自适应环同步分层路由技术：用于移动无线传感器网络中高效节能且具备拥塞感知能力的数据传播

《Computer Networks》：Adaptive ring-synchronized hierarchical routing for energy-efficient and congestion-aware data dissemination in mobile wireless sensor networks

移动无线传感器网络（MWSNs）中动态路由协议设计及性能优化研究。针对移动节点带来的能量不均衡、局部拥堵和路由不稳定问题，提出基于生物启发的动态群集路由（BDSR）协议，通过动态能量聚类、强化反馈学习和信息素预测机制实现自适应路由优化。仿真结果表明，BDSR较现有协议提升吞吐量47%，降低延迟52%，延长网络寿命38%。

　　

姓名：卢明兴 | 王兆 | 范宏波

单位：河南护理职业学院公共研究系，中国安阳，455000

摘要

作为物联网（IoT）生态系统的重要组成部分，移动无线传感器网络（MWSNs）能够在包括智慧城市、医疗保健和灾害管理在内的动态环境中实现智能监控。由于传感器节点和汇聚节点的移动性带来的挑战，服务质量（QoS）受到影响，例如能量消耗不均、靠近移动汇聚节点时出现拥堵以及路由不稳定等问题。本研究提出了一种基于生物启发的动态群体路由（BDSR）协议，这是一种针对大规模MWSNs设计的节能且自组织的路由架构，旨在解决这些问题。为了实现基于拥塞感知和能量平衡的通信，BDSR结合了动态能量聚类、群体驱动的环状适应性和预测性信息素学习机制。该协议根据局部信息素梯度、队列使用情况和剩余能量自动调整簇的形成和路由权重。与SMEOR、AECR、MSHRP和Hybrid GS-MBO等现有技术相比，广泛的NS-2仿真测试表明，BDSR可将吞吐量提高47%，延迟和端到端延迟降低52%，并延长网络寿命38%。对于需要实时、高效且具有抗拥塞能力的数据传输的高移动性物联网应用而言，这些结果验证了BDSR的可扩展性和鲁棒性。

引言

物联网通过使数十亿互联设备能够大规模地进行感知、计算和通信，持续推动了智能应用的发展[1]。无线传感器网络（WSNs）在灾害管理、工业自动化、精准农业和环境监测以及医疗监控等领域至关重要[2]。WSNs由资源受限且空间分布广泛的传感器节点组成，这些节点收集数据并将其发送到网关或中央汇聚节点进行处理[3]。然而，传统的WSNs存在显著局限性，限制了它们在新物联网系统中的性能，例如汇聚节点位置固定、在动态环境中的适应性差以及能量资源有限[4]。

WSNs的发展形式——移动无线传感器网络（MWSNs）允许传感器节点或汇聚节点移动，从而提高了覆盖范围、可扩展性和数据收集效率[5,6]。在稀疏或异构环境中，部署移动汇聚节点有助于缩短传输距离并增强连通性[7],[8],[9]。然而，移动性也带来了严重的缺点，如较高的控制开销、不规则的能量消耗模式以及频繁的拓扑变化[10]。特别是当节点靠近移动汇聚节点时，可能会出现“能量洞”问题，并导致热点区域出现极端拥堵，进而使数据转发操作过载[11,12]。这些影响会提高端到端延迟，缩短网络寿命，并增加数据包丢失率[13]。此外，由于汇聚节点移动引起的动态拓扑变化导致的频繁路由重新计算会进一步增加延迟和能量消耗[14,15]。

尽管已经提出了许多针对MWSNs的路由协议，但仍存在一些限制其实用性的问题。首先，许多系统依赖于精确的汇聚节点轨迹信息或预测，而在实际部署环境中这往往难以实现[16]。其次，一些协议使用全局或元启发式优化技术，这些技术对于资源有限的传感器来说不适用，并且计算复杂度较高[17]。第三，许多注重节能的算法采用固定的聚类策略或静态权重因子，无法适应网络条件的变化，如剩余能量或流量拥堵的时间变化[18]。这些缺点凸显了需要一种能够从环境反馈中学习并即时调整的自组织、分布式路由机制的需求，而无需中央管理[19]。

本研究通过提出BDSR来解决这些问题，该协议结合了群体智能和自适应学习概念，提高了MWSNs的能量效率和拥塞感知能力。这一理念借鉴了自然系统（如蜜蜂群和蚂蚁群）中的集体行为，其中个体成员遵循基本规则的同时协同工作以产生全局最优结果。所提出的方法使用基于信息素的通信过程进行数据转发，每个节点独立评估剩余能量、邻域拥堵和链路质量等局部因素。这些局部互动共同形成了能够实时响应网络动态变化的自适应路由模式。通过摒弃集中决策和预定义的汇聚节点轨迹，群体驱动机制提高了可扩展性并降低了控制开销，优于传统的预测性或基于环的协议。

