JS 杂志上的传感器 1687 - 7268 1687 - 725 x Hindawi出版公司 759654年 10.1155 / 2013/759654 759654年 研究文章 能源效率性能改进的基于ant的路由算法在无线传感器网络中 0000-0001-6650-7523 Zungeru 达姆Murtala 1 生 Kah Phooi 2 盎 Li-Minn 3 庄贾 围 2 越南盾 Xinyong 1 电气和电子工程 诺丁汉大学 道路Broga 43500年Semenyih 雪兰莪州们• 马来西亚 nottingham.ac.uk 2 计算机技术学院 双威大学大学 5道路大学 班达尔三维力控 46150年八打灵再也 雪兰莪州 马来西亚 sunway.edu.my 3 工程学院 伊迪丝·考恩大学 Joondalup WA 6027 澳大利亚 ecu.edu.au 2013年 24 2 2013年 2013年 30. 06 2012年 12 12 2012年 2013年 版权©2013年达姆Murtala Zungeru et al。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

事件的主要问题聚集在无线传感器网络(网络)是限制为每个节点通信范围。由于限制通信范围和高网络密度、网络事件转发是非常具有挑战性的,需要多次反射数据转发。目前,节能基于ant的路由(EEABR)算法,基于蚁群优化(ACO) metaheuristic,是能源利用最先进的路由协议之一。在本文中,我们提出了三个改进EEABR算法来进一步提高能源效率。改进原来的EEABR是基于以下几点:(1)一项新计划来智能地初始化路由表优先考虑相邻节点同时可以目的地,(2)智能更新路由表的节点或链路故障的情况下,和(3)减少对拥塞控制洪水能力的蚂蚁。能源效率的提高尤其是动态路由环境中非常重要。使用RMASE模拟环境实验结果表明,该方法提高了能源效率达9%和64% converge-cast和目标跟踪场景,分别在原EEABR不引起显著增加复杂性。方法也比较,发现也比其他群路由协议,如基于传感器和cost-aware蚂蚁路由(SC)和Beesensor。

 1。介绍

传感器网络是一种基础设施组成的传感、计算和通信元素给用户或管理员工具的能力,观察和反应事件和现象在特定的环境 1, 2]。无线传感器网络(网络)是体积小的集合,相对廉价的计算节点测量当地的环境条件,或其他参数,这些信息转发给一个中心点进行适当处理。每个节点配备嵌入式处理器、传感器设备,存储和无线收发器。传感器节点通常有资源有限的电池提供能源,处理能力、通信带宽和存储。WSN节点可以感知环境,与邻近的节点,在许多情况下,执行基本的计算数据被收集。网络应用程序包括商业应用,如医疗、目标跟踪、监控、智能家居、监控,入侵检测。传感器网络的许多应用程序处理节点的静态特性,在大多数情况下,他们的环境,然后发送测量价值观通过hop-to-hop中心基站(多次反射)路由,因此导致快速耗尽的能量在水槽(基站)。水池周围的问题是传感器节点往往比那些能量消耗得更快更远。这主要是因为,除了转发自己的交通,他们提出交通代表其他传感器节点位于远离水槽节点。因此,传感器节点靠近水槽比远会消耗更多的能量。 Due to the high depletion in energy, the sensor nodes closer to the sink will drain their energy resources faster than other nodes which will result in their death. Hence, the lifetime of sensor network can be improved upon if the energy spent in traffic relaying to the sink is reduced.

近年来,几轮竞争有效的路由算法开发和调查 3, 4]。WSN路由已经向最近的趋势在加强现有方法通过考虑更详细的网络属性。早期作品只寻求适应网络拓扑等找到最短路径。然而,传感器网络环境受到更多因素的影响不仅仅是拓扑的变化。额外的因素可能包括交通拥堵、延迟、链接质量,相对节点移动性,最重要的是最低能量路径。基于群智能路由,利用真实的生物物种的行为寻找食物通过信息素沉积在处理问题需要找到路径目标提出了处理如上所述的一些挑战。这种生物启发的方法,提出了适应这些现象的总效应通过寻找路径的最大吞吐量。

社会性昆虫社区有许多可取的属性从系统的角度来看,调查( 4, 5]。这些社区是由简单的、自治和合作是相互依赖生存的生物。尽管缺乏集中的计划或任何明显的组织结构、社会性昆虫社区能够有效地协调自己实现全球目标。完成这些任务紧急的行为更简单行为或规则的人。协调的行为也在适应,灵活、健壮和解决实际问题的能力。没有任何操作的关键个人,和任务进展可以很容易地从任何挫折中恢复过来。解决方案的复杂性所产生的这种简单的个人行为表明,整个真正大于部分之和( 6- - - - - - 10]。上述特征是理想的传感器网络中。这样的系统可能是由简单的节点合作提供信息,而弹性对其环境的变化。传感器网络的环境可能包括任何从自己的拓扑物理层的影响通过网络通讯与交通模式。指出区别生物和工程网络是前有一个进化合作的动机,而工程网络可能需要替代方案迫使节点合作( 11, 12]。自组织的社会性昆虫的能力依赖于四个原则:积极反馈,负面的反馈,随机性和多个交互。五分之一原则,stigmergy,出现作为一个产品之前的四( 7]。一般来说,这样的自组织称为群体智慧。在这个领域的研究群体智慧都集中在蚁群的工作原理采用( 13, 14],黏菌[ 15),和蜜蜂 16]。我们提出一种基于群体智能的节能意识路由算法基础上考虑上述约束和社会性昆虫的行为。在本文中,我们提出了一些改进EEABR [ 17),以增加其能源效率。的改进是基于以下几点: ( 1 ) 一项新计划来智能地初始化路由表优先考虑相邻节点同时可能的目的地, ( 2 ) 智能更新路由表的节点或链路故障的情况下,和 ( 3 ) 减少对拥塞控制洪水能力的蚂蚁。比较修改EEABR是用一些先进的路由协议基于群体智慧。

剩下的纸是组织如下。部分 2概述相关的工作。部分 3描述了静态、动态和流动性水槽模型基础上。部分 4提出了一个简短的描述社会性昆虫类比。节 5,我们描述我们的算法。部分 6评估算法的性能和其他路由协议。部分 7总结了论文的评论未来工作。

 2。相关工作

使用群体的思想范式在通信网络建立路线并不新鲜。在[ 14),采用蚂蚁算法计算最优路径中节点通过一个名为AntNet的架构。较小的特工,虚拟蚂蚁,从一个节点迁移到另一个,建立一个分布式的路由规则。

在SC(基于传感器和cost-aware蚂蚁路由) 18),假设蚂蚁有传感器,这样他们可以闻到哪里有食物的开始路由过程以增加传感,蚂蚁会最初最好的方向。除了传感能力,每个节点存储的概率分布的估计成本每个邻国的目的地。路由遭受误导时,这可能是一个障碍导致感应错误最好的方向。向前扩展工作,FF(洪水)蚂蚁路由( 18)认为,蚂蚁甚至增强传感器可以误导由于障碍或移动的目的地。洪水的协议是基于蚂蚁从源节点到汇聚节点。如果目标不知道一开始的蚂蚁或成本无法估计,传感器网络的协议只是使用广播方法以数据包路由到目的地。概率更新以同样的方式作为基本蚂蚁路由、FF虽然减少了洪水蚂蚁短部分时遍历。然而,作者只关注建筑的初始信息素分布,在系统启动时是好的,但坏当系统密度很高。

传感器网络的节能基于ant的路由(EEABR)提出( 17)是基于ant的路由的一个改良版本的WSN中不仅考虑节点的距离,但也的能级由蚂蚁路径的遍历。作者在工作中指出,基本蚂蚁算法,提出蚂蚁被发送到没有特定的目标节点这意味着传感器节点必须相互通信,每个节点的路由表必须包含所有邻居家的传感器节点的识别和相应的追踪信息素的水平。在他们的工作,成就是记录在节约能源,但遇到困难的灵活性和动态场景因为大部分控制交通生成因此消耗能量少的可靠性。

Beesensor [ 16)是一个算法基于蜜蜂觅食原则和按需路由发现。该算法适用于三种类型的代理人:包装工,童子军和觅食。包装工队找到适当的觅食者数据包的源节点。童子军负责发现通往一个新的目的地使用广播原理。觅食是主要的工人的Beesensor遵循一个点对点的传播方式和携带一个水槽节点的数据包。源节点检测到一个事件时,没有一个路由到水槽节点,它启动一个童子军,把事件有效负载的童子军,广播给所有的邻居。当一个中间节点在源节点接收的半径向前侦察,更新其侦察缓存,增量跳数,重播。方法是基于交互的童子军和源路由转发小表在哪里建于一个童子军的回归。做了分析并与几种路由协议RMASE模拟器。因为它是一个on-demand-based协议,它在该地区的安全应用程序或应用程序信息需要定期更新的时间。 The routing process is reactive, the time used to search for the sink in a dynamic scenario of the routing process is high, and as such the algorithm is only good for static applications. For more explanation of the algorithms discussed above, interested readers are referred to [ 5]。

除了所有的缺点每个相关的协议,几乎所有的算法倾向于牺牲网络性能获得改善节点的能量消耗,反之亦然。

 3所示。静态、动态和网络移动下沉

本节描述了一个典型的传感器网络的主要应用场景。在传感器网络中,每个传感器产生的数据包在一个固定的数据速率。如果一个传感器节点 j 既非托管的水槽吗 年代 也没有直接连接,然后在节点数据包生成 j 必须通过多跳中继到水槽里。水槽在静态场景中,水池节点总是在固定位置。一切交通注定它必须通过节点的接近它,这将使它们消耗的能源资源更快。见图 1节点,节点3 (N3)和4(陶瓷)是最接近和传播范围的下沉。除了传递自己的信息,他们也属于其他节点发送信息,这将使他们在他们的能量消耗的速度比其他节点。在时间 t 能源会耗尽时,会有洞中创建点等;因为其他节点水槽的传播范围,信息将不再下沉,因此使得网络毫无用处。由于这个问题的能量洞或/和热点地区,然后调用处理水槽的流动性。移动水槽能够收集信息从其他节点即使节点3和节点4已经不再活跃。它也将有助于在平衡网络能量由于其流动性,尽可能接近它将继续改变节点中可以看到数据 1 (b)和 1 (c)。还应该注意到,随着水槽,有些链接必须打破由于通信范围内可以看到与通信链路交叉酒吧。,水槽流动不仅会提高网络的生命周期,但也有助于收集其他有用的信息时,可能已经失去了节点3和节点4已经不再活跃。典型的路由协议,包括水槽流动将做以下:

告知整个网络的拓扑变化在水槽的流动性,

通知一个节点时,与水槽被打破由于水槽流动性。

(a)沉在一个静态位置,(b)流动的水槽( 年代 1 → 年代 1,- 1 接收器(的),(c)流动 年代 1 → 年代 1 , 1 → 年代 1、2 ),(d)动态下沉(目标跟踪)的场景。

这让我们解决现实世界问题的社会性昆虫的方法进行了综述 4。

网络中目标跟踪是一个估计位置的过程,轨迹,速度,加速度和/或一个移动的目标。它通常需要准确的目标状态估计和预测。典型靶跟踪(动态场景)应用程序中,系统事件移动目标。因此,源节点或节点必须改变它的位置在每个时间间隔的时间来应对其目标事件的动态特性。图 2显示了目标跟踪场景在一个典型的传感器网络。

在蚂蚁搜索食物。

在这个场景中,沉没负责转发所需的信息(即从网络到总部。通过互联网,主控制器),通过卫星或其他无线技术。目标可以是一个人,移动车辆,动物,坦克,敌人,或任何有趣的对象,需要跟踪通常是移动的。目标可以以一种意想不到的方式,这将导致损失的目标有时。定位目标的位置在任何时候是网络中目标跟踪的主要挑战。每个传感器节点都有一个传感器设备意义或探测感兴趣的目标在该地区的存在(ROI)。检测的目标总是残疾时,节点的传输范围。因此,使用移动水槽或节点可以减轻负担的损失的目标,这也会反过来减少能源消耗的网络节点由于更少的控制流量将被用于定位目标的位置。由于传感器节点的能量有限的电池馈电和物理访问它们的困难,节能目标跟踪是一个至关重要的目标。此外,成百上千的传感器节点部署在ROI。但由于节能路由算法和水槽在动态场景中,可以很容易地跟踪目标的位置和更少的啤酒花将所需的传感器节点获取整个水槽节点的信息。

 4所示。社会性昆虫能力

蚂蚁寻找食物的组织的化学痕迹而寻找食物来源。蚂蚁在觅食过程中,借助信息素交流了在回巢。当食物被发现,蚂蚁返回鸟巢铺设一条招聘家奴的食物来源。觅食和招聘轨迹之间的差别归因于不同数量的踪迹信息素的道路上。发现了蚂蚁总是适应他们的环境,找到最有效的路径他们的食物来源 14]。蚂蚁的路径的优化行为现在被广泛用于激励应用,如在传感器网络的路由。考虑图 2,从蚁巢到食物源的路径 t = 0 ,蚂蚁发现食物并把它有效,建立一个信息素踪迹。在时间 t = 1 时,有一个在路上的障碍,这样有一个短于另一部分,蚂蚁可以选择路径以同样的概率,因此双方拥有相同数量的蚂蚁。短的路径将很快允许蚂蚁收集食物,加强信息素轨迹回来的路上速度比蚂蚁路径时看到的时间越长 t = 2 ,导致另一批蚂蚁高概率地迈向更强的轨迹。这个流程将继续,直到时间 t = n ,它将被观察到,所有蚂蚁都将使用到食物源的最短路径。这个类比的障碍可以堵塞,水槽的路径上的节点数量,延迟,等等。这个例子说明了自组织的四项原则( 7]。

