申请/专利权人：重庆邮电大学

申请日：2023-12-22

公开（公告）日：2024-04-19

公开（公告）号：CN117915420A

主分类号：H04W40/02

分类号：H04W40/02;H04W40/04;H04W40/32;H04W84/18;G06N3/006;G06F18/23213;G06F18/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明涉及一种基于混合信息素蚁群优化的无人蜂群分簇路由方法，本发明属于信息和通信技术领域。该方法针对无人蜂群自组网节点移动性强、网络拓扑变化频繁等情况的问题。首先将蚁群算法引入到被动路由协议中，通过引用一种混合信号强度，然后计算网络密度的大小和节点移动的速度各种重要参数的信息素，然后改进无人蜂群网络MAC层协议，结合聚类分簇改进传统蚁群优化算法，形成新算法KAPSR。该算法将K‑Means聚类与物理层802.11中的能源消耗率、网络层感知选路相结合，接着改进自适应Hello间隔算法。使用K‑Means聚类的方法以减少寻路网络洪泛对网络资源的使用，同时依照节点多态感知，对路径中的节点剩余功率的百分比、高速缓存利用率、节点间的信号强度作为信息素对选路进行联合判断，同时在活跃路由上依据无人蜂群网络密度设置自适应Hello消息间隔作为部分信息素数据的提取，使其在不影响数据投递率的情况下，降低端到端时延、路由开销和能量消耗，延长网络生存时间。

主权项：1.一种基于混合信息素蚁群优化的无人蜂群分簇路由方法，其特征在于，提高了无人机群传输信息的可靠性，包括以下步骤：步骤1：将蚁群算法引入到被动路由协议中。它需要整合跳点数、负载、Hello消息信号强度和节点能量等信息来构建一个信息素参数，通过返回的RREP路由控制信息进行选择。为了解决路由漏洞的问题，该节点可以存储多条路由到目标节点。步骤2：引用一种混合信号强度方法，计算网络密度的大小和节点移动的速度各种重要参数的信息素。无人蜂群网络由于所执行任务的不同，但可以划分为低密度和高密度任务。同时改进无人蜂群网络MAC层协议，改进自适应Hello间隔算法。由于无人蜂群网络的特点，在确定Hello时间间隔时，必须考虑节点速度的影响。步骤3：结合聚类分簇改进传统蚁群优化算法，形成新算法KAPSR。为了改进K-means算法在特定情况下的弊端，可以采取一系列策略以提升其性能和效果。首先，K-means算法对于初始聚类中心的敏感性可能导致收敛到局部最优解。为应对此问题，可以进行多次运行K-means，每次采用不同的随机初始聚类中心，然后选取最小代价函数值所对应的聚类结果，从而降低对初始值的依赖。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于混合信息素蚁群优化的无人蜂群分簇路由方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD