基本信息
- 项目名称：
- 一种基于水田模式及网络能量的WSN路由模型
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 信息技术
- 大类：
- 科技发明制作B类
- 简介：
- 无线传感网络在军事、医疗以及工农业等领域已被广泛应用。本作品在基本蚁群算法的基础上，参考各种基于经典蚁群算法的改进算法，对网络能量、拓扑等方面做了进一步的研究和改进，在保证传输速率的基础上更有效地利用网络能量。在农业现代化逐渐普及的中国市场，本作品必将在精细农业监控上发挥着重要作用。
- 详细介绍：
- 无线传感网络在军事、医疗以及工农业等领域已被广泛应用，未来发展更会与我们的生活息息相关。本作品在基本蚁群算法的基础上，参考各种基于经典蚁群算法的改进算法，对网络能量、拓扑等方面做了进一步的研究和改进。 本作品所提出的EERBA算法，在基本蚁群算法的基础上，引入了基于能量的递减参数e，调节节点链路的信息素，兼顾网络能量使用和数据传输速率，避免盲区的出现，改善了由于蚁群算法路由过分利用最短路径造成个别节点能量消耗过快而导致网络稳定性不高的弊病，从而在保证传输速率的基础上有效地利用网络能量。 在农业现代化逐渐普及的中国市场，本作品更利于珠三角地区丘陵地貌等地理环境中无线传感器网络节点的使用，结合实际，其必将在精细农业监控上发挥着重要作用。
作品图片
作品专业信息
设计、发明的目的和基本思路、创新点、技术关键和主要技术指标
- A. 作品设计、发明的目的： （1）提出一种平衡网络能量的新算法EERBA （2）均衡地使用网络的能量，降低网络节点的重复使用率，延长节点的寿命 （3）增强网络拓扑性，减少网络由于路由重构而引起的能量消耗 （3）减少丢包率，提高网络传输质量 （4）将本算法推广应用于水田或丘陵等地理环境。 B. 作品基本思路： （1）引入基于能量的递减参数e，通过信息素的递减避免链路的重复使用 （2）用NS-2网络仿真软件对模型进行算法仿真，测量网络平均能量、网络节点剩余能量方差、标准差、丢包率、跳数等参数 （3）制作硬件仿真节点，构建模拟矩阵网络模型对本算法进行仿真模拟。 C. 创新点： （1）兼顾网络能量和数据传输速率，避免出现盲区 （2）算法简单，运算速度快，克服死锁问题 （3）有利于在广东省丘陵地貌等地理环境中使用。 D. 技术关键： 引入信息素修改公式，实现蚂蚁信息素正负反馈双向操作，克服盲区。引入基于能量的递减变量，避免死锁。 E. 主要技术指标： （1）随机选择网络运行时刻，网络所有节点剩余能量标准差相对于基本蚁群算法有明显下降，表示网络节点能量使用比较均衡 （2）随机选择网络节点，在网络运行始末，节点信息素呈现震荡状态，表示在网络运行过程中，路由曾经出现重构 （3）网络所有节点能量下降曲线斜率小于基本蚁群算法，表示整个网络的能量更加节省 （4）节点平均丢包率相对基本蚁群算法有明显下降 （5）网络运行时间为基本蚁群算法的1.32倍。
科学性、先进性
- 本作品相对于基本蚁群算法以及很多改进型的蚁群算法如FEURA算法、EEABR算法、ACO算法、DATA算法等，在网络生存时间，能量均衡使用以及增强网络拓扑性和鲁棒性，避免死锁等问题上均有明显优势。下面主要以本申报书中出的EERBA算法与基本蚁群算法以及LEACH-EI算法进行对比。 1.基本蚁群算法 基本蚁群算法具有良好的鲁棒性和很高的数据传输速率，但是由于没有考虑到无线网络能量的局限性，容易造成网络局部坏死。 2.LEACH-EI算法 LEACH-EI算法虽然该算法考虑到节点能量消耗问题，但是使用簇头传送数据会减慢数据传送速率。 3.EERBA算法 本算法根据节点剩余能量水平对信息素浓度加以修正，加快能量水平较低的节点的信息素衰减。既保持较快的数据传输速率，同时平衡网络各节点的能量水平，延长网络的工作时间。 经过软件仿真实验，EERBA算法相对于基本蚁群算法，无线网络生存时间延长1.3倍以上。
