【《无线Mesh网络的固定节点接力传输路径优化分析案例》3400字】

无线自组网络通信是一种比较常用的通信方式，无线自组网扩大传输距离是通过网络节点之间接力传输方式来实现。为了降低传输的冗余度，提高传输效率，数据在无线线自组网传输的过程中需要对传输路径进行优化。本文用改进的遗传算法对传输路径进行优化，通过仿真验证和和其他的算法进行对比分析，改进的遗传算法在传输路径优化中有更高的效率。无线自组网系统的基础设施成本比较低，所以被广泛地应用在安保、军工、新闻等多个通信领域中ADDINNE.Ref.{9E8134AA-CF42-4136-8689-68B916E7179E}[32-34]。无线自组网络与有线网络相比较，无线自组网络距离不受网线的长度的影响，具备无中心自组织、中继通信的能力。单个网络节点通信距离短、增加通信距离需要组网接力传输。为了降低传输的冗余度，提高传输的效率，需要设计算法对无线自自组网络中的网络节点间信号传输路径进行优化。刘熙明等提出了用A-star算法对无线自组网络进行路径优化ADDINNE.Ref.{4B7CF1C2-49B7-466E-AE8C-C63A3BE46164}[35]，有效地降低了路由开销。文献[36]和文献[37]是基于一些智能算法对无线路径自组网路路由进行优化ADDINNE.Ref.{158D8094-BB6B-43A4-BD24-2814E3A1BCDD}[17,36,37]，这些方法都是从能量消耗、网络延时等参数来评价网络传输路径的好坏。基于以上情况本文提出有两个适应值函数的改进遗传算法，通过比较算法的运行时间和网络传输路径的长短来综合考虑算法的有效性。MATLAB是一种比较常用的软件。MATLAB常用于软件仿真、数值分析，图像处理、电气仿真、有限元分析等应用领域。MATLAB是英文单词矩阵实验室（MatrixLaboratory）缩写而来的，是一种用于算法开发、数据可视化、数据分析和数值计算的高级技术计算语言和交互式环境NE.Cms_Insert。MATLAB在各个领域都有许多应用，其中在软件仿真、数值分析，图像处理、电气仿真、有限元分析等领域的应用尤其突出。MATLAB有三个非常突出的特点：1计算功能强大；2绘图非常方便；3功能强大的工具箱；除此之外，MATLAB还自带其他的可读可写的源文件，用户可以通过对源文件的调用实现其运算功能ADDINNE.Ref.{A55FA219-4CA7-4F27-B447-FB0C706BC7A3}[38]。MATLAB的系统主要有MATLAB开发环境、MATLAB数学函数、MAATLAB语言、MATLAB图像处理系统和MATLAB应用程序接口（API）五大部分组成ADDINNE.Ref.{06BBFD6B-D30E-4EEC-A8C7-274D0DCBC041}[39]。本文本章节采用MATLAB对已有的算法和改进的算法对网络路径进行规划和仿真。为了更加直观地了解多种算法路径长度的对比效果。首先考虑路径优化的环境数学模型的建立，本文可以网络节点传输区域进行网格化处理，具体做法为：将区域分割成若干面积相等的正方形区域，借鉴文献[37]和文献[40]使用的蜂窝型网络拓扑结构的情况ADDINNE.Ref.{86C3D3F4-1BFE-4C64-88E8-60427661C393}[37,40]将网络的节点布置在正方形的中心，每个网络节点可以朝着图3-1中的八个方向进行双向传输，经过以上考虑，可以建立以下传输的环境地图模型：每个边长为的正方形网格中心位置可以放置网络节点，也可以不布置网络节点，每个网络节点都是对等设备，网络节点可以与相邻的网络节点进行通信，二、为了简化模型，每个网络节点处与正方形网格的中心位置，网格从左下方的网格开始，一直到右上方的网格为止；进行依次编号，编号分别是（为网格的数量），如图3-2所示。网格与网格中心坐标的位置坐标存在一一对应的关系，他们的映射关系可以根据文献[41]的公式ADDINNE.Ref.{E01389BA-1A9C-459D-8C92-AD7648458F6F}[41]（3-1）来计算,其中mod为取余运算，int为取整运算。两个相邻网络节点的距离计算公式为公式（3-2）(3-1)(3-2)当网络节点与网络节点的横坐标和纵坐标有一个相等时，即或时，相邻的网络节点的传输距离为，（为正方形网格的边长距离），当网络节点与网络节点的横坐标和纵坐标都不相等时，即且时，相邻的网络节点的传输巨离为（为正方形网格的边长距离）。图3-1网络传输节点示意图图2-2正方形网格编图号面对复杂的网络拓扑结构，寻找路径是一个比较棘手的问题，在无线自组网网络路径优化协议中，有很多算法可以用来对无线自组网络传输路径进行优化，文献[42]应用了DSR算法等路由协议ADDINNE.Ref.