基于改進(jìn)灰狼優(yōu)化算法的無線傳感器網(wǎng)絡(luò)路由協(xié)議*

安葳鵬，邵一帆

(河南理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，河南 焦作454003)

無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network，WSN)是由部署在特定監(jiān)測區(qū)域內(nèi)的大量微型傳感器節(jié)點(diǎn)構(gòu)成的自組織網(wǎng)絡(luò)系統(tǒng)[1]，各節(jié)點(diǎn)通過無線通信方式將它們監(jiān)測到的環(huán)境參數(shù)或特定數(shù)據(jù)以單跳或多跳的方式傳輸給一個或多個數(shù)據(jù)接收器。 無線傳感器網(wǎng)絡(luò)可應(yīng)用于多種復(fù)雜的環(huán)境，通常傳感器節(jié)點(diǎn)由電池供電，且節(jié)點(diǎn)的存儲容量有限，處理能力低，在大多數(shù)應(yīng)用環(huán)境中能源裝置不便于更換。因此對于解決無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)能耗問題，設(shè)計(jì)低功耗路由協(xié)議以降低無線傳感器網(wǎng)絡(luò)整體能耗，延長網(wǎng)絡(luò)生存時間具有深遠(yuǎn)意義[2-4]。

為了解決無線傳感器網(wǎng)絡(luò)能耗問題，Lindsey S等人在LEACH 協(xié)議[5]的基礎(chǔ)上改進(jìn)并提出了PEGASIS(Power-Efficient Gathering in Sensor Information Systems)協(xié)議[6-9]，該協(xié)議主要用貪心算法將所有的節(jié)點(diǎn)連接成一條單鏈，并由基站隨機(jī)選取簇頭，使數(shù)據(jù)從鏈兩端開始傳遞到簇頭，再由簇頭將信息發(fā)送給基站，雖然該協(xié)議在延長節(jié)點(diǎn)壽命，平衡節(jié)點(diǎn)能耗上起到一定效果，但仍存在很多缺點(diǎn):易因局部最優(yōu)而產(chǎn)生長鏈；單鏈路傳輸對通信質(zhì)量的要求很高，當(dāng)網(wǎng)絡(luò)規(guī)模增大時，會增加網(wǎng)絡(luò)時延，不適用于對實(shí)時性要求高的環(huán)境；一旦有節(jié)點(diǎn)死亡，則會導(dǎo)致整個網(wǎng)絡(luò)癱瘓，魯棒性差。

針對上述問題，文獻(xiàn)[10]提出TTEMR 協(xié)議，它將網(wǎng)絡(luò)構(gòu)造成雙層樹型多鏈路結(jié)構(gòu)，分鏈和鏈頭鏈均通過啟發(fā)式算法優(yōu)化，并對網(wǎng)絡(luò)孤立點(diǎn)進(jìn)行樹型結(jié)構(gòu)化處理，降低了數(shù)據(jù)傳遞路徑長度，但TTEMR協(xié)議需要構(gòu)造樹型結(jié)構(gòu)，計(jì)算量較大，且數(shù)據(jù)傳輸時對于一些節(jié)點(diǎn)接收融合數(shù)據(jù)的能耗過大，易導(dǎo)致其過早死亡。 文獻(xiàn)[11]提出PEGASIS-I 協(xié)議，將區(qū)域進(jìn)行劃分，并在子區(qū)域內(nèi)生成通信路由樹，由樹根與基站直接通信，有效降低數(shù)據(jù)傳輸延遲。 文獻(xiàn)[12]提出PEGASIS-C 協(xié)議，它也是將區(qū)域進(jìn)行劃分，采用多跳路由進(jìn)行數(shù)據(jù)通信，既減少數(shù)據(jù)鏈長度，又降低出現(xiàn)“長鏈”的概率；近些年，一些學(xué)者將群智能算法[13-17]引入到無線傳感器路由協(xié)議中，通過群智能算法動態(tài)選擇簇頭，均衡整個網(wǎng)絡(luò)能耗。 文獻(xiàn)[18]提出一種基于改進(jìn)灰狼優(yōu)化算法的分簇路由協(xié)議，有效延長了網(wǎng)絡(luò)生存周期，但簇頭節(jié)點(diǎn)與基站之間的單跳信息傳輸，導(dǎo)致簇頭節(jié)點(diǎn)能量消耗過快，從而使整體網(wǎng)絡(luò)能耗不均。 文獻(xiàn)[19]提出一種基于灰狼優(yōu)化器的集中式分簇路由協(xié)議，該協(xié)議簇頭節(jié)點(diǎn)在中繼選擇階段并非都能找到下一跳路由節(jié)點(diǎn)，因此，同樣面臨簇頭與基站直接通信問題，從而導(dǎo)致網(wǎng)絡(luò)能耗不均。

