无线传感器网络中基于遗传算法的路径优化研究

邹茜

摘 要：随着社会经济不断发展进步，无线传感器网络的发展也是十分迅猛的，尤其是在现代科学技术和信息技术以及互联网技术发展的过程中，对无线传感网络的发展也起到了引导作用。对无线传感网络的相关研究也是比较多的，不仅在研究的过程中提出了新的想法和措施，而且还发表了大量的研究著作，大大的促进了无线传感网络的发展和进步。本文就主要是在相关研究的基础上，基于遗传算法对无线传感网络的路径进行优化，并且在分析研究的过程中也我们也是需要考虑到一些无线传感器的节点能量的损耗以及路由的恢复时间等一些现实的实际因素，并且我们在分析研究的过程中还需要将这些因素对无线传感器网络路径的优化进行处理。正是基于这些约束条件，就对遗传算法的各个条件进行了细致的分析和研究，基于遗传算法的无线传感器网络是路径优化是有效的，而且遗传算法也能够对无线传感器网络路径进行有效的优化。

关键词：无线传感器 路径 遗传算法 優化分析

中图分类号：TP274.1 文献标识码：A 文章编号：1672-3791（2018）01（b）-0011-02

随着现代社会的发展进步，无线传感技术的发展是十分迅速的，尤其是随着现代社会信息技术和网络技术的发展进步，学者和研究者对无线传感器网络的研究也是十分重视的，并且对无线传感器网络路径的优化分析研究比较重视的。随着相关算法的提出，遗传算法在无线传感器网络路径优化的过程中发挥了重要的作用，使得无线传感器网络的使用时限达到最大化。我们在分析研究的时候，由于无线传感器网络的节点能量是有限的，并且在使用的过程中是不能够进行补充，所以我们想要使得无线传感器网络路径优化就不仅是需要关注无线传感器网络路径的长度，而且还需要更加的关注我们在使用无线传感器网络的过程中对于网络能量的损耗以及对能量的节约。

本文在对无线传感器网络路径进行优化的过程中主要是使用遗传算法对这方面的内容进行分析研究，并且在研究的过程中构建了无线传感器网络路径规划和优化的方法，希望通过本文的分析研究，可以为无线传感器网络路径的优化提供一些建议和借鉴。

1 无线传感器网络的模型和拓扑描述

在无线传感器网络中，我们是需要对一些监测的数据进行分析研究的，我们获得的这些监测数据其实主要是无线传感器节点是源节点，这些相关的数据主要是通过多跳汇集到了汇聚节点或者是基站，然后这些相关的数据就需要通过互联网或者是卫星传送给用户或者是管理节点。我们在对无线传感器网络路径进行优化分析研究的时候，我们在分析研究的时候主要是通过低能量的自使用分层簇结构的算法，我们通过在这种算法使得无线传感器网络的路径不断的得到有效的优化。这种算法主要是对无线传感器的网络监测区域进行 集群分组，我们主要是将这种分组称为是簇，我们在进行计算的时候，每一个簇是需要一个簇头的节点的，每一个簇头节点的主要任务是负责这个簇内的节点或者是基站的通信情况或者是对相关的数据进行压缩等一些负面的内容，每一个簇内的簇头节点主要是无线传感器网络通信路径上的目标节点，我们在分析研究的时候发现，这个节点的位置是不固定的，并且是按照某种规则而产生的，我们在研究的过程中为了大大的简化网络的复杂性，并且使得遗传算法在计算的过程中不丢失有效性。所以我们在分析研究的时候是需要将簇看作是二维平面空间内的矩形区域，但是我们在进行研究计算的时候，由于区域的大小、传感器的节点和数目以及相关的位置也是知道的，因此我们在进行计算的时候对于一些静止不动的节点看作是一个区域内的一个点，由于在相关的区域内每一个节点的初始能量都是相同的，并且相关的节点是随机的分布在区域内的每一个簇内，这样就使得区域内的每一个节点是被赋予独特的编号，也就是1，2，3，…，n。

我们就将无线传感器网络系统抽象为G=（V，E），其中网络节点集V=（Vhead，V1，V2，V3，V4，...，Vn）Vhead主要是为G的簇头节点；并且Vi=（i=1，2，...，n）为这个簇内的其他的感知节点，各个节点之间的通信链路的路集为E=（e1，e2，...，em）；V中的各个节点之间的有效传输距离都为λ0，那么就会有如下的公式：

（1）

我们在进行分析研究的时候，如果是节点i和节点j之间是能够连接成一些有效的链路的时候，那么就会使得L（i，j） =L（j，i）=1，但是如果我们在进行分析研究的时候，节点j与节点i之间是不能够连接成有效的链路的时候，那么就会使得L（i，j）=L（j，i）=0。

2 无线传感器网络路径的优化的遗传算法设计

2.1 基于遗传算法的无线传感器网络路径的优化思想

我们在遗传算法的基础上对无线传感器网络路径的优化思想进行分析研究的时候，我们首先是需要对无线传感器网络的路径进行优化问题的模型进行构建，在进行构建之后我们是需要进行初始化的措施，我们在这个过程中是需要使用遗传算法进行计算，这主要是由于我们在这个过程使用遗传算法进行计算不仅是计算的算法也是比较简单的，而且也是具有通用性的，并且由于我们在进行计算的时候遗传算法是具有搜索功能的，这样我们在使用遗传算法进行计算的时候，大大的提高了遗传算法的搜索效率。

2.2 染色体和编码分析研究

无线传感器网络的通信路径主要是路径中的传感器节点的序列构成的，相关的节点i（xi，yi）主要是可以利用浮点编码来进行表示的。我们在进行表示的时候相关的浮点数操作和二进制的数是比较复杂的，但是我们在进行搜索的时候是可以搜索整个的运动空间的，不仅如此我们在进行搜索的时候还可以进行精确的定位。无线传感器网络路径中的第一个点P1=（x1，y1）为源节点，最后的一个节点就为Pn =（xn，yn）为目标节点（簇头节点）。这样就使得无线传感器网络路径就如下面的表示：

Path=[P1，P2，P3，P4，P5，P6...PN]

（x1，y1）→（x2，y2）→（xn，yn） （2）

2.3 路径优劣与适应度函数分析研究

由于不同的染色体是由不同的传感器节点序列构成的，一般都是具有不同的节点个数，而且染色体的长度是可以变化。

我们对无线传感器网络的路径进行分析研究就会发现，我们是需要对无线传感器的优劣和适应度函数进行研究，我们主要是将无线传感器网络路径的优劣程度的评估值作为遗传算法中的染色体的适应值，并且我们在进行研究的时候还需要将无线传感器网络路径优化的约束条件全部的包含在内，最后是需要使用相关的数值形式表示出来。

其次是我们是需要对不可行路径的适应度函数进行分析研究，我们主要是设不可行路径的适应度函数为极大的 罚函数P，P的数值是远远的大于无线传感器网络路径所能够达到的最大值的，而且我们经过相关的分析研究发现，如果是适应度函数的数值是越来越小的，那么无线传感器网络路径就会是最优的。

3 结语

本文主要是基于遗传算法对无线传感器网络路径优化进行分析研究，希望通过本文的分析研究，可以为无线传感器网络路径优化提供一些建议和借鉴。

参考文献

[1] 任代蓉，雷霖，胡学海，等.DEAC：一种分布式高效节能的自适应传感器网络聚类协议[J].传感器与微系统， 2007，26（11）：47-50.

[2] 李剑，景博.自适应遗传算法在多边议题协商中的应用[J]. 北京邮电大学学报，2008，31（6）：67-70.