蚁群算法在VANET路由协议的应用研究

论文摘要

当前,在国家提出物联网发展战略的背景下,越来越多非传统网络吸引了人们的目光。其中,车载自组网（VANET）作为一种新型的无线移动网络渐渐地走入人们的日常生活。本文在深入研究VANET的网络特性和车辆的移动模型的基础之上,结合启发式智能算法的原理和思想,把蚁群算法应用于VANET的路由协议中。并且分析了蚁群算法的缺点,尤其是其存在的路径退化和信息素更新问题,引入了信息熵对蚁群算法进行改进。最后将改进的E-ACO算法应用于VANET路由算法,并在仿真平台上验证可行性和有效性。论文主要开展的工作如下:①研究VANET网络的特性和经典无线移动网络中路由协议的原理。分析了在VANET应用场景中,设计路由算法时应该重点考虑的因素。研究现有的车辆移动模型,并分析了各种模型的适用场景和优缺点。②研究蚁群算法的原理,重点分析算法的多智能Agent协作的特点以及算法的正反馈机制。并在此基础上,研究了蚁群算法与无线移动网络的契合点,同时研究了蚁群算法在自组网中的经典应用。③提出了一种改进的蚁群算法E-ACO。通过引入作为度量不确定性的信息熵,从而改善信息素更新的机制。分析E-ACO算法的有效性和收敛性。通过数学实验验证正确性,并与两种传统的信息素更新机制进行对比,E-ACO算法具有更快的收敛时间和较好的自适应性。④实现E-ACO算法在VANET路由协议中的应用。由于在VANET应用场景中,网络节点移动性强,所以传统蚁群算法中的正反馈机制失灵。高浓度信息素节点移出VANET时,会造成网络的局部瘫痪。结合E-ACO算法设计的路由算法在网络拓扑变化频繁的情况下,能仍保持快速的路由收敛和稳定的端到端时延。⑤在车辆移动仿真平台Sumo和网络通信仿真平台NS-2的结合下,对该路由算法进行仿真实验。通过分析实验结果,并与经典的无线移动自组网路由算法相对比,可以看出改进过后路由算法在分组的平均交付率,路由算法的开销,以及端到端的时延方面有一定的优越性。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 研究意义和目的
• 1.4 论文工作概述和结构
• 2 VANET 相关技术研究
• 2.1 引言
• 2.2 VANET 路由协议概述
• 2.2.1 VANET 网络的特性
• 2.2.2 路由算法目标及评价
• 2.3 VANET 路由协议分类
• 2.3.1 基于拓扑的路由协议
• 2.3.2 基于位置信息的路由协议
• 2.3.3 基于地图的路由协议
• 2.4 车辆的移动模型的研究
• 2.4.1 随机运动模型
• 2.4.2 真实节点运动模型
• 2.4.3 交通流仿真模型研究
• 2.5 本章小结
• 3 蚁群算法在路由协议中的应用
• 3.1 蚁群算法的概述
• 3.1.1 蚁群算法的提出与发展
• 3.1.2 蚁群算法的原理
• 3.1.3 蚁群算法的数学模型
• 3.2 蚁群算法在无线网络路由协议中应用
• 3.2.1 蚁群算法在路由领域的研究概述
• 3.2.2 自组网中的蚁群算法经典应用
• 3.3 本章小结
• 4 基于信息熵的 E-ACO 算法
• 4.1 蚁群算法在VANET 下适用性分析
• 4.1.1 经典蚁群算法的特点与VANET 契合
• 4.1.2 经典算法的不足与传统的改进方法
• 4.2 基于信息熵的改进蚁群算法
• 4.2.1 信息熵的概述
• 4.2.2 信息熵与VANET 应用场景的相关性
• 4.3 利用信息熵改进蚁群算法
• 4.3.1 改进算法的伪代码
• 4.3.2 算法如何避免停滞
• 4.3.3 算法如何实现收敛
• 4.3.4 算法的自适应特点
• 4.3.5 改进算法与常规解决方法的比较
• 4.4 小结
• 5 E-ACO 算法在 VANET 路由中的应用
• 5.1 路由算法的具体实现
• 5.1.1 路由发现的过程
• 5.1.2 路由维护的过程
• 5.1.3 失效链路的处理
• 5.2 仿真平台的介绍
• 5.2.1 车辆移动模型的仿真平台
• 5.2.2 网络通信仿真平台
• 5.3 仿真的应用场景
• 5.4 实验的数据分析
• 5.5 本章小结
• 6 结论与展望
• 致谢
• 参考文献
• 附录
• 作者在攻读学位期间发表的论文目录