基于改进萤火虫群优化的无线自组网路由算法*

刘建娟

（河南工业大学电气工程学院，河南南阳450001）

基于改进萤火虫群优化的无线自组网路由算法*

刘建娟*

（河南工业大学电气工程学院，河南南阳450001）

针对无线自组网络拓扑结构多变、网络生存时间受限及数据包分组传输效率低下等问题，借鉴萤火虫群优化算法，提出了一种改进萤火虫群优化的无线自组网络路由算法。路由算法将萤火虫优化算法中的荧光素强度更新与无线自组网络中的节点移动速度、拥塞程度、节点剩余能量、节点间距离等因素进行相互映射，同时改进萤火虫群优化算法中的搜索萤火虫、驻留萤火虫及回溯萤火虫用于完成无线自组网络中路由协议的路由发现、路由选择及路由维护等过程，整个协议无须传送大量的控制分组，即可实现无线自组网络的稳定传输。仿真实验结果表明，与AODV及基于蚁群优化的路由算法AntRouting协议相比，本文所提出的路由算法在端到端延时、分组数据传输率及网络生存时间上均有良好的性能。

无线自组网络；路由协议；萤火虫群优化算法；网络生存；节点能耗

传统的通信网络对基础设施的依赖程度很高，被毁后恢复费用高、网络重建时间周期长。而无线自组织网络可以根据业务需求和网络情况进行快速组网，其网络的节点既是移动终端也是路由器，这使得无线自组网在荒野探测、水下监测等方面拥有广泛的应用前景。由于节点的任意移动性，无线自组网的拓扑结构变化频繁，路由协议一直是无线自组网的研究重点。无线自组网路的路由协议主要考虑节点移动及节点能量等不确定因素，其中节点能耗是路由协议的关键［1］。大多数无线自组网的路由选择依据采用单一标准。单一标准的路由协议对下一跳路由的选择上是基于一种规则，比如动态源路由DSR［2］和目的地序列距离向量路由DSDV［3］都是选择跳数最少的路由，按需距离向量路由协议AODV则选择序列号最新的作为路由。单一标准的路由选择设计较为简单，控制分组的大小和数量一定，但其无法满足无线自组网拓扑结构多变、无线信道易受干扰等问题。研究学者为了改进单一标准路由协议的弊端，利用综合指标来选择路由。例如文献［4］利用名声、可用带宽和最小跳数作为路由选择标准进行多量考核以选择合适的路由；文献［5］通过考虑跳数、时延、节点拥塞程度等因素来选择合适的路由路径，以实现多路径平衡网络负载；文献［6］提出了一种基于路径选择和拒绝应答算法的PS-AODV协议，以解决高负载网络，节约网络节点能耗。虽然多指标路由协议能在一定程度上解决单一标准路由协议的弊端，但往往以增加控制分组大小和数量、增大网络均衡负担等为前提，这样就不可避免的造成无线自组网络稳定性低、可靠性差等。

萤火虫算法作为一种新兴的群智能优化方法，具有参数少、宜于并行处理、收敛速度快及鲁棒性强等优点，已经在诸多领域取得了较好的应用［7-10］。文献［11］提出了一种加速萤火虫优化算法，对萤火虫算法搜索过程进行改进，减少萤火虫个体的随机移动；文献［12］提出了一种新的模糊萤火虫优化算法，以增强算法的局部探索和全局搜索能力；文献［13］引入萤火虫个体行为状态表，记录每个萤火虫个体的详细行为，平衡个体的跳转能力，使搜索能力较差的萤火虫跳转到新的位置，以提高算法找到最优解的概率。这些改进都是为了增强萤火虫算法的搜索能力，优化最优解；文献［14］中提出了通过引入随迭代而线性减小的惯性权重，调节每次迭代对下一次迭代的影响，从而提高算法的搜索能力，提高搜索精度；文献［15］提出了实数二进制编码的萤火虫优化算法，用于解决网络可靠性问题；文献［16］对萤火虫算法的个体进行了改进，使其带有量子行为，设计出了新的萤火虫个体移动方式，对萤火虫的路径选择提出了新的思路。纵观萤火虫群优化算法可知：萤火虫种群的初始分布犹如无线自组网络中的路径节点，路由路径的选择形成就类似于萤火虫的移动求解。这种优良的分布式特性和在组合优化问题中的表现与无线自组网的路由选择较为相似［13-20］。基于此，本文借鉴萤火虫优化算法的原理，提出了一种基于萤火虫优化算法的无线自组网络路由协议，路由协议用萤火虫优化算法的荧光素强度的更新规则与无线自组网络中的节点移动速度、拥塞程度、节点剩余能量及节点间的距离等因素相互映射，从而对路由的自适应选择进行控制。

