基于蟻群算法的無線傳感器網絡能量有效路由算法研究*

童孟軍 ，俞 立，鄭立靜，董齊芬

(1.浙江工業大學信息工程學院，杭州 310032;2.杭州電子科技大學計算機學院，杭州 310018)

無線傳感器網絡(Wireless Sensor Network，WSN)［1］是繼Internet之后隨著無線通信技術、傳感器技術、微電子技術和分布信息處理技術發展起來的一種新興信息獲取技術。WSN綜合了嵌入式技術、傳感器技術、通信技術和分布式信息處理技術，能夠協作實時感知、監測、采集網絡分布區域內的各種環境的信息，并對數據進行適當的處理以獲得精簡準確的信息，并傳送給最終的用戶。

無線傳感器網絡由于節點能量有限，這給傳感器網絡路由協議的設計提出了巨大挑戰。將蟻群算法應用于路由協議的設計中，利用蟻群算法的網絡分布式、個體簡單而群體智能表現出優化等特點很好的均衡了網絡負載，延長了網絡壽命，近年來引起了中外研究人員的廣泛關注，已逐漸成為當前無線傳感器網絡路由設計研究領域的熱點。

隨著各種智能算法的相繼出現，越來越多的學者將它們應用于無線傳感器網絡路由協議的研究中，而螞蟻尋找食物的行為與網絡中節點尋找路由的過程十分相似，因此基于蟻群算法的傳感器網路由協議得到了大量的關注。文獻［2－3］給出了關于蟻群算法的概述性的介紹，基于蟻群的網絡路由協議的典型代表有Kassabalidis等人提出的AntNet算法［4］。然而 AntNet是面向有線網絡的，文章［5］對蟻群算法作了改進，提出了ACRA算法，文章［6］在DD算法的基礎上將蟻群優化應用到路由算法中，提出了ARAWSN算法，文章［7］在ACO算法的基礎上提出了一種基于預測模式的蟻群優化算法，文章［8］提出了 AntHocNet算法，文章［9］提出了ARAMA 算法，ANSI［10］和 ARA［11］都是基于智能蟻群算法的按需路由協議。

本文將蟻群算法的特點與無線傳感器網絡路由設計的要求結合起來，對各蟻群路由算法的特點進行了研究和總結，在此基礎上提出了一種改進的適用于無線傳感器網絡的蟻群路由協議，實驗表明它表現出了更好的性能。

1 蟻群路由算法簡介

Marco Dorigo等人在1998年提出了AntNet協議［12］，在AntNet協議中，每個節點維護一張路由表和另外一張附加的表，這張附加表中包含著網絡螞蟻流量分布的信息，記錄著螞蟻經過的節點。在路由表的每條表項中，記錄著目標節點地址和到達目標節點地址的下一跳的啟發式信息值。但是AntNet蟻群路由算法是應用在有線網絡中的，由于它所帶來的良好的網絡路由性能吸引了國內外研究學者在AntNet基礎上進行了廣泛的研究，大多無線自織網絡中的蟻群路由算法都是在AntNet協議基礎上發展而來的。

Gunes等人提出的ARA(ant colony based routing algorithm)算法［13］是最早的將ACO算法應用于移動自組織網絡的算法。在ARA中，路由表的每條表項也包含著用于計算選擇下一跳概率的信息素值，這個信息素的量隨著時間的流逝而逐漸揮發。路由表中的信息素值減小到一定的閾值以下后節點進入到休眠模式。在路由發現階段，ARA同樣使用前向螞蟻和后向螞蟻共兩種螞蟻來進行路由建立操作。ARA的路由維護過程不需要特殊的數據包，而是在數據傳輸過程中進行的。如果源節點收到一個路由失敗通知，它就重啟動一個路由發現過程。ARA的缺點是不適合大規模的網絡并且不提供回路檢測。

