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 出版日期:2013-09-01 发布日期:2013-10-18
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]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	汪虹余, 张彧, 杨恒, 穆楠. 基于蚁群优化算法的弱光图像显著性目标检测[J]. 计算机应用, 2021, 41(10): 2970-2978.
[7]	胡润彦, 李翠然. 基于模糊控制的自供能无线传感器网络分簇算法[J]. 计算机应用, 2020, 40(9): 2691-2697.
[8]	韩雨涝, 房鼎益. 基于链路交点相对位置信息的轻量级覆盖空洞检测算法[J]. 计算机应用, 2020, 40(9): 2698-2705.
[9]	熊勇, 张加, 余嘉俊, 张本任, 梁萱卓, 朱奇舸. 船舶三维管路智能布局优化算法[J]. 计算机应用, 2020, 40(7): 2164-2170.
[10]	郑延斌, 樊文鑫, 韩梦云, 陶雪丽. 基于博弈论及Q学习的多Agent协作追捕算法[J]. 计算机应用, 2020, 40(6): 1613-1620.
[11]	韩雨涝, 房鼎益. 联合无线充电与数据收集的移动充电装置多目标路径规划算法[J]. 计算机应用, 2020, 40(6): 1745-1750.
[12]	曹小威, 曲志坚, 徐玲玲, 刘晓红. 基于胶囊网络的三维模型识别[J]. 计算机应用, 2020, 40(5): 1309-1314.
[13]	陈立潮, 郑佳敏, 曹建芳, 潘理虎, 张睿. 基于胶囊网络的智能交通标志识别方法[J]. 计算机应用, 2020, 40(4): 1045-1049.
[14]	许英鑫, 孙磊, 赵建成, 郭松辉. 基于蚁群优化算法的虚拟现场可编程门阵列部署策略[J]. 计算机应用, 2020, 40(3): 747-752.
[15]	卢光跃, 周亮, 吕少卿, 施聪, 苏可可. 基于图信号处理的无线传感器网络异常节点检测算法[J]. 计算机应用, 2020, 40(3): 783-787.

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