基于蚁群优化的无线传感器网络QoS路由

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (20): 102-104.

基于蚁群优化的无线传感器网络QoS路由

刘广聪，邬欢欢，郑慧君

广东工业大学计算机学院，广州 510006

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-11 发布日期:2011-07-11

Ant colony optimization-based QoS routing in wireless sensor networks

LIU Guangcong，WU Huanhuan，ZHENG Huijun

School of Computer，Guangdong University of Technology，Guangzhou 510006，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-11 Published:2011-07-11

摘要/Abstract

摘要： 无线传感器网络QoS路由寻优问题是NP类问题，在寻找最优路径时，除了要满足时延、抖动、丢包率等约束条件，还要考虑路径的能量均衡。采用优化的蚁群算法求解该问题，将这些约束条件综合为适应度函数的参数，通过计算适应度值，找到最优路径。仿真结果表明，算法具有较快的收敛速度，能够搜索到时延最小和能量较均衡的路径，并尽量避免陷入局部最优解。

关键词: 无线传感器网络, 服务质量（QoS）路由, 蚁群算法

Abstract: QoS routing optimization in wireless sensor networks is a kind of NP problem，which tries to find the best path which can meet the delay，jitter，packet loss rate，etc，also takes into account the energy balance of the path.Therefore，an effective ant colony optimization algorithm is introduced to seek the solution，fitness function is constructed with these constrains，and the optimal path is found by calculating the fitness value.Simulation results show that the algorithm has a faster convergence rate.To a certain extent，the solution can search for the minimum delay path and have a more balanced energy to avoid falling into local optimal solution.

Key words: Wireless Sensor Networks（WSNs）, Quality of Service（QoS） routing, Ant Colony Optimization（ACO）

刘广聪，邬欢欢，郑慧君. 基于蚁群优化的无线传感器网络QoS路由[J]. 计算机工程与应用, 2011, 47(20): 102-104.

LIU Guangcong，WU Huanhuan，ZHENG Huijun. Ant colony optimization-based QoS routing in wireless sensor networks[J]. Computer Engineering and Applications, 2011, 47(20): 102-104.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[4]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[7]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[8]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[9]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[10]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[11]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[12]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[13]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[14]	孙泽宇，董汉磊，苏艳超，徐琛，聂雅琳，李传锋. 传感网中基于能量有效的多参数数据重构方法[J]. 计算机工程与应用, 2021, 57(11): 103-110.
[15]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.