1 萤火虫优化算法

1.1 萤火虫优化算法简述

人工萤火虫群优化算法GSO（Glowworm Swarm Optimization）是模仿萤火虫发光行为构造出的仿生物智能群优化算法［21］。在人工萤火虫群优化算法的构思中，每个个体都有自己的动态决策范围，并根据自身决策范围内邻居个体信号的强弱决定其移动方向，这与萤火虫通过释放荧光素来吸引同伴的原理是相似的。GSO算法主要包括荧光素更新、移动概率更新、移动位置更新和邻居范围更新等4个阶段［22］。达到一定的迭代次数后，所有的萤火虫个体都将聚集在问题求解空间的最优解位置［23］。在算法实现过程中，xi(t)表示t时刻第i只萤火虫的位置，f(x)为适应度评价函数，li(t)表示t时刻第i只萤火虫的荧光素浓度［24］：

式中：ρ为萤光素挥发系数，γ为萤光素增强因子，设rs表示萤火虫感知范围，表示t时刻第i只萤火虫的决策范围，更新动态决策域半径：

式中：β表示决策域变化率，ni表示邻居阈值，Ni(t)表示t时刻第i只萤火虫的邻居集合：

式中：li(t)表示t时刻第i只萤火虫的荧光素值，根据萤火虫邻居集合中各萤火虫的荧光素浓度来决定萤火虫的移动方向，Pij(t)表示表示t时刻第i只萤火虫向邻居节点终第j只萤火虫靠近的概率：

根据移动概率Pij(t)，设移动步长为s，t+1时刻第i只萤火虫的位置更新为：

1.2 无线自组网络参数

为了利用萤火虫优化算法来进行无线自组网的路由选择，设Q=(V,E)为含有n个节点的全连接无向图，V是顶点集合且n=|V|，E是边的集合。用两个节点vi、vj的欧式距离dij表示节点间边的权值，并且dij=dji。寻找全连接无向图Q中源节点vi到目的节点vd的最优路径即转化为萤火虫优化算法的最优求解。

在无线自组网中，某一时刻t节点vi需要存储并维护当前时刻邻居节点信息表和路由信息的路由表，对应的驻留萤火虫Ri则带携带节点vi的荧光素值Li(t)。其中每个节点存储的邻居节点信息表项主要包括：邻居节点vj、时间t、vj驻留萤火虫Rj荧光素值Lj(t)。为了均衡网络负担，路由表按需建立。路由表项包括：目的节点vd、下一跳节点vj、vi通过vj到vd的荧光素概率Pij(t)。当需要进行路由构建时，节点vi根据需要创建搜索萤火虫Fe。搜索萤火虫Fe根据邻居节点驻留萤火虫Rj荧光素值Lj(t)及两个节点vi、vj的欧式距离dij计算节点vj作为下一跳的概率Pij(t)。设vi在t时刻所有一跳邻居节点的集合为Qi(t)，则：

式（6）通过调节α和β来调整两个相邻节点的荧光素差值和节点间的欧式距离以影响搜索萤火虫对下一跳节点的选择。按照上式选定下一跳节点vj后，移动搜索萤火虫到节点vj，更新当前位置并和邻域半径并将邻域集合更新为Qj(t)。

每个节点vi的荧光素值Li(t)的更新公式如下：

式中：Li(t+1)为时刻t+1时节点vi上vj驻留萤火虫Ri的荧光素值。为荧光素值挥发系数，用ϖ表示荧光素值增强系数，J[fi(t+1)]为t+1时刻vi的适应度函数值。

2 基于萤火虫优化算法的路由协议

无线自组网络在没有任何网络基础的情况下动态独立的临时性网络。路由协议是决定网络性能的核心影响因素。由于无线自组网络的特殊性，网络的拓扑结构随网络节点的移动而改变，传统的网络路由协议已不再适用。自组网络中路由协议受节点能量、节点拥塞程度以及节点移动速度的影响。节点能量越大的节点越适宜作为路由节点，因为其有足够的能量完成信息的传输，保证自组网络的寿命；节点越拥塞侧面反映节点的处理能力不足，这间接会降低数据包收发的准确率；节点的移动速度对路由协议的影响是最直接的，节点移动越快，网络的拓扑结构变化越快，路由协议需要相应的改变。

2.1 路由协议影响参数

①节点能量剩余参数λen在无线自组网中节点以电池供电。电池的电量随着时间的延续会慢慢减少，节点路由只有剩余足够多的能量才能完成寻找合适的路径和转发分组数据，这样才能延长无线自组网络的寿命。用Ei表示节点vi的最大能量，用Ei′表示当前节点vi的剩余能量，则参数λen=Ei′/Ei衡量节点vi能量剩余性能。节点能量剩余参数λen越大说明节点vi的适应度函数值J(fi(t))越大，对荧光素值Li(t)增量的贡献越大。

②节点拥塞程度参数λco节点MAC层接口队列缓存情况一定程度上反映了节点的拥塞程度。这里将节点vi的MAC层接口队列缓存容量用Vi表示，MAC层接口队列缓存分组数用Vi′表示。则节点拥塞程度参数λco=Vi′/Vi表示节点vi当前的拥塞程度。若节点拥塞程度参数λco超出一定的阈值，表明节点vi陷入拥塞状态，数据处理能力下降，对后续数据包进行丢弃。节点拥塞程度参数值λco越大，说明节点vi的适应度函数值J[fi(t)]越小，对荧光素值Li(t)增量的贡献越小。

③节点的移动速度λsp无线自组网的拓扑结构受节点移动速度的影响，节点移动速度越快，拓扑结构变化越快，路由更新越快，源节点发起路由发现频率加快。因此，节点移动速度λsp越大，说明节点vi的适应度函数值J[fi(t)]越小，对荧光素值Li(t)增量的贡献越小。

2.2 路由发现

基于萤火虫优化算法的路由发现过程如下：

①当源节点vh要向目的节点vd发送数据时，节点vh先查看本地路由表是否有到达节点vd的路由，若有则发起路由路径，路由发现算法终止。若没有执行第2步；

②源节点vh会向每个邻居节点发送搜索萤火虫Fe。每个搜索萤火虫Fe都有分组编号Seq，并且源节点vh将到达目的节点vd过程中经历的所有节点信息保存到自身数据栈data中；

③中间节点vi′收到来搜索萤火虫Fe后，根据Fe数据栈的节点信息中有无当前节点vi′，判断是否出现环路，若是丢弃Fe；

④根据分组编号Seq判断Fe是否为来自不同路径的重复分组，若是则丢弃；

⑤查看当前节点vi′的路由表是否有到达目的节点vd的路由，若没有就对搜索萤火虫Fe进行广播；若有就执行下一步；

⑥若当前节点vi′路由表中有到目的节点vd的路由，则搜索萤火虫Fe利用路由表项中荧光素概率Pij(t)根据式（8）选择下一跳节点vj；

⑦搜索萤火虫Fe移动到节点vj后，对Fe数据栈data中所有节点驻留萤火虫的荧光素值按式（12）更新，对vj的其他邻居节点的驻留萤火虫荧光素值按公式（13）进行更新，并对vj的路由表进行更新；

⑧以此类推，直至到达目的节点vd，搜索萤火虫Fe实效，并在目的节点vd创建回溯萤火虫Fr，Fr根据搜索萤火虫Fe中的路径信息反方向追溯到源节点vh；

⑨回溯萤火虫Fr到达源节点vh后实效，源节点vh到目的节点vd的路由建立。

式（8）中：φ为随机数且φ∈[0,1]，φ0为系统定义常数且φ0∈[0,1]同时P(φ≤φ0)≫P(φ＞φ0)。也就是说在大多数情况下搜索萤火虫Fe会向荧光素值高的邻居节点驻留萤火虫Rj移动，极个别情况下搜索萤火虫Fe会随机选择下一跳节点，以避免陷入局部最优解。若vj的路由表中没有到目的节点vd的路由表项，节点vj会广播搜索萤火虫Fe。但次数不超过3次。

在式（7）中，J[fi(t+1)]为节点vi的适应度函数值，也可看为节点vi在t+1时的荧光素值增量，则有：

式中：ΔM为荧光素增量常量：

式中：ηen+ηco=1，σ、δ和θ均为不小于1的调整参数，通过三个参数调整可改变节点能量、节点拥塞程度及节点的移动速度对路由选择的影响，从而对路由进行优化。将式（10）和式（11）代入式（7）可得：

搜索萤火虫Fe移动到下一跳节点vj后，对Fe数据栈data中所有节点驻留萤火虫的荧光素值按式（12）进行更新，对vj其他邻居节点驻留萤火虫的荧光素值按式（13）进行更新：

搜索萤火虫Fe由节点vi转移到下一跳节点vj后，数据栈data中路径节点为data.node={v1,v2,v3,..., vn,vi}，更新vj路由表中通过vi到达v1,v2,v3,...,vn节点的Pij(t),j∈data.node-{vi}。

到达目的节点vd后创建回溯萤火虫Fr。Fr根据搜索萤火虫Fe中data.node的内容，以相反的方向追溯到源节点vh。当回溯萤火虫Fr通过vj移动到节点vi后，同样以式（12）和式（13）对节点vi邻居节点驻留萤火虫荧光素值进行更新，并对vi的路由表进行更新。回溯萤火虫Fr到达vi后经过的路径为Fr.node={vj,...vn,v2,v1}，更新vi路由表中通过vj到达vi,...vn,v2,v1节点的Pji(t),i∈Fr.node-{vj}。

2.3 路由维护

无线自组网节点vi上Ri每隔时间周期T向邻居节点发送Hello数据包来维护路由的连通性。若邻居节点的驻留萤火虫Rj在时间周期内收到Ri的Hello数据包，则Rj认为vi是vj的邻居节点，将该节点的信息添加到Rj邻居节点信息表及路由表中。若在时间周期内没有收到Hello数据包，则认为vi不是vj的邻居节点，Rj会将节点vi的信息从vj的邻居节点信息表中删除并更新路由表，将vj路由表中下一跳节点为vi的相关路由表项删除。

在源节点vh向目的节点vd传输信息的过程中，若中间结点vi上驻留萤火虫Ri发现由于自身的移动导致网络拓扑结构发生变化而出现网络路由链接断裂，无法按照原有的路由转发数据包时，则Ri会向原有路由的上游节点发送路由错误信息RERR。当邻居节点vj上的驻留萤火虫Rj收到Ri发送的RERR数据包时，vj节点即删除vi节点所对应的邻居节点表项和路由表项，并在vj路由表中查找是否有到vd的冗余路由。若有则按式（8）选择下一跳节点并按式（12）和式（13）对vj路由表进行更新；若不存在，则vj上的驻留萤火虫Rj继续向vj上游节点发送路由错误信息RERR，直到找到可用路由。若源节点vh上的搜索萤火虫Fe收到路由错误信息RERR，则重新进行路由发现。

3 仿真实验及结果分析

为了验证本文所提出的基于萤火虫优化的无线自组网络路由协议的性能的性能，将本文路由协议与 AODV［25］（Ad hoc On-demand Distance Vector Routing）及基于蚁群优化的路由算法AntRouting［26］在NS2模拟平台上进行仿真，通过设置两个场景对以上三个路由协议从数据包分组传送率、端到端时延及网络生存时间等三个方面评价进行性能分析。