O.Hossein和T.Saadawi等人在2004年提出了ARAMA(ant routing algorithm for mobile ad hoc networks)協議［14］，它是一個主動式的路由協議。在其他的ACO路由協議中，前向螞蟻的主要任務是收集路徑信息。而在ARAMA中，前向螞蟻不僅關心跳數信息，還收集所經過的路徑上的鏈路的信息比如節點能量和隊列延遲的大小等。ARAMA定義梯度(grade)的概念，這個值由后向螞蟻返回的途中進行計算并保存在節點中。后向螞蟻在返回源節點的過程中，使用梯度值對節點中的路由表進行更新，以一定的信息素更新策略對信息素進行更新。文章中作者指出，路由發現和維護的代價通過控制前向螞蟻的產生速率來減小，但并沒有指出在動態變化的拓撲環境中怎樣去控制這個數據產生速率。

Di Caro等人在2005年提出了AntHocNet協議［15］，這個協議結合了AntNet和ARA兩個協議的優點，表現出更加優秀的性能。在AntHocNet中，人工螞蟻維護著一個節點列表，記錄著它訪問過的所有節點。源節點發出前向螞蟻，如果一段時間后如果收到了所有后向螞蟻，則稱之為一個螞蟻路由周期結束。如果在計時期結束沒有收到后向螞蟻，節點向它所有的鄰居廣播鏈路失效信息，然后鄰居節點啟動按需路由發現過程。AntHocNet協議是一種混合式路由協議，但路由維護過程需要有大量的螞蟻，另外，每個節點保存著一張它所有可達目的節點的路由表，所以，對于規模大的網絡AntHocNet并不太適合。

Laura Rosati等人在2008年提出DAR(Distributed Ant Routing)協議［16］，它是一種按需的路由協議，相對于主動式路由，它可以減少路由時的網絡負載。前向螞蟻只負責收集關于交叉節點的ID信息，它在使用概率公式計算選擇下一跳節點的概率時只使用信息素值作為參數。而后向螞蟻在返回過程途中只釋放常量值的信息素值。在DAR中，每個路由節點中路由表都是隨機的:下一跳節點是依據概率值的大小進行選擇的。這個概率值是通過以前螞蟻走過時留下的信息素進行計算的。但是DAR算法要讓螞蟻記錄經過的節點，不適用于大型網絡，同時也容易陷入局部最優解，網絡的收斂速度也不快。

無線傳感器網絡路由設計的指標之一就是盡可能的節省能量，延長網絡壽命。上述蟻群路由算法中，在帶有記憶功能的前向螞蟻中存儲著它訪問過的所有節點的ID值，而在大型的無線傳感器網絡中，節點數量往往是成千上萬甚至更多，導致螞蟻的記憶列表越來越長，螞蟻包的大小隨之增大，節點間傳輸螞蟻包帶來的能耗加劇，網絡壽命減少。文章［17］提出一種能量高效的蟻群路由協議EEABR協議，該算法的螞蟻包只保存兩個最近訪問記憶列表的ID值。同時在每個節點中增加一個記錄發送和接收螞蟻包的列表，每個記錄保存著螞蟻的上一跳節點，下一跳的轉發節點，螞蟻ID以及生存時間值。實驗證明，EEABR協議有效地減少了網絡中節點的能耗，延長了網絡的壽命，但是EEABR算法也存在著很多不足，包括螞蟻報文設計、螞蟻路徑概率選擇、信息素更新公式以及信息素揮發機制等方面都有可改進之處，本文在EEABR協議的基礎上進行研究并改進，提出了改進的基于蟻群算法的能量有效路由協議IEEABR。實驗證明該算法延長了網絡壽命和提高了能量有效性。

2 IEEABR路由協議

在EEABR協議的基礎上，針對該算法的前向和后向螞蟻包都用相同的數據結構會帶來不必要的冗余問題，本文分開定義這兩種螞蟻包，這樣就能避免不必要的能量消耗。

前向螞蟻的數據包結構如圖1所示。其中，hp_type是數據包類型，使用它來判斷是不是一只螞蟻包，pkt_src_是螞蟻產生的源地址，seqno代表著一個節點生成的前向螞蟻的序列號，螞蟻源地址與序列號的組合＜pkt_src_，seqno＞唯一標識一只螞蟻，node_nbr是一個地址數組，用于記錄要發送前向螞蟻的當前節點的所有鄰居地址，節點進行概率選擇下一跳時，把node_nbr作為禁忌表，這樣可以避免螞蟻走回頭路并且減少了環路出現的可能性。Esum是目前為止前向螞蟻走過的路徑上節點的消耗的能量值之和，Emin是目前為止前向螞蟻走過的路徑上節點的最小能量值，lenFromSrc指當前螞蟻走過的路徑的長度，用節點跳數表示，TTL表示生存時間。

