基于量子遺傳算法的無(wú)線傳感器網(wǎng)絡(luò)能量?jī)?yōu)化研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)是由大量具有通信和計(jì)算能力的無(wú)線傳感器節(jié)點(diǎn)組成的部署在目標(biāo)區(qū)域完成指定任務(wù)的自組織、自治、自適應(yīng)的多跳網(wǎng)絡(luò)。傳感器網(wǎng)絡(luò)的可移動(dòng)性決定了它應(yīng)用的優(yōu)越性和廣泛性，但是又由于其可移動(dòng)性，通常工作在野外且其能量主要由電池來(lái)提供，因此也導(dǎo)致了其能源供應(yīng)的局限性。作為多跳網(wǎng)絡(luò)且能量受限，因此無(wú)線傳感器網(wǎng)絡(luò)的路徑搜索算法和能量?jī)?yōu)化成為了近年來(lái)廣大學(xué)者的研究的兩大熱點(diǎn)問(wèn)題。量子遺傳算法是傳統(tǒng)遺傳算法與量子計(jì)算理論相結(jié)合而產(chǎn)生的新型隨機(jī)搜索

2、優(yōu)化算法。它不但繼承了傳統(tǒng)遺傳算法的高效并行的優(yōu)點(diǎn)，還同時(shí)具有種群規(guī)模小、搜索能力強(qiáng)、收斂速度快且最優(yōu)解穩(wěn)定性高等特點(diǎn)。因此其求解組合優(yōu)化問(wèn)題可以表現(xiàn)出優(yōu)越的性能。
　　 論文首先從遺傳算法出發(fā)分析其優(yōu)缺點(diǎn)，介紹了量子計(jì)算相關(guān)理論，引出量子遺傳算法并對(duì)量子比特編碼和量子比特更新這兩個(gè)關(guān)鍵內(nèi)容進(jìn)行了詳細(xì)的描述，給出了量子遺傳算法的突出特點(diǎn)。然后詳細(xì)描述將量子遺傳算法引入到無(wú)線傳感器網(wǎng)絡(luò)進(jìn)行路由搜尋的具體實(shí)現(xiàn)，通過(guò)路由搜尋結(jié)果與粒子

3、群優(yōu)化算法比較分析該算法應(yīng)用于網(wǎng)絡(luò)路由查找的相關(guān)性能。基于此量子遺傳算法進(jìn)行傳感器路由的模型，引入能量?jī)?yōu)化策略，平均化網(wǎng)絡(luò)各節(jié)點(diǎn)的能量消耗速度，提高網(wǎng)絡(luò)性能。
　　 在大規(guī)模傳感器網(wǎng)絡(luò)中，上述編碼方式下的量子遺傳算法由于網(wǎng)絡(luò)規(guī)模擴(kuò)大而導(dǎo)致算法復(fù)雜度過(guò)高，因此本文采用一種改進(jìn)的編解碼思路，減短大規(guī)模傳感器網(wǎng)絡(luò)下量子染色體的編碼長(zhǎng)度，解決傳統(tǒng)路由搜索算法無(wú)法滿足大規(guī)模網(wǎng)絡(luò)路由搜索和實(shí)時(shí)性的要求。
　　 論文利用Visual

4、C++6.0為主要編程工具，并利用MATLAB作圖，實(shí)現(xiàn)算法在無(wú)線傳感器網(wǎng)絡(luò)中的系統(tǒng)仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明：
　　 (1)量子遺傳算法應(yīng)用于傳感器網(wǎng)絡(luò)進(jìn)行路徑搜索比粒子群優(yōu)化算法具有更快的收斂速度和更優(yōu)的路徑搜索結(jié)果。
　　 (2)引入能量分級(jí)策略后，傳感器網(wǎng)絡(luò)融合中心處的各個(gè)節(jié)點(diǎn)的能量更為平均化，提高了網(wǎng)絡(luò)的生存時(shí)間。并且分析了合理選擇能量分級(jí)的級(jí)數(shù)，提高網(wǎng)絡(luò)生存時(shí)間的同時(shí)也滿足對(duì)路徑搜索的實(shí)時(shí)性要求。