发明内容

本发明的目的在于提供一种基于遗传算法的能量异构无线传感器路由系统，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：包括簇头选举模块、集群构建模块和簇头多跳路径规划模块；

所述簇头选举模块对传感器节点进行筛选，将筛选出的多个最优个体组成最优个体集合，并将选举出的最优个体集合传输至集群构建模块，簇头选举模块用于选举最优个体集合；

所述集群构建模块对簇头选举模块传输的最优个体集合进行接收，最优个体通过寻找传感器节点组成集群，集群构建模块用于以簇头为中心选取合适的普通传感器节点形成新的簇；

所述簇头多跳路径规划模块通过遍历所有簇头节点并结合能量因素规划簇头到基站的最短路径，簇头多跳路径规划模块用于规划簇头到基站的最短路径。

进一步的，所述簇头选举模块包括初始数据接收单元、种群初始化单元、编码单元、个体适应值计算单元、交叉单元、变异单元和迭代计算单元；

所述初始数据接收单元通过在基站广播和传感器网络中查询所有传感器的节点信息，并将查询到的节点信息发送至基站，基站将接收到的所有传感器节点信息进行保存，同时对每个传感器节点进行标号，并将保存的所有传感器节点信息传输至种群初始化单元，初始数据接收单元用于将传感器的节点信息传输至基站和种群初始化单元；

所述种群初始化单元接收初始数据接收单元传输的所有传感器的节点信息，对传感器节点的具体数量进行统计，并根据传感器节点的具体数量设定种群规模，根据种群规模，随机生成初始种群，将随机生成的初始种群传输至编码单元，种群初始化单元通过设定的种群规模随机生成初始种群；

所述编码单元对种群初始化单元传输的初始种群进行接收，种群中每个个体都是一个变量序列，称为染色体或基因串，通过采用十进制编码的方式对每个节点对应的染色体基因进行编码，每个节点都有对应其染色体基因编码的唯一序列号，并将编码后的个体传输至个体适应值计算单元，十进制编码以数字的形式直接进行编号，适合求解最优群体问题，编码单元用于将每个个体以序列号的形式进行表示，便于对个体的染色体基因变化较为直观的进行观察判断；

所述个体适应值计算单元根据适应度函数对编码后的每个个体的适应度值进行计算，并将种群中的每个个体按照适应值从高到低进行排列，将重新排列后的种群传输至交叉单元，同时个体适应值计算单元对未达到最大迭代次数或适应值误差值不在允许范围内的新产生的个体进行接收，再次对其进行计算、选择、交叉和变异，个体适应值计算单元用于对编码后每个个体的适应值进行计算；

所述交叉单元对重新排列后的种群进行接收，在种群中每个个体的编码串中随机设置一个交叉点，然后随机选择一个个体在交叉点相互交换两个个体的部分染色体，并将交叉处理后的种群传输至变异单元，交叉单元用于对个体中的部分染色体进行交叉处理，交叉操作即对个体的染色体基因进行交换，选取交叉处理后形成的存活的新个体作为变异目标个体；

所述变异单元接收交叉单元处理后的种群，对交叉处理后的个体中的部分染色体进行变异操作，产生新的个体，并将变异后产生的新的个体传输至迭代计算单元，变异单元用于对交叉处理后的个体进行变异处理，个体在进行变异处理前需等待一段时间，避免个体交叉处理不完全，变异单元用于对交叉处理后存活的新个体中染色体基因序列取反，实现个体变异，并选择变异处理后存活的新个体作为迭代目标；

所述迭代计算单元接收变异处理后产生的新的个体，对新产生的个体进行迭代处理，将达到最大迭代次数或适应值误差值在允许范围内的新产生的个体输出，构成最优个体集合，将未达到最大迭代次数或适应值误差值不在允许范围内的新产生的个体输送至个体适应值计算单元再次进行相关处理，并将最优个体集合传输至集群构建模块，迭代计算单元用于在种群中选取多个最优个体，即选取多个最优簇头。

进一步的，所述个体适应值计算单元的适应度函数为：

其中，Fitness表示适应值大小，d_toBS为节点距离基站的距离，Neighbor为邻居节点数，E_{n_res}为节点的剩余能量，α、β和θ为权重系数，且权重系数满足α+β+θ＝1，权重系数根据影响适应度值的大小进行调整，i表示每个节点对应的标号，N表示节点的总数量。

进一步的，所述初始交叉概率设置为0.6，下一轮的交叉概率依靠上一轮交叉概率得出，交叉概率的具体计算公式为：

其中，P_c表示交叉概率，P_c1表示初始交叉概率，P_c2表示上一次迭代交叉处理得到的交叉概率，f_max是群体中最优个体的适应值，f_ang是种群的平均适应值，f′是待交叉的两个个体中较大的适应值。

进一步的，所述初始变异概率为0.1，下一轮的变异概率依靠上一轮变异概率得出，变异概率具体的计算公式为：

其中，P_m表示变异概率，P_m1表示初始变异概率，P_m2表示上一次迭代变异处理后得到的变异概率，f_max是群体中最优个体的适应值，f_ang是种群的平均适应值，f”表示变异个体的适应度值，初始变异概率还可以设置为小于0.1的数值。