圖1 前向螞蟻數據包結構

后向螞蟻的數據包結構如圖2所示。其中，phe_value代表信息素更新值，由Sink節點計算并賦值，由后向螞蟻在返回過程中攜帶，用于信息素更新公式的計算。pkt_dst_表示此后向螞蟻要到達的目的節點，lenFromSrc代表著后向螞蟻離開Sink節點的路徑長度，從1開始累計。

圖2 后向螞蟻數據包結構

由于螞蟻包不再記錄已訪問過的節點ID，這樣就需要在每個節點中建立一個螞蟻訪問列表，用于記錄訪問過該節點的螞蟻。在節點代理類IeeAbr中增加一個visitedAnts的鏈式類的指針:

LinkList*visitedAnts;

其中LinkList是一個鏈式類，它的類結構如圖3所示。

圖3 LinkList類結構圖

本文保留EEABR協議里的用于建立和維護鄰居關系的Hello包。這樣每個節點都必須保存一個鄰居表，用于記錄鄰居信息。

鄰居表項數據結構如圖4所示。其中，nb_addr是鄰居節點的地址，energy是鄰居節點的剩余能量值，通過hello包來主動式的更新。pheromone值是當前節點到此鄰居節點的鏈路上的信息素值，它的初始值我們定義為一個常量值STARTUP_PHEROMONE，在節點的代理類中，它是個靜態常量，值為1，隨著時間的推移，信息素會以一定的策略進行揮發。hops是從鄰居到達Sink節點的跳數值，初始為一個較大常量值BIG_CONSTANT_HOPS，本協議中定為9999，代表著這個鄰居還不能轉發數據包，我們定義鄰居表項中hops字段值小于BIG_CONSTANT_HOPS值的鄰居為有效鄰居，當一個節點收到一只后向螞蟻時，則更新鄰居表中相應hops的值。其中，last_update_time是最后一次更新這個表項的時間值。

圖4 鄰居表項結構圖

在IEEABR協議中，如果中間節點r收到一只sant，如果這只螞蟻不在它的visitedAnts列表中，則這個節點按式(1)計算選擇下一跳的節點概率:

其中，Pk(r，s)是前向螞蟻k在傳輸的過程中從節點r選擇移動到s節點的概率大小，τ(r，s)是存儲在節點r的路由表中的鏈路(r，s)上的信息素值的大小，η(s)是節點r到節點s的鏈路上啟發式信息，即人工螞蟻釋放的信息素濃度，Nr代表螞蟻包中的node_nbr節點地址數組，本文對η(s)的含義做了改進，如式(2)所示:

其中Einit為傳感器節點能量初始值，E(s)為節點s的剩余能量，Einit－E(s)是節點消耗的能量值。從公式可以看出節點能量消耗較小的鄰居節點更容易成為下一跳節點，有利于平衡網絡能量消耗，延長網絡壽命。

在EEABR協議中，前向螞蟻在從源節點到Sink節點的傳輸過程中，并沒有對路徑上的信息素進行更新，而Jing Yang等人［18］在研究中發現，如果前向螞蟻在每一跳轉發過程中也對鏈路的信息素進行更新，則會使算法的快速收斂取得更佳的效果。在本文的IEEABR協議中，前向螞蟻與后向螞蟻均按式(3)對鏈路上的信息素值進行更新:

其中ΔTk(r，s)對于前向螞蟻和后向螞蟻計算方法不同。對于前向螞蟻，它的任務主要是收集路徑上的信息，找到一條到達Sink節點的最佳路徑。在IEEABR協議中，前向螞蟻的ΔTk按式(4)進行計算:

