黄河流域生态环境监测WSN路由优化方法研究

王 军，王超梁，赵雪专

（郑州航空工业管理学院 大数据科学研究院，河南 郑州450046）

2019年9月18日，习近平总书记在黄河流域生态保护和高质量发展座谈会上发表重要讲话，将黄河流域生态保护和高质量发展上升为重大国家战略［1］。新一代信息技术，如大数据、人工智能、物联网、云计算等，被广泛用于促进黄河流域生态保护和高质量发展［2］。无线传感器网络作为最常用的物联网数据采集设施，被广泛应用于智能环保等生态环境监测和保护领域，适用于黄河流域生态环境监测和保护，其发展的好坏直接影响新一代信息技术在黄河流域生态保护方面的应用，而无线传感器网络（WSN）路由选择算法的优化，可有效降低WSN运行成本，降低传感器能耗，提高节点寿命，增强网络连接的可靠性和抗毁性，提高无线传感器网络的运行效率。Wankhade和Huang等提出的WSN路由算法提高了收敛速度，但不能有效地得到全局最优解［3-4］。Costin等将演化算法应用于WSN路由选择优化，全局搜索能力极佳，对于WSN路由优化能力较强［5］。高霞等对演化算法进行改进，并将改进的演化算法应用于WSN路由选择问题，可避免节点过早死亡，延长WSN网络生存时间［6］。Costin等［5］、Zhao等［7］将其他算法和演化算法相结合用于WSN路由选择，也可以有效地进行WSN路由优化。

笔者在传统优化算法的基础上，对演化算法进行了改进，自动调整演化因子并缩短染色体长度，既能提高算法的收敛速度，又能保证解的全局最优性。将改进后的自适应演化算法应用到无线传感器网络路由选择优化，并通过试验与传统演化算法、蚁群算法进行了对比，从收敛时间、能耗、路由时延等方面验证了改进算法的适应性和优越性。

1 黄河流域生态环境监测WSN应用框架及优势

黄河是中华民族的母亲河，是人类文明的重要发源地，加强黄河流域生态环境保护对黄河流域经济高质量发展至关重要。黄河流域覆盖范围广、地势差异大、气候情况复杂，造成黄河流域生态环境数据采集难度大、成本高，传统生态环境监测主要依靠便携式环境监测设备定期采集数据，或者在固定位置布置传感器来获取数据，数据误差大且时效性差。随着新一代信息技术在生态环境保护领域的应用，无线传感器网络被广泛应用于生态环境保护数据采集和实时监测，极大地提高了黄河流域生态环境的监测效率与监测精度。新一代无线传感器网络WSN在黄河流域生态环境监测中的应用框架设计如图1所示。黄河流域WSN应用系统主要包括3个层面:无线传感层、数据传输层以及远程控制层。其中无线传感层实现黄河流域生态环境空天地一体化的数据采集，通过5G通信实时把数据传输到远程监测端，实现远程控制端的实时监测和控制。

图1 黄河流域生态环境监测WSN应用框架

新一代无线传感器网络与传统数据采集传感器相比，有以下三方面的优势:

（1）传感器节点布置简单。可以采用飞机播撒的方式大范围布置传感器网络节点，特别适用于黄河流域复杂地貌的传感器布置和数据采集。

（2）网络自组。传感器节点可快速和周围节点建立无线连接，建立功能完善的传感器网络，且不受外界环境限制地进行网络内部节点的维护和管理，适用于黄河流域复杂气象和环境变化条件下的数据传输。

（3）实时监测。传感器节点采集的数据可通过5G网络实时传输到远程终端，实现黄河流域水质、气象、汛情等实时监测。

基于无线传感器网络的优势，WSN可有效解决黄河流域生态环境监测过程中的传感器位置选择困难、维护和组网成本高、数据采集时效性差等难题，更适用于有着复杂地貌的黄河流域的生态环境监测。

2 WSN优化算法模型

2.1 演化算法

演化算法是一种仿生学多目标优化算法，采用生物进化的机制构造问题，优化系统的模型，从待解决问题的潜在解集的一个初始种群开始，种群由基因编码的一定数目的个体组成，个体实际上是染色体带有特征的实体［8］。算法开始时，需要对问题进行映射编码，通常以简化后的二进制编码表示。初始种群通常随机产生，按照适者生存和优胜劣汰的原理，逐代演化产生越来越好的近似体，使种群像自然进化一样，后代种群比前代更加适应环境，每一代的个体通过适应度值来评价个体的优劣，末代种群中适应度值最大的个体经过解码，作为问题的最优解。演化过程中基因交叉概率pc和变异概率pm的选取是影响算法行为和性能的关键所在，直接影响算法的收敛性。pc越大，新个体产生的速度越快，pc过大时演化模式被破坏的可能性也大，过小又会使搜索过程缓慢甚至停滞不前。变异概率pm过小就不易产生新的个体结构，过大时演化算法就成了纯粹的随机搜索。针对不同的优化问题，需要反复试验来确定pc和pm，而且很难找到适应问题的最优值，算法优化过程如图2所示。