為了延長無線傳感器網(wǎng)絡(luò)生存周期，本文在PEGASIS 的基礎(chǔ)上采用分區(qū)的思想，主要是通過有效區(qū)域劃分的方式進(jìn)行局部小范圍建鏈，這種分區(qū)建鏈的方法能避免整體成鏈產(chǎn)生長鏈以及在數(shù)據(jù)傳輸時由于網(wǎng)絡(luò)傳輸效率降低而加大節(jié)點(diǎn)能耗；此外，通過改進(jìn)灰狼優(yōu)化算法，使得簇頭選擇更加合理有效，在均衡網(wǎng)絡(luò)能耗方面更加高效、節(jié)能。

1 PEGASIS 分簇路由協(xié)議模型與設(shè)計(jì)

1.1 網(wǎng)絡(luò)模型

假設(shè)一個傳感器網(wǎng)絡(luò)由n個隨機(jī)部署的傳感器節(jié)點(diǎn)構(gòu)成，用Si表示第i個節(jié)點(diǎn)，相應(yīng)的節(jié)點(diǎn)集合為{S1，S2，…，Sn}。 該傳感器網(wǎng)絡(luò)具有以下性質(zhì):①所有節(jié)點(diǎn)具有相同初始特性，隨機(jī)分布在監(jiān)測區(qū)域且位置不變；②節(jié)點(diǎn)之間都可以互相通信，也可以與基站直接進(jìn)行通信；③基站是固定的，能量沒有限制且能量可以滿足監(jiān)測區(qū)域能量需要；④節(jié)點(diǎn)能量有限且消耗完才會死亡。

1.2 能量模型

改進(jìn)協(xié)議和仿真均采用經(jīng)典能耗模型。 式(1)ETX(k，d)表示傳感器節(jié)點(diǎn)發(fā)送kbits 到距離為d的鄰節(jié)點(diǎn)所消耗的能量，由發(fā)射電路損耗和功率放大損耗兩部分構(gòu)成，式(2)表示接收kbits 數(shù)據(jù)的能量損耗，式(3)表示融合kbits 數(shù)據(jù)消耗的能量。

式中:d為傳輸距離，εfs和εamp分別是自由空間能量模型系數(shù)和衰減空間能量模型系數(shù)，Eelec表示發(fā)送或接收1 bit 數(shù)據(jù)消耗的能量，Efs表示融合1 bit 數(shù)據(jù)消耗的能量。

