[发明专利]一种基于改进模拟退火的无线传感器网络资源分配方法

说明书

本申请是一种基于改进模拟退火的无线传感器网络资源分配方法。考虑传感器节点的能量有限和实时性的特点，在目标函数的感知程度矩阵中加入时间函数，利用加权因子保证用户的公平性；并给出感知节点探测目标数目约束，减少节点感知偏差，进而构造资源分配最优化模型。针对模拟退火优化对整体解空间的存在认知不足的特点,将Logistic混沌搜索嵌入其中，结合模拟退火的快速寻优的能力，提出一种基于改进模拟退火的有效资源分配方法。与同类方法相比，在不同感知个数的条件下本文方法的目标检测成功率更高，权值保证了用户的公平性，有效降低了优化时间和网络功率消耗，提高了系统整体性能。

技术领域

本发明涉及一种网络资源分配方法，特别是一种基于改进模拟退火的无线传 感器网络资源分配方法，属于通信技术领域。

背景技术

无线传感器网络(Wireless Sensor Network,WSN)将逻辑上的信息世界和客 观上的物理世界融合在一起，正在改变着人类和自然的交互方式。作为一种新的 传播模式推动了科技发展和社会进步，现已成为国际技术竞争的焦点之一，无论 在国防还是国民经济的各个关键基础领域都有着广阔的应用【1-2】。WSN节点作 为独立的计算和控制单元，能够实现自身的数据管理,并与其它节点协同完成数 据高效传输，其网络特性与网络拓扑结构、节点自身特性、网络资源属性以及节 点感知数据的分析、处理和传输密切相关【3】。随着无线传感器网络通信速率要 求的日益提高，节点受到的干扰以及链路之间的通信冲突也会随之增强，造成网 络容量下降，导致网络节点由于数据重传浪费能量，当前的无线传感器的资源分 配模式难以满足人们的需求。传感器节点大多是由电池或能量有限的供电设备供 电，能量补充困难，因此通过有效方法对其进行资源优化，解决无线传感器网络 资源分配优化问题，减少通信时延及降低能量消耗显得尤为重要。

文【4】将无线传感器网络中的能量收集传感器节点设为可充电电池，利用 马尔可夫决策方法将能量问题转化为迭代最优化算法。文【5】利用马尔科夫随 机理论构建了节点调度模型，并最大化网络生存时间。一种无线传感器网络生存 时间优化算法在文【6】中提出,作者建立了大规模线性规划模型，并通过基于 列生成的精确方法求解，其所提算法为子优化算法。近年来，由于群体智能算法 高效的搜索能力，许多学者将遗传算法、模拟退火算法、粒子群算法应用到无线 网络资源优化问题当中。文【7】以链路的冲突和干扰为约束条件，构建了系统 的资源分配多目标优化模型，提出一种基于双群体差分进化的联合资源分配优化 算法。文【8】采用估计信令和目标信令之间的跟踪误差作为驱动机制来调节传输功率，提出了一种新的分布式功率控制技术。文【9】提出了一种新的基于顶 点着色的无线体区域网络资源分配算法，通过将不同的资源分配给任意两个相邻 的网络来实现的可靠性。针对感知任务来动态调整传感器网络节点的探测目标、 通信时隙等参数，对传感器的资源分配方式进行整体优化，文【10】提出了一种 基于混沌并行遗传算法的多目标无线传感器网络跨层资源分配方法，该方法运用 混沌序列和并行遗传算法来动态调整传感器网络节点的探测目标及通信时隙等 参数。

无线传感器网络是资源受限型网络，可用能量和探测范围有限。如果节点上 感知任务目标的个数超过一定限度，会导致传感器能量被过度消耗，从而降低节 点生存时间；实际无线传感器网络中传感器节点非均匀部署分布，平均分配资源 可能导致较大误差而使得未知节点的定位精度下降。文【10】并没有考虑上述两 方面问题，本专利给出传感器节点至多能探测任务目标的个数约束；通过在节点 上设置加权系数保证系统的公平性；并将混沌遍历结合到模拟退火初始状态的搜 索中，提出基于改进模拟退火的有效资源分配方法。