{3552F262-345A-4746-8F8D-B71DF8742B55}[42]，但它们的重心在于优化能量消耗和数据吞吐量等性能参数。本文提出的基于遗传算法的优化改进算法，既对网络环境有很强的适应性；又能够在无线网络拓扑结构迅速建立一条有效的路径。综合上述原因，遗传算法有比较强的网络自适应性和自组织能力优化，遗传算法程序相对来说编写比较简单，不同于其他的算法设置的参数多，一般使用求解复杂目标函数的最大值和最小值。然而常规的遗传算法在求解全局最优解时在局部最优解上存在一些矛盾。各种解决方式是通过遗传算法的个体适应函数值向周围的个体的最大的适应函数值靠近，从而导致局部最优解。本文通过设置两个适应函数来优化遗传算法。从而达到全局最优解的目的。1.1.1遗传算法简介遗传算法是模拟生物基因遗传的算法，是一种仿生物的算法，他的基本过程：对群体编码组成初始化群体，将十进制的目标函数转换成二进制的目标函数。遗传操作的任务就是对群体的个体按照他们对环境的施加一定的操作，从而模拟生物学进化规律，这种操作分为三种分为选择、交叉、变异三种类型。（1）选择：从个体中选择适应值最大的个体遗传给下一代；选择就是选择适应值最大的个遗传给后代；选择的方法有轮盘赌选择法，适应读比例法和局部选择法。（2）交叉：交叉是指两个父代的个体进行交叉活动，不同的个体进行交叉的活动。（3）变异：变异是指对群体中的某些个体进行重组。三、算法终止：当个体适应值达到最大值时，或者达到设定的迭代次数，算法终止，得出最优解，算法原来个体的编码转换成十进制的编码。遗传算法对实际问题进行抽象出数学模型后，然后对参数进行编码，再按照生物学的方式用选择、交叉，变异等三个基本算子对编码进行运算，从而得到最优的个体的编码，最后再对个体的编码进行解码，得到参数的最优解。利用遗传算法解决实际问题，遗传算法算法流程图如下：图3-3遗传算法流程图1.1.2优化目标函数本文的算法是优化的遗传算法，优化的遗传算法的关键是选取合适的适值函数，本文选取的目标函数是在种群经过的所有点的集合的条件下，所有的网络传输节点的传输距离之和有最小值，传输网络中相邻的网络节点传输距离用公式（3-3）来表示（3-3）根据目标函数，选取的适应值函数，本文选取的适应值函数如公式（3-4），适应值为目标函数的相反数，目标函数都是正数，当个体k在目标函数能取到最小值时，个体k的适应值函数有最大值。对于种群的每个个体k，都有自己独立的适应值函数，简写为，n为种的个体数量，每个个体被选择的概率为公式（3-5）（3-4）（3-5）采用旋轮法实现对实现对适应值比较高的个体进行选择。在设置最大迭代次数，可以得到最短路径。本文的算法是利用改进的遗传算法是可以通过设置两个适值函数如公式（3-6）所示(3-6)L表示为个体从网络起始到网络目标节点总的传输路径长度。t表示个体从网络起始节点到网络目标节点的总时间。当个体的两个适应值和都为最大值时，可以既满足传输路径最短，又可以满足网络传输时间最短。为了和其他的算法进行对比，本文将蚁群算法作为比较对象蚁群算法流程图如图3-4所示，蚁群算法有五个重要的参数ADDINNE.Ref.{4CF4A282-3982-4329-9F2C-85906FB3E42F}[43]，分别是：为启发式因子，它能表示轨迹的重要性，为期望启发式因子，表示蚂蚁在寻路中启发信息的重要性；是一个启发式的函数，它和距离d成反比例，如公式（3-7）所示，信息素的挥发度和信息素强度Q。如公式（5）所示；从节点i到节点j，按文献[42]的概率公式（4）来选择下一个节点j，信息素更新公式也参照文献[42]式(5)ADDINNE.Ref.{965E0FE7-D855-4377-B6CB-D2470DFEC218}[43]如下:((3-7)(3-8)(3-9)图3-4蚁群算法流程图为了验证所提出基于遗传算法和蚁群算法在无线自组网络路径优化的作用，进行算法仿真实验，在总共有400个正方形网格地图的网格中心位置，布置323个网络节点其他的77个各个不布置网络节点，设置相同的网络起点和目标终点,对算法进行验证。进行实验的条件为Windows10操作系统，处理器为Intel(R)Core(TM)i7-8550UCPU,处理器的频率为1.8GHz，内存ROM大小为8GB。采用MATLABR2019a软件对上述算法进行验证，本文设置的正方形网络网格的边长距离a=1km，如图5所示，图中的白色的点表示正方形网格中心布置了网络节点，而黑色的地方表示正方形网格节点没有布置网络节点。图3-5网络节点布置示意图通过仿真可以得到遗传算法、改进的遗传算法和蚁群算法在网络节点规划的轨迹图、迭代次数图和表3-1中的对比数据图3-6蚁群算法图3-7蚁群算法的迭代次数图3-8遗传算法图3-9遗传算法的迭代次数图3-10本文的遗传算法