1.3 改進(jìn)的PEGASIS 協(xié)議設(shè)計(jì)思路

改進(jìn)的PEGASIS 協(xié)議采用分簇的方式，以固定的基站為圓心，在得到各節(jié)點(diǎn)的分布密度信息后在同心圓維度把監(jiān)測區(qū)域劃分多個環(huán)帶，針對監(jiān)測區(qū)域較大的問題，為減少節(jié)點(diǎn)遠(yuǎn)距離傳輸能耗，在環(huán)帶分區(qū)基礎(chǔ)上，將監(jiān)測區(qū)域繼續(xù)劃分為多個扇形區(qū)域，形成扇形環(huán)帶分區(qū)，每個子區(qū)域內(nèi)的節(jié)點(diǎn)按位置分簇，每個分簇構(gòu)造一條最優(yōu)簇內(nèi)鏈，在選舉簇內(nèi)鏈的簇頭時，利用改進(jìn)灰狼優(yōu)化算法進(jìn)行最優(yōu)簇頭的選??；在后續(xù)迭代中，對權(quán)重進(jìn)行動態(tài)更新，以便繼續(xù)對簇頭進(jìn)行遴選；當(dāng)各子區(qū)域完成建鏈并選出簇頭之后，最終將收集到的信息沿著分區(qū)內(nèi)的簇頭鏈傳遞給基站。 改進(jìn)PEGASIS 協(xié)議主要由分區(qū)、建鏈、選取簇頭、數(shù)據(jù)傳輸四個階段組成。

2 基于改進(jìn)灰狼優(yōu)化算法的PEGASIS協(xié)議

2.1 灰狼優(yōu)化算法

灰狼優(yōu)化算法(Grey Wolf Optimizer，GWO)[20]模擬了灰狼種群的捕食行為，將狼群搜捕獵物的過程類比為尋優(yōu)過程，達(dá)到尋找最優(yōu)解的目標(biāo)，是一種典型的群智能優(yōu)化算法。 已有一些學(xué)者將灰狼優(yōu)化算法應(yīng)用于無線傳感器網(wǎng)絡(luò)的優(yōu)化問題中[21-23]，以狼群的位置表示傳感器節(jié)點(diǎn)的位置，獵物的最佳位置對應(yīng)最優(yōu)簇頭。

灰狼群體內(nèi)有嚴(yán)格的等級制度，如圖1 所示。這種嚴(yán)格的社會等級劃分，能更好地進(jìn)行狩獵，其狩獵過程可分為搜索包圍和狩獵。 在狩獵過程中，狼群的初始位置是隨機(jī)的，通過不斷搜索獵物，獲得最終獵物的位置。

圖1 狼群等級制度示意圖

①包圍獵物

捕獵時，灰狼要先得知獵物的位置然后包圍獵物，因此需要首先確定灰狼與獵物的距離，對這個過程進(jìn)行數(shù)據(jù)建模，得到狼群個體與獵物距離的表達(dá)公式:

式中:t代表當(dāng)前迭代次數(shù)，Xp(t)是算法在第t次迭代時獵物位置，X(t＋1)是第t＋1 次迭代時灰狼位置。H和C表示系數(shù)因子，其計(jì)算公式分別為:

式中:a是收斂因子，在整個迭代過程中從2 線性減小為0；r1和r2取[0，1]范圍內(nèi)的隨機(jī)值。

②獵殺獵物

灰狼種群中，由于α、β和δ狼具有豐富的經(jīng)驗(yàn)，能對獵物位置做出更好的判斷，所以由它們領(lǐng)導(dǎo)狼群狩獵，此過程可以利用α、β和δ狼三者的位置來確定獵物所在的位置，達(dá)到尋優(yōu)的目的。 在搜索所需獵物的時候，灰狼一般會先識別獵物然后將其包圍，在每次迭代的過程中，保留當(dāng)前最好的三只灰狼，根據(jù)它們的位置信息更新其余狼的位置。 當(dāng)獵物不再移動時，灰狼會通過攻擊來捕捉獵物。

由狼群狩獵機(jī)制可清晰得出，若要獲得獵物的準(zhǔn)確位置，狼群先大致了解獵物位置以更新自身初始位置，根據(jù)α、β和δ狼的位置估算獵物位置。 而估算獵物位置的前提是需要知道α、β和δ狼與獵物的距離，α、β、δ狼根據(jù)它們與獵物的距離由式(6)計(jì)算下一刻的位置，第t＋1 次迭代時，獵物的位置如式(7)所示:

