论文部分内容阅读
摘 要：路由协议一直以来都是Ad Hoc网络的研究热点。文章在结合蚁群算法基本原理的基础上，对蚁群算法进行了优化，并进行了算法仿真实现，并且对优化算法与DSR以及AODV算法进行了对比，仿真结果表明，蚁群优化算法下的Ad Hoc网络路由算法要比其他算法具有更好的性能。
关键词：蚁群优化；Ad Hoc网络；路由协议
一、优化的蚁群算法
优化以后的算法从状态转移规则出发，提出了Lij（t）以及Eij（t），函数Lij（t）代表节点i、j之间在t时刻具备了的数据发送能力，它充分的考虑了节点之间通信情况。函数Eij（t）则代表t时刻节点j具备的能量，其公式如下所示：
（1）
在网络当中主机需要发送数据的时候，公式当中的msgij（t）就是数据分组程度，Length作为节点缓存队列总长度，0是等待发送数据分组长度总和。蚂蚁按照下述公式计算下个节点的选择概率：
（2）
（3）
利用计算出来的节点概率，能够选择下个节点。该算法的不足在于：节点之间的通信情况对于路径选择会产生影响。在网络通信任务相对较少的时候，路径选择会存在空闲节点，端到端延时情况会有所增加，导致不必要浪费。
在这种情况下，很多逐级会选择这条路径，导致了电池电量很快就耗完。所以笔者在充分考虑这一情况的基础上，对公式进行了必要的改善。
假设节点j开始时候的能量是Ej_begin，现在时刻t，节点j剩余的能量是Ej_t。
（4）
为了能够让蚂蚁选择下个节点的时候，考虑其中能量较大的节点。把该函数用于更新路径信息素。
（5）
上述公式把剩余节点能量和信息素更新放在一块使用，在蚂蚁选择下个节点的时候，充分的考虑了能量这一因素。
二、算法路由实现
蚂蚁类型的确定：前向蚂蚁F_ANT以及后向蚂蚁B_ANT。前向蚂蚁F_ANT搜索到目的节点路径，收集路径上的各种信息到决策表，在F_ANT到达目的节点以后马上会变成后向蚂蚁，并且沿着原来的路径返回，在返回的路径上及时的更新路径节点信息。在源节点存在通信请求的时候，前向蚂蚁F_ANT按照初始化可能性路由表选择下个节点。在F_ANT在节点i以后，查询这个节点非源节点，并将路径信息存储到F_ANT信息当中。F_ANT经过公式（2）和（3）选择下个节点继续前行。在F_ANT到达目的节点以后马上转换角色，转变成B_ANT并且带着消失了的F_ANT信息，此后，它依据之前角色走过的路径返回出发点。因此，在一段时间里面，目的节点会受到多个或者一个B_ANT信息，它会按照收到信息构建多条从源节点一直到目的节点路径，充分考虑节点剩余能量实现信息素动态更新。
三、仿真与性能分析
在仿真的过程中，将节点停留时间作为参数，把该改进算法和DSR、AODV算法做出了对比。
（一）不同停留时间
第一，数据包发送成功率。从上图能够发现三种算法伴随着停留时间的降低，节点数据包发送的成功率也随之降低。可是改进算法在数据包发送成功率方面要比DSR以及AODV算法要好。主要是因为很多算法选择的都是最短的路径，相关节点也会选择这条路径，这样就会导致网络拥塞，节点能量消耗也会随之提升。这种改进算法按照拓扑变化，快速调整信息素以及充分考虑节点能量来满足网络拓扑变化，使得负载更加的均衡，避免网络堵塞。因此优化以后的算法相较于DSR以及AODV算法而言，数据包发送成功率更高。
第二，端到端延时。改进算法使用了全新策略，将队列缓存长度考虑进去，同时也考虑了剩余节点的能量，综合上面多种因素，选择性能相对较好的节点来作为下个节点，负载更加的合理和均匀，解决了网络堵塞的问题，从而有效的降低了网络延迟。其他的两种算法都选择了相对较短的路径，其他节点也会选择这条路径，由此就会产生网络堵塞的问题，延迟也会提升。改进算法端到端延迟回避DSR以及AODV算法小。
（二）不同速度
（1）数据包发送成功率。从图中能够发现，节点移动速度保持在0-20m/s，伴随着运动速度的持续变大，网络拓扑结构也产生了较大的变化，三种不同算法数据包的发送成功率都有所降低。优化算法实时监测网络拓扑的变化状况，充分的考虑节点剩余能量以及节点空置率，并且按照当前实际情况作出相应调整，保证网络负载均衡，为发送数据探寻更好的路径传输。
（2）端到端延时。伴随着节点移动速度的增大，端到端延时也呈现出增大的态势。优化算法在端到端延时上依然比另外两种算法有着更好性能。由于优化算法更多的考虑了节点控制率以及剩余能量。在节点选择的过程中，会选择那些性能相对优秀的节点，从而快速的适应网络拓扑变化，保证网络负载均衡，从而明显降低端到端延時。
四、结语
综上所述，蚁群优化算法路由协议在无限移动自组织网络环境当中是可行、有效的，其网络性能相较于传统AODV协议网络性能有了明显的提升，可以作为全新的Ad Hoc网络路由协议方案。
作者简介：杨君芳，天津职业技术师范大学。
关键词：蚁群优化；Ad Hoc网络；路由协议
一、优化的蚁群算法
优化以后的算法从状态转移规则出发，提出了Lij（t）以及Eij（t），函数Lij（t）代表节点i、j之间在t时刻具备了的数据发送能力，它充分的考虑了节点之间通信情况。函数Eij（t）则代表t时刻节点j具备的能量，其公式如下所示：
（1）
在网络当中主机需要发送数据的时候，公式当中的msgij（t）就是数据分组程度，Length作为节点缓存队列总长度，0是等待发送数据分组长度总和。蚂蚁按照下述公式计算下个节点的选择概率：
（2）
（3）
利用计算出来的节点概率，能够选择下个节点。该算法的不足在于：节点之间的通信情况对于路径选择会产生影响。在网络通信任务相对较少的时候，路径选择会存在空闲节点，端到端延时情况会有所增加，导致不必要浪费。
在这种情况下，很多逐级会选择这条路径，导致了电池电量很快就耗完。所以笔者在充分考虑这一情况的基础上，对公式进行了必要的改善。
假设节点j开始时候的能量是Ej_begin，现在时刻t，节点j剩余的能量是Ej_t。
（4）
为了能够让蚂蚁选择下个节点的时候，考虑其中能量较大的节点。把该函数用于更新路径信息素。
（5）
上述公式把剩余节点能量和信息素更新放在一块使用，在蚂蚁选择下个节点的时候，充分的考虑了能量这一因素。
二、算法路由实现
蚂蚁类型的确定：前向蚂蚁F_ANT以及后向蚂蚁B_ANT。前向蚂蚁F_ANT搜索到目的节点路径，收集路径上的各种信息到决策表，在F_ANT到达目的节点以后马上会变成后向蚂蚁，并且沿着原来的路径返回，在返回的路径上及时的更新路径节点信息。在源节点存在通信请求的时候，前向蚂蚁F_ANT按照初始化可能性路由表选择下个节点。在F_ANT在节点i以后，查询这个节点非源节点，并将路径信息存储到F_ANT信息当中。F_ANT经过公式（2）和（3）选择下个节点继续前行。在F_ANT到达目的节点以后马上转换角色，转变成B_ANT并且带着消失了的F_ANT信息，此后，它依据之前角色走过的路径返回出发点。因此，在一段时间里面，目的节点会受到多个或者一个B_ANT信息，它会按照收到信息构建多条从源节点一直到目的节点路径，充分考虑节点剩余能量实现信息素动态更新。
三、仿真与性能分析
在仿真的过程中，将节点停留时间作为参数，把该改进算法和DSR、AODV算法做出了对比。
（一）不同停留时间
第一，数据包发送成功率。从上图能够发现三种算法伴随着停留时间的降低，节点数据包发送的成功率也随之降低。可是改进算法在数据包发送成功率方面要比DSR以及AODV算法要好。主要是因为很多算法选择的都是最短的路径，相关节点也会选择这条路径，这样就会导致网络拥塞，节点能量消耗也会随之提升。这种改进算法按照拓扑变化，快速调整信息素以及充分考虑节点能量来满足网络拓扑变化，使得负载更加的均衡，避免网络堵塞。因此优化以后的算法相较于DSR以及AODV算法而言，数据包发送成功率更高。
第二，端到端延时。改进算法使用了全新策略，将队列缓存长度考虑进去，同时也考虑了剩余节点的能量，综合上面多种因素，选择性能相对较好的节点来作为下个节点，负载更加的合理和均匀，解决了网络堵塞的问题，从而有效的降低了网络延迟。其他的两种算法都选择了相对较短的路径，其他节点也会选择这条路径，由此就会产生网络堵塞的问题，延迟也会提升。改进算法端到端延迟回避DSR以及AODV算法小。
（二）不同速度
（1）数据包发送成功率。从图中能够发现，节点移动速度保持在0-20m/s，伴随着运动速度的持续变大，网络拓扑结构也产生了较大的变化，三种不同算法数据包的发送成功率都有所降低。优化算法实时监测网络拓扑的变化状况，充分的考虑节点剩余能量以及节点空置率，并且按照当前实际情况作出相应调整，保证网络负载均衡，为发送数据探寻更好的路径传输。
（2）端到端延时。伴随着节点移动速度的增大，端到端延时也呈现出增大的态势。优化算法在端到端延时上依然比另外两种算法有着更好性能。由于优化算法更多的考虑了节点控制率以及剩余能量。在节点选择的过程中，会选择那些性能相对优秀的节点，从而快速的适应网络拓扑变化，保证网络负载均衡，从而明显降低端到端延時。
四、结语
综上所述，蚁群优化算法路由协议在无限移动自组织网络环境当中是可行、有效的，其网络性能相较于传统AODV协议网络性能有了明显的提升，可以作为全新的Ad Hoc网络路由协议方案。
作者简介：杨君芳，天津职业技术师范大学。