基于水田模式及網(wǎng)絡(luò)能量的WSN路由模型

作品全稱(chēng)作品分類(lèi)（B）A．機(jī)械與控制（包括機(jī)械、儀器儀表、自動(dòng)化控制、工程、交通、建筑等）B．信息技術(shù)（包括計(jì)算機(jī)、電信、通訊、電子等）C．?dāng)?shù)理（包括數(shù)學(xué)、物理、地球與空間科學(xué)等）D．生命科學(xué)（包括生物、農(nóng)學(xué)、藥學(xué)、醫(yī)學(xué)、健康、衛(wèi)生、食品等）E．能源化工（包括能源、材料、石油、化學(xué)、化工、生態(tài)、環(huán)保等）作品設(shè)計(jì)、發(fā)明的目的和基本思路，創(chuàng)新點(diǎn)，技術(shù)關(guān)鍵和主要技術(shù)指標(biāo)作品設(shè)計(jì)、發(fā)明的目的：無(wú)線傳感網(wǎng)絡(luò)(WSN，wirelesssensornetworks)是當(dāng)今國(guó)際備受關(guān)注的前沿?zé)狳c(diǎn)研究領(lǐng)域，在軍事、醫(yī)療以及工農(nóng)業(yè)生產(chǎn)等領(lǐng)域已被廣泛應(yīng)用。無(wú)線傳感器網(wǎng)絡(luò)具有自組織、能量有限的特點(diǎn)，因此建立一種簡(jiǎn)單有效的路由機(jī)制對(duì)于維持網(wǎng)絡(luò)穩(wěn)定具有重要意義。本作品以意大利學(xué)者DorigoM等人提出的蟻群算法為基礎(chǔ)，參考近年來(lái)基于蟻群算法的無(wú)線傳感器網(wǎng)絡(luò)的經(jīng)典改進(jìn)算法，對(duì)網(wǎng)絡(luò)能量、拓?fù)涞确矫孀隽诉M(jìn)一步的研究和改進(jìn)。作品設(shè)計(jì)有以下主要目的：比較EEABR、FEURA等多種基于能量的蟻群改進(jìn)算法，分析其優(yōu)劣性，提出一種基于平衡網(wǎng)絡(luò)能量的新算法EERBA，并建立起其概率模型。使無(wú)線傳感器網(wǎng)絡(luò)在保證傳輸速率、確立最短路徑的基礎(chǔ)上，均衡地使用網(wǎng)絡(luò)的能量，延長(zhǎng)網(wǎng)絡(luò)的生存時(shí)間。降低網(wǎng)絡(luò)節(jié)點(diǎn)的重復(fù)使用率，延長(zhǎng)節(jié)點(diǎn)的壽命，保證區(qū)域監(jiān)控。增強(qiáng)網(wǎng)絡(luò)拓?fù)湫?，減少網(wǎng)絡(luò)由于路由重構(gòu)而引起的能量消耗。減少丟包率，提高網(wǎng)絡(luò)傳輸質(zhì)量。將本算法推廣應(yīng)用于水田或丘陵等地理環(huán)境，通過(guò)實(shí)驗(yàn)加以修正。作品基本思路：（1）在基本蟻群算法的基礎(chǔ)上，引入基于能量的遞減參數(shù)e，調(diào)節(jié)節(jié)點(diǎn)鏈路的信息素，通過(guò)信息素的遞減避免鏈路的重復(fù)使用。（2）建立基于蟻群能量的路由選擇概率模型，用NS-2網(wǎng)絡(luò)仿真軟件進(jìn)行算法仿真，測(cè)量網(wǎng)絡(luò)平均能量、網(wǎng)絡(luò)節(jié)點(diǎn)剩余能量方差、標(biāo)準(zhǔn)差，以及丟包率，跳數(shù)等參數(shù)。（3）制作硬件仿真節(jié)點(diǎn)，構(gòu)建模擬矩陣網(wǎng)絡(luò)模型，對(duì)本算法進(jìn)行仿真模擬，動(dòng)態(tài)演示，分析其能量性能，反過(guò)來(lái)調(diào)整和修正能量遞減參數(shù)。創(chuàng)新點(diǎn)：（1）兼顧網(wǎng)絡(luò)能量使用和數(shù)據(jù)傳輸速率，避免出現(xiàn)盲區(qū)。（2）算法簡(jiǎn)單，運(yùn)算速度快。（3）通過(guò)能量變量的使用，克服ACOAN、DABA等蟻群算法的死鎖問(wèn)題。（4）有利于廣東省丘陵地貌等地理環(huán)境中無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的使用。技術(shù)關(guān)鍵：（1）信息素修改公式的引入：實(shí)現(xiàn)螞蟻信息素正負(fù)反饋雙向操作，克服盲區(qū)。（2）基于能量的遞減變量的引入，避免死鎖。主要技術(shù)指標(biāo)：（1）隨機(jī)選擇網(wǎng)絡(luò)運(yùn)行時(shí)刻，網(wǎng)絡(luò)所有節(jié)點(diǎn)剩余能量標(biāo)準(zhǔn)差相對(duì)于基本蟻群算法有明顯下降，表示網(wǎng)絡(luò)節(jié)點(diǎn)能量使用比較均衡。（2）隨機(jī)選擇網(wǎng)絡(luò)節(jié)點(diǎn)，在網(wǎng)絡(luò)運(yùn)行始末，節(jié)點(diǎn)信息素呈現(xiàn)震蕩狀態(tài)，表示在網(wǎng)絡(luò)運(yùn)行過(guò)程中，路由曾經(jīng)出現(xiàn)重構(gòu)。（3）網(wǎng)絡(luò)所有節(jié)點(diǎn)能量下降曲線斜率小于基本蟻群算法，表示整個(gè)網(wǎng)絡(luò)的能量更加節(jié)省。（4）節(jié)點(diǎn)平均丟包率相對(duì)基本蟻群算法有明顯下降。（5）網(wǎng)絡(luò)運(yùn)行時(shí)間為基本蟻群算法的1.32倍。作品的科學(xué)性先進(jìn)性（必須說(shuō)明與現(xiàn)有技術(shù)相比、該作品是否具有突出的實(shí)質(zhì)性技術(shù)特點(diǎn)和顯著進(jìn)步。請(qǐng)?zhí)峁┘夹g(shù)性分析說(shuō)明和參考文獻(xiàn)資料）本作品相對(duì)于基本蟻群算法以及很多改進(jìn)型的蟻群算法如FEURA算法、EEABR算法、ACO算法、DATA算法等，在網(wǎng)絡(luò)生存時(shí)間，能量均衡使用以及增強(qiáng)網(wǎng)絡(luò)拓?fù)湫院汪敯粜?，避免死鎖等問(wèn)題上均有明顯優(yōu)勢(shì)。下面主要以本申報(bào)書(shū)中出的EERBA算法與基本蟻群算法以及LEACH-EI算法進(jìn)行對(duì)比，闡述本算法科學(xué)性先進(jìn)性。1.基本蟻群算法基本蟻群算法應(yīng)用仿生學(xué)，模仿螞蟻覓食時(shí)搜尋路徑的行為，將其基本原理運(yùn)用到無(wú)線網(wǎng)絡(luò)路由中，得到無(wú)線網(wǎng)絡(luò)路由的優(yōu)化解。蟻群算法具有良好的魯棒性和很高的數(shù)據(jù)傳輸速率，但是由于沒(méi)有考慮到無(wú)線網(wǎng)絡(luò)能量的局限性，容易造成網(wǎng)絡(luò)局部壞死。2.LEACH-EI算法LEACH-EI算法將無(wú)線網(wǎng)絡(luò)中的所有節(jié)點(diǎn)分為若干簇，每個(gè)簇選舉一個(gè)簇頭，簇內(nèi)節(jié)點(diǎn)需要發(fā)送的數(shù)據(jù)通過(guò)簇頭轉(zhuǎn)發(fā)。簇頭根據(jù)節(jié)點(diǎn)信號(hào)強(qiáng)弱、能量剩余值等參數(shù)選定。雖然該算法考慮到節(jié)點(diǎn)能量消耗問(wèn)題，但是使用簇頭傳送數(shù)據(jù)會(huì)減慢數(shù)據(jù)傳送速率。3.EERBA算法本算法基于基本蟻群算法，利用了生物蟻群能通過(guò)個(gè)體間簡(jiǎn)單的信息傳遞，搜索從蟻巢至食物間最短路徑的集體尋優(yōu)特征，得到無(wú)線網(wǎng)絡(luò)路由算法的優(yōu)化解答。在基本蟻群算法的基礎(chǔ)上添加能量模型，根據(jù)節(jié)點(diǎn)剩余能量水平對(duì)信息素濃度加以修正，加快能量水平較低的節(jié)點(diǎn)的信息素衰減。既保持較快的數(shù)據(jù)傳輸速率，同時(shí)平衡網(wǎng)絡(luò)各節(jié)點(diǎn)的能量水平，延長(zhǎng)網(wǎng)絡(luò)的工作時(shí)間。經(jīng)過(guò)軟件仿真實(shí)驗(yàn)，EERBA算法相對(duì)于基本蟻群算法，無(wú)線網(wǎng)絡(luò)生存時(shí)間延長(zhǎng)1.3倍以上?！緟⒖嘉墨I(xiàn)】

[1]SabbineniH,ChakrabartyK.Location-aidedflooding:anenergyefficientdatadisseminationprotocolforwireless-sensornetworks[J].IEEETransactionsonComputers,2005,54(1):36-46.

