蚁群优化算法在WSN路由中的应用研究

J4 ›› 2015, Vol. 37 ›› Issue (4): 740-746.

蚁群优化算法在WSN路由中的应用研究

罗旭，吴晓军

（陕西师范大学计算机科学学院，陕西西安 710062）

收稿日期:2014-04-10 修回日期:2014-05-09 出版日期:2015-04-25 发布日期:2015-04-25
基金资助:
国家自然科学基金资助项目（11372167）；陕西省自然科学基础研究计划项目（2012JQ8051）；榆林市2012产学研合作项目（2012cxy3-6）；榆林市2013年科技计划资助项目（sf13-43）

Application study of ant colony optimization
in wirelesssensor network routing

LUO Xu,WU Xiaojun

(College of Computer Science，Shaanxi Normal University，Xi’an 710062，China)

Received:2014-04-10 Revised:2014-05-09 Online:2015-04-25 Published:2015-04-25

摘要/Abstract

摘要：

介绍了基本蚁群算法的原理和适用范围，总结出了基本蚁群算法在求解最优路径问题时，虽然具有很强的发现较优解的能力，但是存在容易陷入局部最优解和收敛时间过长等问题。考虑到基本蚁群算法在无线传感器网络路由上应用的不足，提出了一种改进后的蚁群算法，并将其应用到传感器网络路由中。该算法不仅在状态转移概率公式中引入罚函数和动态权重因子，而且采用局部信息素更新和全局信息素更新结合的方式更新路径信息，充分考虑到传感器节点与节点间的传输距离，并且充分考虑传感器节点的剩余能量。最后通过仿真实验，得到了基本蚁群算法和改进后的蚁群算法在传感器节点剩余能量和传输数据包时网络延迟的不同曲线，验证了改进后的蚁群算法在无线传感器网络路由选择上的高效性。

关键词: 无线传感器网络, 路由协议, 蚁群算法, 网络延迟, 高效节能

Abstract:

Though the basic ant colony algorithm can find out the optimum solution when solving optimal path problems,it is easy to fall into a local optimal solution，and meanwhile the convergence time is too long.Considering the lack of applications of the basic ant colony algorithm in wireless sensor network routing，we propose an improved ant colony algorithm，and apply it to the wireless sensor network routing. This algorithm not only adds the dynamic penalty function and the weighting factors to the state transition probability formula，but also combines the local pheromone update and the global pheromone update to update the path information.We fully take into account of the transmission distance from nodes to nodes and the residual energy of the sensor nodes as well.The simulation results obtain some different curves from the basic ant colony algorithm and the improved algorithm in the residual energy of the sensor nodes and network transmission delay in wireless sensor network routing，verifying the efficiency of the improved ant algorithm in wireless sensor network routing.

Key words: wireless sensor networks;routing protocols;ant colony algorithm;network delay;energy efficient

罗旭，吴晓军. 蚁群优化算法在WSN路由中的应用研究[J]. J4, 2015, 37(4): 740-746.

LUO Xu,WU Xiaojun. Application study of ant colony optimization
in wirelesssensor network routing [J]. J4, 2015, 37(4): 740-746.

[1]	黄金河1, 2, 梁家荣1, 2, 黎昌珍3. 无线传感器网络优质虚拟骨干的构建算法[J]. 计算机工程与科学, 2025, 47(7): 1181-1192.
[2]	苏宇杭, 马俊, 樊津瑜, 陈博行, 周家城, 尹博然. 基于GATv2-TCN联合优化的WSN数据流异常检测算法[J]. 计算机工程与科学, 2025, 47(5): 843-850.
[3]	乔珍, 尹传忠, 仇鑫. 基于改进蚁群算法的长航程无人船路径规划[J]. 计算机工程与科学, 2024, 46(10): 1835-1842.
[4]	罗仕杭, 何庆. 多策略融合改进的均衡优化算法及其应用[J]. 计算机工程与科学, 2023, 45(8): 1508-1520.
[5]	顾楚梅, 曹建军, 王保卫, 徐雨芯, . 基于蚁群参数优化的LightGBM辐射源个体识别[J]. 计算机工程与科学, 2023, 45(1): 85-94.
[6]	赵玉华, 贾向东, 胡海霞, 敬乐天. 无人机辅助的无线传感网络AoI最小化方案研究[J]. 计算机工程与科学, 2022, 44(7): 1216-1222.
[7]	张孟健, 汪敏, 王霄, 覃涛, 杨靖, . 混合粒子群-蝴蝶算法的WSN节点部署研究[J]. 计算机工程与科学, 2022, 44(6): 1013-1022.
[8]	高航, 吴嘉鑫, 陈龙, 武继刚. QoS保障下的无人机传感网安全通信路径规划[J]. 计算机工程与科学, 2022, 44(6): 1037-1045.
[9]	赵广元, 赵英. 基于改进蚁群优化算法的养殖场机器人路径规划[J]. 计算机工程与科学, 2022, 44(5): 910-915.
[10]	段晨, 彭伟, 王宝生. 数据中心网络路由研究进展[J]. 计算机工程与科学, 2022, 44(4): 631-644.
[11]	刘雨青, 向军, 曹守启. 基于改进蚁群算法的水下自主航行机器人路径规划[J]. 计算机工程与科学, 2022, 44(3): 536-544.
[12]	苟平章, 原晨, 张芬. 基于软件定义的WSNs非均匀分簇QoS路由算法[J]. 计算机工程与科学, 2022, 44(2): 227-236.
[13]	苟平章, 刘学治, 孙梦源, 何博. 基于跳距修正与狮群优化的WSNs三维定位算法[J]. 计算机工程与科学, 2021, 43(8): 1405-1412.
[14]	周静, 关玉蓉. 基于SDN的DWSN技术分析及性能优化研究[J]. 计算机工程与科学, 2021, 43(8): 1413-1421.
[15]	宋玲, 黄达胜. 一种基于狼群优化的改进DV_Hop定位算法[J]. 计算机工程与科学, 2021, 43(7): 1210-1218.