[发明专利]一种用于优化无线传感器网络拓扑的多种群协同进化方法

说明书

本发明涉及网络拓扑鲁棒性优化领域，提供一种用于优化无线传感器网络拓扑的多种群协同进化方法，所述方法包括：步骤100，基于源拓扑产生各种群初始个体；步骤200，在各种群中选择父母个体，进行交叉算子操作，产生新的子代；步骤300，在种群的个体中随机选择一定数量的个体进行变异算子操作。步骤400，在每个种群进行完交叉变异后进行适应度函数筛选，选择优秀的个体进入下一代，步骤500，在种群之间引入移民操作，使种群之间产生基因交流，步骤600，循环执行步骤200到步骤500，并在每一代保存当前最有个体的拓扑，判断进化代数，达到设定代数后退出循环。

技术领域

本发明涉及网络拓扑优化领域，尤其涉及一种用于优化无线传感器网络拓扑的多种群协同进化方法。

背景技术

物联网技术(Internet of Things)是融合了多个学科的庞大的综合体，包括WSNs、嵌入式系统、拓扑查询、智能控制、数据处理及任务调度等多个领域。物联网在近些年来应用需求越来越大，它通常是在某一地理区域内布署大量传感器节点，这些节点间相互通信形成网络系统，用来监测和控制环境中的物理变量，例如温度、声音、光线等，并能根据环境需求自主完成指定任务。近年来，由于无线传感器网络因其无线连接、自组织等诸多优点，应用环境已不仅仅停留在室内，现实地理环境例如森林火情监测，无人区监控，战场感知等都对其产生巨大的需求，同时其应用规模也急剧扩大。如何构建WSNs拓扑以及优化其鲁棒性，设法增强其鲁棒性，使其在现实恶劣的地理环境中，能够抵御一定规模的节点失效(特别是关键节点的失效)并能维持正常工作，成为近些年来人们研究的热点。

网络拓扑关系揭示了网络之中节点间的相互连接关系，这是网络中各个节点之间的通信基础。复杂网络理论在网络拓扑研究中扮演一个至关重要的角色，尤其是其揭示了网络如何构建，控制以及进化的。复杂网络广泛存在于现实世界，如电网、全球运输网络，合作网络以及引文网络等。作为一个跨学科的领域，复杂网络引起了全世界的关注。复杂网络理论[7]研究的是那些既不是纯粹的规则网络也不是随机网络的一类复杂网络。在复杂网络里有两个最经典的模型小世界网络和无标度网络。小世界网络有两个明显的特点，即较短的平均路径和较大的聚类系数，一般应用于物联网中异构网络拓扑单元之间的建模。无标度网络主要针对同构网络单元，其网络中的节点度数遵循幂律分布，相对于小世界模型，无标度模型针对随机攻击具有更高的鲁棒性，但对于恶意攻击则表现出明显的脆弱性。因此，如何改进无标度网络拓扑，设计优化策略，提升网络拓扑针对恶意攻击的鲁棒性，是当前迫切需要解决的问题。

近年来，一些研究人员利用进化算法来解决物联网中的诸多问题，比如能量消耗，能量平衡。同时也有一些研究人员尝试用遗传算法来解决无标度网络的鲁棒性问题。在本文中，我们利用进化算法的一种(遗传算法)来实现无标度网络的鲁棒性优化。遗传算法是一种借鉴生物界自然选择和进化机制发展起来得高度并行、随机、自适应的全局优化概率搜索算法。由于优化时不依赖于梯度，具有很强的全局搜索能力，因此、被广泛应用于机器学习、模式识别、数学规划等领域。在遗传算法中，由多个候选解构成的种群，通过种群的遗传和变异在进化过程中找到最优解。但是对于传统遗传算法，有一些无法避免的缺陷，比如早熟收敛问题。但是多种群遗传算法通过使用多个种群协同进化以及种群之间的移民操作，可以有效地避免单一种群陷入局部最优解而产生的早熟收敛问题。

发明内容

本发明主要解决现有技术的无线传感器网络针对恶意攻击的鲁棒性较差的技术问题，提出一种用于优化无线传感器网络拓扑的多种群协同进化方法，基于复杂网络理论，结合无标度网络的相关技术特点，使网络拓扑在面对随机攻击和恶意攻击都具有较高的鲁棒性。本发明在不改变节点度数分布的情况下，提出了一种更为高效的优化无标度网络拓扑针对恶意攻击的鲁棒性提升策略方法。

本发明提供了一种用于优化无线传感器网络拓扑的多种群协同进化方法，包括以下过程：