其中Emin是前向螞蟻k從源節點到當前節點所走過的路徑上的節點能量最小值，E(s)是鄰居節點s的剩余能量值，Eavg是螞蟻k從源節點到當前節點所走過的路徑上的節點消耗能量的平均值，k1，k2，k3分別代表以上三部分能量的權值，從式(4)中看出，前向螞蟻k在具有能量瓶頸的路徑上釋放的信息素較少，并且在計算時考慮到了當前鄰居的節點能量值大小，以引導后來的螞蟻將能量較大的鄰居作為下一跳，同時還從全局的角度考慮了螞蟻搜尋路徑上能量消耗情況，從算法的整體性能上來看，它有利于均衡網絡能量消耗，延長網絡平均壽命。對于后向螞蟻，ΔTk(r，s)按式(5)進行信息素的更新:

其中Bdk是后向螞蟻k經過的路徑長度，用節點跳數來表示。k4，k5系數，代表E(s)與Bdk的權值，反映這兩個變量的相對重要性。ΔTk參考［17］，由Sink進行計算，ΔTk的計算如式(6)所示:

其中Einit為節點能量初始值，Fdk代表前向螞蟻所訪問的節點數。每當Sink收到一只前向螞蟻時就計算此值并放到相應的新生成的后向螞蟻的phe_value字段中。

最后Sink節點釋放前向螞蟻并把后向螞蟻發送給源節點。后向螞蟻在返回的途中，按式(3)和式(5)對所經過的每個節點進行信息素的更新。后向螞蟻在返回過程中，不僅考慮到路徑長度，還考慮到當前下一跳鄰居的能量值。對于離Sink節點較近的節點，后向螞蟻在其鄰居的鏈路上釋放較多的信息素，可以加速蟻群算法的收斂。同樣，當前鄰居節點能量的因素可以平衡網絡消量消耗，避免能量較小的節點由于過多的轉發螞蟻而導致快速死亡，可以有效延長傳感器網絡的平均壽命。

3 IEEABR路由算法流程

IEEABR算法在EEABR算法上做了較大的改動，算法的具體過程可以描述為:

(1)在協議運行初始階段，先進行hello包的廣播，建立起節點與其鄰居的之間一個相互關系，初始時每個具有鄰居關系的鏈路上的信息素設置為1;

(2)對于每一個非Sink節點生成各自的第一只前向螞蟻并選擇按概率選擇公式下一跳進行發送，各個節點上螞蟻生成的獨立且同步進行的，每只螞蟻的生成時間都由隨機數生成器來控制;

(3)每個中間節點收到IEEABR數據包之后進行判斷，報文類型有三種，分別是IeeAbrTYPE_HELLO、IeeAbrTYPE_SANT和IeeAbrTYPE_BANT;

(4)如果是類型IeeAbrTYPE_HELLO，則表明這是鄰居發來的信息，先判斷當前節點是否已經有當前鄰居的信息，如果沒有，將此鄰居信息加入鄰居表，否則對鄰居表項內容進行更新處理;

(5)如果節點收到一只前向螞蟻，即類型Iee-AbrTYPE_SANT，節點判斷是否達到Sink節點，如果已到達Sink節點，則生成后向螞蟻并讓前向螞蟻死亡，如果沒有到達Sink節點，說明當前節點是中間節點，此前向螞蟻需要進行下一跳的轉發。如果TTL的生命期還沒到，則隨機生成一個0到1間數，如果小于0.001，則從有效鄰居中均等概率隨機選擇下一跳進行轉發，否則按式(1)計算概率選擇下一跳鄰居節點。然后對前向螞蟻各字段的信息進行更新并將它加入到當前節點的螞蟻訪問列表，根據式(3)和式(4)對鄰居表信息素進行更新，轉發前向螞蟻，轉到步驟(3);

(6)前向螞蟻到達Sink節點后生成相應的后向螞蟻并死亡。節點收到一只后向螞蟻，即類型為Iee-AbrTYPE_BANT，首先判斷是否到達源節點，如果沒有到達源節點，則更新后向螞蟻信息，并按式(3)和式(5)對鏈路信息素進行更新，按記錄下的前向螞蟻的反向路徑轉發到下一跳，然后刪除鄰居表中相應前向螞蟻的記錄，轉到步驟(3)。如果回到源節點，則表示螞蟻已經成功找到一條從源節點到目的Sink節點的一條路徑，從節點的螞蟻訪問列表中刪除相應前向螞蟻的記錄，后向螞蟻死亡，轉步驟(7)。

