考虑均衡负载的电力线通信组网蚁群算法

2020-02-02胡志云周红莲朱剑利

通信电源技术 2020年20期

胡志云，周红莲，付林，曹茜，朱剑利

（国网新疆电力有限公司经济技术研究院，新疆乌鲁木齐 830011）

0 引言

电力线通信是通过高压至低压的电力线来实现通信的，其分布范围大，在进户时不需要重新布线，可以同时传输数据信、图像、音频以及视频，用户数量可观，具有巨大的发展潜力[1]。电力线通信网络中，理想状态是通信具有优良的最短路径，从而减少每个节点作为路由的次数，保证每个节点的寿命。此时就需要考虑网络负载均衡情况，通过蚁群算法寻找最优路径使路由尽量分散，以实现均衡负载[2]。基于此，本文提出了考虑均衡负载的电力线通信组网蚁群算法。

1 考虑均衡负载的电力线通信组网电蚁群算法

1.1 建立蚁群择优模型

蚁群算法的重要环节是信息素的传递，蚂蚁通过信息素对路径进行概率择优[3]。基本蚁群算法的转移概率描述如下：

式中，Pijk(t)表示蚂蚁k在节点i选择下一节点j的概率；τ表示信息素；τij(t)表示t时刻节点i与节点j之间的信息素；η表示启发式j之间长度dij的倒数；α表示τ相对重要程度；β表示η的相对重要程度；allowSetk表示蚂蚁k在t时刻可选的下一节点集合；ηij(t)表示启发式因子，一般取节点i与节点结合电力线通信组网在运行时的实际情况。引入混沌选择策略丰富问题解，在迭代次数不断增多的条件下，算法均渐渐趋近于0。具体描述如下：

式中，Xij表示i到j的混沌变量。

通过算法迭代，当前最优路径上的τ更新方式为：

式中，LNC表示第NC次迭代最优路径的长度；Lbest表示目前为止最优路径的长度。结合ρ对算法求解能力与收敛速度的影响，将算法分成前、中、后以及末4个阶段。ρ在算法的第一阶段取最大值，扩大算法搜索范围，在后3个阶段逐渐递减，提高收敛速度[4]。

1.2 选取算法性能参数

α与β影响着蚂蚁对路径的选择，α的值越大，蚂蚁就有更大的概率选择已知路径，算法搜索能力就会变弱，可能会导致算法提前出现局部最优，β影响着算法的收敛速度，二者成正比关系，当β值过大时，算法容易进入局部最优，综合分析确定α值为1，β值为2[5]。

蚂蚁总数量M影响着算法解集的大小，当M值过小时，解集也相应变小，算法显示出搜索能力变差的情况，当M值过大时，解集相应变大，虽然增强了算法的搜索能力，但算法收敛速度降低，效率减小，综合考虑算法的收敛性与搜索能力，确定M值为8。

1.3 平衡组网通信负载

蚁群算法完成负载均衡实现的步骤如下。首先，由网关发送消息至各个节点，各节点通过消息到达节点时的强弱来判断自身位置。其次，各节点对比T值与自身位置信息，根据分区规则将节点均衡分配各个区域中。再次，各节点将自身数据和收集到的数据传输给本区域网关，包括剩余能量、层值以及负载量等。最后，网关根据收到的数据信息，通过蚁群算法进行信息传输路径择优运算，选择出最佳路径，实现电力线通信组网的均衡负载。

2 对比实验

为了验证本文提出的算法组网性能，将本文提出的算法标记为算法A，将文献[4]与文献[5]中提出的传统算法分别标记为算法B和算法C，分别通过3种方法进行对比实验。

2.1 实验准备

本实验中通过MATLAB软件对3种算法进行仿真，选取节点使用率、剩余能量、延时以及丢包率对电力线通信组网负载均衡性能进行评价。当组网负载均衡性能较差时，某些重要链路中就会出现信息传输拥堵甚至断裂的情况，导致延时与丢包率升高，故而延时与丢包率是反应组网负载均衡性能的关键指标，延时越短和丢包率越小表示组网负载均衡性能越好。