仿真场景1：网络节点传输半径为300 m，并且60个移动节点随机分布在1 000 m×1 000 m的区域内，节点移动模型采用自组网Random Waypoint模型，自组网络的物理层选用Two-raygroundreflection无线传输模型，MAC层采用IEEE802.11协议的DCF模式，链路带宽为2 Mbit/s。移动节点的速度均匀分布0～30 m/s间。采用512 byte的定长数据包进行仿真通信，随机选择25个CBR（Constant Bit-Rate）信源，每个CBR发包速率为1packet/s，通过改变移动节点停顿时间来仿真不同的自组网络移动性，仿真时间统一设置为400 s。

仿真场景2：其他参数与仿真场景一相同，移动节点的停顿时间为50 s，将CBR发包速率从1 packet/s逐步增加为5 packet/s，模拟不同的网络负载。

这里设置无线自组网络中节点的最大能量值为100 J100J。根据文献［27］对IEEE802.11b协议接口功耗的研究，本文仅考虑自组网中节点发送和接收数据包时能量消耗，节点的发送数据包消耗的能量为1.3 W，接收数据包消耗的能量为0.9 W。经过多次实验本文各参数取值如下：α=1,β=2,η=0.5,ϖ=0.3, φ0=0.8,ΔM=10,σ=3,δ=θ=1,ηen=0.4,ηco=0.6。

场景1的仿真结果如图1所示。

从图1的结果可以看出，随着节点停顿时间的增加，三种路由协议端到端的延时越来越小，但本文算法较明显优于其他两种路由算法；数据分组传送率随着节点停顿时间的增加呈现递增的态势，网络生存时间随着节点停顿时间的增加，其他两种路由算法呈小幅降低的趋势，而本文路由协议下的网络生存时间有小幅平稳上升的趋势。这是由于随着节点停顿时间的增加，节点的移动性降低，从而使网络拓扑变化减缓，路由的重建及数据分组重传的次数明显降低，从而使端到端时延减少，数据分组传送率升高，网络生存时间进一步延长。但当节点移动性发生变化时，本文路由协议和文献［26］路由协议比AODV路由算法有更好的性能。这是因为本文路由协议和文献［26］路由协议的节点路由表维护多条路径信息，当某条路径失效时，可以选择其他的替代路径，避免了频繁的路由发现。而但是本文路由协议考虑到节点的移动速度、拥塞程度、能量对于荧光素变化的影响，使得搜索萤火虫Fe总向移动速度慢、拥塞程度低、能量较高及距离近的节点移动，所以本文路由协议受到网络拓扑变化的影响最小，较文献［26］路由协议更能适应自组网络的动态变化。

图1 场景一的仿真结果对比

从图2可以看出，随着CBR信源发包速率的逐步增加，三种路由协议端到端延时逐步增大，分组数据包传送比率下降，网络生存时间也随之降低，这是由于CBR信源发包速率的增大，导致网络负载随之增大造成的。相比其他两种路由协议，本文所改进的路由算法获得了更好的性能。这是因为本文所改进的路由协议和文献［26］的路由协议都采取了主动路由维护机制，即在路由发现阶段，目的节点会向源节点发送信息以对路由信息进行确认及维护，保证了节点所存储路由表能够更及时更新，因而两在网络负载增大的情况下均优于AODV协议。而本文所改进的路由协议在路由发现及维护阶段，总是寻求移动速度慢、拥塞程度低、能量较高、距离较近的路由，因此本文所改进的路由协议性能更稳定，更能适应网络负载的变化，比文献［26］的路由协议有更好的灵活性。

