Q学习和蚁群优化混合的无线传感器网络移动代理路由算法

doi:10.11772/j.issn.1001-9081.2013.09.2440

计算机应用 ›› 2013, Vol. 33 ›› Issue (09): 2440-2443.DOI: 10.11772/j.issn.1001-9081.2013.09.2440

Q学习和蚁群优化混合的无线传感器网络移动代理路由算法

党小超¹,²,³,姚浩浩²,郝占军¹,²,³

1. 甘肃省物联网工程研究中心, 兰州 730070
2. 西北师范大学计算机科学与工程学院, 兰州 730070;
3. 甘肃省物联网工程研究中心, 兰州 730070

收稿日期:2013-04-01 修回日期:2013-05-07 发布日期:2013-10-18 出版日期:2013-09-01
通讯作者: 姚浩浩
作者简介:党小超(1963-),男,陕西韩城人,教授,CCF会员,主要研究方向:计算机网络、无线传感器网络;
姚浩浩(1987-),男,安徽蚌埠人,硕士研究生,主要研究方向:计算机网络、无线传感器网络;
郝占军(1979-),男,河北邢台人,讲师,硕士,主要研究方向:计算机网络、无线传感器网络。
基金资助:
甘肃省发展和改革委员会项目

Mobile Agent routing algorithm for WSN based on Q learning hybrid with ant colony optimization

DANG Xiaochao¹,²,YAO Haohao¹,HAO Zhanjun¹,²

1. College of Computer Science and Engineering, Northwest Normal University, Lanzhou Gansu 730070, China;
2. Gansu Province Internet of Things Engineering Research Center, Lanzhou Gansu 730070, China

Received:2013-04-01 Revised:2013-05-07 Online:2013-10-18 Published:2013-09-01
Contact: YAO Haohao

摘要/Abstract

摘要： 针对无线传感器网络移动代理路由问题,提出了Q学习和蚁群优化混合的无线传感器网络移动代理路由算法。该算法综合了Q学习和蚁群优化算法思想,引入了新的路径选择概率模型,并对最优路径进行了有效的维护。仿真实验结果表明:该算法有效地提高移动代理选路效率,满足不同任务对时延的要求,增强了最优路径的可靠性,进一步降低了网络能耗。

关键词: 无线传感器网络, Q学习, 蚁群优化, 移动代理, 路由算法, 路径维护

Abstract: In view of mobile Agent routing problem in Wireless Sensor Networks (WSN), a mobile Agent routing algorithm for WSN based on Q learning hybrid with ant colony optimization was proposed. A new path choosing probability model was introduced and the optimal path was efficiently maintained in the algorithm. The simulation results show that the mobile Agent routing efficiency is highly improved and delay requirements in multiple tasks are fulfilled, the reliability of the optimal path is enhanced, and network energy consumption is reduced.

Key words: Wireless Sensor Network (WSN), Q learning, ant colony optimization, mobile Agent, routing algorithm, path repair

中图分类号:

TP393.02

党小超姚浩浩郝占军. Q学习和蚁群优化混合的无线传感器网络移动代理路由算法[J]. 计算机应用, 2013, 33(09): 2440-2443.

DANG Xiaochao YAO Haohao HAO Zhanjun. Mobile Agent routing algorithm for WSN based on Q learning hybrid with ant colony optimization[J]. Journal of Computer Applications, 2013, 33(09): 2440-2443.

[1]	杨乐, 张达敏, 何庆, 邓佳欣, 左锋琴. 改进猎人猎物优化算法在WSN覆盖中的应用[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2506-2513.
[2]	沈涵, 王中生, 周舟, 王长元. 基于多应用场景的改进DV-Hop定位模型[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1219-1227.
[3]	李大海, 詹美欣, 王振东. 基于多个改进策略的增强麻雀搜索算法[J]. 《计算机应用》唯一官方网站, 2023, 43(9): 2845-2854.
[4]	单飞桥, 王照伟, 沈跃. 基于精确时间协议的工业无线传感器网络时间同步方法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2255-2260.
[5]	于振华, 刘争气, 刘颖, 郭城. 基于自适应混合粒子群优化的软件缺陷预测特征选择方法[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1206-1213.
[6]	朱嘉豪, 郑巍, 杨丰玉, 樊鑫, 肖鹏. 基于蚁群算法优化反向传播神经网络的软件质量预测[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3568-3573.
[7]	姚华勇, 叶东毅, 陈昭炯. 考虑多粒度反馈的多轮对话强化学习推荐算法[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 15-21.
[8]	刘拥民, 杨钰津, 罗皓懿, 黄浩, 谢铁强. 基于双向循环生成对抗网络的无线传感网入侵检测方法[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 160-168.
[9]	田洪亮, 王佳玥, 李晨曦. 基于混合算法区块链和节点身份认证的数据存储方案[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2481-2486.
[10]	赵海妮, 焦健. 基于强化学习的渗透路径推荐模型[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1689-1694.
[11]	李开荣, 刘爽, 胡倩倩, 唐亦媛. 基于转角约束的改进蚁群优化算法路径规划[J]. 计算机应用, 2021, 41(9): 2560-2568.
[12]	李蒙蒙, 秦伟, 刘艺, 刁兴春. 结合头脑风暴优化的混合蚁群优化算法[J]. 计算机应用, 2021, 41(8): 2412-2417.
[13]	韦铭燕, 陈彧, 张亮. 针对混合变量优化问题的协同进化蚁群优化算法[J]. 计算机应用, 2021, 41(5): 1412-1418.
[14]	孙环, 陈宏滨. 基于萤火虫算法的无线传感器网络节点重部署策略[J]. 计算机应用, 2021, 41(2): 492-497.
[15]	樊小毛, 熊红林, 赵淦森. 带约束的清洁排班问题模型及其求解[J]. 计算机应用, 2021, 41(2): 577-582.

Q学习和蚁群优化混合的无线传感器网络移动代理路由算法

Mobile Agent routing algorithm for WSN based on Q learning hybrid with ant colony optimization

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics