改进免疫粒子群算法的传感器网络预警系统

唐丽晴，胡云琴

(武警海警学院，浙江宁波，315801)

0 引言

地震、火灾或洪水等自然灾害的频发不可避免，为减少其给自然界和人类社会带来的重大损失，需建立强力有效的预警机制。由于无线传感器网络具有抗干扰性好，能耗小，成本低，可靠性好，准确率高等诸多优点，而被广泛应用于预警系统。但基于传统改进优化算法的无线传感器网络预警系统存在着严重的高耗能问题，其原因在于传统改进优化算法不能有效改善其易于陷入局部收敛的缺陷，从而导致不易寻到足够节省距离的从险情点至监测点的多跳传输路径。

目前，为节省传感器网络的能耗，大量学者进行了切实有效的科学研究。莫桂江提出了一种蚁群-遗传算法，以优化无线传感器网络的路径[1]。肖迪设计了一种基于无线传感网络的智能森林火灾实时监控系统[2]。苏兵等设计了一种基于蚁群算法的WSN能效均衡路由[3]。

针对传感器网络预警系统节能优化问题，本文基于传感器多跳传输模型，提出了一种改进免疫粒子群算法以优化传输路径。为验证改进算法的有效性，本文采用所提改进算法和传统粒子群算法进行仿真试验。试验结果表明，本文所提改进算法具有更佳的算法性能。

1 传感器网络多跳传输路径优化模型

目前简化传感器网络预警系统的预警多跳传输路径是其最有效的节能手段。传感器网络节点间传输有距离要求，一定长度内的两节点可实现信息传输。传感器网络多跳传输与路径长度和路径中的传感器数目有关。具体的无线传感器网络多跳传输优化模型为：

公式(1)中，pi表示第j条路径中的第i个传感器节点；nj表示第j条路径中的传感器节点的数目；pd,j和pm分别表示第j条路径的险情点和监控点处的传感器节点；L(p)表示险情点至监控点的多跳传输路径；d(x,y)表示传感器x和y之间的传输距离；Ω表示传感器网络的覆盖区域。

由公式(1)可知，路径中任意传感器节点需在传感器网络的覆盖区域内，任意路径的起始位置是某个险情点，终点是监控点。

2 免疫粒子群算法

2.1 粒子群算法

粒子群群算法更新迭代计算公式下述公式(2)所述。

式中i= 1 ,2,…,N表示粒子的序号，t表示粒子的第t维，d表示迭代次数，c1,c2为加速常数，一般在0～2之间取值。rand为区间(0,1)的随机实数[14]。

2.2 免疫粒子群算法

免疫粒子群算法（Artificial Immune Particle Swarm Optimization,AIPSO）是在基本粒子群算法的基础上进一步将免疫算法中的基于浓度的选择机制引入到了算法中。浓度选择机制中，抗体浓度及其浓度概率的计算公式如下所述：

式(3)和(4)中，i= 1,2,… ,m+k。

具体的免疫粒子群算法的流程图如图1所示。

图1 免疫粒子群算法流程图

3 仿真实验

为验证本文所提算法解决实际的传感器网络预警系统节能问题的有效性，本文选取了1种预警传感器网络多跳传输路径寻优实际算例，并采用本文所提算法和粒子群算法这2种不同的智能优化算法进行对比测试。

所给出的3.5km×4km传感器网络预警系统的监测系统界面如图2所示。

图2中，监测区域范围是3.5km×4km，每个传感器的感知半径约为0.4km，有32个无线传感器节点，其温度情况由蓝色、绿色、黄色、棕色和红色表示，其依次递增着火风险，若为红色，则其监测区域存在着着火隐患。

图2 传感器网络预警系统监测界面

除外，上述监控点(该位置的火灾隐患情况不需要传输)外，其余传感器节点的信息如下表1所述。

表1 各个传感器节点的信息

7 (1.29,1.87) 409 23 (0.94,1.96) 144 8 (1.24,2.73) 366 24 (1.37,2.95) 129 9 (1.43,2.58) 516 25 (1.41,2.25) 170 10 (1.64,3.11) 633 26 (1.53,2.19) 154 11 (1.59,2.41) 405 27 (1.75,2.72) 119 12 (1.98,2.26) 623 28 (1.78,2.92) 182 13 (1.63,3.01) 404 29 (2.09,3.15) 133 14 (1.57,3.28) 468 30 (1.84,3.22) 138 15 (1.75,2.01) 730 31 (2.81,3.34) 1127 16 (1.11,2.43) 727 - -

由表1可知，若温度风险值大于1000，则显示为红色，也即该传感器节点的监测区域存在着着火隐患。

以下是具体的仿真结果。采用本文所提算法和粒子群算法寻优得到的仿真结果如图3和图4所示。

图3 粒子群算法所求多跳传输路径

图4 粒子群算法所求多跳传输路径

由表2可知，相较于粒子群算法，尽管本文所提算法所求的多跳传输路径中含有与其相同的传感器节点数目，然而其传输路径更短。因此，本文所提算法更适合于求解实际的传感器网络预警系统多跳传输节能问题。

表2 各个优化算法寻优得到的多跳传输路径的相关结果

4 结论

针对传感器网络预警系统节能优化问题，提出了一种改进的粒子群免疫算法。所提出的改进算法通过引入免疫机制以改善粒子群算法的寻优性能，从而有效提高其全局搜索能力和收敛速度。本文基于1种预警传感器网络多跳传输路径寻优实际算例，并采用两种不同的优化算法进行寻优。由最终的寻优结果可知，本文所提算法的寻优性能更佳。