图2 场景二的仿真结果对比

4 结论

本文提出了一种基于萤火虫群优化的Ad Hoc网络路由协议，协议用萤火虫优化算法的荧光素强度的更新规则与无线自组网络中的节点移动速度、拥塞程度、节点剩余能量及节点间的距离等因素相互映射，通过驻留萤火虫、搜索萤火虫及回溯萤火虫进行按需路由的优化选择，无须额外传送大量的控制分组，即可实现无线自组网络的稳定。每个网络节点通过维护多条双向冗余路径，提高了路由协议的自适应性及可靠性。仿真实验结果表明，在不同移动性和网络负载下，本文所提出的路由协议在端到端延时、数据分组传输率和网络生存时间等3个方面较其他两种路由算法有更高的稳定性和适应性。α,β,η,ϖ,φ0,ΔM,σ,δ,θ,ηen,ηco等参数因子的选取过于简单，下一步需要对各参数取值进行深入的理论研究，确定参数因子对本文路由协议性能的影响，以进一步对本文所提出的路由协议进行优化。

［1］宋军全，周凯，华惊宇.基于蚁群算法的无线自组网络能量控制路由研究［J］.传感技术学报，2012，25（12）：1722-1725.

［2］Johnson D B，Maltz D A，Broch J.DSR：The Dynamic Source Routing Protocol for Multi-Hop Wireless Ad Hoc.Ad Hoc Networking［M］.Boston，MA.USA：Addison-Wesley，2001：139-172.

［3］Perkins C E，Bhagwat P.Highly Dynamic Destination-Sequenced Distance-Vector Routing（DSDV）for Mobile Computers［C］//Proceedings of the Conference on Communications，Architectures，Protocols and Applications（SIGCOMM 1994）.London，England，UK，1994.234-244.

［4］蔺绍良，龙海南.Ad Hoc网络路由协议综述［J］.电子设计工程，2013，21（9）：141-144.

［5］周德荣.基于蚁群算法改进的AODV路由协议研究［J］.西南师范大学学报（自然科学版），2014，39（11）：75-80.

［6］王钰，田杰，徐磊.一种基于负载均衡的移动Ad Hoc网络AODV协议改进［J］.电信科学，2011，27（11）：123-127.

［7］Younes M，Khodja E，Kherfane R L.Multi-Objective Economic Emission Dispatch Solution Using Hybrid FFA（Firefly Algorithm）and Considering Wind Power Penetration［J］.Energy，2014，67：596-606.

［8］Tuba M，Bacanin N.Artificial Bee Colony Algorithm Hybridized with Firefly Algorithm for Cardinality Constrained Mean-Variance Portfolio Selection Problem［J］.Applied Mathematics&Information Sciences，2014，8（6）：2831-2844.

［9］Grewal N S，Rattan M，Patterh M S.A Linear Antenna Array Failure Correction with Null Steering Using Firefly Algorithm［J］.Defence Science Journal，2014，64（2）：136-142.

［10］Rahmani A，MirHassani S A.A Hybrid Firefly-Genetic Algorithm for the Capacitated Facility Location Problem［J］.Information Sciences，2014，283：70-78.

［11］Baghlani A，Makiabadi M H，Rahnema H.A New Accelerated Firefly Algorithm for Size Optimization of Truss Structures［J］.Scientia Iranica，2013，20（6）：1612-1625.

［12］Hassanzadeh T，Kanan H R.Fuzzy Fa：A Modified Firefly Algorithm［J］.Applied Artificial Intelligence，2014，28（1）：47-65.

［13］Bidar M，Kanan H R.Jumper Firefly Algorithm［J］.Proceedings of the 3rd International Conference on Computer and Knowledge Engineering（Iccke 2013），2013：267-27.

［14］Tian Y F，Gao W M，Yan S.An Improved Inertia Weight Firefly Optimization Algorithm and Application［J］.2012 International Conference on Control Engineering and Communication Technology（Iccect 2012），2012：64-68.

［15］Chandrasekaran K，Simon S E.Network and Reliability Constrained Unit Commitment Problem Using Binary Real Coded Firefly Algorithm［J］.International Journal of Electrical Power&Energy Systems，2012，43（1）：921-930.