[2].Mao,Shiwen,Hou,Y.Thomas.BeamStar:AnEdge-BasedApproachtoRoutinginWirelessSensorNetworks[J].IEEEtransactionsonmobilecomputing.2007Vol.6:1284-1296

[3].ShahRC.RabaeyJM.energyawareroutingforlowenergyandhocsensernetworks.in:procIEEEwirelesscommunicationsandnetworkingconference,IEEE,Vol.1,17-21March,2002

[4]楊靖,熊偉麗,徐保國(guó).無(wú)線傳感器網(wǎng)絡(luò)中基于蟻群算法的路由算法[J].計(jì)算機(jī)工程,2009,35（6）：4-6

[5]白鳳娥,王莉莉,馬艷艷.無(wú)線傳感器網(wǎng)絡(luò)路由協(xié)議LEACH的算法分析[J].太原理工大學(xué)學(xué)報(bào),2009,40(4)作品在何時(shí)、何地、何種機(jī)構(gòu)舉行的評(píng)審、鑒定、評(píng)比、展示等活動(dòng)中獲獎(jiǎng)及鑒定結(jié)果2011年3月獲華南農(nóng)業(yè)大學(xué)“丁穎杯”課外學(xué)術(shù)科技作品競(jìng)賽校級(jí)一等獎(jiǎng)作品所處階段（A）A實(shí)驗(yàn)室階段B中試階段C生產(chǎn)階段D（自填）技術(shù)轉(zhuǎn)讓方式作品可展示的形式□實(shí)物、產(chǎn)品■模型■圖紙□磁盤(pán)■現(xiàn)場(chǎng)演示■圖片■錄像□樣品使用說(shuō)明及該作品的技術(shù)特點(diǎn)和優(yōu)勢(shì)，提供該作品的適應(yīng)范圍及推廣前景的技術(shù)性說(shuō)明及市場(chǎng)分析和經(jīng)濟(jì)效益預(yù)測(cè)使用說(shuō)明：本作品在基本蟻群算法的基礎(chǔ)上進(jìn)行修改，以考慮其網(wǎng)絡(luò)能量使用情況，并對(duì)算法概率模型進(jìn)行封裝，可以使用于802.11協(xié)議、MAC協(xié)議、S-MAC協(xié)議等底層路由協(xié)議。技術(shù)特點(diǎn)和優(yōu)勢(shì)：相比由其他算法組成的WSN網(wǎng)絡(luò)，本作品最大的優(yōu)勢(shì)就是在加強(qiáng)對(duì)WSN網(wǎng)絡(luò)中節(jié)點(diǎn)的監(jiān)控，避免網(wǎng)絡(luò)節(jié)點(diǎn)迅速壞死，網(wǎng)絡(luò)出現(xiàn)死循環(huán)的同時(shí)，利用基本蟻群算法最短路徑的思想對(duì)網(wǎng)絡(luò)中節(jié)點(diǎn)間的數(shù)據(jù)傳輸進(jìn)行優(yōu)化，并把算法引入到硬件模型中，在進(jìn)一步延長(zhǎng)網(wǎng)絡(luò)生命周期的同時(shí)，減少了能量的損耗，增強(qiáng)產(chǎn)品的實(shí)用性。適用范圍及市場(chǎng)推廣前景分析：目前，WSN技術(shù)已經(jīng)被廣泛應(yīng)用于很多領(lǐng)域，主要用于實(shí)時(shí)監(jiān)測(cè)、感知和采集光強(qiáng)、溫度、濕度、噪音和有害氣體濃度等物理信息，在軍事、農(nóng)業(yè)及環(huán)境應(yīng)用、醫(yī)療護(hù)理、智能家居、智能交通等方面都有著廣闊的應(yīng)用前景。本作品的產(chǎn)品定位主要是精細(xì)農(nóng)業(yè)監(jiān)控。特別是向節(jié)約化精準(zhǔn)農(nóng)業(yè)發(fā)展，這也符合了未來(lái)農(nóng)業(yè)發(fā)展的趨勢(shì)。像過(guò)去對(duì)農(nóng)田環(huán)境參數(shù)，生態(tài)參數(shù)的觀測(cè)很多是由遙感衛(wèi)星，或是通過(guò)人工記錄來(lái)完成的。運(yùn)用該項(xiàng)目技術(shù)，把觀測(cè)到的數(shù)據(jù)和衛(wèi)星數(shù)據(jù)進(jìn)行融合，對(duì)影響農(nóng)作物生長(zhǎng)的的環(huán)境條件進(jìn)行監(jiān)控，提高生產(chǎn)效率，更能達(dá)到節(jié)能減排的作用。在高密度飼養(yǎng)場(chǎng)中運(yùn)用此項(xiàng)技術(shù)，建立動(dòng)物監(jiān)測(cè)平臺(tái)，對(duì)動(dòng)物的健康狀況（包括動(dòng)物飼料的供給，造成動(dòng)物大規(guī)模死亡的病毒等等）進(jìn)行無(wú)盲區(qū)監(jiān)控，降低生產(chǎn)和飼養(yǎng)成本，也是當(dāng)前發(fā)展的熱點(diǎn)之一。此外，在水文監(jiān)測(cè)，大氣監(jiān)測(cè)，鳥(niǎo)類(lèi)、昆蟲(chóng)等小動(dòng)物運(yùn)動(dòng)追蹤，森林火災(zāi)隱患的信息收集，道路、交通、橋梁的故障排除以及電網(wǎng)由于冰雪故障引起的斷路或短路等領(lǐng)域都具有相當(dāng)明顯的應(yīng)用前景。專(zhuān)利申報(bào)情況□提出專(zhuān)利申報(bào)申報(bào)號(hào)申報(bào)日期年月日□已獲專(zhuān)利權(quán)批準(zhǔn)批準(zhǔn)號(hào)批準(zhǔn)日期年月日■未提出專(zhuān)利申請(qǐng)科研管理部門(mén)簽章年月日

C.當(dāng)前國(guó)內(nèi)外同類(lèi)課題研究水平概述說(shuō)明：1.申報(bào)者可根據(jù)作品類(lèi)別和情況填寫(xiě)；2.填寫(xiě)此欄有助于評(píng)審。蟻群路由算法國(guó)外研究水平：根據(jù)螞蟻“尋找事物”的群體行為，意大利學(xué)者DorigoM等于1991年在法國(guó)巴黎召開(kāi)的第一屆歐洲人生命會(huì)議（EuropeanConferenceonArtificialLife,ECAL）上最早提出了蟻群算法基本模型；1992年，DorigoM又在其博士論文中進(jìn)一步闡述了蟻群算法的核心思想。2000年，DorigoM和BonabeauE等在國(guó)際頂級(jí)學(xué)術(shù)刊物《Nature》上發(fā)表了蟻群算法綜述，從而把這一領(lǐng)域的研究推向了國(guó)際學(xué)術(shù)的最前沿。進(jìn)入21世紀(jì)的最近幾年，國(guó)際著名頂級(jí)學(xué)術(shù)刊物《Nature》曾多次對(duì)蟻群算法的研究成果進(jìn)行報(bào)道，《FutureGenerationComputerSystems》和《IEEETransactionsonEvolutionaryComputation》分別與2000和2002出版了蟻群算法特刊。如今，在國(guó)內(nèi)外許多學(xué)術(shù)期刊和會(huì)議上，蟻群算法已經(jīng)成為一個(gè)備受關(guān)注的研究熱點(diǎn)和前沿性課題。SinghG[1]等人為多元單目標(biāo)（Multi-SourceSingle-destination）數(shù)據(jù)中心型路由提出一種基于AntNet技術(shù)的實(shí)時(shí)ACO算法（ACOAN）。此外，SinghG等還通過(guò)增加另一種類(lèi)型的螞蟻即隨機(jī)螞蟻(randomants)來(lái)提供一種改進(jìn)算法[2]。為了克服SinghG的這些缺點(diǎn)，Gechan[3]等人提出了一種改進(jìn)型路由協(xié)議算法和一種模擬全局信息素更新的策略來(lái)加快算法的收斂，并且定義了一種“retry”規(guī)則來(lái)避免協(xié)議中的死鎖問(wèn)題。RezaGhasemAghaeil[4]等人提出一種基于生物學(xué)啟發(fā)式智能群體路由算法(SIBR)。他們通過(guò)去除隊(duì)列參數(shù)和加入強(qiáng)化學(xué)習(xí)概念(reinforcementlearningconcept)，改進(jìn)了ADR[5]（基于蟻群算法的自適應(yīng)動(dòng)態(tài)路由）算法，由此產(chǎn)生了AR算法[6]。

GutjahrWJ于1999年撰寫(xiě)的技術(shù)報(bào)告和2000年發(fā)表的學(xué)術(shù)論文在蟻群算法發(fā)展史上有著特殊的作用，因?yàn)檫@兩篇文章首次對(duì)蟻群算法的收斂性進(jìn)行了證明。蟻群路由算法國(guó)外研究水平：根據(jù)螞蟻“尋找事物”的群體行為，意大利學(xué)者DorigoM等于1991年在法國(guó)巴黎召開(kāi)的第一屆歐洲人生命會(huì)議（EuropeanConferenceonArtificialLife,ECAL）上最早提出了蟻群算法基本模型；1992年，DorigoM又在其博士論文中進(jìn)一步闡述了蟻群算法的核心思想。2000年，DorigoM和BonabeauE等在國(guó)際頂級(jí)學(xué)術(shù)刊物《Nature》上發(fā)表了蟻群算法綜述，從而把這一領(lǐng)域的研究推向了國(guó)際學(xué)術(shù)的最前沿。進(jìn)入21世紀(jì)的最近幾年，國(guó)際著名頂級(jí)學(xué)術(shù)刊物《Nature》曾多次對(duì)蟻群算法的研究成果進(jìn)行報(bào)道，《FutureGenerationComputerSystems》和《IEEETransactionsonEvolutionaryComputation》分別與2000和2002出版了蟻群算法特刊。如今，在國(guó)內(nèi)外許多學(xué)術(shù)期刊和會(huì)議上，蟻群算法已經(jīng)成為一個(gè)備受關(guān)注的研究熱點(diǎn)和前沿性課題。SinghG[1]等人為多元單目標(biāo)（Multi-SourceSingle-destination）數(shù)據(jù)中心型路由提出一種基于AntNet技術(shù)的實(shí)時(shí)ACO算法（ACOAN）。此外，SinghG等還通過(guò)增加另一種類(lèi)型的螞蟻即隨機(jī)螞蟻(randomants)來(lái)提供一種改進(jìn)算法[2]。為了克服SinghG的這些缺點(diǎn)，Gechan[3]等人提出了一種改進(jìn)型路由協(xié)議算法很一種模擬全局信息素更新的策略來(lái)加快算法的收斂，并且定義了一種“retry”規(guī)則來(lái)避免協(xié)議中的死鎖問(wèn)題。RezaGhasemAghaeil[4]等人提出一種基于生物學(xué)啟發(fā)式智能群體路由算法(SIBR)。他們通過(guò)去除隊(duì)列參數(shù)和加入強(qiáng)化學(xué)習(xí)概念(reinforcementlearningconcept)，改進(jìn)了ADR[5]（基于蟻群算法的自適應(yīng)動(dòng)態(tài)路由）算法，由此產(chǎn)生了AR算法[6]。GutjahrWJ于1999年撰寫(xiě)的技術(shù)報(bào)告和2000年發(fā)表的學(xué)術(shù)論文在蟻群算法發(fā)展史上有著特殊的作用，因?yàn)檫@兩篇文章首次對(duì)蟻群算法的收斂性進(jìn)行了證明。蟻群路由算法國(guó)內(nèi)研究水平：我國(guó)在蟻群算法領(lǐng)域研究起步較晚，國(guó)內(nèi)最先研究蟻群算法的是東北大學(xué)控制仿真研究中心的張紀(jì)會(huì)博士與徐心和教授?；谙伻簝?yōu)化算法(ACO)，XiaomingWang等人提出新穎的自適應(yīng)智能路由算法(adaptiveintelligentroutingscheme，簡(jiǎn)稱(chēng)ACLR)[7]。與其它基于ACO的無(wú)線傳感器網(wǎng)絡(luò)路由算法相比，該方法主要有兩個(gè)不同：一方面，在協(xié)議中，一個(gè)“螞蟻”選擇下一個(gè)節(jié)點(diǎn)的范圍限于當(dāng)前節(jié)點(diǎn)相鄰點(diǎn)的子集；另一方面，通過(guò)將剩余能量、全局以及本地節(jié)點(diǎn)的信息融合，制定了一個(gè)新的“螞蟻”選擇它下一個(gè)節(jié)點(diǎn)的跳轉(zhuǎn)規(guī)則。FMEPNF[8](antcolonyoptimizationalgorithmbasedonfunctionofmulti-objectevaluationandpositive-negativefeedback)是劉徐迅等人提出一種集能耗、時(shí)延、魯棒性和傳輸效率等于一體的多目標(biāo)路由，且各目標(biāo)的權(quán)重可以根據(jù)實(shí)際情況進(jìn)行調(diào)節(jié)，具有較強(qiáng)的靈活性，這是一種正反饋和負(fù)反饋并存機(jī)制的蟻群算法，主要闡述了若前路徑比以往求得的最好路徑性能更優(yōu)，則當(dāng)前路徑信息素將加強(qiáng)，同時(shí)用當(dāng)前路徑取代最好路徑，否則當(dāng)前路徑信息素減弱。劉玲[9]等人在基于螞蟻算法的分布式數(shù)據(jù)匯集算法(DADC[10])的基礎(chǔ)上進(jìn)行改進(jìn)，提出一種基于螞蟻算法的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合路由算法(DABA)。算法在構(gòu)造的過(guò)程中，利用螞蟻的“尋食”方式進(jìn)行最優(yōu)父節(jié)點(diǎn)的選擇，同時(shí)算法也考慮了節(jié)點(diǎn)的剩余能量，用其它節(jié)點(diǎn)代替剩余能量小的節(jié)點(diǎn)。算法利用樹(shù)結(jié)構(gòu)實(shí)現(xiàn)了數(shù)據(jù)融合，節(jié)省了能量，同時(shí)也實(shí)現(xiàn)了負(fù)載均衡，最大化網(wǎng)絡(luò)的生存時(shí)間。然而，算法沒(méi)有考慮到產(chǎn)生數(shù)據(jù)融合的父節(jié)點(diǎn)對(duì)其子節(jié)點(diǎn)進(jìn)行數(shù)據(jù)融合的等待時(shí)間，若等待時(shí)間過(guò)短，有的子節(jié)點(diǎn)數(shù)據(jù)可能還沒(méi)有到達(dá)父節(jié)點(diǎn)，造成融合的次數(shù)增多，增加能量消耗，若等待時(shí)間過(guò)長(zhǎng)，又會(huì)導(dǎo)致數(shù)據(jù)傳輸過(guò)程的時(shí)延增大，滿(mǎn)足不了實(shí)時(shí)的要求。蟻群算法自創(chuàng)立以來(lái)十多年的發(fā)展歷程，目前人們對(duì)蟻群算法的研究已經(jīng)由當(dāng)初單一的TSP領(lǐng)域滲透到了多個(gè)應(yīng)用領(lǐng)域。由解決一維靜態(tài)優(yōu)化問(wèn)題發(fā)展到解決多維動(dòng)態(tài)組合優(yōu)化問(wèn)題，由離散域范圍內(nèi)研究逐漸拓展到了連續(xù)域范圍內(nèi)研究，而且蟻群算法的硬件實(shí)現(xiàn)上取得了突破性進(jìn)展，同時(shí)在蟻群算法的模型改進(jìn)與其他仿生優(yōu)化算法也取得了相當(dāng)豐富的研究成果，從而使這種新興的仿生優(yōu)化算法展現(xiàn)出前所未有的勃勃生機(jī)，并已經(jīng)成為完全可與遺傳算法相媲美的仿生優(yōu)化算法?；谙伻核惴ǖ臒o(wú)線傳感器網(wǎng)絡(luò)路由協(xié)議分析與比較：基于蟻群算法的無(wú)線傳感器網(wǎng)絡(luò)路由協(xié)議根據(jù)分類(lèi)方法的不同可以分成不同的種類(lèi)，主要的依據(jù)有蟻群算法的類(lèi)型、信息素更新的方式、螞蟻的類(lèi)型等等。路由協(xié)議的名稱(chēng)蟻群算法類(lèi)型分簇選擇下一跳的信息素?cái)?shù)據(jù)表路由發(fā)現(xiàn)的路徑ACOANACOalgorithmusingAntNet否前向螞蟻\后向螞蟻（搜索螞蟻\隨機(jī)螞蟻）信息素表單路徑ARDAAntColonyOptimization否前向螞蟻鄰居表單路徑NACOMN(SC\FF\FP)AntNet否前向螞蟻\后向螞蟻代價(jià)表\鄰居表多路徑\單路徑EEABR\LABRAntColonyOptimizationheuristic否前向螞蟻\后向螞蟻路由表單路徑ECGACGeneticantcolonyalgorithm是無(wú)鄰居表單路徑SIBR(AR\IAR)Swarmintelligence否前向螞蟻路由表單路徑ACLRAntColonyOptimization否前向螞蟻鄰居表單路徑ERCAntColonyOptimization是前向螞蟻路由表單路徑ACARAntColonyOptimization否代理螞蟻禁忌表單路徑RPBAAAntColonyOptimization否前向螞蟻訪問(wèn)節(jié)點(diǎn)列表多路徑ACSAAltitudeInformationandAntWithdrawal是前向螞蟻鄰居表\路由表單路徑ACDCHAAntColonyOptimization否無(wú)鄰居表單路徑FMEPNFAntColonyOptimization否貪婪螞蟻\異常螞蟻\一般螞蟻鄰居表單路徑DABAAntNet否前向螞蟻信息素表單路徑表1：基于蟻群算法的路由協(xié)議比較參考文獻(xiàn)：[1]SinghG,DasS,GosaviSV,PujarS.LNdeCastro,FJvonZubeneds.AntColonyAlgorithmsforSteinerTrees:anApplicationtoRoutinginSensorNetworks[C].RecentDevelopmentsinBiologicallyInspiredComputing,2003:183-206.[2]S.Das,G.Singh,S.Pujar,andP.Koduru.AntColonyAlgorithmsforRoutinginSensorNetworks[C],GeneticandEvolutionaryComputationConference,2004.[3]GeChen,Tian-DeGuo,Wen-GuoYang,andTongZhao.Animprovedant-basedroutingprotocolinWirelessSensorNetworks[C],IEEE,2006.[4]RezaGhasemAghaeil,Md.[5]Y.Lu,G.Zhao,andF.Su.AdaptiveAnt-basedDynamicRoutingAlgorithm[C],InProceedingsofthe5thWorldCongressonIntelligentControlandAutomation(IEEE,Hangzhuo,China,June2004),2694-2697.[6]Y.Zhang,L.D.Kuhn,andM.P.J.Fromherz,ImprovementsonAntRoutingforSensorNetworks[C],InternationalWorkshoponAntColonyOptimizationandSwarmIntelligence,Sep.2004.[7]XiaomingWang,QiaoliangLi,NaixueXiong,andYiPan.AntColonyOptimization-BasedLocation-AwareRoutingforWirelessSensorNetworks[J],WASA2008,LNCS5258,pp.109–120.[8]劉徐迅，曹陽(yáng)，鄒學(xué)玉，張晉.無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)路由的改進(jìn)蟻群算法[J].華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，35（10）：24-27.[9]劉玲，柴喬林，耿曉義.基于螞蟻算法的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合路由算法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2009，30(3)：576-579.[10]李聞，林亞平，童調(diào)生，陳宇，余建平.傳感網(wǎng)絡(luò)中一種基于螞蟻算法的分布式數(shù)據(jù)匯集路由算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2005，26(5)：788-792.

F．參賽作品打印處一種基于水田模式及網(wǎng)絡(luò)能量的WSN路由模型黃本立楊曉俊唐清泉許東陽(yáng)池智君何志恒（華南農(nóng)業(yè)大學(xué)廣州510642）【摘要】：無(wú)線傳感器網(wǎng)絡(luò)WSN（WirelessSensorNetwork）是一門(mén)綜合了微電子技術(shù)、嵌入式計(jì)算技術(shù)等先進(jìn)技術(shù)，能夠協(xié)同地實(shí)時(shí)監(jiān)測(cè)光強(qiáng)、溫度、濕度、噪音、有害氣體等各種信息，并對(duì)其進(jìn)行處理后通過(guò)無(wú)線方式發(fā)送至目的地的技術(shù)。但由于無(wú)線傳感器網(wǎng)絡(luò)自組織、能量有限的特點(diǎn)，建立簡(jiǎn)單有效的路由機(jī)制對(duì)于網(wǎng)絡(luò)的節(jié)能和穩(wěn)定具有重要意義，因此本項(xiàng)目在綜合國(guó)內(nèi)外基本蟻群算法研究的基礎(chǔ)上，提出一種基于能量的WSN路由算法EERBA(energyefficientantbasedrouting)，引入基于能量的遞減參數(shù)調(diào)節(jié)節(jié)點(diǎn)鏈路的信息素并在信息素的計(jì)算方法上對(duì)能量、衰亡時(shí)間、跳數(shù)等多種因素進(jìn)行了全面改進(jìn)，改善了由于蟻群算法路由過(guò)分利用最短路徑造成個(gè)別節(jié)點(diǎn)能量消耗過(guò)快而導(dǎo)致網(wǎng)絡(luò)穩(wěn)定性不高的弊病，從而在保證傳輸速率的基礎(chǔ)上有效地利用網(wǎng)絡(luò)能量。【關(guān)鍵詞】：蟻群;能量;無(wú)線傳感器網(wǎng)絡(luò);路由算法無(wú)線傳感器網(wǎng)絡(luò)是由具有感知、計(jì)算和通信能力的多個(gè)微型傳感器構(gòu)成的網(wǎng)絡(luò)。網(wǎng)絡(luò)中大量的節(jié)點(diǎn)通過(guò)分工協(xié)作，將溫度、光強(qiáng)、濕度等物理量通過(guò)無(wú)線傳輸形式發(fā)送到基站。無(wú)線傳感器網(wǎng)絡(luò)具有自組織及能量有限等特點(diǎn)，近年來(lái)在軍事、醫(yī)藥及工農(nóng)業(yè)生產(chǎn)中得到了廣泛應(yīng)用。設(shè)計(jì)簡(jiǎn)單高效的無(wú)線傳感器路由機(jī)制對(duì)提高網(wǎng)絡(luò)能量使用率，穩(wěn)定網(wǎng)絡(luò)數(shù)據(jù)傳輸具有重要意義。比較經(jīng)典的路由算法有LEACH算法、DD算法、蟻群算法等[8]。1、基本蟻群算法描述蟻群算法是群體智能的一個(gè)分支，是眾多簡(jiǎn)單的個(gè)體通過(guò)相互之間的通信和對(duì)環(huán)境的適應(yīng)，來(lái)使整個(gè)群體達(dá)到一致的行為或模式。圖1螞蟻覓食原理圖如圖1所示，螞蟻從蟻穴出發(fā)尋找食物，再將食物運(yùn)回蟻穴的過(guò)程中，可能發(fā)生多條路徑，如AC路徑或ABC路徑。由于螞蟻經(jīng)過(guò)路徑時(shí)會(huì)散發(fā)一種化學(xué)物質(zhì)，稱(chēng)之為信息素。信息素濃度隨螞蟻的經(jīng)過(guò)增加，而隨時(shí)間的流逝減少，因此，較短的路徑如圖1中的AC路徑殘留的信息素較濃。螞蟻通過(guò)判斷信息素的濃度來(lái)選擇前向路徑。因此，蟻群算法的本質(zhì)在于以下三方面：（1）選擇機(jī)制，螞蟻根據(jù)路徑上信息素的濃度來(lái)決定下一跳的地址；（2）更新機(jī)制，路徑中的信息素會(huì)隨螞蟻的經(jīng)過(guò)和時(shí)間的推移而更新保存；（3）協(xié)調(diào)機(jī)制，螞蟻之間通過(guò)信息素來(lái)互相通信和協(xié)同工作。1.1路由發(fā)現(xiàn)Sink節(jié)點(diǎn)派出搜尋螞蟻以泛洪形式沿多條路徑出發(fā)到達(dá)源節(jié)點(diǎn)（即蟻穴），再?gòu)脑垂?jié)點(diǎn)反向搜尋到達(dá)sink節(jié)點(diǎn)。此過(guò)程后，網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)均記錄了與鄰居節(jié)點(diǎn)的信息素梯度，數(shù)據(jù)的傳輸根據(jù)節(jié)點(diǎn)的信息素梯度大小決定下一跳的地址。螞蟻需攜帶以下信息：源節(jié)點(diǎn)地址,當(dāng)前節(jié)點(diǎn)地址,以及當(dāng)前跳數(shù)h，螞蟻在sink節(jié)點(diǎn)時(shí)，h=0。1.2路由選擇蟻群?jiǎn)栴}源于著名的數(shù)學(xué)問(wèn)題——旅行商問(wèn)題。螞蟻從城市i出發(fā)選擇城市j作為下一跳的概率基于以下公式：（1）其中，指從節(jié)點(diǎn)到節(jié)點(diǎn)的信息素濃度，指從節(jié)點(diǎn)到節(jié)點(diǎn)的啟發(fā)信息。1.3路由更新信息素更新是蟻群算法維持的關(guān)鍵。螞蟻經(jīng)過(guò)的路徑，相應(yīng)的節(jié)點(diǎn)信息素增加單位，而隨單位時(shí)間遞減系數(shù)。因此，執(zhí)行一次操作后，節(jié)點(diǎn)相應(yīng)的鄰居節(jié)點(diǎn)信息素如表1所示：鄰居節(jié)點(diǎn)信息素濃度……表1節(jié)點(diǎn)Vi信息素更新2、基本蟻群算法的缺點(diǎn)2.1由于螞蟻根據(jù)信息素梯度決定下一跳的地址，而信息素的更新只與螞蟻經(jīng)過(guò)和時(shí)間推移兩個(gè)因素有關(guān)，因此，對(duì)于螞蟻經(jīng)過(guò)的路徑，信息素會(huì)越來(lái)越濃，即螞蟻選擇該路徑的概率會(huì)越來(lái)越大，造成了螞蟻重復(fù)當(dāng)前路徑，引起該路徑節(jié)點(diǎn)過(guò)早壞死，破壞網(wǎng)絡(luò)鏈路結(jié)構(gòu)，螞蟻必須重新選路[7]。2.2由于重復(fù)的路徑使用，造成部分節(jié)點(diǎn)過(guò)早死亡，形成數(shù)據(jù)檢測(cè)的盲區(qū)。這在軍事或醫(yī)療等應(yīng)用上可能是致命的。3、幾種基于能量的路由算法3.1多路徑蟻群算法基于能量的多路徑蟻群算法由夏佳、張曦煌等人提出，該機(jī)制在源節(jié)點(diǎn)和目的節(jié)點(diǎn)之間建立多條路徑，根據(jù)路徑上節(jié)點(diǎn)的通信能量消耗以及節(jié)點(diǎn)的剩余能量情況，給每條路徑賦予一定的選擇概率，使得數(shù)據(jù)傳輸均衡消耗整個(gè)網(wǎng)絡(luò)的能量，延長(zhǎng)整個(gè)網(wǎng)絡(luò)的生存期[9]。缺點(diǎn)：此算法只考慮網(wǎng)絡(luò)能量的使用，而以犧牲網(wǎng)絡(luò)傳輸速率作為代價(jià)[10]。3.2FEURA算法FEURA算法是在基本蟻群算法的基礎(chǔ)上加以改進(jìn)，通過(guò)能量參數(shù)e來(lái)記錄每個(gè)節(jié)點(diǎn)的能量消耗情況及剩余能量。在路由選擇函數(shù)中，設(shè)置一個(gè)能量閥值T，當(dāng)某節(jié)點(diǎn)的能量低過(guò)T時(shí)，不能成為螞蟻的下一跳，于是路徑選擇發(fā)生改變。FEURA算法在節(jié)點(diǎn)配置充電電池的情況下可以較均衡地使用網(wǎng)絡(luò)能量，同時(shí)兼顧傳輸速率。缺點(diǎn)：配置充電電池將增加節(jié)點(diǎn)成本，在節(jié)點(diǎn)沒(méi)有配置充電電池的情況下，F(xiàn)EURA算法只能保證節(jié)點(diǎn)不會(huì)壞死，在鏈路使用上與基本蟻群算法存在同樣缺點(diǎn)。3.3ACO算法（ACOAN）SinghG[1]等人為多元單目標(biāo)（Multi-SourceSingle-destination）數(shù)據(jù)中心型路由提出一種基于AntNet技術(shù)的實(shí)時(shí)ACO算法（ACOAN）。此外，SinghG等還通過(guò)增加另一種類(lèi)型的螞蟻即隨機(jī)螞蟻(randomants)來(lái)提供一種改進(jìn)算法[2]。缺點(diǎn)：網(wǎng)絡(luò)拓?fù)湫圆粡?qiáng)。3.4retry算法為了克服SinghG的這些缺點(diǎn)，Gechan[3]等人提出了一種改進(jìn)型路由協(xié)議算法很一種模擬全局信息素更新的策略來(lái)加快算法的收斂，并且定義了一種“retry”規(guī)則來(lái)避免協(xié)議中的死鎖問(wèn)題。缺點(diǎn)：路由重構(gòu)時(shí)間過(guò)長(zhǎng)，消耗更多能量。3.5SIBR算法RezaGhasemAghaeil[4]等人提出一種基于生物學(xué)啟發(fā)式智能群體路由算法(SIBR)。他們通過(guò)去除隊(duì)列參數(shù)和加入強(qiáng)化學(xué)習(xí)概念(reinforcementlearningconcept)，改進(jìn)了ADR[5]（基于蟻群算法的自適應(yīng)動(dòng)態(tài)路由）算法，由此產(chǎn)生了AR算法[6]。缺點(diǎn)：需考慮網(wǎng)絡(luò)啟發(fā)信息對(duì)路徑選擇概率的影響。3.6FMEPNF算法FMEPNF[11](antcolonyoptimizationalgorithmbasedonfunctionofmulti-objectevaluationandpositive-negativefeedback)是劉徐迅等人提出一種集能耗、時(shí)延、魯棒性和傳輸效率等于一體的多目標(biāo)路由，且各目標(biāo)的權(quán)重可以根據(jù)實(shí)際情況進(jìn)行調(diào)節(jié)，具有較強(qiáng)的靈活性，這是一種正反饋和負(fù)反饋并存機(jī)制的蟻群算法，主要闡述了若前路徑比以往求得的最好路徑性能更優(yōu)，則當(dāng)前路徑信息素將加強(qiáng)，同時(shí)用當(dāng)前路徑取代最好路徑，否則當(dāng)前路徑信息素減弱。缺點(diǎn)：?jiǎn)l(fā)運(yùn)算時(shí)間長(zhǎng)。3.7DADC算法劉玲[12]等人在基于螞蟻算法的分布式數(shù)據(jù)匯集算法(DADC[13])的基礎(chǔ)上進(jìn)行改進(jìn)，提出一種基于螞蟻算法的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合路由算法(DABA)。算法在構(gòu)造的過(guò)程中，利用螞蟻的“尋食”方式進(jìn)行最優(yōu)父節(jié)點(diǎn)的選擇，同時(shí)算法也考慮了節(jié)點(diǎn)的剩余能量，用其它節(jié)點(diǎn)代替剩余能量小的節(jié)點(diǎn)。算法利用樹(shù)結(jié)構(gòu)實(shí)現(xiàn)了數(shù)據(jù)融合，節(jié)省了能量，同時(shí)也實(shí)現(xiàn)了負(fù)載均衡，最大化網(wǎng)絡(luò)的生存時(shí)間。缺點(diǎn)：算法沒(méi)有考慮到產(chǎn)生數(shù)據(jù)融合的父節(jié)點(diǎn)對(duì)其子節(jié)點(diǎn)進(jìn)行數(shù)據(jù)融合的等待時(shí)間，若等待時(shí)間過(guò)短，有的子節(jié)點(diǎn)數(shù)據(jù)可能還沒(méi)有到達(dá)父節(jié)點(diǎn)，造成融合的次數(shù)增多，增加能量消耗，若等待時(shí)間過(guò)長(zhǎng)，又會(huì)導(dǎo)致數(shù)據(jù)傳輸過(guò)程的時(shí)延增大，滿(mǎn)足不了實(shí)時(shí)的要求。4、基于蟻群能量的EERBA算法4.1主導(dǎo)思想EERBA算法的主導(dǎo)思想是：在保證蟻群基本算法對(duì)節(jié)點(diǎn)信息素的初始化以及揮發(fā)或加重的基礎(chǔ)上，通過(guò)引入能量參數(shù)，使節(jié)點(diǎn)信息素不但會(huì)隨鏈路重復(fù)使用而遞增，也會(huì)隨鏈路使用后節(jié)點(diǎn)能量的變小而遞減。鏈路使用后，節(jié)點(diǎn)信息素增加，也同時(shí)乘以遞減系數(shù)。信息素增加與減少后，最終值是變大還是變小，取決于節(jié)點(diǎn)的剩余能量。通過(guò)以上修改，使網(wǎng)絡(luò)在選擇最短路徑的同時(shí)，兼顧到節(jié)點(diǎn)的剩余能量，而不致使一條鏈路不斷重復(fù)使用而使節(jié)點(diǎn)過(guò)早死亡，退出網(wǎng)絡(luò)，以此延長(zhǎng)網(wǎng)絡(luò)的生存時(shí)間。4.2路由發(fā)現(xiàn)EERBA算法中，路由發(fā)現(xiàn)仍然通過(guò)搜尋螞蟻的廣播來(lái)尋找不同的路徑。與基本蟻群算法不同的是，搜尋螞蟻除了攜帶源節(jié)點(diǎn)地址、當(dāng)前節(jié)點(diǎn)地址、當(dāng)前跳數(shù)h外，還必須增加當(dāng)前節(jié)點(diǎn)剩余能量參數(shù)e。4.3路由選擇螞蟻從節(jié)點(diǎn)出發(fā)，選擇作為下一跳節(jié)點(diǎn)的概率基于公式（1），在節(jié)點(diǎn)均勻分布的情況下，通常認(rèn)為啟發(fā)信息的指數(shù)參數(shù)，因此，公式（1）簡(jiǎn)化為以下公式：（2）其中，指從節(jié)點(diǎn)到節(jié)點(diǎn)的信息素濃度，表示節(jié)點(diǎn)的所有鄰居節(jié)點(diǎn)。4.4路由更新EERBA算法中，每個(gè)節(jié)點(diǎn)均記錄了與鄰居節(jié)點(diǎn)的信息素大小，形成信息素梯度。信息素的改變基于以下3方面的因素：（1）螞蟻經(jīng)過(guò)的路徑，相應(yīng)的節(jié)點(diǎn)信息素增加單位。（2）網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)隨單位時(shí)間遞減系數(shù)。（3）螞蟻經(jīng)過(guò)的路徑，相應(yīng)的節(jié)點(diǎn)信息素乘以遞減系數(shù)，滿(mǎn)足以下公式：（3）其中，為相應(yīng)鄰居節(jié)點(diǎn)的剩余能量，為當(dāng)前節(jié)點(diǎn)的所有鄰居節(jié)點(diǎn)剩余節(jié)點(diǎn)的平均值。通過(guò)乘法運(yùn)算與鏈路經(jīng)過(guò)時(shí)信息素增加所用的加法運(yùn)算相區(qū)分，使信息素的增加或減少不會(huì)形成一致性的趨勢(shì)，達(dá)到根據(jù)節(jié)點(diǎn)剩余能量和鏈路長(zhǎng)短來(lái)控制網(wǎng)絡(luò)路徑選擇的目的。此外，必須是一個(gè)與節(jié)點(diǎn)剩余能量有關(guān)的變量，而不是一個(gè)常量，否則，此算法就會(huì)在節(jié)點(diǎn)信息素達(dá)到某一個(gè)值的時(shí)候進(jìn)入死循環(huán)。因此，螞蟻在節(jié)點(diǎn)的信息素變化滿(mǎn)足以下公式：,（4）通過(guò)公式（4）可以發(fā)現(xiàn)，節(jié)點(diǎn)剩余能量高于其余鄰居節(jié)點(diǎn)剩余能量平均水平的時(shí)候，信息素遞增，而在節(jié)點(diǎn)剩余能量高于其余鄰居節(jié)點(diǎn)剩余能量平均水平時(shí)，信息素遞減。因此，通過(guò)公式（4）可以判斷，在節(jié)點(diǎn)剩余能量較大時(shí)，螞蟻選擇最短路徑重復(fù)行走，而在該路徑節(jié)點(diǎn)剩余能量下降到某個(gè)值的情況下，螞蟻重新選擇其他路徑。EERBA算法與FEURA算法的不同在于，在FEURA算法中，節(jié)點(diǎn)能量一旦下降到某個(gè)閥值，則停止該路徑，并且永遠(yuǎn)不可能再重復(fù)此路徑。而EEABR算法則在節(jié)點(diǎn)剩余能量下降到某個(gè)值的時(shí)候，該路徑開(kāi)始休眠，直到鄰居所有路徑的信息素再次小于原來(lái)休眠的路徑時(shí)結(jié)束休眠，該路徑復(fù)活繼續(xù)工作。4.5算法仿真算法采用NS-2軟件進(jìn)行仿真，NS-2網(wǎng)路仿真軟件加載*.tcl仿真文件，tcl文件主要完成創(chuàng)建節(jié)點(diǎn)、創(chuàng)建代理、綁定代理和節(jié)點(diǎn)、鄰居節(jié)點(diǎn)之間創(chuàng)建鏈路、設(shè)定仿真參數(shù)共5個(gè)步驟。其中代理負(fù)責(zé)數(shù)據(jù)包的傳遞、路由算法實(shí)現(xiàn)等一系列功能；節(jié)點(diǎn)作為一個(gè)容器、記錄節(jié)點(diǎn)剩余能量等一系列信息；仿真軟件的程序框圖如圖1所示：定時(shí)器定時(shí)調(diào)用事件定時(shí)器定時(shí)調(diào)用事件復(fù)位定時(shí)器發(fā)送前向螞蟻隨機(jī)生成目的節(jié)點(diǎn)通過(guò)算法得到下一跳節(jié)點(diǎn)代理收到數(shù)據(jù)包代理收到數(shù)據(jù)包接收到螞蟻數(shù)據(jù)包丟棄數(shù)據(jù)包否是反向前向退出、交還控制權(quán)到達(dá)目的節(jié)點(diǎn)？是否添加當(dāng)前節(jié)點(diǎn)到路徑記錄數(shù)組生成并發(fā)送反向螞蟻添加路徑記錄數(shù)組發(fā)送前向螞蟻升級(jí)路由表釋放數(shù)據(jù)包、歸還控制權(quán)到達(dá)目的節(jié)點(diǎn)？是否發(fā)送反向螞蟻蟻群數(shù)據(jù)包？前向/反向螞蟻圖1圖1仿真算法程序框圖仿真算法分以下9步運(yùn)行：①NS在運(yùn)行到*.tcl文件指定的”start”語(yǔ)句執(zhí)行時(shí)間時(shí)，仿真開(kāi)始，程序首先調(diào)用Antnet_Timer::resched()函數(shù)初始化調(diào)度定時(shí)器。每隔timer_ant_秒，調(diào)度定時(shí)器溢出，觸發(fā)代理發(fā)送一代螞蟻數(shù)據(jù)包(跳轉(zhuǎn)至步驟2)。②定時(shí)器溢出觸發(fā)時(shí)間Ant_timer::expire()函數(shù)，函數(shù)主要負(fù)責(zé)復(fù)位定時(shí)器，調(diào)用Antnet::send_ant_pkt()函數(shù)進(jìn)行數(shù)據(jù)包發(fā)送(跳轉(zhuǎn)至步驟3)。③Antnet::send_ant_pkt()函數(shù)每一個(gè)節(jié)點(diǎn)代理會(huì)調(diào)用一次，相應(yīng)產(chǎn)生一個(gè)數(shù)據(jù)包，數(shù)據(jù)包的源地址為當(dāng)前地址，目的地址由隨機(jī)數(shù)確定，確保仿真的有效性。再由antnet_rtable::calc_next()函數(shù)根據(jù)信息素梯度返回?cái)?shù)據(jù)包的下一跳地址。生成數(shù)據(jù)包后發(fā)送數(shù)據(jù)包，并且對(duì)節(jié)點(diǎn)能量進(jìn)行更新(跳轉(zhuǎn)至步驟4)。④發(fā)送的數(shù)據(jù)包由NS仿真程序送到Antnet::recv()函數(shù)，該函數(shù)判斷接受到得數(shù)據(jù)包類(lèi)型是否為螞蟻數(shù)據(jù)包，對(duì)于螞蟻數(shù)據(jù)包轉(zhuǎn)送到Antnet::recv_ant_pkt()函數(shù)，對(duì)于非螞蟻數(shù)據(jù)包進(jìn)行丟棄處理(跳轉(zhuǎn)至步驟5)，由于節(jié)點(diǎn)接受數(shù)據(jù)需要消耗能量，所以更新節(jié)點(diǎn)能量。⑤Antnet::recv_ant_pkt()接收到數(shù)據(jù)包后判斷數(shù)據(jù)包為前向包還是反向包，對(duì)于前向數(shù)據(jù)包先在數(shù)據(jù)包的路徑記錄數(shù)組中添加當(dāng)前節(jié)點(diǎn)地址，然后判斷數(shù)據(jù)包是否到達(dá)了目的節(jié)點(diǎn)。到達(dá)目的節(jié)點(diǎn)則調(diào)用函數(shù)Antnet::create_backward_ant_pkt()產(chǎn)生反向螞蟻(跳轉(zhuǎn)至步驟6)，沒(méi)有到達(dá)則調(diào)用函數(shù)Antnet::forward_ant_pkt()把數(shù)據(jù)包繼續(xù)發(fā)給下一跳節(jié)點(diǎn)(跳轉(zhuǎn)至步驟7)；當(dāng)數(shù)據(jù)包為反向包時(shí)，首先調(diào)用Antnet::update_table()函數(shù)更新信息素濃度，更新路由表，然后判斷數(shù)據(jù)包是否到達(dá)目的節(jié)點(diǎn)，到達(dá)目的節(jié)點(diǎn)則數(shù)據(jù)包完成任務(wù)，釋放數(shù)據(jù)包，把控制權(quán)交換調(diào)度程序。沒(méi)有到達(dá)目的節(jié)點(diǎn)則調(diào)用函數(shù)Antnet::backward_ant_pkt()函數(shù)，把數(shù)據(jù)包發(fā)送給下一跳節(jié)點(diǎn)(步驟8)。⑥Antnet::create_backward_ant_pkt()函數(shù)把原來(lái)的數(shù)據(jù)包源地址目的地址調(diào)換，由前向螞蟻?zhàn)兂煞聪蛭浵仯乱惶?jié)點(diǎn)的地址由路徑記錄數(shù)組中記錄的前向螞蟻?zhàn)哌^(guò)的路徑原路返回。同時(shí)更新能量。數(shù)據(jù)包重新送回Antnet::recv()函數(shù)(跳轉(zhuǎn)至步驟4)。⑦Antnet::forward_ant_pkt()函數(shù)使用信息素梯度確定下一跳地址，數(shù)據(jù)包返回到Antnet::recv()函數(shù)(跳轉(zhuǎn)步驟4)。同時(shí)更新能量。⑧Antnet::backward_ant_pkt()函數(shù)讀取數(shù)據(jù)包中的路徑記錄數(shù)組，根據(jù)前向螞蟻?zhàn)哌^(guò)的路徑確定反向螞蟻的下一跳地址，數(shù)據(jù)包返回到Antnet::recv()函數(shù)(跳轉(zhuǎn)至步驟4)。同時(shí)更新能量。