结合无线传感器网络的特点,即能量有限,在无线传感网络路由中引入蚁群算法,并提出改进的IARA算法。在考虑节点的能量、传输方向和节点间距离等因素的基础上,结合Matlab仿真以及解析数值等方法,具体从如下几方面改进蚁群算法,其一启发函数;其二更新信息素;其三概率选择公式。通过仿真表明,该算法具有多方面优势,具体体现在能量消耗少以及生存周期长等方面。 不易出现关键节点完全失效的问题，即相应的出现网络瘫痪的机率也会较小，这样一来，即有延长网络生存时间的作用。从图3中可以看出，IARA和ACO分别在930、710轮时全部节点死亡，因此IARA算法的生命周期比ACO要长，达到了预期的效果，证明了算法的有效性。图2能量消耗图3死亡节点数总结本文基于无线传感器网络的特殊性，即节点能量少，引入具有健壮性传感器网络的路由优化-数控滚圆机滚弧机张家港电动滚圆机滚弧机折弯机、传感器网络的路由优化-数控滚圆机滚弧机张家港电动滚圆机滚弧机折弯机自组织性、自治性等优点的蚁群算法，提出改进的蚁群路由算法IARA，在基本蚁群算法的基础上综合考虑了节点的能量、距离、传输方向等参数。仿真结果表明：通过该算法解决了无线传感器网络瓶颈问题，即能耗大、网络生存时间短，形成了节能、快速的路由来满足网络使用需要。参考文献[1]段海滨.蚁群算法及其应用[M].北京:科学出版社20两者的权重值分别为α、β。假设α值较大，则对应的信息素浓度发挥的作用相对较大，换言之即蚂蚁会以已经走过的路径为主，彼此间具有较强的协同能力；相反的如果β值较大，则对应说明启发函数可发挥更大的作用，此时以未探索过的节点为主，换言之即蚂蚁具有较强的探索能力，可探索新节点。本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ θ为下一跳节点next,源节点source和目的节点destination的夹角；γ为定义的常量，指明了传输方向对节点路由选择的影响程度。如图1所示，即为θ的示意图，通过该图可充分说明，假设θ越小，那么对应的13dd越小，传输方向越接近于节点next到destination节点的连线方向，且（5）图1传输方向F本地启发函数蚂蚁从节点i转移到节点j的期望程度用启发函数ij表示。由于最初是针对TSP的问题而提出该算法，所以启发函数并未充分考虑其它因素，仅以两节点的距离为考量重点。而无线传感器网络，除应充分重视距离因素之外，还需综合考虑诸如节点、邻居节点剩余能量等多方面的问题。基于此，如式（6）所示，即为本文的启发函数定义：()()1()/()icurrentijcurrentiijkNkEjEkNkd（6）式（6）中，E(j)current为节点i的邻居节点j当前剩余能量；()iNk表示集合节点i的邻居节点集合；()()kNkcurrentiEk为节点i所有邻居节点的剩余能量。节点剩余能量与该节点是否会被选择有直接的关系，节点的能量水平越低，被选择的概率也会越低；ijd表示的是节点i和节点j之间的距离。传感器网络的路由优化-数控滚圆机滚弧机张家港电动滚圆机滚弧机折弯机本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/