获奖情况及鉴定结果
- 2011年3月获华南农业大学“丁颖杯”课外学术科技作品竞赛校级一等奖
作品所处阶段
- 实验室阶段
技术转让方式
- 无
作品可展示的形式
- ■模型 ■图纸 ■现场演示 ■ 图片 ■录像
使用说明,技术特点和优势,适应范围,推广前景的技术性说明,市场分析,经济效益预测
- 使用说明：本作品在基本蚁群算法的基础上进行修改，可以使用于802.11协议、MAC协议、S-MAC协议等底层路由协议。 技术特点和优势：本作品最大的优势就是在加强对WSN网络中节点的监控，对网络中节点间的数据传输进行优化，进一步延长网络生命周期。 适用范围及市场推广前景分析：目前，WSN技术已经被广泛应用于很多领域，主要用于实时监测、温度、湿度、噪音和有害气体浓度等物理信息，在军事、农业及环境应用、智能交通等方面都有着广阔的应用前景。 本作品的产品定位主要是精细农业监控。特别是向节约化精准农业发展，这也符合了未来农业发展的趋势。 在高密度饲养场中运用此项技术，建立动物监测平台，对动物的健康状况（包括动物饲料的供给，造成动物大规模死亡的病毒等等）进行无盲区监控，降低生产和饲养成本，也是当前发展的热点之一。此外，在水文监测，大气监测，鸟类、昆虫等小动物运动追踪，森林火灾隐患的信息收集，道路、交通、桥梁的故障排除以及电网由于冰雪故障引起的断路或短路等领域都具有相当明显的应用前景。
同类课题研究水平概述
- 蚁群路由算法国外研究水平： 根据蚂蚁“寻找事物”的群体行为，意大利学者Dorigo M等于1991年在法国巴黎召开的第一届欧洲人生命会议上最早提出了蚁群算法基本模型；1992年，Dorigo M又在其博士论文中进一步阐述了蚁群算法的核心思想。2000年，Dorigo M 和Bonabeau E等在国际顶级学术刊物《Nature》上发表了蚁群算法综述，从而把这一领域的研究推向了国际学术的最前沿。 进入21世纪的最近几年，国际著名顶级学术刊物《Nature》曾多次对蚁群算法的研究成果进行报道，《Future Generation Computer Systems》和《IEEE Transactions on Evolutionary Computation》分别与2000 和2002出版了蚁群算法特刊。如今，在国内外许多学术期刊和会议上，蚁群算法已经成为一个备受关注的研究热点和前沿性课题。Gutjahr W J于1999年撰写的技术报告和2000年发表的学术论文在蚁群算法发展史上有着特殊的作用，因为这两篇文章首次对蚁群算法的收敛性进行了证明。 蚁群路由算法国内研究水平： 我国在蚁群算法领域研究起步较晚，国内最先研究蚁群算法的是东北大学控制仿真研究中心的张纪会博士与徐心和教授。 基于蚁群优化算法(ACO)，Xiaoming Wang 等人提出新颖的自适应智能路由算法(简称ACLR)。FMEPNF是刘徐迅等人提出一种集能耗、时延、鲁棒性和传输效率等于一体的多目标路由，且各目标的权重可以根据实际情况进行调节，具有较强的灵活性，这是一种正反馈和负反馈并存机制的蚁群算法。而刘玲等人在基于蚂蚁算法的分布式数据汇集算法(DADC)的基础上进行改进，提出一种基于蚂蚁算法的无线传感器网络数据融合路由算法(DABA)。 蚁群算法自创立以来十多年的发展历程，目前人们对蚁群算法的研究已经由当初单一的TSP领域渗透到了多个应用领域。由解决一维静态优化问题发展到解决多维动态组合优化问题，由离散域范围内研究逐渐拓展到了连续域范围内研究，而且蚁群算法的硬件实现上取得了突破性进展，同时在蚁群算法的模型改进与其他仿生优化算法也取得了相当丰富的研究成果，从而使这种新兴的仿生优化算法展现出前所未有的勃勃生机，并已经成为完全可与遗传算法相媲美的仿生优化算法。