⑨當(dāng)NS調(diào)度器運(yùn)行到”stop”語(yǔ)句指定時(shí)間時(shí)，程序調(diào)用Antnet_Timer::cancel()，調(diào)度定時(shí)器停止，仿真過(guò)程結(jié)束。4.5仿真數(shù)據(jù)在10行x10列的區(qū)間內(nèi)，部署第0號(hào)至第99號(hào)共100個(gè)節(jié)點(diǎn)，成正方形矩陣。節(jié)點(diǎn)初始化能量70000焦耳，發(fā)送單位數(shù)據(jù)消耗能量0.3焦耳，接收單位數(shù)據(jù)消耗能量0.2焦耳。在NS-2中建立仿真模型，并考察算法改進(jìn)前后網(wǎng)絡(luò)節(jié)點(diǎn)能量變化。表1、表3分別是基本蟻群算法和EEBRA算法的NS-2仿真結(jié)果,表中Time為仿真程序所經(jīng)歷的時(shí)間(s),Node為節(jié)點(diǎn)的序號(hào),Power為各個(gè)節(jié)點(diǎn)在各個(gè)時(shí)刻所剩余的能量情況.當(dāng)節(jié)點(diǎn)能量小于等于10時(shí)，可以判斷節(jié)點(diǎn)死亡。表2、表4中分別羅列基本蟻群算法和EEBRA算法在10x10網(wǎng)絡(luò)中0號(hào)-99號(hào)節(jié)點(diǎn)在網(wǎng)絡(luò)死亡時(shí)刻剩余的能量值。表1基本蟻群算法各時(shí)刻網(wǎng)絡(luò)節(jié)點(diǎn)剩余能量表TimeNodePowerTimeNodePowerNodeNodeTime10125580040123577070122127510175552640173552570172088410185603640183818770182591010215569140213558870212108310285542940283511070282081410335454040333070870331237710345436540342987570341091910355420140352969270351076210365476740363106870361290510435437340433003870431142510445430540442930470449958.510455416440452938870451050310465462840463060170461230010535450540532980670531066810545437440542903370549345.910555431440552906070559718.11056544264056297377056112721063546424063304787063121091064544604064296347064109061065544194065294987065105361066543434066301937066119801071555254071354387071211401078555284078353747078210331081563044081386707081267381082555304082356127082214601087553074087356347087211631088559794088377047088253092012476605012307008012168972017475575017303648017165152018487455018338348018222012021474565021306118021165542028472565028301138028164022033450115033243618033682920344468850342338780344972.220354448750352330780354865.220364523650362478980367243.720434463650432360480435639.920444434950442266580443946.420454426750452297980454672.420464486950462426580466367.920534462650532317580534766.12054443315054221988054324020554415650552233580553675.920564455550562334180565299.320634497850632415480636507.720644463050642309880645132.520654437750652291080654651.32066446995066238838066625420714734750713040480711676320784723350783033480781671620814911450813445680812309420824745150823060780821712620874722550873054380871680620884830550883328780882163530184318160182974188.5181911330214103360212573088.5211289430284087960282546088.5281279330333748360331821988.5332082.630343692460341709388.53430.530353666260351697588.5351030363778260361879888.5362649.930433706460431744488.543785.130443645660441628088.5441030453643060451669188.5451030463741960461829388.5461558.430533688060531671488.5531030543633960541564488.5541030553624060551589788.5551030563674260561717788.556451.430633740760631792488.5631709.730643678160641683088.564192.430653654260651656388.5651030663703860661779288.5661468.530714104960712567488.5711320030784094160782557988.5781311230814355960813043088.5812020030824115860822587488.5821357730874109260872570288.5871326330884271660882919788.58818607表2基本蟻群算法網(wǎng)絡(luò)死亡時(shí)刻節(jié)點(diǎn)剩余能量表0123456789042157282582264018441166851696119083229032846242223102767318882131918768663660428622126211902328211202198012776808846362395224352587794126712254530182688118416119391010250945478339186504015964607329126511010140525755726163355016350633523331010102992815615316385601842987194665155310101321501491151878470222031307876264202189517034501825913000229598028463201011346889736569732394201314918512282679042653288442306119167166941658818511223462800342339注：網(wǎng)絡(luò)在88.765s死亡由表2不難看出在仿真程序進(jìn)行到88.765秒時(shí)刻,100個(gè)節(jié)點(diǎn)中的第34號(hào),第35號(hào),第44號(hào),第45號(hào),第53號(hào),第54號(hào),第55號(hào),第64號(hào),第65號(hào)節(jié)點(diǎn)能量?jī)H余10，而其余91個(gè)節(jié)點(diǎn)仍剩余大量能量,一方面是由于個(gè)別節(jié)點(diǎn)的過(guò)分利用而迅速衰亡,另一方面是由于個(gè)別節(jié)點(diǎn)過(guò)早衰亡而引起的能量剩余過(guò)多造成的能量浪費(fèi).接下來(lái)觀察經(jīng)過(guò)改進(jìn)后的EERBA算法剩余能量情況:表3EERBA算法各時(shí)刻網(wǎng)絡(luò)節(jié)點(diǎn)剩余能量表TimeNodePowerTimeNodePowerTimeNodePower10116041150113485290112187110126012050123389190122058510175926450172865790171449010185954950182939590181532610216012350213590890212243010286027650282905790281542210336039450333393390331859310346017050343393890341738310355966350353139390351761910365972150363167790361679510435967150433433790431803310445981250443381190441774210455997950453269590451738010465992750463240390461662010535974250533391290531824210545985050543353590541778410555986950553341390551683510565999550563196690561613810635978450633370890631892010645955350643376890641794110655960450653343590651662210665970250663210490661736710715989950713528390712086910785972450783142890781469610815981750813544090812094710825850950823348290821769610875886450873106090871852010885957950883307690881685820115260460113071910011194962012525766012293061001218345201751461601724186100171146220185072160182483110018122182021522926021316851002119894202850719602824966100281231420335111760332889310033158302034512736034291021003414218203551438603527588100351402020365121560362722110036133682043515566043291841004315058204451420604429009100441477820455110060452877310045137122046508876046277801004613173205351422605328956100531529820545156260542911110054146152055509906055294121005513273205651190605627574100561267920635160860