论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　因此，本文应用联盟的能耗模型，对网络拓扑结构的初始化进行研究，采用粒子群优化算法找到最优的联盟结构。粒子群算法是从鸟群随机觅食的过程中受到启发，主要用于解决问题的优化算法。假设某个种群有n个粒子，把n个粒子分成若干子种群，这些粒子随机分布，每个粒子都由适应度函数确定适应度值，适应度值大的粒子可以进行迭代，经过算法快速的收敛，可寻得问题的最优解。

　　粒子群算法用于网络拓扑结构的生成时，将网络中节点比作粒子，对所有节点进行编号，适应度值大的参与迭代运算，在迭代过程中每个节点可能被划分到其他联盟结构中，形成新的联盟结构。当节点划分完毕后确立联盟头，算法生成最优的网络拓扑结构。

　　WSN中基于粒子群算法的网络拓扑结构生成的程序设计思想如下：

　　1）节点随机初始化。节点数目为100，联盟结构取6个，每个节点的能量为3焦耳，数据传输的速度为2Mbit/s；

　　2）对节点进行划分，分成若干个子种群，按照步骤3到6进行迭代；

　　3）计算各粒子的适应度值，保存适应度函数的最大值；

　　4）迭代进化。当迭代次数m=1，所有节点全部更新，比较适应度函数值，始终保持适应度值大的粒子参与迭代。

　　5）判断。如果迭代次数小于设定值，则继续进行步骤4，否则，进入步骤6；

　　6）输出满足条件的编码数组；

　　7）比较各种群的编码组合，选出整个迭代过程的最优解。

　　3实验结果分析

　　本文的实验结果是在Matlab平台上仿真分析的，将粒子群算法生成的最优联盟结构和最短距离法生成的联盟结构做比较。当联盟头为6个时，网络的拓扑结构如图2所示，左图为粒子群优化算法生成的初始拓扑结构，右图为最短距离法生成的拓扑结构，形状相同的节点归属于同一个联盟。考虑到能耗的均衡，离基站远的联盟信道衰减小，形成的联盟的规模应该大。对比两图，可以看出左图的联盟规模离基站越近规模越小，离基站越远联盟的规模越大，这种结构有利于网络节点能耗的均衡，有利于提高网络的存活时间。

　　网络节点的存活个数比较，将基于粒子群算法生成的网络拓扑结构与最短距离法生成的拓扑结构做对比，从表1可以看出随着网络通信次数的增加，粒子群生成的网络拓扑结构充分考虑了联盟通信的总能耗和能耗均方差，在通信次数达到1000次才出现死亡，有效地提高了节点的存活时间；而最短距离法中的网络节点随着通信次数的增加逐步地死亡。

　　综上所述，网络拓扑结构初始生成的好坏直接影响到节点在数据传输的效果，本文采用的粒子群算法优于最短距离法，仿真实验也进一步说明了粒子群算法在联盟初始结构生成上的优越性。

　　4总结

　　无线传感器网络作为十大新兴技术之一，有着巨大的应用价值，在各领域中正发挥着举足轻重的作用，网络拓扑结构作为无线传感器网络的关键技术之一需更深入地探索研究。本文采用联盟机制作为网络的数据通信机制，重点研究网络初始结构的生成问题，具有一定的参考价值和研究意义。

　　参考文献：

　　[1]任丰原，黄海宁，林闯.无线传感器网络[J].软件学报，2003，14（7）：1282-1291.

　　[2]李津.无线传感器网络初级初始化算法设计及仿真[D].华中科技大学，2006.

　　[3]李敦.WSN中节点布置及联盟结构生成问题研究[D].合肥工业大学2010.

　　[4]于海滨，曾鹏.智能无线传感器网络系统[M].北京：科学出版社，2006：46-98.

　　[5]张文爱，刘丽芳，李孝荣.基于粒子进化的多粒子群优化算法[J].计算机工程与应用，2008，44（7）：51-53.