BDSR的动态能量聚类（DEC）机制使节点能够根据局部拥堵和能量水平的变化动态重新排列簇。为了实现公平的负载分配并减少热点的形成，每个节点根据剩余能量和流量密度的综合评估来确定其参与优先级。轻量级的强化反馈更新（RFU）技术通过允许节点利用过去的性能反馈（包括传输延迟、成功传输率和能量消耗）来调整未来的路由决策，进一步增强了这一机制。即使在汇聚节点高度移动的情况下，这种自适应学习方法也能使路由行为逐渐优化，从而提高可靠性并减少通信延迟。对于对时间敏感的物联网应用而言，BDSR的分散式学习能力在响应性和能量效率之间取得了微妙的平衡。

开发BDSR的动机在于需要一种可扩展、智能且自维持的路由系统，该系统能够在没有外部帮助的情况下即时适应网络变化。随着物联网生态系统向智慧城市和信息物理基础设施的发展，具有实时适应能力、容错性和能量优化功能的路由协议变得越来越重要。BDSR的生物启发式基础为这种动态场景提供了有效的框架，使得自主决策和高效的信息传播成为可能。以下简要总结了本研究的主要贡献：

•

提出了一种自适应聚类和自组织信息素通信的BDSR，用于控制MWSNs中的拥塞并最大化能量利用。

•

通过结合强化反馈学习（RFU）和能量自适应聚类机制，实现了分布式路由优化和持续的性能提升，而无需中央计算。

•

对BDSR与四种先进路由协议（Hybrid GS-MBO、MSHRP、SMEOR和AECR）进行了全面分析和比较，在各种移动性和环境条件下显示出在吞吐量、端到端延迟、能量效率和网络寿命方面的显著改进。

本文的其余部分结构如下：第2节回顾了现有的MWSNs路由技术，指出了它们的局限性以及开发自适应生物启发式方法的必要性。第3节描述了系统模型和问题表述，详细介绍了网络架构和操作假设。第4节介绍了所提出的BDSR协议的设计，包括基于群体的路由动态、自适应聚类和强化反馈机制。第5节讨论了仿真设置、性能评估指标以及与基线方法的比较分析。最后，第6节总结了研究结果并提出了未来研究的潜在方向。

相关工作

为了解决无线传感器网络（WSNs）中的热点问题，实现了移动汇聚节点。然而，对于资源受限的WSNs而言，基于移动汇聚节点的路由需要定期更新所有传感器节点的汇聚节点位置数据，这是一个能耗较高的过程。为了最小化汇聚节点位置更新的能量开销并减少数据传输延迟，必须开发一种绿色路由系统[20]。

网络模型和问题表述

本节描述了所提出的BDSR协议的网络架构和数学模型。与基于环或层次结构的方案不同，BDSR采用了一种受社会昆虫集体行为启发的自组织群体结构。通过强化反馈和局部信息素交换，每个节点作为独立代理学习并适应网络变化。

基于生物启发的群体路由技术用于高效能的移动传感器网络

对于MWSNs，BDSR框架提供了一种去中心化和自组织的路由方法，替代了静态的基于环的设计。为了动态平衡能量消耗、减少拥堵并在移动汇聚节点（MS）移动时保持网络性能，BDSR利用分布式学习和局部反馈机制，而非预定义的几何区域。

定期地，每个传感器节点交换包含链路质量、缓冲区状态等信息的单步状态信号。

性能评估

通过一系列详细的仿真测试，评估了所提出的BDSR协议的性能。实验使用的是配备Intel Core i9处理器（2.6 GHz）和64 GB RAM的64位Ubuntu 22.04系统。为了确保统计显著性并消除数据偏差，每个仿真场景使用了不同的随机种子运行了25次。

仿真场景模拟了智能农业和环境监测等大规模物联网应用。

结论

本研究提出了基于生物启发的动态群体路由框架BDSR，旨在提高MWSNs的可扩展性、能量平衡和路由效率。通过结合动态聚类、基于强化的学习和群体智能概念，BDSR提供了一种节能且自组织的通信结构，能够适应不同的节点分布和移动性变化。该系统减少了冗余传输，缓解了移动汇聚节点周围的拥堵问题。

伦理批准

不适用。

数据和材料的可用性

本文使用的数据可应要求提供。

CRediT作者贡献声明

卢明兴：撰写——审稿与编辑、项目管理、方法论、研究。 王兆：撰写——审稿与编辑、可视化、软件开发、项目管理、方法论、形式分析、概念化。 范宏波：撰写——初稿撰写、方法论、资金筹集、形式分析。