(7)節點判斷是否發送前向螞蟻，如果是，則轉向步驟(2)，否則結束。

4 改進的IEEABR路由算法仿真實驗

4.1 IEEABR協議在NS2環境下的添加

本實驗搭建環境是WindowsXP SP2+cygwin+NS2.29，改進的IEEABR協議源代碼是用C++實現的，包括:

將 ieeabr文件夾拷貝到 ～ /ns－allinone－2.29/ns－2.29目錄下。然后修改相應的文件:

完成后，打開 cygwin，進入到 ns－allinone－2.29 s－2.29目錄下，依次運行 touch common/packet.cc和make兩個命令，上文所有添加或修改過的.cc文件都將會被重新編譯。編譯成功結束后IEEABR協議就添加到了NS2里。EEABR源代碼的添加方法類似。

4.2 IEEABR協議的仿真實驗

本實驗對IEEABR與EEABR這兩個協議的性能進行了仿真實驗對比，節點的通信半徑為20m，基站位置為(0，0)，其他節點位置隨機播撒，節點數目和場景區域大小將隨不同的實驗而變化。本文使用First-order Radio Model［19］能量傳輸模型，發送功率txPower為0.7W，接收功率 rxPower為 0.4W，設置發送和接收電路工作時消耗的能量Eelec為50nJ/bit，設置放大器工作時消耗的能量εamp為10pJ/bit/m2，數據融合時電路的功耗為5nJ/bit。節點初始能量為2J，為保證仿真過程的順利進行，我們將基站的能量單獨設為100J。數據流使用CBR流，數據包大小為256Byte，使用cbrgen工具生成數據流文件，仿真時間為200s。使用gnuplot工具進行畫圖。

(1)網絡能量消耗

網絡生存時間的長短與網絡消耗的總能量成反比，消耗越少的能量其網絡生存的時間就越長。網絡消耗的總能耗又與每個節點的平均能耗息息相關。

本文定義節點平均能量消耗為模擬時間之內消耗能量總量與節點數目之比，這里進行兩組實驗，第一組實驗場景按100～500不同節點數目進行比較，節點數目從100～500每次增加100個節點，網絡節點隨機安置在800 m×600 m的矩形區域內，節點部署好之后靜止或作小量移動。為了減小隨機性帶來的影響，不同節點數目場景下分別進行50次實驗并取平均值，實驗結果如圖5所示。第二組實驗查看節點平均能耗隨時間上升的情況，選取300個節點的網絡，在場景大小為600 m×600 m的正方形區域中隨機部署進行仿真實驗，所有節點都是靜止。實驗重復進行50次并取平均值，節點平均能耗隨時間變化的實驗結果如圖6所示。

圖5 節點平均能耗隨節點數量變化圖

圖6 節點平均能耗隨仿真時間變化圖

從圖5可以很明顯地看出，IEEABR協議比EEABR協議在單個節點平均能耗上性能有了較大的提高。特別地，當節點數目為300時，模擬時間結束后IEEABR協議的節點平均能耗比EEABR減少近26%。圖6中，時間小于50s時，EEABR的節點平均能量消耗小于IEEABR協議，這是可以理解的，因為IEEABR的前向螞蟻攜帶著節點的鄰居表，在開始階段收發前向螞蟻報文的開銷比EEABR協議要大，但隨著時間的進行，模擬時間大于60之后，EEABR的節點平均能耗增長速度明顯大于IEEABR協議，這是因為，IEEABR協議的每只前向螞蟻攜帶了上一跳節點的所有鄰居節點，選擇下一跳時避免選擇兩個節點生命的鄰居部分，這樣就一定程度上避免了路由環路的發生，同時驅使前向螞蟻向更遠的地方搜索，快速找到Sink節點，增加了算法的收斂速度，從而減少了網絡中的前向螞蟻的數量，所以節點平均能量消耗相對較小。