式中:Xα(t)、Xβ(t)和Xδ(t)分別是此刻α、β、δ狼的位置；H1、H2和H3，C1、C2和C3的計(jì)算方法如式(5)。

2.2 改進(jìn)灰狼優(yōu)化算法

當(dāng)灰狼優(yōu)化算法中對求解獵物位置的權(quán)重因子分配不合理時容易陷入局部最優(yōu)，為了更好地應(yīng)用于無線傳感器網(wǎng)絡(luò)，選出最合適的簇頭，針對傳感器節(jié)點(diǎn)特性，對獵物位置權(quán)重進(jìn)行動態(tài)更新，提出一種改進(jìn)的灰狼優(yōu)化算法。 具體方法為，將無線傳感器節(jié)點(diǎn)看作灰狼個體，在設(shè)計(jì)灰狼優(yōu)化算法適應(yīng)度函數(shù)時，將影響WSN 生命周期的相關(guān)參數(shù)以不同權(quán)重關(guān)聯(lián)起來，找出灰狼群體中適應(yīng)度值前三的灰狼個體，根據(jù)這三個個體的位置對獵物位置進(jìn)行計(jì)算，所對應(yīng)的獵物位置即為最優(yōu)簇頭的位置。 在算法后續(xù)的迭代中，基于動態(tài)調(diào)整權(quán)重更新節(jié)點(diǎn)位置。

2.2.1 適應(yīng)度函數(shù)設(shè)計(jì)

為了使設(shè)計(jì)的適應(yīng)度函數(shù)更好地適用于無線傳感器，結(jié)合本文均衡節(jié)點(diǎn)能效，延長網(wǎng)絡(luò)生命周期的目標(biāo)，對適應(yīng)度函數(shù)的設(shè)計(jì)主要考慮節(jié)點(diǎn)耗能比、同一扇形環(huán)帶區(qū)域中節(jié)點(diǎn)間距離以及同一扇形區(qū)域中，相鄰扇形環(huán)帶中兩簇頭距離平方的期望三個因素。

①節(jié)點(diǎn)耗能比。 節(jié)點(diǎn)剩余能量Eres與初始能量E0的比值，記作Q，Q值越大，說明此節(jié)點(diǎn)能量消耗越均衡；

②同一扇形環(huán)帶區(qū)域中節(jié)點(diǎn)間距離。 即分別對應(yīng)α、β、δ狼之間的距離，記作D；

③同一扇形區(qū)域中，相鄰扇形環(huán)帶中兩簇頭距離平方的期望，記作。

基于能量和位置因素，改進(jìn)算法適應(yīng)度函數(shù)為:

式中:f1、f2、f3是平衡傳感器節(jié)點(diǎn)耗能比、同一子區(qū)域節(jié)點(diǎn)間距離以及同一扇區(qū)相鄰子區(qū)域中簇頭間距離平方的期望的權(quán)重系數(shù)。

2.2.2 基于動態(tài)權(quán)重的灰狼優(yōu)化算法

在算法開始執(zhí)行時，由于獵物的位置是由狼群的初始位置決定，初始化過程應(yīng)充分利用狼群的位置，考慮到節(jié)點(diǎn)沿著鏈路傳輸數(shù)據(jù)，故將節(jié)點(diǎn)間的相互距離轉(zhuǎn)換為相應(yīng)的權(quán)重作為尋找獵物位置的初始權(quán)重因子。 獵物的初始位置為Xp(0)為:

式中:Xα(0)，Xβ(0)，Xδ(0)是α、β、δ狼的初始位置；Dα，β、Dβ，δ、Dδ，α分別表示α、β、δ狼間的距離；ωα、ωβ、ωδ分別表示初始狀態(tài)下，各灰狼間距離相對于獵物的初始權(quán)重。

在算法后續(xù)的迭代中，根據(jù)下式基于動態(tài)調(diào)整權(quán)重更新權(quán)重因子:

t＋1 次迭代后，獵物的位置更新為Xp(t＋1)，其中，Xα(t＋1)，Xβ(t＋1)，Xδ(t＋1)分別是α、β、δ狼在第t＋1 次迭代時的位置。

2.3 基于改進(jìn)灰狼優(yōu)化算法的PEGASIS 協(xié)議實(shí)現(xiàn)