632899410063161472064516726064295491006415059206551215606529484100651346420665165360662834510066137122071518256071311311007117896207850627607827598100789627.92081523316081313781008118042208251694608228451100821487720875129660872823510087142892088518416088292931008811716301845292701821011110188547.43021453157021282981102117246302844679702821250110288561.5303345072703325114110331308730344491670342498211034112303035448727035243791103510429303644788703623455110369943.530434496470432492511043118743044446427044246871104411509304544752704524904110459920.530464469770462372911046958330534427270532493911053122023054440637054251461105411244305544867705525155110559879.2305644983705623826110569154.9306344406706325085110631329830644416270642513611064120523065444727065248531106510373306644329706625024110669701.43071446027071274261107114893307843116707823597110783782.230814446470812765311081149563082446537082243041108211820308743712708725462110878668.6308844532708825463110885670.74018373458018179431171863494021403498021252251172115317402836360802818157117286101.74033395458033216651173311079403439508803421022117349087.3403537781803521106117357943.3403638497803620052117367628.7404339721804321211117439540404439138804420869117449125.3404538193804521055117457317.4404638540804619960117467172405339165805321416117539866.9405438427805421118117548752.2405538563805520706117557442.3405638294805619890117566631.64063392678063218581176311078406438535806421116117649855.5406538577806520285117658142.8406637824806621275117666817.3407139691807123970117711255340783665580781930711778754081397218081240861178112521408239301808220727117829439.9408736147808721983117874899.5408838174808821366117882049.8表4EEBRA算法網(wǎng)絡(luò)死亡時(shí)刻節(jié)點(diǎn)剩余能量表01234567890265722391414957103858063864573987433373451201023838152951449899961047365532870667566349286320152131531712545110367888906878987970610156273014302142781503411079908779437628677851913355401345913297102029540912573177172646849602747501361212622115949866875274426631515836361980601288711855134331107798558142681729782334107013172125521202710750917172504515541875106680112481252194409374898173213344489920491090130341163510015105408157722668033649101559注：網(wǎng)絡(luò)在117.003s死亡將表2、表4數(shù)據(jù)進(jìn)行對(duì)比顯然發(fā)現(xiàn),經(jīng)過(guò)了改進(jìn)后的算法EERBA能延長(zhǎng)整個(gè)無(wú)線傳感器網(wǎng)絡(luò)系統(tǒng)的生命周期,從改進(jìn)前的88.5s延長(zhǎng)到117s,生命周期是改進(jìn)前的132%,明顯提高了系統(tǒng)的能量利用率。

圖2網(wǎng)絡(luò)運(yùn)行第80秒算法改進(jìn)前后節(jié)點(diǎn)剩余能量圖如圖2所示，橫坐標(biāo)為網(wǎng)絡(luò)節(jié)點(diǎn)序號(hào)，縱坐標(biāo)為網(wǎng)絡(luò)節(jié)點(diǎn)剩余能量。虛線表示算法改進(jìn)前，當(dāng)網(wǎng)絡(luò)運(yùn)行到第80秒的時(shí)候的節(jié)點(diǎn)剩余能量曲線（簡(jiǎn)稱(chēng)曲線1）；實(shí)線表示算法改進(jìn)后，在同樣時(shí)刻的節(jié)點(diǎn)剩余能量曲線（簡(jiǎn)稱(chēng)曲線2）。從這兩條曲線中可以比較得出：（1）曲線1上下波動(dòng)幅度較大，而曲線2上下波動(dòng)幅度較小?？梢?jiàn)，算法改進(jìn)前網(wǎng)絡(luò)節(jié)點(diǎn)的剩余能量不均勻，差別較大，而算法改進(jìn)后網(wǎng)絡(luò)節(jié)點(diǎn)的剩余能量都比較平均。這點(diǎn)也可以從算法改進(jìn)前后所有網(wǎng)絡(luò)節(jié)點(diǎn)剩余能量的標(biāo)準(zhǔn)差得出。>（2）算法改進(jìn)前有部分傳輸鏈路上的節(jié)點(diǎn)由于經(jīng)常使用，能量下降得特別快，可能會(huì)提前進(jìn)入死亡，而個(gè)別節(jié)點(diǎn)的死亡對(duì)整個(gè)網(wǎng)絡(luò)的運(yùn)行有可能是致命的，如89、98號(hào)節(jié)點(diǎn)，他們的目標(biāo)節(jié)點(diǎn)都是99號(hào)SINK節(jié)點(diǎn)，如果這兩個(gè)節(jié)點(diǎn)死亡，則整個(gè)網(wǎng)絡(luò)癱瘓。而算法改進(jìn)后節(jié)點(diǎn)能量下降呈現(xiàn)比較一致的趨勢(shì)，網(wǎng)絡(luò)能量利用較好。根據(jù)數(shù)據(jù)統(tǒng)計(jì)，算法改進(jìn)前，當(dāng)網(wǎng)絡(luò)運(yùn)行到88.5秒的時(shí)刻，網(wǎng)絡(luò)中已有不少節(jié)點(diǎn)死亡，網(wǎng)絡(luò)進(jìn)入癱瘓狀態(tài)，無(wú)法繼續(xù)運(yùn)行；而在算法改進(jìn)后，網(wǎng)絡(luò)運(yùn)行到117秒時(shí)才進(jìn)入癱瘓狀態(tài)，時(shí)間延長(zhǎng)了近兩倍。（3）算法改進(jìn)前后節(jié)點(diǎn)能量波形的震蕩周期大致相同，這表明在路徑選擇上，改進(jìn)后算法在考慮節(jié)點(diǎn)剩余能量的同時(shí)，也兼顧到了最短路勁的選擇。即在某一網(wǎng)絡(luò)可以容忍的節(jié)點(diǎn)剩余能量范圍內(nèi)，必須選擇最短路徑。圖3算法改進(jìn)前后網(wǎng)絡(luò)平均能量的變化圖圖3反映的是算法改進(jìn)前后網(wǎng)絡(luò)平均能量的變化，橫坐標(biāo)是網(wǎng)絡(luò)運(yùn)行時(shí)刻，縱坐標(biāo)是網(wǎng)絡(luò)的平均能量。虛線表示算法改進(jìn)前網(wǎng)絡(luò)平均能量的下降趨勢(shì)（簡(jiǎn)稱(chēng)曲線3），實(shí)線表示算法改進(jìn)后網(wǎng)絡(luò)平均能量的下降趨勢(shì)（簡(jiǎn)稱(chēng)曲線4）。圖3表明，曲線4與曲線3的斜率大致相同，且近似重合。證明算法改進(jìn)后，網(wǎng)絡(luò)并沒(méi)有因?yàn)椴糠謺r(shí)間沒(méi)有選擇最短路徑而消耗更多的網(wǎng)絡(luò)能量。相反在網(wǎng)絡(luò)運(yùn)行到第88.5秒時(shí)，算法改進(jìn)前網(wǎng)絡(luò)平均能量為12671.7焦耳，此后，算法改進(jìn)前的網(wǎng)絡(luò)已經(jīng)進(jìn)入癱瘓，而算法改進(jìn)后，同一時(shí)刻網(wǎng)絡(luò)平均能量仍達(dá)到18498.1焦耳。圖4算法改進(jìn)前后節(jié)點(diǎn)信息素變化曲線圖4反映的是隨機(jī)抽取網(wǎng)絡(luò)中的某節(jié)點(diǎn)，以相同的目標(biāo)節(jié)點(diǎn)、相同的下一跳,在網(wǎng)絡(luò)運(yùn)行的不同時(shí)刻，算法改進(jìn)前后信息素（即概率）的變化曲線。圖4表示第74號(hào)節(jié)點(diǎn)，以第99號(hào)節(jié)點(diǎn)為目標(biāo)節(jié)點(diǎn)，以第84號(hào)節(jié)點(diǎn)為下一跳，在網(wǎng)絡(luò)運(yùn)行的不同時(shí)刻信息素的變化。虛線表示算法改進(jìn)前信息素變化（簡(jiǎn)稱(chēng)曲線5），實(shí)線表示算法改進(jìn)后信息素變化（簡(jiǎn)稱(chēng)曲線6）。從圖4可以看出，曲線5呈現(xiàn)持續(xù)上升的趨勢(shì)，而曲線6則在保持持續(xù)下降的趨勢(shì)中，在不同時(shí)刻有所反復(fù)和震蕩。圖4表明，算法改進(jìn)前，由于鏈路的使用，節(jié)點(diǎn)信息素會(huì)越來(lái)越高，不斷加強(qiáng)這條路徑，直到節(jié)點(diǎn)剩余能量不足，死亡后退出路徑。而在算法改進(jìn)后，雖然節(jié)點(diǎn)信息素的變化則呈現(xiàn)下降趨勢(shì)，但在鏈路使用的過(guò)程中，節(jié)點(diǎn)也會(huì)因?yàn)槠渌従庸?jié)點(diǎn)能量下降更快而被重新選擇，因此信息素又向上波動(dòng)。5、硬件模型5.1硬件電路設(shè)計(jì)硬件電路由圖5、圖6、圖7所示電路以及電源電路組成；主控電路采用ATmega16L芯片為主控芯片，芯片內(nèi)部移植有EERBA蟻群算法程序，控制無(wú)線模塊發(fā)送、接收數(shù)據(jù)，ATmega16L芯片通過(guò)74HC573鎖存器芯片控制兩位數(shù)碼管顯示該節(jié)點(diǎn)剩余能量值。