没有合适的资源?快使用搜索试试~ 我知道了~
基于鱼群优化的车载自组织网络路由算法.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 4 浏览量
2022-12-15
14:22:54
上传
评论 1
收藏 340KB DOCX 举报
温馨提示
试读
19页
基于鱼群优化的车载自组织网络路由算法.docx
资源推荐
资源详情
资源评论
车载自组织网络(vehicular Ad Hoc networks, VANET)是由车辆和路边基础设备(road
side units, RSU)组成的新一代移动多跳自组织网络。VANET
[1]
中的各节点通过信息交互,
为系统提供包括道路状况(车祸、道路损坏、车辆拥堵等)、可用资源(可充电电源、空闲停
车位等)、周期信标(车辆节点基本必要通信消息)等在内的多种消息。近年来,车载自组织
网络得到了快速发展,已成为智能交通系统的关键技术之一
[2]
。
VANET 在安全、运输效率和信息娱乐方面都存在大量潜在的应用
[3]
。VANET 的早期
应用大多是为了提高交通安全。近年来,在专用短程通信技术
[4]
(dedicated short range
communication, DSRC)频谱上,美国联邦通信委员会(federal communications commission,
FCC)预留的频段在被交通安全相关应用使用后仍有大量剩余,于是许多其他应用相继出现
[5]
。如 VANET 在交通控制和道路维护系统中的实时数据收集
[6]
、自动化控制、智能收费、
增强导航
[7]
以及一些特定的位置服务、音视频传输、各种移动端的娱乐服务
[5]
等各方面都发
挥了至关重要的作用。因此,优化 VANET 通信技术对更安全、更方便智能的交通具有重
要意义。
然而,VANET 中的节点具有高速移动的特性,网络拓扑时变性强,使用传统路由方
法将导致极低的数据包传输成功率
[8-9]
。如文献[10]已经证实在车辆通信半径为 250 m、平
均速度为 100 km/h 的道路上,节点间的通信链路存在 15 s 的概率仅为 57%。此外,在发生
交通事故、路面损坏等紧急情况时,消息无法及时传输将带来非常严重的后果
[11]
。因此,
研究适用于 VANET 的可靠高效路由算法很有必要。
针对 VANET 中对时延敏感的消息的传输需求,本文提出一种基于鱼群优化的车载自
组织网络路由算法。面对 VANET 动态变化的网络拓扑和网络拥塞情况,节点通过及时感
知邻居节点当前发送队列是否拥塞、邻居节点是否可靠、邻居节点位置等周围环境的变化
进行判断,选择消息传输的最优中继。
1. 相关工作
随着万物智联的发展,VANET 的需求越来越多
[12]
,其路由算法研究成为了近年来网
络领域的热点话题。在早期的移动自组织网络(mobile Ad Hoc network, MANET)研究中,研
究者们提出了基于位置的路由算法 GPSR
[13]
、动态源路由算法 DSR
[14]
、源驱动路由算法
AODV
[15]
等经典协议。近年来,越来越多的研究者将仿生学模型应用到 VANET 中,提出
了基于蛛网模型的路由算法
[16-17]
、基于蚁群优化模型的路由算法
[18]
、基于微生物的启发式
路由算法
[19]
等很多性能优越的算法。
文献[16]提出以源节点所在路口为中心建立蛛网模型,在消息传输前发送探测消息探
索蛛网,找到通往目的地的最优路径。在此基础上,文献[17]使用路边停驻车辆作为辅助
进一步优化了蛛网模型的性能。文献[18]利用蚁群优化模型,通过蚁群探测消息让网络中
的节点能够及时感知到周围路段情况,从而选出到达目的地的最优路径。文献[19]基于微
生物模型对传输的历史反馈消息进行学习。文献[13]提出了 VANET 中一种经典的路由算
法,该算法主要以贪心思想让当前节点在选择下一跳中继时总是选择距离目的节点最近的
邻居节点作为中继。目前,很多研究工作仍以该算法为基准进行对比和参考。
在最近的研究中,研究者们考虑了 VANET 拓扑动态变化的特征,并针对该特征设计