(2)能量有效性

本文中，能量有效性定義為從開始到模擬完成之后這段時間里Sink節點接收到的數據包總數與能量消耗總量的比值。能量有效性也是評價協議性能的重要指標之一，為了對比 IEEABR協議和EEABR協議的能量有效性，實驗場景選取傳感器節點為100～500的網絡，每次節點增加100，節點隨機放置在800m*600m的矩形區域內，仿真時間為200s，其他場景設置和參數與上文描述相同。每次實驗重復50次并取平均值，實驗結果如圖7所示。

圖7 能量有效性隨節點數目變化圖

從圖7中可以看出，IEEABR協議在節點數目不同情況的能量有效性均高于EEABR，特別地，在節點數目為200時，IEEABR協議的能量有效性比EEABR提高近28%。這是因為，EEABR協議在前向螞蟻搜尋路徑過程中出現環路的可能性遠高于IEEABR，由于環路時螞蟻就會被丟棄，導致節點需要發送更多的螞蟻去獲得最優路徑，降低了搜索的效率，并且導致能量消耗增加。盡管IEEABR協議的前向螞蟻多加了一個鄰居表地址數組node_nbr，但從網絡整體能量消耗的有效性而言，IEEABR協議比EEABR協議更優。另外，隨著網絡規模的擴大，兩個算法的能量有效性都在逐漸增加，當在節點數目為300時，兩個算法的能量有效性都高于20%。這是因為，隨著網絡規模的擴大，節點密度增加，節點通信距離減小，節點間通信消耗的能量也隨之減少，所以能量消耗有效性增加。

(3)網絡生存時間

本文中，為了對比IEEABR和EEABR協議的網絡生命時間，我們進行了兩組實驗，分別采用第一個節點死亡時間和網絡生存節點個數作為網絡壽命的評價指標進行考察對比。第一組實驗選取節點數目為100～500個節點的網絡，每次增加100個節點，在范圍800 m×600 m的矩形區域內，所有節點都靜止。同樣地，不同節點數目的實驗各進行50次，最后取平均值。第一個節點死亡時間隨節點數目變化的情況如圖8所示。第二組實驗選取300個節點的網絡，傳感器節點隨機安置在一個800 m×600 m的矩形區域內，網絡部署好之后所有節點都是靜止的，實驗重復進行50次，并取平均值。網絡生存節點個數隨模擬時間的變化情況如圖9所示。

圖8 第一個節點死亡時間隨節點數目變化圖

圖9 網絡生存節點個數隨時間變化圖

圖8很明顯地反映出在仿真過程中，IEEABR協議第一個節點的死亡時間要比EEABR晚。并且從圖中還可以看出，兩個算法在網絡規模小于300個節點的時候，隨著網絡規模的增加，網絡壽命都相應延長，而在網絡結點個數大于300的時候，網絡壽命都相應地減少。這是可以理解的，因為網絡規模過小，傳感器節點間的距離增加，數據傳輸所耗費的能量增加，網絡壽命減少。而如果網絡規模過大，則螞蟻找到一條源節點到Sink節點間路徑的時間增加，導致算法收斂速度減小，能耗隨之增加，同時節點密度增加后，廣播hello包的數量也增加，網絡能耗增加，網絡壽命減小。從圖9中可以看出，從開始到100 s時刻的這段時間里，IEEABR協議沒有節點死亡，而EEABR協議從70 s開始有節點持續死亡。IEEABR在時間170 s之后死亡節點將逐漸減少，生存節點總數基本維持在250個左右，而EEABR節點時間進行到170 s之后，生存節點個數將維持在240個左右。

5 結論

本文在大量研究無線傳感器網絡路由協議特點及蟻群算法理論的基礎上，對Carreto C.等提出的能量有效的蟻群路由算法(EEABR)進行了研究分析。針對EEABR協議在螞蟻報文設計、概率選擇及信息素更新等方面存在的不足，本文提出了基于EEABR的改進的能量有效的蟻群路由算法(IEEABR)。為了驗證改進算法是否適應課題的要求，使用NS2開源軟件平臺對IEEABR和EEABR協議進行了仿真實驗，并做了大量的實驗比較和分析。經過多組仿真實驗和分析，可以看出，無線傳感器網絡中采用改進的蟻群路由算法IEEABR協議，相比改進前的EEABR路由協議，網絡的性能有了很大的改善。

本文改進蟻群路由算法具有能量高效、網絡負載均衡，魯棒性，正反饋性和分布式計算等優點，已經顯示出它在無線傳感器網絡路由方面的優勢。

［1］Akyildiz Lf，Su W l，Sankarasubramaniam Y，et al.A Survey on Sensor Networks［J］.IEEE Communications Magazine，2002，40(8):102－114.

