一种基于免疫原理的无线传感网络性能在线优化规划方法
【技术领域】
[0001] 本发明公开了一种基于免疫原理的无线传感网络性能在线优化规划方法，属于无 线传感网络的技术领域。
【背景技术】
[0002] 人工智能算法，特别是一些智能仿生算法经过几十年的发展，无论是理论上，还是 工程应用方面都取得了大量的成果。目前，生物的脑神经系统、基因遗传系统、免疫系统和 内分泌系统四大信息处理系统已得到学者们越来越多的关注。基于脑神经系统的人工神经 网络（Artificial Neuxal Netvsrork,A NN)和基于基因遗传系统的进化算法 化volutionary Algorithm)已经得到了较深入的理论研究和工程应用。而基于生物免疫原 理和机制的算法理论研究和工程应用实践尚处于发展阶段。
[0003] 随着待求解的优化问题本身复杂性的不断提高，W模拟退火、遗传算法等为代表 的传统人工智能优化算法由于其自身所固有的结构问题、收敛速度慢和易早熟等问题，使 得其越来越难W适应一些大规模的、复杂的优化问题的要求。在运样的背景下，人们开始尝 试将生物的免疫机理运用到算法中。1974年，诺贝尔奖获得者Jeme提出了免疫网络理论，为 免疫计算奠定了基础。1986年，Perelson A.S和化mer J.D首次给出了免疫网络的数学模 型，并提出了一些算法构想。1994年，美国学者化rrest等人提出了否定选择算法，并将其运 用到计算机网络入侵检测和异常检测。运些学者对免疫原理算法的早期研究为如今免疫原 理系统理论和工程应用的快速发展做出了不可估量的贡献。从1997年开始，I邸E System, Man and Cybernetics国际会议每年组织专口的免疫原理系统研讨会。还有GECC0(Genetic and Evolutionary Computation Conference),CEC(Congress on Evolutionary Computation)等国际会议也将免疫原理系统作为讨论的主题之一。许多国际期刊，如 Evolutionsry Comput曰tion, IEEE Trsnssction on Evolutionsry Comput曰tion等都将免 疫原理系统作为重要议题。在2001年和2002年IE趾Transaction on Evolutionary Computation还相继出版了免疫原理系统专辑。2002年9月在英国Kent大学成功召开了第一 届免疫原理系统国际学术会议ICARISdnternational Conference on Artificial Immune Systems)标志着免疫原理系统的研究发展进入了一个新的快速发展阶段。在工程 应用中，在搭建无线传感网络时，用户不确定无线传感节点的采样频率大小、采样通道个 数，数据包包长、节点安全时隙时间使得网络的吞吐量和有效数据的传输吞吐量达到一个 均衡状态是未知的。
【发明内容】
[0004] 本发明要解决的问题是面对大规模无线传感器网络优化运种复杂的优化组网问 题尝试用免疫原理，提供了一种基于免疫原理的无线传感网络性能在线优化规划方法，实 现了无线传感性能优化模型参数的快速建立。
[000引本发明为实现上述发明目的采用如下基于免疫原理的无线传感网络性能在线优 化规划方法。在一个完整的无线传感网络中，采用免疫原理算法获得当前无线传感网络的 最优资源配置(数据包长、采样频率、采样通道、安全发送间隙时间）分配方案，检测无线传 感网络性能(吞吐量)是否达到最优。在对抗体编码后，当无线传感网络性能降低时，对无线 传感网络的网络资源配置进行检测，并采用免疫原理优化算法对无线传感网络的所有资源 配置进行在线优化。优化中采用抗体克隆、抗体变异、抗体优秀学习、克隆选择、抗体压缩选 择和相似度过滤、抗体种群招募、抗体训练收敛使得无线传感网络获得新的资源配置，并在 新的资源配置下进行工作，实现通信资源的优化分配，减小由于资源配置带来的无线传感 网络性能的下降。
[0006] -种基于免疫原理的无线传感网络性能在线优化规划方法，包括如下步骤：
[0007] A、建立免疫系统与无线传感网络的映射关系：将B细胞或T细胞映射为传感器节 点，将抗体映射为传感器节点待优化参数的组合，将病原体映射为事件信息源，将抗原映射 为网络吞吐量；
[0008] B、管理节点将初始化后的抗体并封装到启动命令中发给叶子节点，各信道基站启 动网络所有节点并下发每种抗体W配置叶子节点；
[0009] C、各信道基站统计每种抗体的亲和度至上位机，归一化亲和度后停止所有叶子节 点的工作；
[0010] D、采用考虑了抗体克隆基数的克隆方程对亲和度较高抗体W及亲和度较低抗体 进行动态克隆；
[0011] E、对克隆形成的各抗体群进行变异进化操作；
[0012] F、管理节点将变异进化后的抗体群并封装到启动命令中循环发送给叶子节点；
[0013] G、多信道基站再次启动网络并陆续下发各种抗体群中的各个抗体W配置叶子节 占 . '?、、，
[0014] H、多信道基站统计每种抗体群中每个抗体的亲和度至上位机；
[0015] I、提取各种抗体群中与抗原亲和度最大的抗体组成新抗体群；
[0016] J、对新抗体群进行压缩选择和相似度过滤处理；
[0017] K、W步骤J处理得到的抗体群W及从步骤E变异操作后抗体群中招募的样本作为 下一轮变异样本，返回步骤C，下一轮变异样本中抗体群数目不超过克隆种群数的设定值。
[0018] 作为所述一种基于免疫原理的无线传感网络性能在线优化规划方法的进一步优 化方案，传感器节点待优化参数的组合包括如下参数:数据包包长、安全发送间隙时间、采 样通道、采样频率。
[0019] 进一步的，所述一种基于免疫原理的无线传感网络性能在线优化规划方法中，步 S-(J)二 nonn(Af'f( Ab.(n)) 骤D中所述考虑了統体克隆基数的克隆方程为:、.r，、 ，、 ： 。'/ 、， *
[0020] 其中，gi(t)是第t次迭代中第i个抗体的亲和度归一化函数值，norm( ?)是归一化 函数，Aff( ?)是亲和度函数，Abi(t)是第t次迭代中的第i个抗体，第t次迭代中第i个抗体 Abi(t)W编码格式Abl(P，T，N，f)记录了包含:数据包包长P、安全发送间隙时间T、采样通道 N、采样频率f的待优化参数组合，Nci(t+1)为第t次迭代中第i个抗体Abi(t)的克隆数，ri是 [0，1]内的随机数，Ncmax是抗体的最大克隆数，&"(0是抗体克隆因子，n是幕函数的指数，Nco 是抗体的克隆基数。
[0021] 再进一步的，所述一种基于免疫原理的无线传感网络性能在线优化规划方法中， 步骤E中采用基于亲和度的受控高斯函数调节变异水平W实现对克隆形成的各抗体群进行 变异操作，变异方程为：
，AAbi(t+l)是父抗体与子抗体之间的 变异值，丫是变异倍数，n是控制因子。
[0022] 更进一步的，所述一种基于免疫原理的无线传感网络性能在线优化规划方法中， 步骤E采用基于抗体亲和度的学习策略进化抗体：
[0023] 当第t次迭代中第i个抗体Abi(t)是全局最佳抗体Abg(t)时，Abi(t+1) =AbiU) + [AAbi(t+l)]；
[0024] 否贝lJ，Abi(t+l)=Abi(t) + [ci A Abi(t+1)] + [C2 A Abi*(t+1)];
[002引其中，Abi(t+1)是第t+1次迭代中第i个抗体，A.化(H-I)是第t+1次迭代中第i个抗 体的学习信息，Cl和C2分别是亲和度学习因子和优秀学习因子，Cl+C2 = l，[ ?]表示取整运 算。
[0026] 作为所述一种基于免疫原理的无线传感网络性能在线优化规划方法的进一步优 化方案，步骤J所述压缩选择和相似度过滤处理具体为：W淘汰Ps %相似抗体为目标设定抑 制阀值Ills: Ills = min {Dij，i j