在基于改進(jìn)灰狼優(yōu)化算法的PEGASIS 協(xié)議實(shí)現(xiàn)過程中，首先對網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行初始化，然后開始建鏈、選擇簇頭、數(shù)據(jù)傳輸?shù)冗^程，反復(fù)迭代更新節(jié)點(diǎn)信息，將融合數(shù)據(jù)傳送給基站，直至網(wǎng)絡(luò)節(jié)點(diǎn)全部死亡，具體流程如圖2 所示。

圖2 改進(jìn)PEGASIS 協(xié)議流程圖

2.3.1 網(wǎng)絡(luò)分區(qū)階段

當(dāng)網(wǎng)絡(luò)節(jié)點(diǎn)被部署后，基站要確定隨機(jī)分布在監(jiān)測區(qū)域內(nèi)的節(jié)點(diǎn)的位置，此時，每個節(jié)點(diǎn)將自己的ID 信息和到基站的距離發(fā)送給基站。 以基站為中心建立直角坐標(biāo)系，基站將整個監(jiān)測區(qū)域看成以自身為圓心的圓形區(qū)域，在得到各節(jié)點(diǎn)的分布密度信息后把監(jiān)測區(qū)域劃分為多個以基站為圓心的同心圓，每個圓環(huán)間距為Δd，各環(huán)間距Δd相等，即各環(huán)間距是均勻分布的。 此外，如果監(jiān)測區(qū)域比較大，會出現(xiàn)子區(qū)域內(nèi)由于傳輸距離遠(yuǎn)導(dǎo)致節(jié)點(diǎn)與節(jié)點(diǎn)、節(jié)點(diǎn)與簇頭、簇頭與基站之間傳輸負(fù)荷大，易提前耗盡能量而死亡，針對此問題，在環(huán)帶分區(qū)的基礎(chǔ)上，以基站為圓心，將監(jiān)測區(qū)域劃分扇形子區(qū)域，每個扇形子區(qū)域相隔的角度為θ(0°＜θ＜90°)，可以將整個圓形區(qū)域分成2π/θ個扇形子區(qū)域，并按逆時針進(jìn)行編號。 如圖3 所示，形成扇形環(huán)帶分區(qū)，第一環(huán)帶內(nèi)的節(jié)點(diǎn)，在扇形區(qū)域內(nèi)建鏈，超出第一環(huán)帶的節(jié)點(diǎn)在扇形環(huán)帶區(qū)域內(nèi)建鏈。

圖3 扇形環(huán)帶區(qū)域劃分圖

2.3.2 網(wǎng)絡(luò)建鏈階段

分區(qū)結(jié)束后，網(wǎng)絡(luò)開始建鏈。 由于監(jiān)測區(qū)域已完成分區(qū)，因此每個節(jié)點(diǎn)都有同區(qū)域標(biāo)記和異區(qū)域標(biāo)記兩個標(biāo)記，各子區(qū)域相當(dāng)于一個簇分別建鏈，以同處一個扇形區(qū)域中的節(jié)點(diǎn)為例，子區(qū)域內(nèi)部成鏈時，設(shè)置同區(qū)域標(biāo)記，對每個環(huán)帶子區(qū)域中的節(jié)點(diǎn)進(jìn)行編號，計(jì)算每個節(jié)點(diǎn)的適應(yīng)度值，遍歷每個節(jié)點(diǎn)路徑依次成鏈，形成多條鏈路，比較各鏈路長度，選擇最短的路徑作為初始鏈路。 子區(qū)域間成鏈時，設(shè)置異區(qū)域標(biāo)記，在簇頭之間朝著基站方向形成一條簇頭鏈。 節(jié)點(diǎn)分布建鏈?zhǔn)疽鈭D如圖4 所示。 當(dāng)各分簇中節(jié)點(diǎn)數(shù)量小于3 時，由于節(jié)點(diǎn)數(shù)量過少導(dǎo)致無法建鏈或者建鏈無效，即在分區(qū)內(nèi)節(jié)點(diǎn)無法成簇，此時將該區(qū)域的少量節(jié)點(diǎn)定義為孤立節(jié)點(diǎn)。 對于基站附近的孤立節(jié)點(diǎn)，為了避免延長節(jié)點(diǎn)通信路徑和數(shù)據(jù)逆?zhèn)?，可直接與基站進(jìn)行通信；對于遠(yuǎn)離基站超出通信距離的孤立節(jié)點(diǎn)，向周圍發(fā)送廣播信息，同扇區(qū)靠近基站方向且距離該節(jié)點(diǎn)最近的帶有異區(qū)域標(biāo)記節(jié)點(diǎn)做出響應(yīng)，孤立節(jié)點(diǎn)根據(jù)響應(yīng)與之建立通信連接，并將數(shù)據(jù)轉(zhuǎn)發(fā)給該節(jié)點(diǎn)。

