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
一种无线传感器网络分簇路由算法(2)
【作者】网站采编
【关键词】
【摘要】其中,L的表达式为: 式中,S是检测区域的面积,N是传感器节点的数目,P是簇头节点占总节点数的比例. 在簇间路由阶段,主要进行的工作就是数据传输,而数据传
其中,L的表达式为:
式中,S是检测区域的面积,N是传感器节点的数目,P是簇头节点占总节点数的比例.
在簇间路由阶段,主要进行的工作就是数据传输,而数据传输主要采用的方式就是在簇头节点与Sink节点之间进行多跳通信.本文在这种多跳通信中引入QACO算法,找出距离较远的簇头节点与Sink节点之间的最优路径.在该最优路径中进行数据传输,可以大大降低远离Sink节点的簇头节点的能耗,从而延长了整个网络的生命周期.本算法流程图如图1所示.
图1 QACO-LEACH算法流程图Fig.1 QACO-LEACH algorithm flow chart
4 算法的实现过程
4.1 簇形成阶段
簇头被选定之后,即以广播的形式向其周围节点发送当选簇头的消息.周围节点随后判断自身与簇头节点之间的距离大小,选择距离近的簇头节点并加入该簇.以此类推,各个节点自组织的加入各自的簇,直到所有节点分簇完成.实现步骤和一些伪代码如下:
Step 1.对所有参数值以及用得到的数据表进行初始化,同时在N×N的正方形区域内随机分布适量的节点,并将每个节点的坐标(x,y)记录下来.
Step 2.Q=Rand(0,1)//各个节点选择随机数
If (Q < T(n)) //T(n)的公式见式(2)
Position=Cluster Head //当选簇头
Broadcast //以广播形式向其他节点发送当选簇
If (Position=Cluster Head)
Listening
If (临近的两个簇头节点互相接收到对方发送的消息)
If (它们之间的距离
比较它们的剩余能量大小,大的即为簇头,小的自动成为
End
其中,p表示簇头数量占总节点个数的百分比;Ecurrent是节点此时的能量;r表示此时的轮数;Emax是节点的初始能量值;G是在最后1/p轮中仍然没有当选簇头的节点集合.
簇头选择完成.
Step 3.剩余的所有未当选簇头的普通节点,判断自身与簇头节点之间的距离大小,选择距离近的簇头节点并加入该簇.以此类推,各个节点自组织的加入各自的簇,直到所有节点分簇完成.
4.2 簇间路由阶段
4.2.1 初始种群产生
在QACO中,蚂蚁种群初始化时,以随机的方式对代表每只蚂蚁当前位置的信息进行初始化编码.可以使用如下方案进行编码:
其中,θij=2π×rand;(i,j=1,2,…,m),m是种群规模,n是空间维数,rand是(0,1)之间的随机数.由该方案可知,两个量子态 |0>和|1>的概率幅各自代表了每只蚂蚁在空间中所占据的两个位置信息.因此,当蚂蚁的数量相同时,蚂蚁的搜索空间增大为原来的两倍,这一特点自然会使得收敛速度大大加快[8].
qi0为|0>态位置,qi1为|1>态位置.在选择路径时,分别使用一个染色体基因的因子代表每一个待选路径.当某条路径被选中时,其因子将被置1,若未被选中,则置0.在完成了这些工作之后,即可进行量子进化算法的操作.
4.2.2 蚂蚁位置更新与变异处理
在蚁群算法中,种群在搜索空间中多样性的丢失,容易导致陷入局部最优[9].因此,为了避免出现局部最优的情况,我们就需要提高种群多样性.本文采用的方式是将变异算子引入到进化算法中.在量子蚁群算法中,将传统ACO中蚂蚁经过之后路径信息素强度的增加量转变为量子旋转门旋转角的更新.该方式可以保证信息素向最优目标解的方向坍缩,信息素的更新以及量子旋转门的使用如式(6)(7).
其中:Δθ是旋转的角度大小,这里使用自适应的方式来调整量子旋转角Δθi的方向和大小,可以避免采用查询表的方式所带来的不便.调整方式如式(3)所示,容易得出对于旋转角的每一次调整,一定可以让信息素的更新趋势朝着目标最优解的方向调整.
其中:是当前搜索得到的全局最优解里某个量子位的概率幅;α1、β1是当前解里面相应量子位的概率幅.转角的方向选取规则是:当A≠0时,方向是-sgn(A);当A=0时,方向取正或者取负都可以.而其中Δθ的值是:
其中:G是设置好的最大迭代次数,t是当前的迭代次数.最初执行算法时Δθ的值相对较大,这样可以保证搜索的范围更大,使算法的搜索空间更大,同时可以更好的跳出局部最优,防止过早陷入局部最优.随着迭代次数不断增加,Δθ的值会变得越来越小,因此可以确保算法在局部的更新能力.
然后,利用更新后的量子旋转门,对代表蚂蚁此时位置信息的量子比特进行更新,即完成了蚂蚁位置的移动.自此,只须改变每只蚂蚁的量子位概率幅,就可实现蚂蚁位置的变动.蚂蚁转移概率方程为:
文章来源:《量子电子学报》 网址: http://www.lzdzxbzz.cn/qikandaodu/2021/0301/515.html
上一篇:两级独立预冷的液氦温区小型制冷系统热力学分
下一篇:史上最高科技邮轮海洋量子号