图2 演化算法优化过程

2.2 自适应演化算法

改进的演化算法中，pc和pm能随适应度值自动改变，当种群个体适应度值趋于一致或局部最优时，使pc和pm增大，而当群体适应度值比较分散时，使pc和pm减小。因此，自适应的pc和pm能提供相对某个解的最佳的pc和pm，既保证了种群的多样性，又保证了算法的收敛性［9］。在改进的演化算法中，pc和pm按下式进行自动调整:

式中:k1、k2、k3、k4为常数，具体值根据实际情况确定；fmax为群体中最大适应度值；favg为每代群体的平均适应度值；f′为要交叉的两个个体中较大的适应度值；f为变异个体的适应度值。

演化算法常采用的演化编码方式为二进制编码，搜索能力强，但该编码方式存在串码过长问题，对其收敛速度有较大影响。在WSN路由选择问题优化过程中，有很多约束变量需要处理，如果采用二进制编码，其出现的串码长度可达几十位甚至上百位，降低了搜索性能，笔者对编码方式进行改进，采用十进制的编码方式，不需要编码和解码操作，有效提高了运算速度和效率，具有收敛速度快且精度高的特点。采用十进制编码方式会影响演化操作的交叉和变异操作，但算法的演化实质没有变化，能适应很多变化的环境变量，采用十进制编码策略，待选路由可能存在的状态决定了编码位数，只需将待选路由的编码串联起来就形成了一个染色体，然后按照演化算法进行种群个体选择、交叉和变异运算，直到搜寻出最优解［10-11］。

2.3 优化步骤

（1）待优化无线传感器网络原始参数输入。主要包括网络拓扑结构、节点个数、节点密度、路由跳数、演化算法初始参数等。

（2）确定编码方案，生成染色体并初始化种群。采用十进制编码方式，将待选路由的编码串联起来生成染色体，为了保证优化群体中样本的可行性和多样性，根据WSN路由选择满足的约束条件，采用随机生成的方式产生初始个体，初始种群规模大小取决于WSN网络的规模。

（3）根据约束条件建立适应度函数，计算适应度值。WSN路由选择优化适应度函数为

式中:i为当前传感器节点选择；为第i+1传感器节点的能量；p为种群演化变异概率；n x为x路由跳数；λ为平均节点能耗；α为种群演化遗传概率；R i为相邻传感器节点密度。

WSN路径优化适应度函数满足约束条件的情况下，获得全局最优的适应度值，并采用式（1）和式（2）对演化参数进行优化，分别计算各优化方案的适应度值，根据适应度值高低排序，然后按照演化因子选择若干个适应度高的个体直接遗传到下一代。

（4）演化操作。根据WSN拓扑结构和节点分布，对WSN路由选择的编码染色体按照确定的演化因子概率进行遗传、交叉和变异等操作，产生新一代演化种群。

（5）根据设定的演化适应度值判断标准或固定的演化代数，判断算法的收敛性，本文固定演化代数为200代。如果满足适应度值的要求，则输出优化结果，如果不满足要求则返回步骤（3），直到得到满意的优化结果。

本文算法流程见图3。

图3 改进算法流程

3 仿真结果分析

为验证本文算法的适应性和有效性，随机选择黄河流域100个节点的无线传感器网络拓扑结构，分别对比本文算法、传统演化算法和蚁群算法在路由选择优化过程中的耗费、算法收敛时间、节点能耗和路由时延。

3.1 路由选择耗费和算法收敛时间

由图4和图5可知:随着传感器节点数量增多，路由选择耗费和算法收敛时间逐渐升高，而且随着节点规模增大，这种趋势变得更加明显。对比不同路由选择优化算法发现，本文改进的演化算法性能明显优于传统演化算法和蚁群算法。

3.2 节点能耗和路由时延

节点能耗和路由时延仿真采用100个节点的无线传感网络拓扑结构，各节点初始能量均为1，得到不同算法和不同节点数量的路由选择优化能耗和时延，由图6和图7可知:随着传感器节点数量增多，各传感器节点能耗和路由时延逐渐增加。对比不同路由选择优化算法发现，本文改进的演化算法搜索寻优性能优于传统演化算法和蚁群算法。

图4 不同算法传感器节点数量与路由选择耗费的关系

图5 不同算法传感器节点数量与算法收敛时间的关系

图6 不同算法传感器节点数量与节点能耗的关系

图7 不同算法传感器节点数量与路由时延的关系

4 结 论

黄河流域生态环境实时监测和保护实施难度大、维护成本高，利用新一代信息技术可促进黄河流域生态保护和高质量发展，WSN被广泛应用于生态环境实时监测和保护。本文提出把自适应演化算法用于解决无线传感网络路由选择优化问题，相比于传统演化算法、蚁群算法，在具有相同数量传感器节点时，路由时延和节点能耗均具有明显优势，而且算法收敛时间明显缩短，适用于解决黄河流域大规模无线传感网络路由选择优化问题，具有一定的应用价值。

（1）传感器节点数量较少时（小于30个），本文算法和传统优化算法性能相当；当传感器节点数量超过30时，本文算法具有更优越的性能。

（2）无线传感器网络传感器节点增加相同数量时，本文算法具有能耗、路由时延增幅最小，算法收敛速度最快的优点，更适用于大规模WSN网络结构。