［2］Dorigo M，Birattari M，Stutzle T.Ant Colony Optimization:Artificial Ants as a Computational Intelligence Technique［J］.IEEE Computational Intelligence Magazine，2006，1(40):28－39.

［3］Blum C.Ant Colony Optimization:Introduction and Recent Trends［J］.Physics of Life Reviews，2005，2(4):353－373.

［4］Di Caro G，Dorigo M.AntNet:Distributed Stigmergetic Control for Communication Networks［J］.Journal of Artificial Intelligence Research，1998，9(1):317－365.

［5］耶剛強，梁彥，孫世宇.基于蟻群的無線傳感器網絡路由算法［J］.計算機應用研究，2008，25(3):715－717.

［6］梁華為，陳萬明，李帥.一種無線傳感器網絡蟻群優化路由算法［J］.傳感技術學報，2007，20(11):2450－2455.

［7］黃如，苗澎，陳志華.基于預測模式蟻群優化的傳感網節能路由機制［J］.傳感技術學報，2010，23(5):701－707.

［8］Di Caro，Ducatelle F，Gambardella L.AntHocNet:An Adaptive Nature-Inspired Algorithm for Routing in Mobile Ad Hoc Networks［M］.European Transactions on Telecommunnications，2005，16(5):443－455.

［9］Hussein O H，Saadawi M J，Lee M.Ant Routing Algorithm for Mobile Ad Hoc Networks(ARAMA)［J］.Phoenix，Arizona，2004:15－17.

［10］Rajagopalan S，Shen C.ASNI:A Unicast Routing Protocol for Mobile Ad Hoc Networks Using Swarm Intelligence［C］//Proceedings of the International Conference on Artificial Intelligence，Italy，2005:24－27.

［11］Mesut Gunes，Udo Sorges，Imed Bouazizi.ARA:The Ant-Colony Based Routing Algorithm for MANETs［C］//Proceedings fo the 2002 International Conference on Parallel Processing Workshops，Aachen，2002:79－85.

［12］Di Caro G，Dorigo M.AntNet:Distributed Stigmergetic Control for Communication Networks［J］.Journal of Artificial Intelligence Research，1998，9(1):317－365.

［13］Mesut Gunes，Udo Sorges，Imed Bouazizi.ARA:The Ant-Colony Based Routing Algorithm for MANETs［C］//Proceedings fo the 2002 International Conference on Parallel Processing Workshops，Aachen，2002:79－85.

［14］Hussein O H，Saadawi M J，Lee M.Ant Routing Algorithm for Mobile Ad Hoc Networks(ARAMA)［J］.Phoenix，Arizona，2004:15－17.

［15］Di Caro，Ducatelle F，Gambardella L.AntHocNet:An Adaptive Nature-Inspired Algorithm for Routing in Mobile Ad Hoc Networks［M］.European Transactions on Telecommunnications，2005，16(5):443－455.

［16］Laura R，Matteo B，Cgianluca.On Ant Routing Algorithms in Ad Hoc Networks with Critical Connectivity［R］.Ad Hoc Network Journal，2008，6(6):827－859.

［17］Camilo T，Carreto C，Silva J S，et al.An Energy-Efficient Ant-Based Routing Algorithm for Wireless Sensor Networks［C］//Proceedings of ANTS 2006－the 5th International Workshop on Ant Colony Optimization and Swarm Intelligence，Brusels，Belgium，2006:49－59.

［18］Yang J，Xu M，Zhao W.A Multipath Routing Protocol Based on Clustering and Ant Colony Optimization for Wireless Sensor Networks［Z］.SENSORS，2010，10(5):4521－4540.

［19］Heinzelman W，Chandrakasan A，Balakrishnan H.Energy-Efficient Communication Protocol for Wireless Sensor Networks［J］.Proc of Hawaii International Conference on System Sciences，Washington DC，2000:175－187.