基于蚁群优化的大规模自组网MPR选择算法

【摘  要】MPR是Ad-hoc网络中用来减少网络中控制包数量，从而降低网络开销的一种机制，传统上对于MPR集的选取常采用贪心算法，无法很好地适应如今的大规模自组网。因此将蚁群算法用于MPR集合的选择过程中，提出一种基于节点状态的DNACO算法，将节点的移动状态信息和三跳邻居信息引入到蚁群的路径选择过程。实验结果表明，DNACO在降低MPR集大小、提升网络性能上较传统算法上都有一定的提升。 

【关键词】自组网 ；蚁群算法；MPR

0   引言

近些年来，在民用领域和军用领域，移动自组网的发展变得越来越引人注目，其中无人机（UAV, Unmanned Aerial Vehicle）凭借其体积小、成本低、便于部署等优势[1]在实时监控、搜寻救援、中继传输、战略打击等方面都得到了广泛的应用[2-3]。然而无人机自组织网络具有节点移动性强、网络拓扑变化快、数据交互频繁、能量消耗大等特点[4]，传统的路由算法已经无法满足其对网络传输延迟、丢包率、路由开销等方面的要求。 

最优链路状态路由（OLSR, Optimized Link State  Routing）协议是一种经典的链路状态协议，通过在节点间广播Hello分组来完成链路探测、邻居发现以及多点中继（MPR, Multi-Point Relay）节点的选择[5]。利用拓扑控制（TC, Topology Control）分组在获取MPR节点信息后建立和维护网络的整个拓扑，并最终运用Dijkrastra算法计算路径，生成路由[6]。其中MPR节点的选择至关重要[7]，每个节点都只会将其TC分组发送至其对应的MPR节点，以减少网络间的控制包数量。文献[8]提及，选择