［16］Manju A，Nigam M J.Firefly Algorithm with Fireflies having Quantum Behavior［J］.2012 International Conference on Radar，Communication and Computing（Icrcc），2012：117-119.

［17］Yang X，Hosseini S，Gandomi A.Firefly Algorithm for Solving Non-Convex Economic Dispatch Problems with Value Loading Effect［J］.Applied Soft Computing，2012，12（3）：1180-1186.

［18］刘长平，叶春明.一种新颖的仿生群智能优化算法：萤火虫算法［J］.计算机应用研究，2011，28（9）：3295-3297.

［19］任敬安，涂亚庆，张敏，等.基于蚁群优化的Ad Hoc网络生存时间和其他网络性能平衡路由协议［J］.计算机工程与科学，2011，33（10）：15-24.

［20］周少琼，徐祎，姜丽，等.蚁群优化算法在Ad Hoc网络路由中的应用［J］.计算机应用，2011，31（2）：159-165.

［21］刘洲洲，王福豹，张克旺.基于改进萤火虫优化算法的WSN覆盖优化分析［J］.传感技术学报，2013，26（5）：675-677.

［22］朱文超，许德章.一种基于人工萤火虫群优化的改进粒子滤波算法［J］.计算机应用研究，2014，31（10）：2920-2925.

［23］李咏梅，周永权，韦军.用于函数优化的层次结构萤火虫群算法［J］.应用科学学报，2012，30（4）：391-396.

［24］张军丽，周永权.一种用Powell方法局部优化的人工萤火虫算法［J］.模式识别与人工智能，2011，24（5）：680-685.

［25］Perkins C，Belding-Royer E，Das S.RFC 3561，Ad Hoc on-Demand Distance Vector（AODV）Routing［S］.2003.

［26］李波波，龙昭华.基于蚁群优化的Ad Hoc网络QoS路由［J］.计算机工程与设计，2016，37（1）：12-17.

［27］Feeney L M.Investigating the Energy Consumption of an IEEE 802.11 Network Interface［C］//Technical Report Sics T.2000.

刘建娟（1978-）女，汉族，博士，副教授，硕士生导师。2007年3月毕业于南京东南大学仪器科学与工程系，获工学博士学位。先后参与总装型号项目1项，总装预研项目2项，973项目1项；国家自然科学基金3项，河南省科技攻关项目2项，河南省自然科学基金1项。近年来，在《航天控制》、《电气传动》、《传感技术学报》、《中国惯性技术学报》、等杂志上发表学术论文20余篇，其中EI检索3篇，ISTP检索1篇。主要研究方向：智能控制技术、多传感器信息融合技术、测控技术及仪器等方面，liujianjuan1978@sina.com。

Ad Hoc Networks Routing Algorithm Based on Improved Glowworm Swarm Optimization*

LIU Jianjuan*
（College of Electrical Engineering Henan University of Technology，Nanyang He’nan450001，China）

For wireless ad hoc network topology changing，network lifetime is limited and low packet packet transmission efficiency and other issues，we propose a wireless ad hoc network routing algorithm based on the swarm optimization algorithm.The routing algorithm will be based on the fluorescence intensity of the firefly optimization algorithm and wireless ad hoc networks in the node mobility，congestion，node residual energy，the distance between the nodes and other factors to map each other，at the same time improve glowworm swarm optimization algorithm in search of fireflies，reside fireflies and back firefly used to complete the wireless AD hoc network centre found by routing protocol，routing and routing maintenance process，this agreement do not need to send a great deal of control group，the stability of the wireless AD hoc network transmission can be realized.Simulation results show that compared with AODV and AntRouting protocols，the proposed routing algorithm has better performance in end to end delay，packet data transmission rate and network lifetime.

Ad Hoc network；routing method；glowworm swarm optimization；network survivability；node energy consumption

TP393

A

1004-1699（2016）12-1905-07

��6150P；7230

10.3969/j.issn.1004-1699.2016.12.021

项目来源：国家自然科学基金项目（61304259）；河南省重点科技攻关项目（122102210044）

2016-07-26修改日期：2016-10-08