[发明专利]一种基于竞争窗口蚁群分簇的移动传感网路由优化方法

权利要求书

1.一种基于竞争窗口蚁群分簇的移动传感网路由优化方法，主要包括以下步骤：

步骤1：将非均匀负载的节点分为簇首节点和簇内节点，根据节点在簇内的网络深度的计算竞争窗口值；

步骤2：根据节点的竞争窗口值，采用蚁群算法构造候选簇首集；

步骤3：根据候选簇首集中候选节点的竞争窗口值、节点剩余能量、干扰因子三个参数构造簇首选择函数Z(i)，按照选举机制竞选出Z(i)值最大的候选节点作为簇首；其中，Z(i)计算公式如下：

其中，表示节点i的剩余能量，E_candidate表示候选簇首集内所有节点的总能量，IF_i表示节点i所受到的网络信号干扰，CIF_candidate表示候选簇首集内所有节点的干扰，表示节点i的历史最小竞争窗口，CW_average表示平均竞争窗口大小，参数k_i为簇首选举的调节因子，取介于0到1之间的小数，控制每轮选举各因素的比重，且满足k₁+k₂+k₃＝1,k₁0.3,k₃0.32；

步骤4：源节点向目的节点发送一个F-ant，当目的节点收到一个F-ant时，设置一个时间阈值，继续接收经其他路径上的F-ant，丢弃超时到达的F-ant；将最先到达的F-ant转换成对应的B-ant，B-ant将沿着F-ant走过的原路返回簇首s，当簇首s接收到B-ant后，簇首s对B-ant沿途路径的费洛蒙素浓度进行更新，直至遍历完网络内所有节点，从而使簇内节点形成一棵包含不同深度叶子节点的树，其中F-ant表示前向寻找路由路径的蚂蚁；B-ant回程路径上的分泌费洛蒙素的路由蚂蚁；

步骤5：计算可用的下一跳节点的转移概率，依据广度优先策略搜索所有节点，接着，根据不同路径转移概率大小，确定簇内不同深度叶节点交叉重合处节点的归属，优化簇式网络拓扑结构。

2.根据权利要求1所述的一种基于竞争窗口蚁群分簇的移动传感网路由优化方法，其特征在于：当簇首s向目的节点发送F-ant之前，需要向网络中通过泛洪发送F-ant进行路由发现。

3.根据权利要求1所述的一种基于竞争窗口蚁群分簇的移动传感网路由优化方法，其特征在于：簇首节点的竞争窗口初始值的计算方法如下式所示：

其中，表示处于网络第h+1层节点的竞争窗口初始最小值，表示簇首节点的竞争窗口值，表示第一网络深度的簇内所有节点的平均干扰，h为网络节点的深度，M为最大传输路径长度，表示处于所述第一网络深度的簇内节点平均个数，δ为网络缺省的参数，表示整个网络内所有网络节点的竞争窗口初始值的最大值，其大小根据网络规模、网络实时性、容错率等需求进行调整；

簇内的第h层节点i，其竞争窗口初始值的计算公式如式2所示：

其中，表示节点子节点数目与处于同层的平均子节点数目的比值，表示节点干扰因子与处于同层的节点平均干扰因子的比值，μ_h是网络树深度的调控因子，该因子的作用使得节点竞争窗口初始值总是保持在区间内。

4.根据权利要求1所述的一种基于竞争窗口蚁群分簇的移动传感网路由优化方法，其特征在于：所述步骤3中候选簇首集阈值函数T(n)如下所示：

其中，P_candidate表示候选簇首数与总节点数的比值，P_head表示簇首数与总节点数的比值，r表示当前选择循环轮数。

5.根据权利要求1所述的一种基于竞争窗口蚁群分簇的移动传感网路由优化算法，其特征在于：所述步骤4中费洛蒙素浓度进行更新算法为：

其中，τ_ij(t)和τ_ij(t+1)分别表示节点i、j之间t时刻和t+1时刻的费洛蒙素浓度，CWⁱ为节点i的数据传输时的竞争窗口大小，表示节点i的竞争窗口值表示表示处于簇内同一网络深度h所有节点的竞争窗口平均值。

6.根据权利要求1所述的一种基于竞争窗口蚁群分簇的移动传感网路由优化算法，其特征在于：所述步骤5中节点下一跳的转移概率计算公式如下：

其中，P_ij(t)表示节点i向节点j的转移概率，N_tⁱ表示节点的邻居节点集合，α为蚁群算法中费洛蒙素挥发速度的调节因子，β为蚁群算法中探索路径时的启发式程度因子，CWⁱ为节点i的数据传输时的竞争窗口大小，为网络中i节点所处于第h层内所有节点平均竞争窗口大小，为节点i和节点j之间的启发式信息，通常取节点间距离的倒数。