模型電路采用PT2262M4、PT2272M4無(wú)線通訊模塊進(jìn)行通訊，通訊模塊頻率為315MHz、FSK信號(hào)調(diào)制方式，考慮到無(wú)線發(fā)送時(shí)，模塊電能消耗較大，無(wú)線發(fā)射模塊采用推挽式驅(qū)動(dòng)方式，驅(qū)動(dòng)電路如圖5所示。電路中兩位數(shù)碼管顯示節(jié)點(diǎn)當(dāng)前剩余能量，當(dāng)數(shù)據(jù)包經(jīng)過(guò)當(dāng)前節(jié)點(diǎn)時(shí)，該節(jié)點(diǎn)的LED0和LED1閃爍。為了提高演示的可觀性，節(jié)點(diǎn)中的EERBA蟻群算法參數(shù)如下：節(jié)點(diǎn)初始能量為75個(gè)單位，每一路徑信息素初始值為30，節(jié)點(diǎn)發(fā)送一個(gè)數(shù)據(jù)包消耗能量3個(gè)單位，節(jié)點(diǎn)每接收一個(gè)數(shù)據(jù)包消耗能量2個(gè)單位，數(shù)據(jù)包經(jīng)過(guò)的路徑信息素變化如公式（5）所示。（5）式中為數(shù)據(jù)包經(jīng)過(guò)以后該路徑的信息素濃度，為節(jié)點(diǎn)經(jīng)過(guò)前，該路徑原有的信息素濃度，為數(shù)據(jù)包經(jīng)過(guò)路徑以后該路徑信息素濃度遞增值，，為信息素?fù)]發(fā)系數(shù)，信息素濃度隨時(shí)間推移不斷揮發(fā)減少，，根據(jù)蟻群算法得出的下一跳節(jié)點(diǎn)的剩余能量值，為當(dāng)前節(jié)點(diǎn)所有鄰居節(jié)點(diǎn)的剩余能量的平均值。圖5主控制電路圖6無(wú)線模塊接口電路圖7閃光燈控制電路5.2硬件模型實(shí)物圖8EERBA算法硬件模型圖9EERBA算法硬件模型6、小結(jié)無(wú)線傳感器網(wǎng)絡(luò)是一種全新的信息獲取和處理技術(shù)，它在社會(huì)各個(gè)領(lǐng)域中都具有廣泛的應(yīng)用。傳感器節(jié)點(diǎn)的計(jì)算能力、存儲(chǔ)能力、通信能力以及攜帶的能量都十分有限，而且網(wǎng)絡(luò)資源也經(jīng)常發(fā)生變化，使得傳感器網(wǎng)絡(luò)在路由協(xié)議的設(shè)計(jì)和實(shí)現(xiàn)受到很大限制。傳感器網(wǎng)絡(luò)中的路由協(xié)議不僅關(guān)心路徑長(zhǎng)短和傳輸速率，更關(guān)心節(jié)點(diǎn)的能量消耗，這對(duì)網(wǎng)絡(luò)協(xié)議提出了更高的要求?；鞠伻核惴ㄊ且环N開(kāi)源代碼，基本蟻群算法的思想也得到社會(huì)的公認(rèn)，它在選擇網(wǎng)絡(luò)路徑上有相當(dāng)獨(dú)特的優(yōu)勢(shì)，由于最短路徑的選擇使得網(wǎng)絡(luò)具有較快的傳輸速率。但基本蟻群算法沒(méi)有考慮節(jié)點(diǎn)能量以及節(jié)點(diǎn)死亡對(duì)整個(gè)網(wǎng)絡(luò)的致命性打擊。因此，很多算法都是在蟻群算法的基礎(chǔ)上，考慮更多網(wǎng)絡(luò)的拓?fù)湫?、魯棒性和能量利用率，以此進(jìn)行改進(jìn)。通過(guò)建立模型、數(shù)據(jù)仿真和實(shí)際調(diào)試證明，EERBA改進(jìn)算法比基本蟻群算法在能量利用上更有優(yōu)勢(shì)。數(shù)據(jù)包在盡量沿最短路徑方向發(fā)送的同時(shí)，也兼顧了整個(gè)網(wǎng)絡(luò)的能量使用情況。一方面有效地延長(zhǎng)網(wǎng)絡(luò)的生命周期，另一方面不會(huì)使最短路徑上的節(jié)點(diǎn)過(guò)快死亡而導(dǎo)致失去對(duì)特定區(qū)域的監(jiān)控。當(dāng)然，本算法沒(méi)有考慮局部的啟發(fā)信息，即公式（1）中，。而啟發(fā)信息所反映的是網(wǎng)絡(luò)的鏈路質(zhì)量，價(jià)值成本以及距離、坡度和遮擋物等情況，這些都是未來(lái)研究的方向。由于蟻群算法是概率算法，因此每次仿真的數(shù)據(jù)都會(huì)略有不同，需多次仿真取其平均值。此外，改進(jìn)算法中所用的公式均為概念公式，需要通過(guò)實(shí)地測(cè)試對(duì)參數(shù)不斷修正。本算法針對(duì)于水稻田等植被覆蓋的環(huán)境，由于植被覆蓋等原因，無(wú)線節(jié)點(diǎn)通過(guò)太陽(yáng)能獲取的能量較少，如何充分利用節(jié)點(diǎn)有限能量便成為解決網(wǎng)絡(luò)穩(wěn)定性的關(guān)鍵。【參考文獻(xiàn)】[1]SinghG,DasS,GosaviSV,PujarS.LNdeCastro,FJvonZubeneds.AntColonyAlgorithmsforSteinerTrees:anApplicationtoRoutinginSensorNetworks[C].RecentDevelopmentsinBiologicallyInspiredComputing,2003:183-206.[2]S.Das,G.Singh,S.Pujar,andP.Koduru.AntColonyAlgorithmsforRoutinginSensorNetworks[C],GeneticandEvolutionaryComputationConference,2004.[3]GeChen,Tian-DeGuo,Wen-GuoYang,andTongZhao.Animprovedant-basedroutingprotocolinWirelessSensorNetworks[C],IEEE,2006.[4]RezaGhasemAghaeil,Md.AbdurRahman,WailGueaieb,AbdulmotalebElSaddik.AntColony-BasedReinforcementLearningAlgorithmforRoutinginWirelessSensorNetworks[C],InstrumentationandMeasurementTechnologyConference-IMTC2007.Warsaw,Poland,May1-3,2007.[5]Y.Lu,G.Zhao,andF.Su.AdaptiveAnt-basedDynamicRoutingAlgorithm[C],InProceedingsofthe5thWorldCongressonIntelligentControlandAutomation(IEEE,Hangzhuo,China,June2004),2694-2697.[6]Y.Zhang,L.D.Kuhn,andM.P.J.Fromherz,ImprovementsonAntRoutingforSensorNetworks[C],InternationalWorkshoponAntColonyOptimizationandSwarmIntelligence,Sep.2004.[7]SabbineniH,ChakrabartyK.Location-aidedflooding:anenergyefficientdatadisseminationprotocolforwireless-sensornetworks[J].IEEETransactionsonComputers,2005,54(1):36-46.[8].Mao,Shiwen,Hou,Y.Thomas.BeamStar:AnEdge-BasedApproachtoRoutinginWirelessSensorNetworks[J].IEEEtransactionsonmobilecomputing.2007Vol.6:1284-1296[9].ShahRC.RabaeyJM.energyawareroutingforlowenergyandhocsensernetworks.in:procIEEEwirelesscommunicationsandnetworkingconference,IEEE,Vol.1,17-21March,2002[10]XIAJia,ZHANGXi-huang,SHENYu-fang.AkindofWSNroutbaseonant.Computerengineeringandapplication[J]，2007,43（27），p137-139[11]劉徐迅，曹陽(yáng)，鄒學(xué)玉，張晉.無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)路由的改進(jìn)蟻群算法[J].華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，35（10）：24-27.[12]劉玲，柴喬林，耿曉義.基于螞蟻算法的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合路由算法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2009，30(3)：576-579.[13]李聞，林亞平，童調(diào)生，陳宇，余建平.傳感網(wǎng)絡(luò)中一種基于螞蟻算法的分布式數(shù)據(jù)匯集路由算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2005，26(5)：788-792.[14]楊靖,熊偉麗,徐保國(guó).無(wú)線傳感器網(wǎng)絡(luò)中基于蟻群算法的路由算法[J].計(jì)算機(jī)工程，2009,35（6）：4-6EnergyEfficientRoutAlgorithmBasedOnAntAndUsinginPaddyfieldHUANGBen-liXUDong-yangCollegeofEngineering,SouthChinaAgriculturalUniversity,Guangzhou510642,P.R.ChinaKeywords:Ant;Energy;WSN;RoutingAlgorithmAbstract.Wirelesssensorsnetworkhasbeenwidelyusedinareal-timemonitor,perceptorgatherphysicalinformationsuchaslight,temperature,humidity,noiseorConcentrationofharmfulgas.Withitssimpleandefficientcharacteristics,AntcolonyalgorithmhasbeenwidelyusedinWSNrout.Anenergyefficientroutalgorithmbasedonantwasshowninthisarticle,inwhichanenergy-relateddescendingparameterwasused.Theimprovedalgorithmavoidsexcessiverepetitionuseinthenetworklink,inordertousethenetworkenergyeffectively,andatthesametimetransmissionrateisalsoguaranteed.IntroductionWirelesssensornetworkisanetworkconsistingofmultiplemicro-sensors,whichhascapabilitieso