圖4 區(qū)域內(nèi)節(jié)點(diǎn)分布建鏈圖

2.3.3 選擇簇頭階段

在同一扇區(qū)的每個環(huán)帶子區(qū)域中，對于節(jié)點(diǎn)數(shù)少于3 的子區(qū)域，不進(jìn)行建鏈和簇頭選擇，作為孤立節(jié)點(diǎn)對數(shù)據(jù)進(jìn)行傳輸；對于節(jié)點(diǎn)數(shù)不少于3 的子區(qū)域，則按照改進(jìn)的灰狼優(yōu)化算法，先進(jìn)行初始化操作，在未達(dá)到最大迭代次數(shù)前，執(zhí)行循環(huán)，計(jì)算每個節(jié)點(diǎn)的適應(yīng)度值，并對每個子區(qū)域中節(jié)點(diǎn)適應(yīng)度值進(jìn)行排序，排名前三的節(jié)點(diǎn)視為α、β、δ狼，更新獵物位置，由獵物位置映射到簇頭節(jié)點(diǎn)位置，獲得最優(yōu)解，簇頭選擇結(jié)束。

通過改進(jìn)灰狼優(yōu)化算法選擇簇頭后，在后續(xù)過程，各分簇不是每輪傳輸過后都對簇頭進(jìn)行更新，經(jīng)過一段時間后，基站會將各子區(qū)域簇頭剩余能量Eres與初始能量E0的比值Eres/E0即節(jié)點(diǎn)耗能比Q，與設(shè)定的節(jié)點(diǎn)能量閾值Ethres做比較以決定簇頭的更新時間，因?yàn)殡S著網(wǎng)絡(luò)能耗的增加，簇頭節(jié)點(diǎn)Eres/E0逐漸變小，故該閾值是可變的，且隨網(wǎng)絡(luò)節(jié)點(diǎn)能量消耗逐漸減小，在對其初值設(shè)定時大小應(yīng)適中，若初始閾值過小，表明在簇頭剩余能量很少時才開始更換，難以均衡節(jié)點(diǎn)能量；若初始閾值過大，簇頭節(jié)點(diǎn)的更換會比較頻繁，這樣會加大網(wǎng)絡(luò)能耗。若Eres/E0不小于Ethres，則不更新簇頭節(jié)點(diǎn)和能量閾值，繼續(xù)進(jìn)行下一輪數(shù)據(jù)傳輸；若Eres/E0小于Ethres，此時需要重新選擇簇頭并更新能量閾值。