出了许多模型来提升路由性能。本文基于鱼群优化这一仿生模型,面向 VANET 中时延敏
感类消息的传输提出一种新颖的路由算法,能够在保证消息传输成功率的同时,进一步优
化传输时延,提升 VANET 的路由性能。
2. 鱼群优化模型
人工鱼群算法(artificial fish swarm algorithm,AFSA)
[20]
是通过模仿鱼类觅食、跟随、
聚集行为的智能优化算法,具有收敛速度快、效率高等优点。
觅食行为(prey):如图 1 所示,鱼类通过视觉感知水中食物浓度决定移动方向进行觅
食行为。
图 1 鱼类觅食示意图
下载: 全尺寸图片 幻灯片
在觅食行为中,假设某条鱼所在环境当前状态为 X
i
,食物浓度为 F(X
i
),在其视野范
围(D
i,j
<Visual)内随机寻找环境状态为 X
j
:
Xj=Xi+Visual×Rand()Xj=Xi+Visual×Rand()
(1)
如果 F(X
i
)<F(X
j
),则按照式(2)朝 X
j
的方向前进一步。
Xi(t+1)=Xi(t)+Xj−Xi(t)∣∣Xj−Xi(t)∣∣×Step×Rand()Xi(t+1)=Xi(t)+Xj−Xi(t)|Xj−Xi(t)|×Step×Rand()
(2)
否则,重新随机选择状态 X
j
,并判断是否满足前进条件。如果多次搜索后仍未找到合
适的 X
j
,则按照式(3)随机移动一步。
Xi(t+1)=Xi(t)+Step×Rand()Xi(t+1)=Xi(t)+Step×Rand()
(3)
跟随行为(follow):在鱼类觅食的过程中,当一条鱼或者几条鱼找到食物时,其他伙
伴会跟随而来。假设当前一条鱼所在环境状态为 X
i
,在其视野范围内(D
i,j
<Visual)探索邻域
伙伴所在位置 X
j
的食物浓度 F(X
j
),寻找使得 F(X
j
)最大的 X
j
(即该伙伴已找到食物浓度较高
的区域)。如果 F(X
j
)<F(X
i
)且 N
j
/N
i
<δ(N
j
为 X
j
区域内鱼的数量,N 为鱼的总数,δ 为拥挤因
子),表示 X
j
食物浓度较高且不太拥挤,鱼将按照式(2)向位置 X
j
前进一步;否则找寻次优
的 X
j
,多次尝试后仍无法找到时,执行觅食行为。
聚集行为(swarm):描述了鱼群会聚集在食物附近的现象。设鱼当前所在环境为 X
i
,
在其视野范围内(D
i,j
<Visual)探索伙伴数量 N
c
及其中心位置 X
c
。如果 X
c
所在位置的食物浓
度 F(X
c
)<F(X
i
)且 N
c
/N
i
<δ,表示该伙伴群中心食物浓度较高且不太拥挤,鱼将按照式(4)向位
置 X
c
前进一步;否则找寻次优的 X
c
,当多次尝试后仍无法找到时,执行觅食行为。
Xi(t+1)=Xi(t)+Xc−Xi(t)∣∣Xc−Xi(t)∣∣×Step×Rand()Xi(t+1)=Xi(t)+Xc−Xi(t)|Xc−Xi(t)|×Step×Rand()
(4)
随机行为(random):当鱼群无法找到食物浓度较高的邻域时会在视野内随机移动,是
觅食行为的一个缺省行为。
3. 系统模型及路由算法设计
3.1 VANET 系统建模
本模型将一片区域内由车辆组成的自组织网络类比作一片水域,并将负载较轻、传输
成功率高的车辆视为食物。网络中车辆会定时产生包含通信范围的消息,这些消息看作鱼
群辅助消息 (fish message, FM)。鱼类前进的每一步视作 FM 从当前节点到下一个节点之间
的一跳传输。每辆车有设备负载状态 θ 和传输成功率 μ 两个状态参数。食物浓度可以由式
(5)计算得到,其中 α 和 β 分别为设备负载情况和设备传输成功率的权重。
F(Si)=αθ+βμF(Si)=αθ+βμ
(5)
当 F(S
i
)大于阈值 γ 时,车辆 S
i
为食物车辆。
3.1.1 觅食行为
剩余18页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3964
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功