以下部分解释群体智慧的原则相互作用觅食的蚂蚁对食物来源。

4.1。积极的反馈

积极的反馈表示特定行为的一般规则。在蚂蚁觅食,一只蚂蚁对信息素梯度偏见的吸引力,增加大量被称为积极的反馈。桩越积累越多,信息素可能,因此蚂蚁更偏向走向它,并可能增加桩的道路上。食物来源的偏见,越大越蚂蚁也可能采取的路径,食物来源,进一步增加了路径的信息素含量。

 4.2。负面的反馈

负面反馈是通过信息素的蒸发。这种情况发生,避免过早收敛在蚂蚁(停滞)。蚂蚁个体之间的沟通,信息素必须蒸发环境。蒸发有助于削弱信息素和较低的路径上的信息素的浓度。路径信息素浓度较低会有蚂蚁,因为它会吸引蚂蚁越来越少朝着这个方向。尽管这似乎与巢收集所有食物的任务,但它是很重要的。在移除负面反馈是完全有用旧或贫穷的解决方案从系统的集体记忆。

 4.3。随机性

位置和路径的蚂蚁对食物来源是完全取决于机会。有点漂移在蚂蚁的行为可能对未来事件有很大的影响。随机性对新的解决方案是利用允许出现或直流电解进化以适应环境。

 4.4。多个交互

在食物的蚂蚁巢,它是必要的,很多个人合作和共同努力,实现自己的目标;这是根据相邻节点的传感器网络作为路由器到其他源节点。如果没有足够的蚂蚁存在于一个窝,然后信息素会腐烂之前在巢可以收集更多的食物。同样,如果我们这个映射到一个传感器网络,如果没有许多节点的路径水槽节点,数据包将被删除在水槽里。这也可能是由于节点的低传输距离。但是如果在环境中存在更多的蚂蚁,快速将聚集更多的食物以避免完成最短路径信息素衰变,其他蚂蚁将继续他们的随机漫步没有建立任何强大的解决方案的最佳路径。

 4.5。Stigmergy

这是间接通信个体间的社会昆虫,一般通过他们的环境。stigmergic系统的复杂性是由于个体互动不是彼此,而是一个共同的环境。他们与环境交互修改它。这些变化影响进一步的更改。这产生了正反馈效应,信息提要在信息(同样的效果,当谈话可以根据人们应对不可预知的方向彼此的注释)。蚂蚁是指向高的路径信息素梯度;没有必要为蚂蚁直接相互通信,甚至知道彼此的存在。出于这个原因,蚂蚁可以独立于其他个体的行为,大大简化了必要的规则。

 5。改进的节能路由算法基于ant (IEEABR)

网络协议是为了满足一些重要功能的服务质量和提高网络生命周期。然后为每个协议用于WSN重要考虑底层算法的能源效率和可靠性。这是必要的网络正在考虑在有限的电源、内存容量限制,处理能力低、可用带宽的限制。为此,我们提出了一些重要的改进现有的节能路由算法基于ant (EEABR)。

5.1。基于ant节能路由算法(EEABR)

基于节能的蚂蚁的路由(EEABR)算法( 17)是一个改进版本的基本基于ant的WSN路由。作者的主要思想是减少通信网络中负载相关控制数据包(蚂蚁),也节约能源与沟通。这个提议还包括新功能更新信息素表节点。EEABR可以非正式的基本算法描述如下。

( 1 ) 定期,从每一个网络节点,蚂蚁 k 启动,目的是找到一个路径,直到目的地。每个访问节点的标识符是保存到内存中 米 k 并由ant。在哪里 k 是任何网络节点路由表,会吗 N 条目,一个用于每个可能的目的地, d 一个条目的吗 k 路由表(一个可能的目的地)。

( 2 ) 在每一个节点 r ,一个蚂蚁选择下一跳转发节点使用相同的概率规则提出了ACO metaheuristic: (1) P k ( r , 年代 ) = { ( τ ( r , 年代 ) ] α · ( E ( 年代 ) ] β ∑ u ∉ 米 k ( τ ( r , u ) ] α · ( E ( 年代 ) ] β , 年代 ∉ 米 k 0 否则 , 在哪里 P k ( r , 年代 ) 蚂蚁的概率吗 k 选择从节点 r 到节点 年代 , τ 每个节点的路由表,存储的信息素轨迹连接( r , 年代 ), Ε 的可见度函数吗 1 / ( C - - - - - - e 年代 ) ( C 是初始节点和能量水平 e 年代 节点的实际能量水平吗 年代 ), α 和 β 参数控制轨迹的相对重要性和可见性。选择概率之间的权衡的可见性(表示节点与更多的能量应选用高概率)和实际强度(也说,如果在连接( r , 年代 )有很多的交通就非常希望使用该连接)。

( 3 ) 当蚂蚁到达目的节点,它转换为逆向蚂蚁的使命现在更新路径的信息素轨迹以前到达目的地存储在内存中。

( 4 ) 前向后蚂蚁 k 开始回程,目标节点计算蚂蚁的信息素轨迹量将下降在其旅程: (2) Δ τ = 1 C - - - - - - ( ( E 最小值 - - - - - - N j ) / ( E avgydF4y2Ba - - - - - - N j ) ] , 在哪里 C 节点的初始能量, E 最小值 , E avgydF4y2Ba 分别是最小和平均能量路径遍历的士兵向前走向山顶, N j 代表节点的数量前进的士兵了。背后的想法的计算 Δ τ 是,它带来了优化的路线,因为它是一个函数的能量水平的路径,路径的长度。例如,路径与10节点可以有相同的能量平均4个节点的路径。因此,重要的是要计算信息素轨迹作为能量的函数,节点与节点的数量如用于其他。

( 5 ) 当一个节点 r 收到一个逆向蚂蚁来自邻近的节点 年代 按照以下顺序,它更新其路由表: (3) τ ( r , 年代 ) = ( 1 - - - - - - ρ ) * τ ( r , 年代 ) + ( Δ τ ∅ B d k ] , 在哪里 ϕ 是一个系数, B d k 行驶距离(访问)的节点数量的逆向蚂蚁吗 k 直到节点 r ,其中两个参数将迫使蚂蚁失去部分的信息素强度在源节点。 ρ 是一个系数,( 1 - - - - - - ρ )代表追踪信息素的蒸发自最后一次 τ ( r , 年代 ) 是更新。行为背后的思想是建立一个更好的信息素分布(节点水槽附近的节点将会有更多的信息素水平)和将迫使远程节点找到更好的路径。这样的行为是很重要的,当水槽节点可以移动,自适应信息素会更快。

( 6 ) 当向后蚁到达节点创建它,它的使命是完成,蚂蚁就被消除了。

通过执行这个算法几个迭代,每个节点可以知道哪个是最好的邻居(在最优函数表示为( 2)发送一个数据包到一个特定的目的地。

 5.2。节能改进基于ant的路由算法

EEABR算法的改进版本考虑节点的可用功率和能耗的路径作为路由选择的依赖。它提高了内存使用和利用selforganization自适应和动态优化能力的蚁群系统来找到最优路径和多个候选路径从源节点到汇聚节点。该算法避免了使用了最优路径上节点的能量,延长网络生命周期,同时保留网络连接。这是必要的,因为任何网络协议设计、能源效率的重要的问题是网络的底层算法由于在调查中有严格的功率要求。提出了( 19和采用 17),蚂蚁直接发送给汇聚节点,路由表只需要保存你的邻居节点的方向沉节点,从而大大减少路由表的大小,因此,内存所需的节点。的内存 米 k 每只蚂蚁的缩减到只有两个记录,最后两个访问节点。因为蚂蚁走过的路不再在他们的记忆,必须在每个节点上创建一个内存,保存记录每只蚂蚁的接收和发送。每个内存记录保存前一节点,转发节点,蚂蚁识别,和一个超时值。每当收到向前蚂蚁在任何节点,它寻找任何可能的循环与援助的身份(ID)。情况没有找到记录,必要的信息检索和重新启动定时器,因此蚂蚁转发给下一个节点,蚂蚁是消除如果找到包含ant识别记录。收到逆向蚂蚁时,源ID搜索,知道去哪里寄给。在本节中,我们提出了一些修改EEABR提高了网络节点的能量消耗,也反过来提高性能。的改进是基于一个新的计划 ( 1 ) 初始化路由表和优先考虑邻近节点,同时可能是目的地, ( 2 ) 智能更新路由表的节点或链路故障的情况下,和 ( 3 ) 减少对拥塞控制洪水能力的蚂蚁。

5.2.1。初始化路由表

EEABR改进基于ant的路由没有指定路由表的一个初始化方法。出于这个原因,我们建议一个初始均匀分布的概率路由表。由于没有先验知识的情况下对网络拓扑结构,提出了初始化每个路由表反映了以前的(最初的)知识网络拓扑结构的路由过程的进展。路由表的初始化都是用一个统一的概率分布 (4) P 我 d = 1 N k , 在哪里 P 我 d 从节点的概率是跳吗 我 到节点 d (目的地)和 N k 的相邻节点的节点集吗 k 。这样做是为了反映之前(最初的)知识网络拓扑路由过程的进展。

在给定的时间网络拓扑更新后,邻近的节点分配一个更大的概率值,同时可以显示目的地( 5);这是按照 20.]。这可以节省网络资源,因为它可以只使用一个链接到达目的地。如果一个目标节点 d 同时表条目是一个邻居节点 d ∈ N k ,那么初始概率的路由表 k 为节点 d 是由 (5) P d k = 9 N k - - - - - - 5 4 N k 2 同时,对于其他邻近节点的邻居 我 ≠ d 和 我 ∈ N k 会有他们的概率选择的路由表呢 k 作为 (6) P 我 k = { 4 N k - - - - - - 5 4 N k 2 , 如果 N k > 1 0 , 如果 N k = 1 , 在哪里 N k 相邻节点的设置吗 k 和 P 我 k 是一只蚂蚁或数据包的概率 k ,跳到一个节点 我 , 我 ∈ N k 当目的地 d ( d ≠ k ) 。然后,为每个 N 节点中的条目 k 路由表,它将 N k 的值 P 我 d 的条件: (7) ∑ 我 ∈ N k P 我 d = 1 ; d = 1 , … , N 。

例如,如果一个源节点有五个邻居,进而选择邻居节点的概率作为目标根据先前的知识更新的路线 P d k = ( 9 ( 5 ) - - - - - - 5 ) / 4 ( 5 2 ) = 2 / 5 ,和其他邻居将选择基于概率 P 我 k = ( 4 ( 5 ) - - - - - - 5 ) / 4 ( 5 2 ) = 3 / 20. 每一个。说的和概率的选择源节点的所有五个邻居 P 我 d = ( 2 / 5 ) + ( 3 / 20. ) + ( 3 / 20. ) + ( 3 / 20. ) + ( 3 / 20. ) = 1 。

当然,我们可以看到,( 5)和( 6)满足( 7),(注意:概率分布表是由源节点只维护)。但对于一个源节点的邻居是一个和你的邻居是目的地,根据( 5)和( 6), P d k = 1 和 P 我 k = 0 。这也满足( 7)。

 5.2.2。减少网络控制数据包

EEABR不指定任何方法来维持控制总数的蚂蚁向前移动内部的网络,这在某些情况下,可能导致交通堵塞。为了控制蚂蚁,蚂蚁的总数在每个节点启动仅限于一个网络节点的数量(5倍量 5 * N ),因为这是一个平均的链接数为网络中的每个节点作为如图 1。通过这种方法,结果得到改善,这也是按照[ 20.]。

 5.2.3。自我毁灭的控制包

有些情况下,远期蚂蚁从源节点发送不回去后的源节点反向链接。在这种情况下,为了避免无限循环发生循环时,当蚂蚁向前不断的移动网络,自我毁灭的蚂蚁 F 年代 → d 如果跳的数量在一个周期中发生高于已经积累了数量的啤酒花的一半。当一个落后的蚂蚁 B 年代 ← d 不能返回到源节点,因为它的回程是中断,由于链路或节点故障,这是self-destroyed,因为信息存储在内存中没有反映出网络的真实状态。这种方法有助于减少错误的更新路由表中的信息。

 5.2.4。智能网络资源失败后更新

原EEABR不处理失败情况下的网络资源。在链接失败的情况下,自动更新了路由表的情况下一个节点 k 失去了联系 l 米 我 与它的邻居节点 我 。如果一只蚂蚁在假设 米 的概率 P 我 d ,到目的地 d 通过节点 我 之间,分布均匀 N k - - - - - - 1 邻居的条目 d 的路由表 k 在哪里 P 我 d = 0 在一个链接 l 米 我 失败。因此,它是不可能去旅行 米 来 我 为到达 d 。因此,新的链接后概率值 l 米 我 失败了, P 我 d ,概率正比于故障前的相对价值,而不是忘记已经学到了什么,直到更新失败和根据的时刻 (8) P 我 d = P 我 d * ( 1 + z ) 我 ≠ 米 , 我 , 米 ∈ N k , 在哪里 (9) z = P 我 d 1 - - - - - - P 我 d 。

这种方法反映了网络流量和拓扑节点知识之前失败。这些改进,网络收敛速度和更好的结果。算法的详细描述算法的算法伪代码所示 1。在该算法中,我们的原型程序分解成不同的阶段,在线6到24,我们描述的程序初始化全局变量。在那,我们定义最重要的变量和参数。43行26是一个决策过程,计算信息素,决定建设落后的蚂蚁,跳选择,并决定消除落后的蚂蚁。从线44到74年,我们描述选择选择下一跳,第29行决定的。在这个步骤中,选择的概率的计算,和决定消除向前蚂蚁也是循环的事件的发生。此后,源概率分布表的更新程序给出了75年到91年。从第92行程序计算路径的信息素,第26行第一个决定的。这个描述,所有程序的信息素计算、信息素更新和跳选择实现,也取得了更好的路由过程。

