期刊信息
曾用名:量子电子学
主办:中国光学学会基础光学专业委员会;中国科学院合肥物质科学家研究院
主管:中国科学院
ISSN:1007-5461
CN:34-1163/TN
语言:中文
周期:双月
影响因子:0.365217
数据库收录:
文摘杂志;北大核心期刊(2000版);北大核心期刊(2004版);北大核心期刊(2008版);北大核心期刊(2011版);北大核心期刊(2014版);北大核心期刊(2017版);化学文摘(网络版);中国科学引文数据库(2011-2012);中国科学引文数据库(2013-2014);中国科学引文数据库(2015-2016);中国科学引文数据库(2017-2018);中国科学引文数据库(2019-2020);日本科学技术振兴机构数据库;中国科技核心期刊;期刊分类:无线电电子学;物理学
期刊热词:
学术活动_第十三届全国光学前沿问题讨论会论文摘要集
一种QACO-LEACH无线传感器网络分簇路由算法(3)
【作者】网站采编
【关键词】
【摘要】其中,表示蚂蚁k的转移概率,l表示所有可能取值,α(α≥0)为信息启发式因子,ηij为边弧(i,j)的可见度,其表达式为 式中dij为相邻两个簇头节点之间的距离,β(β≥
其中,表示蚂蚁k的转移概率,l表示所有可能取值,α(α≥0)为信息启发式因子,ηij为边弧(i,j)的可见度,其表达式为
式中dij为相邻两个簇头节点之间的距离,β(β≥0)为期望的启发式因子,μj为节点j的量子信息强度,其表达式为
式中|αj|2表示第j个量子位的量子态坍缩到|0>的概率,γ(γ≥0)为量子比特启发式因子.
4.2.3 路径信息素强度更新规则
在QACO中,信息素强度越高的地方,表明路径越好,因此需要及时更新信息素强度[10].在每个蚂蚁分别完成对各个路径的搜索选择之后,将所有单个蚂蚁的搜索结果映射到最优解空间中,从而完成蚂蚁当前位置信息素强度τij的局部更新.路径信息素强度的更新方程为:
式中,ρ(0≤ρ<1)为路径信息素的持久性,为边弧(i,j)之前的路径信息素强度,是边弧(i,j)更新之后的路径信息素强度,是蚂蚁k在边弧(i,j)上留下的单位长度轨迹信息素数量.
4.2.4 具体实现步骤
1)times←0(times表示迭代次数或搜索次数);对每个τij和Δτij进行初始化;将每个蚂蚁各自放在待搜索区域的中心位置,待搜索区域的大小可根据蚂蚁的数量和所占空间大小来确定;
2)在此时的解集中放置所有蚂蚁最初的位置信息;对每一个蚂蚁k都进行最优路径搜索,根据概率转移到j的领域;
3)对每个蚂蚁下一步的前向目标函数Zk进行计算,并记录此时的最优解;
4)根据量子进化算法中表示量子行为的迭代方程,对蚂蚁所在区域周围路径进行区域搜索,并对目标函数进行优化;
5)针对蚂蚁周围的各个路径信息素浓度的改变,可使用更新方程对各个轨迹强度进行更新;
6)每只蚂蚁k的数据变化:Δτij← 0;times←times+1;
7)如果times< 预期的搜索次数而且没有退化行为(即搜索到的都是相同解),则转回步骤(2);
8)输出当前的最优解.
5 仿真实验与结果分析
为了验证本文提出的QACO-LEACH算法在无线传感器网络寻找最优路径和节约能耗中的优势,在Matlab2016a平台上分别对最优路径、分簇效果和能量消耗进行了仿真对比.
5.1 QACO-LEACH与ACO-LEACH搜寻最优路径效果对比
在100m×100m的正方形范围中,随机分布50个簇头节点.算法中参数分别设置为:α=0.9,β=1.8,ρ=0.8,γ=0.9.其中设置两个固定点:起始节点A(10,20),目的节点B(25,45).分别使用ACO算法和QACO算法选择从A点到B点的最优路径,仿真结果如图2所示.
图2 最优路径长度收敛曲线Fig.2 Optimal path length convergence curve
由图2明显看出,本文提出的QACO-LEACH最小路径长度始终小于ACO-LEACH,仿真结果表明,该算法在寻找最优路径方面具有更好的优势,达到了预期目标.
QACO的性能优于ACO是因为,对于基本蚁群算法来说,其在某一路径上不断增加的信息素含量,使得运行的结果更容易陷入局部最优.这种情况必定会导致无法更好的在整个网络中找寻到最优路径.相比之下,量子进化算法中,一个量子可以有三种状态:|0>态、|1>态以及|0>和|1>之间的任意叠加态.所以一个量子位所处的状态可以表述成|ψ>=α|0>+β|1>,α、β是实数,表示一个量子位所处状态的概率幅,同时此概率幅满足归一化的条件,即为|α|2+|β|2=1.因为量子比特可以处于|0>和|1>之间的任一连续状态中,因此量子优化算法可以表现出更多的状态和更多的多样性.所以QACO融合了量子进化算法和蚁群算法的优点,将信息素用量子编码来表示,可以解决搜寻最优路径时,信息素聚集过快的问题.通过使用量子旋转门,达到跳出局部最优进而使搜索继续进行下去的目的,最终搜寻到全局最优路径.
5.2 QACO-LEACH协议与其他协议分簇和节能效果对比
现分别在同一场景中对比LEACH协议、ACO-LEACH协议和QACO-LEACH协议在分簇和节能方面的表现效果.具体仿真环境与参数如表1所示.
参 数 值参数 值网络范围 (0,0)-(200,200)m基站位置 (100,275)节点数量200簇的数量50数据包大小2000bit数据包头大小50bit初始能量0.1Jαβργ
5.2.1 QACO-LEACH与其它协议的分簇效果对比
在同样实验场景中,对LEACH协议、ACO-LEACH协议和QACO-LEACH协议在分簇阶段的效果进行对比.图3-图5分别为同一轮中三种协议的分簇结果.
图3 LEACH分簇结果仿真图Fig.3 LEACH clustering result simulation diagram
由以上各分簇仿真图看出,LEACH和ACO-LEACH分簇结果不太均匀, 很多簇头之间距离过近, 甚至出现两个临近簇头“重叠”现象.而QACO-LEACH的分簇结果相对更加均匀,未出现簇头“扎堆”现象,表明本文在LEACH基础上,加入的L参数有效的避免了簇头距离过近的现象,增加了簇头的整体分布合理性,达到了预期分簇效果.
文章来源:《量子电子学报》 网址: http://www.lzdzxbzz.cn/qikandaodu/2020/1224/400.html
上一篇:首次验证硅双量子比特保真度
下一篇:一种新的自适应量子遗传算法研究