剩余能量開始對下一跳結(jié)點的選擇產(chǎn)生影響，通過設(shè)計費用函數(shù)式，當(dāng)一個相鄰結(jié)點拒絕轉(zhuǎn)發(fā)數(shù)據(jù)包時只能獲得部分的網(wǎng)絡(luò)收益，進而能激勵剩余能量較多的結(jié)點積極參與數(shù)據(jù)包的轉(zhuǎn)發(fā)，在進行路由選擇時避免選擇那些存在剩余能量較少的結(jié)點的路徑，延長整個網(wǎng)絡(luò)的生命周期。68、與現(xiàn)有技術(shù)相比，本技術(shù)的創(chuàng)新點和優(yōu)勢在于：69、(1)本技術(shù)基于無限均衡對策盤對原始蟻群算法進行改良，改良后的蟻群熵算法通過采用蟻群熵算法獲取的路由表數(shù)據(jù)，選擇滿足無限均衡熵的結(jié)點作為下一跳的結(jié)點，構(gòu)建了一種在結(jié)點進行路由選擇時引入無限均衡對策盤的改進蟻群熵算法，一是結(jié)點根據(jù)鄰居結(jié)點間的對策盤結(jié)果，即混合無限均衡熵，直接選擇滿足無限均衡熵的結(jié)點作為下一跳的結(jié)點，算法收斂速度明顯加快；二是將結(jié)點的剩余能量作為參數(shù)融入路由選擇的無限均衡對策盤模型中，即結(jié)點剩余能量作為下一跳路由的影響因子，在選擇下一跳結(jié)點的過程中加強結(jié)點的能量對路由選擇的影響，促使整個系統(tǒng)的能耗更加均衡，提高了結(jié)點的存活率，延長了網(wǎng)絡(luò)的生命周期；三是從全局的角度來決定螞蟻更新信息素的能力，螞蟻根據(jù)數(shù)據(jù)包從源結(jié)點到達(dá)目標(biāo)結(jié)點所花費的時間來決定螞蟻的信息素更新能力，算法在收斂性、結(jié)點能耗均衡、網(wǎng)絡(luò)的丟包率和吞吐率等性能上表現(xiàn)較好。70、(2)本技術(shù)改進的蟻群熵算法中采用結(jié)點的剩余能量作為路徑選擇考量因素，基于無線網(wǎng)絡(luò)中每個傳感器結(jié)點都是理性的，即各個傳感器在面臨需要傳輸數(shù)據(jù)時，通過將自身的能量損耗減到最低，盡可能提升網(wǎng)絡(luò)全局效益，將該問題轉(zhuǎn)化為一個無限均衡對策盤問題。提出了改進蟻群熵的無限均衡對策盤模型，設(shè)計了對應(yīng)的協(xié)議結(jié)點和協(xié)議數(shù)據(jù)包，避免了當(dāng)一部分傳感器結(jié)點能量過度消耗，導(dǎo)致結(jié)點過早死亡，從而導(dǎo)致網(wǎng)絡(luò)失效的情況，改進后的蟻群熵算法的丟包率明顯要低于原始的蟻群熵算法，而吞吐率則優(yōu)于原始蟻群算法。整體上來說，改進后的蟻群熵算法效果要大幅全局優(yōu)于原始蟻群算法。71、(3)在螞蟻尋找路徑的過程中，現(xiàn)有技術(shù)每次都讓螞蟻通過信息素濃度計算跳轉(zhuǎn)概率后，再通過生成隨機數(shù)來選擇下一跳，則之后更多的螞蟻會選擇最優(yōu)路徑，導(dǎo)致最優(yōu)路徑上的結(jié)點能量被快速消耗并死亡，進而導(dǎo)致網(wǎng)絡(luò)的丟包率上升等情況。本技術(shù)考量了原有蟻群算法的優(yōu)缺點后，基于無限均衡對策盤對原始蟻群算法進行改良，改良后的蟻群熵算法通過采用蟻群熵算法獲取的路由表數(shù)據(jù)，選擇滿足無限均衡熵的結(jié)點作為下一跳的結(jié)點，而不是簡單的依賴于跳轉(zhuǎn)概率，很好的實現(xiàn)了節(jié)能目標(biāo)，通過節(jié)省傳輸中損耗的能量提升了網(wǎng)絡(luò)全局的使用壽命，提出了基于全局計算信息素更新能力，引入了無限均衡對策盤模型中能量因素，結(jié)點能耗小、網(wǎng)絡(luò)壽命長、穩(wěn)定性和魯棒性好。當(dāng)前第1頁12當(dāng)前第1頁12