2.3.4 數(shù)據(jù)傳輸階段

PEGASIS 協(xié)議的核心思想是使鏈中的每個節(jié)點(diǎn)將感知得到的信息沿著長鏈依次發(fā)送至鏈頭，隨后鏈頭節(jié)點(diǎn)將感知到的信息進(jìn)行處理、融合轉(zhuǎn)發(fā)至基站。與傳統(tǒng)的鏈?zhǔn)絽f(xié)議不同的是，在信息傳輸?shù)某跏茧A段，首先每個子區(qū)域按照上兩節(jié)所述內(nèi)容形成鏈路并選出簇頭，數(shù)據(jù)分別從鏈路的兩個端節(jié)點(diǎn)開始朝著簇頭方向傳遞，簇頭接收到簇內(nèi)所有節(jié)點(diǎn)的數(shù)據(jù)之后，沿著簇頭鏈傳向離基站更近的下一子區(qū)域的簇頭，直至數(shù)據(jù)全部被基站接收。 如果子區(qū)域中出現(xiàn)節(jié)點(diǎn)死亡，則需要重新建立鏈路，然后繼續(xù)傳輸數(shù)據(jù)。 重復(fù)以上步驟，直到區(qū)域內(nèi)所有節(jié)點(diǎn)能量耗盡。

3 仿真與性能分析

為驗(yàn)證改進(jìn)協(xié)議的性能，與PEGASIS、PEGASIS-C、TTEMR 進(jìn)行比較，采用MATLAB 進(jìn)行仿真。 仿真環(huán)境設(shè)置在半徑為150 m 的圓形區(qū)域中，監(jiān)測區(qū)域內(nèi)隨機(jī)均勻分布100 個節(jié)點(diǎn)，基站位于圓心，其坐標(biāo)為(0，0)。 仿真環(huán)境參數(shù)設(shè)置如表1 所示。

表1 仿真環(huán)境參數(shù)設(shè)置

3.1 參數(shù)的選取

對監(jiān)測區(qū)域進(jìn)行分區(qū)時，要考慮環(huán)間距Δd和θ對網(wǎng)絡(luò)生命周期的影響，它們直接影響改進(jìn)協(xié)議在該實(shí)驗(yàn)環(huán)境下的性能，監(jiān)測區(qū)域中節(jié)點(diǎn)分布密度不同，最佳參數(shù)值的設(shè)置也不同，原則上區(qū)域面積越大，分環(huán)數(shù)應(yīng)該越多，但并不是越多越好，當(dāng)環(huán)數(shù)達(dá)到某一最優(yōu)值后，繼續(xù)增加區(qū)域環(huán)數(shù)反而會降低網(wǎng)絡(luò)性能，其原因一方面是由于分環(huán)數(shù)越多則每個子區(qū)域內(nèi)的節(jié)點(diǎn)數(shù)越少，不利于簇頭的最優(yōu)選擇，其次，隨著環(huán)數(shù)的不斷增加，簇頭接收、聚合、轉(zhuǎn)發(fā)的能耗增量抵消了多跳導(dǎo)致的能耗增量，加速距離基站較近的簇頭節(jié)點(diǎn)的死亡；同時，跳數(shù)過多也會大大增加網(wǎng)絡(luò)延遲，影響網(wǎng)絡(luò)通信。 表2 是實(shí)驗(yàn)設(shè)置的不同Δd和θ值，通過仿真對比確定最佳參數(shù)。 圖5 是Δd和θ相互映射下取不同值時網(wǎng)絡(luò)性能對比情況。通過對比圖可以得出:當(dāng)Δd取50，θ取π/3 時，節(jié)點(diǎn)存活時間最長，網(wǎng)絡(luò)性能最佳。

圖5 不同參數(shù)下節(jié)點(diǎn)存活數(shù)對比柱狀圖

表2 參數(shù)Δd 和θ 的確定

3.2 鏈路對比

PEGASIS 采用鏈狀的路由結(jié)構(gòu)，通過貪婪算法計(jì)算形成一條包含所有節(jié)點(diǎn)的長鏈，如圖6(a)所示。 而改進(jìn)協(xié)議采用分區(qū)成鏈的方法，通過仿真測出該實(shí)驗(yàn)環(huán)境下的環(huán)間距Δd和θ最優(yōu)值，劃分網(wǎng)絡(luò)區(qū)域，在每個子區(qū)域中分別建立鏈路，如圖6(d)所示。 圖6 (b) 和 圖6 (c) 分 別 是TTEMR 和PEGASIS-C 的鏈路圖，相對于PEGASIS，二者基本解決了長鏈問題，但與改進(jìn)協(xié)議相比較，TTEMR 需要構(gòu)造樹型結(jié)構(gòu)，計(jì)算量較大且數(shù)據(jù)傳輸時對于一些節(jié)點(diǎn)接收融合數(shù)據(jù)的能耗過大易導(dǎo)致其過早死亡；PEGASIS-C 雖然也進(jìn)行了分區(qū)，但相比改進(jìn)協(xié)議對鏈路的優(yōu)化不明顯，而且區(qū)域內(nèi)鏈路存在交叉鏈，增加了鏈路平均路徑長度，降低了傳輸效率。