<大胆>算法1:< /大胆> IEEABR算法伪代码。

功能1:初始化

( 1 ) / /功能:初始化

( 2 ) / /程序的原型

( 3 ) Next-Hop-Selection;

( 4 ) Calculate-Pheromone;

( 5 ) / /初始化全局变量

( 6 ) S =源ID;

( 7 ) / /初始化概率分布表

( 8 ) N =在网络的节点数量;

( 9 ) N k =相邻节点的节点集 k ;

( 10 ) n = N k ;

( 11 ) dp =分布概率;

( 12 ) 年代 PDT ( n )(dp) =源概率分布表;

( 13 ) P id = 1 N k ;/ / P id 从节点的概率是跳吗 我 到节点 d

( 14 ) / /初始化路由表

( 15 ) ( 我 = 0 ; 我 = n ; 我 + + ){

( 16 ) (dp) ? 年代 PDT ← P id ;

( 17 ) }

( 18 ) D =目的地ID(水槽ID);

( 19 ) FA (S, M ( 2 ] 向前,D] = ant(源ID、内存的ant目标ID];

( 20. ) Ph =数量的信息素;

( 21 ) C =初始能量;

( 22 ) BA (S, M ( 2 ] Ph值D] =逆向蚂蚁[源ID、内存逆向蚂蚁,

信息素值,目的地ID];

( 23 ) E ( ] =能见度数组;

( 24 ) r =中间节点ID;

功能2:决策

( 25 ) / /如果中间节点等于目标节点,

然后计算信息素和构建逆向蚂蚁

( 26 ) L1:如果( r = d )

( 27 ) Calculate-Pheromone;

( 28 ) 构建BA (S, M ( 2 ] Ph值, d ];

( 29日 ) L2: Next-Hop-Selection;

( 30. ) 如果( r = 年代 )

( 31日 ) 消除BA ( 年代 ,米 ( 2 ] Ph值, d ];

( 32 ) / /更新路由表

( 33 ) ρ = 0.8

( 34 ) ∅ = 0.3

( 35 ) B d k =逆向蚂蚁访问节点的数量

( 36 ) τ = ( 1 - - - - - - ρ ) * τ ( r , 年代 ) ( Δ τ ∅ B d k ]

( 37 ) Goto L3;

( 38 ) 其他的

( 39 ) 转到L2;

( 40 ) 其他的

( 41 ) Next-Hop-Selection;

( 42 ) Goto L1;

( 43 ) L3:结束

功能3:选择下一跳

( 44 ) / /程序Next-Hop-Selection

( 45 ) Proc Next-Hop-Selection {

( 46 ) 年代 =下一个中间节点

( 47 ) e =实际能源;

( 48 ) N =的节点数量;

( 49 ) E 年代 =的可见性 年代 ;

( 50 ) E 年代 = 1 C - - - - - - e 年代 ;

( 51 ) E ( ] ← E 年代 ;

( 52 ) τ =信息素路由表;

( 53 ) P ( r , 年代 ) =的概率 r 跳转到年代作为下一跳;

( 54 ) α = 0.9

( 55 ) β = 0.2

( 56 ) P ( r , 年代 ) = ( τ ( r , 年代 ) ] α * ( E ( 年代 ) ] β ∑ ( τ ( r , u ) ] α * ( E ( 年代 ) ] β ;

( 57 ) X =数量的邻居位于目的地方向;

( 58 ) P ( X ] =数组来存储概率的邻居;

( 59 ) P ( X ] ← P ( r , 年代 ) ;

( 60 ) P 马克斯 = 0;

( 61年 ) ( 我 = 0 ; 我 = X ; 我 + +){

( 62年 ) 如果( P ( 我 ] > P 马克斯 )

( 63年 ) P 马克斯 = P ( 我 ] ;

( 64年 ) }

( 65年 ) r = 年代 · P 马克斯 ;

( 66年 ) 如果( r ∈ 米 ( ] ·FA)

( 67年 ) 循环发生然后消除FA;

( 68年 ) 其他的

( 69年 ) {LastV = M的计算成员 ( ] ;

( 70年 ) 如果(LastV = 2)

( 71年 ) 删除M[我];

( 72年 ) 米 ( 我 ] ← 米 ( 我 + 1 ] ;

( 73年 ) 米 ( 我 + 1 ] ← r ;

( 74年 ) }

( 75年 ) }

功能4:更新源概率分布表

( 7 6 ) / /更新源概率分布表

( 7 7 ) ( 我 = 0 ; 我 = n ; 我 + +){

( 7 8 ) 检查RoutingTable·年代;

( 7 9 ) 可以找到节点 D 同时又

( 80年 ) P dk = 9 N k - - - - - - 5 4 N k 2 ;

( 8 1 ) 更新(dp)· 年代 PDT ← P dk ;

( 8 2 ) 对于其他的邻居

( 8 3 ) P 本土知识 = 4 N k - - - - - - 5 4 N k 2 ;

( 8 4 ) 更新(dp)· 年代 PDT ← P 本土知识 ;

( 8 5 ) / /检查链接失败

( 8 6 ) 如果((dp)· 年代 PDT = 0 )/ /这意味着丢失的链接

( 8 7 ) {

( 8 8 ) Z = P id 1 - - - - - - P id ;

( 8 9 ) P id = P id * ( 1 + Z );

( 90年 ) 更新(dp)· 年代 PDT ← P id ;

( 9 1 ) }

( 9 2 ) }

函数5:信息素计算

( 9 3 ) / /程序Calculate-Pheromone

( 9 4 ) Proc Calculate-Pheromone {

( 9 5 ) E 最小值 ← 分钟。 E ( ] ;

( 9 6 ) E avg ← Avg。 E ( ] ;

( 9 7 ) N j =访问节点的转发数蚂蚁

( 9 8 ) Δ τ = 1 C - - - - - - ( E 最小值 - - - - - - N j / E avg - - - - - - N j ] ;

( 9 9 ) 英航·Ph值 ← Δ τ

( One hundred. ) }

我们还在这工作描述的信息素表内容路由过程中网络中的一个节点。下面是信息素表的描述。

 5.2.5。信息素表

信息素表使信息收集的蚂蚁。每个节点维护一个表保持每个邻居路径上的信息素量。节点有不同的信息素气味,表的形式与目的地节点矩阵列在顶部列出的一面和邻居节点。行对应于目的地和列的邻居。信息素表中的一个条目的引用 T n , d 在哪里 n 指数和邻居吗 d 表示目标指数。信息素表中的值用于计算每个邻居的选择概率。当一个包到达节点 G 从以前的跳 年代 ,即源,源信息素衰变,信息素添加到链接 SG → 。落后蚂蚁从水槽节点返回途中更有可能采取的路径 G ,因为它是到目的地的最短路径, sg → 。节点的信息素表 G 如图 3与节点,年代,F,和E作为邻国,A, B, C, D, E, F;和S是可能的目的地。值得注意的是,所有的邻居都是潜在的旅游目的地的路线选择路由的过程。在节点 G 的总概率选择链接 艾德 → , 菲 → , 交流 → ,或 某人 → 到目标节点等于团结( 1),也就是说, ∑ T 艾德 + T SD + T 广告 + T FD = 1 。它将被观察到,因为链接ED较短,将呈现更多的信息素,因此,蚂蚁更容易走这条道路。

