基于遗传算法的无线传感器网络能耗优化

摘要：为了延长无线传感网络的使用寿命，提出了一种优化传感网络路由的遗传算法。该算法通过分析节点发送功率变化下的链路流量约束，链路最大传输效率约束，节点能耗约束等条件。感知路由从数据传输的能量消耗量出发，讨论最优能量消耗路径，提高节点能量利用率，延长网络生存期。其基本实现是根据节点的剩余能量和传输路径上的能量消耗来选择路由路径。仿真实验表明，该算法可以平衡节点能耗和邻节点使用数量，延长网络的生存寿命。

关键词：无线传感网；遗传算法；优化使用时间；能耗

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2013）03-0582-04

无线传感器网络就是大量静止或移动的传感器通过自组织或者多跳的方式构成的无线网络，其目的是协作地感知、采集、处理和传输网络覆盖地理区域内感知对象的监测信息，并报告给用户。它的英文是Wireless Sensor Network， 简称WSN（物联网）。 大量的传感器节点将探测数据，通过汇聚节点经网络发送给用户。传感器网络实现了数据的采集、处理和传输的三种功能，而这正对应着现代信息技术的三大基础技术，传感器技术、计算机技术和通信技术。无线传感器网络具有低能耗、低成本、易于实现、传输可靠等优点。而且由于其本身的冗余性、线性、网络的自组织性，因而具有较强的抗破坏能力。为了延长网络的使用寿命，无线传感网络采用了各种传输策略的算法方式（ 如路由，功率控制和调度等），本文是基于遗传算法的无线传感网络路由算法研究。

1 遗传算法的提出

遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的基本运算过程如下：1）初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P（0）。2）个体评价：计算群体P（t）中各个个体的适应度。3）选择运算：将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。4）交叉运算：将交叉算子作用于群体。所谓交叉是指把两个父代个体的部分结构加以替换重组而生成新个体的操作。遗传算法中起核心作用的就是交叉算子。5）变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。群体P（t）经过选择、交叉、变异运算之后得到下一代群体P（t1）。6）终止条件判断：若t=T，则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。

2 无线传感网模型建立

2.1网络节点的部署

节点的部署是无线传感网络的基本应用问题，关系着网络的效率和精确性，同时对于提高无线传感网络的使用寿命有重要意义。节点的部署就是通过算法不知节点，是网络的资源得到优化，节省网络资源。传感器节点的部署主要有三方面：1）信息采集的精确度。2）网络的生存寿命。3）网络的覆盖。在无线传感网络中，每个节点传输的范围内必有一个中继节点，中继节点间相互连通，负责将信息传输到汇聚节点。因此网络寿命严重依赖中继节点的生存寿命，但是其价格要归于普通节点，因此为了降低成本，必须以最少的中继节点来部署网络。

以Z代表中继节点，以P代表普通节点，假设中继节点间的传输距离为R，普通节点的传输距离为r，中继节点和普通节点间距离为Dzp。当Dzp