圖6 不同協(xié)議鏈路圖

3.3 生存周期對比

以監(jiān)測區(qū)域節(jié)點(diǎn)向基站發(fā)送一次數(shù)據(jù)為一輪，對比四種協(xié)議每輪存活節(jié)點(diǎn)數(shù)，從圖7 仿真結(jié)果可以看出，隨著輪數(shù)的增加，改進(jìn)協(xié)議存活節(jié)點(diǎn)的數(shù)量比PEGASIS、TTEMR 和PEGASIS-C 更多，而且首節(jié)點(diǎn)死亡輪數(shù)和最后一個節(jié)點(diǎn)死亡輪數(shù)都有明顯的增加，這是由于改進(jìn)協(xié)議通過多重分區(qū)形成了局部小范圍成簇，建鏈時有效避免了長鏈的產(chǎn)生，降低了節(jié)點(diǎn)遠(yuǎn)距離通信的開銷，從而減少了節(jié)點(diǎn)能耗，延長了網(wǎng)絡(luò)整體生存時間。

圖7 節(jié)點(diǎn)生存周期對比圖

對四種協(xié)議網(wǎng)絡(luò)能耗進(jìn)行對比，從圖8 仿真結(jié)果可以看出，隨著輪數(shù)的增加，迭代次數(shù)越來越多，改進(jìn)協(xié)議的網(wǎng)絡(luò)能耗更加均衡，持續(xù)的輪次更多，除多重分區(qū)形成局部成簇縮短鏈長的原因，還有一個因素是改進(jìn)協(xié)議在簇頭選擇時采用改進(jìn)的灰狼優(yōu)化算法，遴選出更合適的簇頭，降低了簇頭節(jié)點(diǎn)的能耗，縮小了網(wǎng)絡(luò)節(jié)點(diǎn)間的能耗差異，使能耗整體均衡分布，延長了網(wǎng)絡(luò)生存周期。

圖8 網(wǎng)絡(luò)剩余總能量對比圖

4 結(jié)束語

改進(jìn)PEGASIS 協(xié)議在PEGASIS 的基礎(chǔ)上通過采用分區(qū)的思想進(jìn)行有效分區(qū)，采取局部小范圍建鏈的方式，更好地避免整體成鏈產(chǎn)生的長鏈以及在數(shù)據(jù)傳輸時由于網(wǎng)絡(luò)傳輸效率降低而加大節(jié)點(diǎn)的能耗；此外，該協(xié)議通過改進(jìn)灰狼優(yōu)化算法對簇頭進(jìn)行尋優(yōu)，在后續(xù)迭代過程中對權(quán)重進(jìn)行動態(tài)更新，使得簇頭選擇更加合理有效，在均衡網(wǎng)絡(luò)能效方面更加高效。 對改進(jìn)協(xié)議的鏈路、存活節(jié)點(diǎn)數(shù)量以及網(wǎng)絡(luò)剩余能量這三項(xiàng)指標(biāo)進(jìn)行實(shí)驗(yàn)對比，結(jié)果顯示均優(yōu)于其他三種協(xié)議。 改進(jìn)PEGASIS 協(xié)議在簇內(nèi)節(jié)點(diǎn)建鏈階段，只是通過小范圍建鏈的方式宏觀減少長鏈的生成，并沒有對此過程進(jìn)行很好的優(yōu)化，在今后的工作中將在此方面開展深入研究。