基于量子遗传算法的无线传感器网络QoS路由选择算法研究 第16页
5.3.2 基于量子遗传算法的无线传感器网络QoS路由选择算法参数设计
为了实现基于QGA的无线传感器网络QoS路由选择，我们对QGA算法的主要参数进行如下设计：
（1）判断链路eij的带宽B(eij)是否满足所需带宽B，若B(eij)<B，则把链路设为不可达链路，从而使计算机网络拓扑结构发现变化。
（2）种群初始化：一般来说，种群的初始化是在待求问题的解空间中随机选取的，仿真时，量子染色体中量子比特基因数由无线传感器网络的节点数N和任意节点的邻接点数K共同确定。初始种群中的量子染色体的Qubit基因均初始化为 ，这意味着一个染色体所表达的是其全部可能状态的等概率叠加，使种群具有更好的多样性特征，以有效客服早熟收敛。
（3）适应度函数的选取：适应度函数是用来评估每个染色体的好坏，并且是非负的。无线传感器网络的路由选择的主要目标是在满足带宽（B）、成本（C）等约束条件的情况下，达到节点能量消耗均衡，使网络节点的寿命达到最长，因此该问题的目标函数为：
Min (5-8)
在群体中，性能好(能量评价模型中 小)的个体适应度大，性能差(能量评价模型中 大)的个体适应度小。因此，适应度函数设为：
(5-9)
式中 为一正常数，仿真时取2。
（4）量子变异：考虑到程序实现的简单化，采用量子旋转门调整策略。
（5）终止条件：给定遗传操作代数G，当算法迭代次数达到G时终止。
另外，在生成路径的过程中，若路径的代价 则该路径p为无效路径。
5.4 仿真及结果分析
在100m×100m的区域内，分别随机部署20、80和160个传感器节点。在无线传感器网络中，相对于数据无线发送接收来说，节点进行运算和储存的能耗基本可以忽略不计，所以网络的生存时间主要取决于数据传输，即发送数据能耗和接收数据能耗。设定传输数据为512Kbit，节点初始能量为0.25j，发送和接收数据能耗为50nj/bit。为了将数据传输得足够远，放大电路功耗为100pj/bit/m2，数据融合的能耗为50nj/bit。另外，可用带宽最大不超过10MHZ，时延不超过500ms。业务要求带宽为W = 6MHZ，路径最小时延控制在500ms以内。本文分别从全网能量消耗和存活节点个数进行了性能对比。
（1）当随机产生网络拓扑节点数为N = 20时，源节点 =1，目的节点 =20，QGA与GA在求解无线传感器网络QoS路由问题时全网能量消耗对比，如图5.2；
图5.2 节点数N = 20时，全网能量消耗对比
其最优路径p和路径p能量消耗如表5.1所示。
表5.1 最优路径p和能量消耗
最优路径p 能量消耗（J）
GA （1，4，11，16，19，20） 0.9133
QGA （1，4，10，19，20） 0.4834
（2）当随机产生网络拓扑节点数为N = 80时，源节点 =1，目的节点 =80，QGA与GA在求解无线传感器网络QoS路由问题时全网能量消耗对比，如图5.3；
图5.3 节点数N = 80时，全网能量消耗对比
其最优路径p和路径p能量消耗如表5.2所示。
表5.2 最优路径p和能量消耗
最优路径p 能量消耗（J）
GA （1，3，47，69，10，36，80） 0.9642
QGA （1，3，29，35，80） 0.2741
（3）当随机产生网络拓扑节点数为N = 160时，源节点 =1，目的节点 =160，QGA与GA在求解无线传感器网络QoS路由问题时全网能量消耗对比，如图5.4；
图5.4 节点数N = 160时，全网能量消耗对比
其最优路径p和路径p能量消耗如表5.3所示。
表5.3 最优路径p和能量消耗
最优路径p 能量消耗（J）
GA （1，84，109，67，93，38，160） 1.1511
QGA （1，123，7，109，155，160） 0.3896
由仿真结果可知，无论随机生成的无线传感器网络的结点如何变化，QGA获取的最优路径p能量消耗要低于GA。
另外，以160个传感器节点为例，对无线传感器网络用GA和QGA分别进行从源节点 =1到目的节点 =160的QoS路由选择。每选择到一条路径p，其对应节点能量将降低。如此反复，无线传感器网络中将出现能量为零的节点（即失效节点），并且最后会使得从 =1到 =160不存在有效路径。表5.4记录了GA和QGA第一次出现失效节点的轮数和最终有效节点个数。
表5.4 第一次出现失效节点轮数和有效节点个数比较
第一次出现失效节点的轮数 有效节点个数
<< 上一页 [11] [12] [13] [14] [15] [16] [17] [18] 下一页
基于量子遗传算法的无线传感器网络QoS路由选择算法研究 第16页下载如图片无法显示或论文不完整，请联系qq752018766