的描述信息素表节点G。

描述算法的伪代码描述我们提出的方法给出了算法 1。

 6。实验和仿真结果

我们使用一个路由建模应用程序仿真环境(RMASE) [ 21专门为无线传感器网络设计的,它是一个框架作为一个应用程序实现的概率无线网络模拟器(小偷) 22书面和Matlab下运行。

小偷是一个事件驱动的模拟器,可以设置在确定性或概率模式;它提供了一个快速、简单的方法原型应用程序,而且有漂亮的可视化功能。小偷由无线电模型以及介质访问控制(MAC)层模型。MAC层模拟伯克利微粒的CSMA协议,包括随机等待和退下。此外,它还支持基于事件的结构类似于TinyOS / NesC从而促进真实传感器节点的实现算法。无线电传播模型决定了传输信号的强度在特定的空间中所有发射机系统。基于这些信息,信号接收器的接收条件可以评估,可以检测到碰撞。从发射机到接收机信号强度是由确定性传播函数和随机干扰。

我们评估改善能源效率基于ant的路由(IEEABR)和三个候选算法:基于传感器和cost-aware蚂蚁路由(SC) Beesensor,节能基于ant的路由(EEABR)算法使用以下定义的指标(部分 6.1基于实验结果。初步和早期版本的工作介绍和发表在 20.]。协议的评估做了两种不同类型的应用程序场景。第一个应用程序是一个典型的converge-cast场景(静态网络)的多个源节点与一个全球下沉。第二个应用程序是网络的动态场景中这是一个目标跟踪应用程序。在这个场景中,一个传感器节点附近的一个移动的目标产生任意的事件序列。随着目标的范围,节点,它停止生成事件和另一个节点,并在这方面,水槽节点随机移动监控区域,因此一些破碎的路径被其他路径,这样可以传送到汇聚节点通过其他备选路径。在这两种场景中,生成事件的长度为512位和4个事件/秒的速度在每个源节点。在我们的实验中,最初的网络拓扑是9-sensor-node ( 3 × 3 )与小网格随机补偿。我们后来测试了两个应用程序在其他拓扑组成的12个,36岁,49岁,64年和100年的传感器节点。36个节点的网络是由节点随机放置在一个正方形的 120年 米 × 120年 米 。每个节点的传输半径设置为35米,和每个节点的初始能量被设置为5 J的每个应用程序类型。其他拓扑生成的扩展广场这样的平均节点密度是相同的。每个实验执行时间为100秒。记录结果的集合平均超过十个不同的仿真结果,和表显示了仿真参数如表所示 1。

仿真参数。

参数 值
路由协议 Beesensor EEABR, SC, IEEABR。
X_dist Y_dist,节点的数量 1,1,100
源类型、中心类型、半径、速度,随机率 静态随机1 4 0
目的地类型,中心类型、半径、速度,随机率 静态的,随机的,1,0.5,0
最大的啤酒花,数据流量 无穷,恒定比特率(CBR)
数据速率 250 Kbps
仿真时间 100秒。
节点的能量 30焦耳每
蚂蚁比,AntStart EEABRAntStart 2、240000、240000
6.1。绩效评价指标

从几个从我们的仿真实验结果,我们使用以下性能指标清晰的目的。

的成功率。它被定义为总数的比率水槽节点接收到的事件的事件的总数由传感器网络中的节点生成的。我们报告的百分比(%)。

能源消耗。它被定义为总能量消耗的节点在网络实验期间焦耳(J)。

能源效率。这是一个衡量总包的目的地交货的比率的总能量消耗的网络的传感器节点,也就是说, ( ( 赛克赛斯 率 * 总 包 发送 来 的 水槽 ) / 总 能源 消耗 ) (Kbits / j)。

标准差。这给了能级之间的平均变异网络中所有节点的焦耳(J)。

网络生命周期。它被定义为网络的总能量差的求和平均能量的节点和使用标准差的能级, 一生 = ( 总 网络 能源 - - - - - - ( ( 使用 能源 / 总 节点 ) + 能源 偏差 ) ) 。这个定义,背后的基本动机是一种算法应该尽量最大化平均剩余能量的节点,但一个小标准偏差。我们报告的百分比(%)。

延迟。它被定义为一个事件的时间延迟发送从源节点到目标节点(秒)。也就是说,当一个事件的差异是产生在源节点和汇聚节点当它最终被交付。

 6.2。讨论实验结果 6.2.1。比较与SC IEEABR, EEABR, Beesensor

为了更好地理解这四个算法之间的差异,我们测试了两种算法使用两个典型的应用程序的基础。在所有的应用程序中,每一个试图尽可能地代表真正的传感器网络部署环境,和在两个场景中所有节点被部署在一个随机的时尚。这是因为,在实际的传感器网络中,节点部署不能由操作员控制或人类造成的环境特征。converge-cast场景中,传感器节点随机部署与客观监测静态事件,所有的源和汇是固定的,圆的中心是随机选择的实验。在这种情况下,事件的位置和汇聚节点的位置是未知的,和节点负责监控事件和相关的感觉信息发送到汇聚节点。我们的实验结果如表所示 2和数字 4(一)- - - - - - 4 (g)。在这个场景中固定的传感器节点,节点附近的水池更容易消耗他们的能量作为源和其他来源的同时路由器节点,因此,他们将被迫定期代表其他节点传输信息。在表 3和图 5,我们从我们的实验仿真结果展示使用目标跟踪场景。在这个场景中,一个传感器节点附近的一个移动的目标产生任意的事件序列;随着目标的范围,节点,它停止生成事件和另一个节点,并在这方面,水槽节点随机移动的监控区域,因此一些破碎的路径被其他路径,这样可以传送到汇聚节点通过其他备选路径。

路由协议比较converge-cast场景中根据不同的指标。

路由协议的比较基于不同指标
路由协议 延迟(s) 成功率(%) 能源消耗(J) 能源效率(Kb / J) 标准偏差(J)
EEABR 0.0315 92.4240 16.6624 21.9656 2.6624
SC 0.0313 68.6870 14.9488 18.1955 2.9782
该算法 0.0309 94.1920 15.5104 24.0484 2.7565
Beesensor 0.1229 90.9090 18.9696 18.9777 1.7042

路由协议的比较在目标跟踪场景中不同的指标。

路由协议的比较基于不同指标
路由协议 延迟(s) 成功率(%) 能源消耗(J) 能源效率(Kb / J) 标准偏差(J)
EEABR 0.0322 20.21 10.8032 0.7405 2.1284
SC 0.1941 12.63 40.3936 0.1238 3.0880
该算法 0.0302 50.54 9.4064 2.1262 2.1230
Beesensor 0.0629 45.49 55.4075 0.3249 0.3463