进一步的，所述集群构建模块对簇头选举模块传输的最优个体集合进行接收，集合中的个体广播自己成为簇头的消息，普通传感器节点接收个体传播的消息，选择加入集合中的某个簇头，簇头和选择加入其的所有普通传感器节点构成集群，同时在构建过程中普通传感器节点根据簇头剩余能量、簇头与基站的距离和传感器节点与簇头的距离之间的关系判断具体加入哪个集群，集群构建模块用于以簇头为中心选取合适的普通传感器节点形成新的簇。

进一步的，所述簇头剩余能量、簇头与基站的距离和传感器节点与簇头的距离之间满足下列公式关系，具体的公式为：

其中，E_i表示的是第i个簇头节点的能量，表示h个簇头的平均能量，d_toCH为普通节点到簇头的距离，d_toBS为目标簇头节点与基站之间的距离，λ₁、λ₂和λ₃为比例系数，λ₁＝0.55，λ₂＝0.3，λ₃＝0.15，T_h表示综合指数。

进一步的，所述普通传感器节点根据综合指数T_h判断加入哪个集群的具体步骤为：

步骤一：选择一个普通节点，对每一个簇头与该普通节点之间的距离信息、簇头与基站之间的距离信息和簇头的剩余能量带入综合指数计算公式进行计算；

步骤二：将计算后得到的综合指数按照从大到小的顺序进行排列，保证所有簇头都被选中且完成计算，避免出现簇头被遗漏的现象；

步骤三：计算完成后，比较同一个普通传感器节点与不同簇头之间计算出的综合指数，通过比较综合指数大小判断普通传感器节点加入哪个集群，通过综合指数判断节点是否加入簇头，有利于减少能量消耗；

步骤四：遍历所有普通传感器节点，重复上述步骤，从而实现集群的划分与形成。

进一步的，所述簇头多跳路径规划模块通过Floyd算法结合簇头能耗规划簇头到基站的最短路径，具体的最短路径计算公式为：

距离判断条件：

D_{i_to}^2+D_{to_BS}^2＜D_{i_to_BS}^2；

其中，D_i-to为当前节点与下一跳节点间的距离，D_{to_BS}为下一跳节点与基站之间的距离，D_{i_to_BS}为当前节点与基站之间的距离；

当满足距离判断条件时，当前节点经过跳转节点再到达基站的能量消耗低于当前节点直接到达基站的能量消耗，当前节点经过一个个符合判定条件的中间节点最终到达基站的路径表示为最短路径，数据传输距离和消耗的能量呈现次方关系，距离判断条件为欧式距离的2次方形式，此举间接考虑了能量因素；

多跳传输判断条件：

其中，d₀为簇头到基站的临界距离，ε_fs为自由空间信道模型中功率放大器的能耗系数，ε_amp是多径衰落信道模型的功率放大系数，若端节点与基站之间的距离大于d₀，则端节点无法将节点信息传输至基站，此时需要通过中间节点将端节点的数据信息传输至基站，当端节点与基站之间的距离小于d₀时，无需进行多跳传输，可以直接通信，采用多跳通信，减少了能量消耗。

进一步的，所述Floyd算法结合簇头能耗规划最短路径的具体步骤为：

Step1：对簇头进行编号，将源节点编号放入路径集合S中；

Step2：判断源节点距离基站的最短路径是否求出，若求出则将路径集合S输出，若未完全求出，则寻找不在集合S中且与源节点具有最小距离的顶点U，U还需要满足距离判断条件；

Step3：若找到顶点U，则将顶点U并入集合S中，并对新集合重复步骤二的操作，并将U暂时当作源节点求解下一跳，若未找到顶点U，则判断当前节点与基站距离是否小于d₀，若小于d₀则自身为最后一跳，若大于d₀则遍历邻居节点，寻找可以与基站直接通信的最近的点作为最后一跳；

Step4：将最后一跳的编号加入集合S，得出最短路径。

与现有技术相比，本发明所达到的有益效果是：

1.本发明通过将簇头节点均匀分布，使加入对应簇头的传感器节点剩余能量和簇头剩余能量较不均匀分布的传感器节点和簇头的剩余能量多，进而使得传感器节点在作为簇头中继点时，收集、处理和转发簇头和传感器节点数据耗费能量较少，进一步增加了网络寿命和网络性能。

2.本发明通过采用多跳通信取代簇头的单跳通信，簇头数据包通信以多跳的方式进行，使得簇头到基站所消耗的能量更少，小于直接通信的能耗，通过规划最短跳转路径，进一步减少了大规模网络中数据通信的能耗。

3.本发明通过将簇头剩余能量、簇头与基站的距离、传感器节点与簇头的距离考虑到集群的构建中，使簇头和加入簇头的传感器节点符合“能者多劳”的原则，使得网络的负载更加均衡。