绩效评估在Converge-cast场景四个协议:(a)能源消耗,(b)能源效率、能源消耗(c)对不同网络的密度,(d)延迟,(e)成功率,标准差(f)和(g)网络寿命预测。

绩效评估在目标跟踪场景四个协议:(a)能源消耗,(b)能源效率、能耗(c)对不同网络的密度,(d)成功率,标准差(e)和(f)网络寿命预测。

( 1 ) 能源消耗。有限的可用能源的主要问题基础上需要更多的注意在设计一个有效的协议。图 4(一)显示协议9节点的能量消耗在静态网络场景中,同时图 4 (c)是协议的能耗为不同密度的变化的网络从9日,16日,36岁,64年,100个节点。SC lower-dense网络性能更好的9节点有3%的差异对该算法性能,而当网络增大算法性能更好。百分比区别IEEABR算法和SC网络增长49节点时25%。EEABR Beesensor消耗31%,和29.3%的网络能量比算法,分别。降低能源消耗低密度的SC协议网络由于假设网络中的每个节点都配备了一种传感器的位置汇聚节点在路由过程的开始,在这种情况下,GPS。这不是有利时购买额外的配件的成本为每个节点之前实现。也观察到,在人口密集的网络,SC协议的性能下降低于IEEABR由于节点参与路由过程,减少洪水IEEABR的蚂蚁。也观察到在目标跟踪场景数据 5(一个)和 5 (c)更少的节点和高度密集的网络不同的密度,在图 5(一个)SC协议IEEABR算法多消耗了72.65%的能源,它显示了一个高性能的converge-cast场景。表现不佳的SC协议相比IEEABR是由于动态网络,和更多的控制网络中的数据包淹没定位下沉的位置。SC很难重新计算下沉的位置在任何时候改变位置。同时该算法相对于原EEABR显示了一个了不起的进步差异百分比为10.6%,尽管Beesensor最贫穷的性能,因为它消耗了IEEABR高于83%。我们可以看到在图 5 (c),IEEABR百分比区别算法和SC网络增长49节点时60%这是一个显著的性能差异。该算法以其前任在这一点上是29.66%,和Beesensor时低,但是高网络增长到100年,88%反对IEEABR算法的差异。因此该算法优于所有协议的能耗低。高的改善是由于减少了洪水的蚂蚁网络和适当的路由表的初始化,而优先水槽中选择邻居。

( 2 ) 能源效率。图 4 (b)显示了能源效率的协议在静态场景中,作为能源消耗是一个重要的指标时要考虑设计一个有效的协议。IEEABR和EEABR是最好的两个协议的能源效率在这个场景中。IEEABR更好的性能是由于其较低的能源消费总量和高包交货率。如果损失率较高或包交付率低的SC,它导致更多的路由发现过程最终导致更高的能源消耗。另一个有趣的观察是,Beesensor消耗更多的能量比SC协议。然而,他们的能源效率的数据显示,SC是接近Beesensor显然是由于穷人packet-delivery SC。在这种情况下,IEEABR能效酒吧和EEABR接近对方。另一方面,在目标跟踪(动态)应用程序中,IEEABR执行比EEABR更好。原因是IEEABR快速收敛的能力在一个动态的场景中,实现高packet-delivery比率。在静态情况下,路由发现的数量非常小。因此,能源消费总量接近彼此的协议。 However, when the number of route discoveries increases, the difference in the control overhead gets significant contributing negatively to the energy efficiency of EEABR in most of the nodes ran out of energy in Beesensor, which is the overshoot as seen in Figure 4 (c)。同样,如果我们比较在目标跟踪应用程序的协议,数字 5 (b)显示了能源效率的协议。清楚地看到,IEEABR不仅成功率高,能耗低,但也是最节能协议正在考虑中。converge-cast场景,能源效率IEEABR酒吧和EEABR接近对方。另一方面,在这个目标跟踪(动态)应用程序中,IEEABR执行比EEABR更好。原因是IEEABR快速收敛的能力在一个动态的场景中,实现高packet-delivery比率。在静态情况下,路由发现的数量非常小;因此,能源消费总量接近彼此的协议。然而,当路由发现数量的增加,控制开销得到显著的差异造成消极EEABR的能源效率。IEEABR也胜过所有的路由协议的能源效率。比例不同算法之间的目标跟踪场景及其前身是64.22%,84.7%反对Beesensor和93.2%的SC算法实现是最昂贵的。 Though all the protocols are energy aware protocols, the proposed algorithm still has a high success rate and the lowest end-to-end delay.

( 3 ) 的成功率。任何协议的成功率是协议的能力提供成功的水槽数据包在网络中的每个节点生成的。协议在两个应用程序的成功率数据所示 4 (e)和 5 (d)分别对静态和动态网络。EEABR显示一个高性能交付92.4%的所有生成的数据包在网络下沉观测期间没有太多损失,而IEEABR算法中平均有96%是最好的协议。SC最贫穷的交付率实验。SC路由协议的表现不佳是由于路径选择基于距离只有不考虑能量的路径,一些节点的路径可能无法交付包给他们开始交货。高packet-delivery IEEABR比率表明,通过多路径和连结失效管理信息传播是健壮的传感器网络的应用。converge-case和目标跟踪的场景中,EEABR的packet-delivery比明显高于与SC和Beesensor协议相比,尤其是在大型网络。另一个重要的观察是SC的表现不佳。SC的表现不佳是由于洪水的蚂蚁不考虑能量的路径,和路径选择是基于距离,一些节点的路径可能无法交付给他们起转发数据包。

( 4 ) 延迟。图 4 (d)评估下显示了协议的端到端延迟。从这个数字虽然不是我们在这项工作的优先级,该算法最低的端到端延迟(延迟)其次是SC。Beesensor表现最差的整个时期观察图中可以看到。Beesensor的表现不佳是由于反应路线的方法发现的路线必须重新计算任何时间存在一个事件被发送到水槽。IEEABR算法限制网络中的蚂蚁洪水的数量5倍的一小部分网络节点的数量,同时也将更大的概率分配给邻居同时水槽,它执行比所有的协议。同样值得注意的是,Beesensor路线觅食在高能量节点和需求,几个小事件缓存保持在每个节点存储事件检测算法的在侦察过程中贡献高延迟。

( 5 ) 标准差。节点的标准差为之间的平均变异网络中所有节点的能量水平。算法应该尽量最大化平均剩余能量的节点,但一个小标准差,以延长网络的生命周期。数据 4 (f)和 5 (e)给结果的情节四种不同算法在静态和动态情况下,分别。会发现Beesensor最低标准偏差在两种场景,但IEEABR的性能相比SC和EEABR协议是更好的在这两个场景。的最低标准偏差达到Beesensor是因为它是设计成活性协议,因此所有节点的平均能量水平之间的差异是显著降低。的低标准偏差Beesensor帮助,协议在它的生命周期,尽管它的改善往往消耗高能源在目标跟踪的情况下,寿命低于IEEABR大大下降。

( 6 ) 寿命预测。数据 4 (g)和 5 (f)显示的网络寿命预测算法converge-cast和目标跟踪应用程序,分别。结果在图 4 (g)表明Beesensor一生比IEEABR在静态场景中但降解动态场景在它的生命周期。性能下降的预计目标跟踪场景Beesensor自生成因其活性显著高于控制开销路径建立和在这种情况下,拓扑的动态特性。由于高控制数据包,能量是消耗的协议从而减少它的生命周期,尽管它有一个较低的标准偏差。不过,EEABR协议有一个相对更好的网络寿命比SC协议在两个场景。原因是EEABR路由数据包通过平均能量较高的路径和避免使用定期的最短路径。也应该注意,SC协议单播转发蚂蚁通过最短路径(最小成本),后来导致快速消耗能源的最短路径,进而导致较低的SC协议网络的生命周期。一般来说,IEEABR一生最高的目标跟踪场景和其性能也比得上Beesensor converge-cast应用程序。

 7所示。结论和未来的工作

在本文中,我们将自然启发的性能最先进的节能意识在无线传感器网络路由协议在路由决策利用蚂蚁和蜜蜂的行为。我们提出的路由协议显示和证明性能良好的能源效率。性能不仅在网络中节点的能耗低,但低延迟、高吞吐量和成功率。该算法能够处理目标跟踪应用程序以及QoS要求应用程序。该算法执行在所有的指标用于评估目的同时也显示它和它的前身“EEABR合理差异。“EEABR高于该算法消耗31%和29.66%的能源消耗converge-cast网络中的节点和目标跟踪的情况下,分别。SC假定所有传感器节点传感器得到水槽的位置没有做算法相比。Beesensor converge-cast和目标跟踪场景中更高的能源消耗为29.3%和88%,分别由于其按需路由。收敛时间低,很难找到水槽每当网络拓扑的变化。与结果相比converge-cast场景中,事件流动性减少算法的性能,这是可以理解的和预期因为更多的节点成为数据包的来源,增加了网络数据包的数量。 Once again the IEEABR protocol presents the best results when compared to the other protocols, but the results can easily be compared to scenarios where all the environment variables are static (converge-cast scenario). We are in the process of implementing the proposed algorithm on a real WSN hardware. We will improve on the algorithm based on the experience obtained from the real-time implementation and testing.

 Akkaya K。 尤尼斯 M。 对无线传感器网络路由协议的一项调查 特设网络 2005年 3 3 325年 349年 2 - s2.0 - 13944283393 10.1016 / j.adhoc.2003.09.010 Akyildiz i F。 苏 W。 Sankarasubramaniam Y。 Cayirci E。 无线传感器网络:一项调查 计算机网络 2002年 38 4 393年 422年 2 - s2.0 - 0036688074 10.1109 / MCOM.2002.1024422 Akkaya K。 尤尼斯 M。 无线传感器网络的节能意识QoS路由协议 IEEE学报》研讨会上移动和无线网络 2003年 710年 715年 侯赛因 F。 Zengin 一个。 Tuncel 年代。 调查基于群体智慧在无线传感器网络路由协议 国际物理科学杂志》上 2010年 5 14 2118年 2126年 2 - s2.0 - 78650989171 -Zungeru a . M。 盎 l . M。 生 k P。 古典和基于群体智能的无线传感器网络路由协议:一项调查和比较 网络和计算机应用》杂志上 2012年 35 5 1508年 1536年 10.1016 / j.jnca.2012.03.004 Zungeru a . M。 盎 L.-M。 生 k P。 Termite-Hill:路由走向移动沉在无线传感器网络中,为提高网络的生命周期 学报》第三届国际会议在智能系统中,建模与仿真(主义”12) 2012年 622年 627年 罗斯 M。 柳条 年代。 与stigmergy白蚁:自组网 《IEEE全球电信会议(GLOBECOM ' 03) 2003年12月 2937年 2941年 2 - s2.0 - 0842331560 Holldobler B。 威尔逊 e . O。 蚂蚁 1990年 哈佛大学出版社 Zungeru a . M。 盎 l . M。 生 k P。 Termite-hill:性能优化的基于群体智能的无线传感器网络路由算法 网络和计算机应用》杂志上 2012年 35 6 1901年 1917年 Zungeru a . M。 盎 L.-M。 生 k P。 正式的数学框架对于无线传感器网络的建模和仿真环境利用白蚁的希尔建筑行为 模拟 2012年 特殊问题:基于主体建模与仿真的复杂的自适应通信网络和环境(CACOONS) 10.1177 / 0037549712466706 Buttyan l Hubaux j。 加强在移动ad - hoc广域网服务可用性 学报第一ACM国际研讨会上移动Ad Hoc网络和计算 2000年 87年 96年 麦肯齐 答:B。 柳条 美国B。 博弈论在通信:动机,解释,功率控制和应用 《IEEE全球Telecommunicatins会议(GLOBECOM ' 01) 2001年11月 821年 826年 2 - s2.0 - 0035681225 拿 E。 民宿 M。 特洛拉兹 G。 群体智慧:从自然的人工系统 1999年 英国伦敦 牛津大学出版社 民宿 M。 迪卡罗 g。 AntNet: stigmergetic控制和分发规划设计网络 人工智能研究杂志》上 1998年 9 317年 365年 李 K。 托雷斯 c, E。 托马斯。 K。 罗西 l F。 沈 C . C。 黏菌启发对无线传感器网络路由协议 群体智慧 2011年 5 3 - 4 183年 223年 萨利姆 M。 Ullah 我。 Farooq M。 BeeSensor: bee-inspired、节能和可扩展的无线传感器网络路由协议 信息科学 2012年 200年 38 56 卡米洛· t . C。 Carreto C。 席尔瓦 j·S。 Boavida F。 基于节能的蚂蚁的无线传感器网络路由算法 5日学报》国际研讨会在蚁群优化和群体智慧 2006年 比利时布鲁塞尔 49 59 张 Y。 库恩 l D。 Fromherz m . p . J。 民宿 M。 改进蚁为传感器网络路由 3172年 诉讼的第四届国际研讨会在蚁群优化和群体智慧(蚂蚁2004), 2004年 信号 289年 313年 Kalpakis K。 达斯古普塔 K。 Namjoshi P。 最大生命周期数据采集和聚合在无线传感器网络 42 《IEEE国际会议上网络 2003年 6 Zungeru a . M。 盎 l . M。 Prabaharan S r S。 生 k P。 Abd Manaf 一个。 基于Ant的路由协议的视觉传感器 信息工程学报》在计算机和信息科学和信息科学通信(ICIEIS 11) 2011年 250年 264年 路由仿真建模应用程序环境(RMASE), 2010年, http://www2.parc.com/isl/groups/era/nest/Rmase/ 概率无线网络模拟器(小偷),2010年, http://www.isis.vanderbilt.edu/Projects/nest/prowler/