[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN108462983B - 基于改进蚁群aodv协议的多机器人通信组网方法 - Google Patents

基于改进蚁群aodv协议的多机器人通信组网方法 Download PDF

Info

Publication number
CN108462983B
CN108462983B CN201810193483.XA CN201810193483A CN108462983B CN 108462983 B CN108462983 B CN 108462983B CN 201810193483 A CN201810193483 A CN 201810193483A CN 108462983 B CN108462983 B CN 108462983B
Authority
CN
China
Prior art keywords
robot
route
node
routing
improved
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810193483.XA
Other languages
English (en)
Other versions
CN108462983A (zh
Inventor
朱洪波
卢钊
余雪勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN201810193483.XA priority Critical patent/CN108462983B/zh
Publication of CN108462983A publication Critical patent/CN108462983A/zh
Application granted granted Critical
Publication of CN108462983B publication Critical patent/CN108462983B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/02—Topology update or discovery
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/22—Alternate routing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/28—Routing or path finding of packets in data switching networks using route fault recovery
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/026—Route selection considering the moving speed of individual devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

基于改进蚁群AODV协议的多机器人通信组网方法，具体包括：S1、源机器人节点查询机器人路由表中是否存在到达目的机器人的路由；S2、判断接收到改进路由请求报文的机器人节点是否为目的机器人节点或具有目的机器人的路由；S3判断中间机器人节点是否有源机器人节点的路由信息；S4、循环步骤S3直到找到目的机器人；S5、根据每条可行路由的参数计算路由性能函数值，设定函数值最大的路由作为主路由，函数值次大的路由作为备用路由。本方法以adhoc网络中AODV协议和蚁群算法为基础，综合考量机器人网络负载及移动速度，建立路由性能函数，获取最优、次优通信路由进行数据传输，有效减少多机器人通信时的端到端时延，增加吞吐量，减少路由开销。

Description

基于改进蚁群AODV协议的多机器人通信组网方法
技术领域
本发明属于无线通讯领域，具体涉及一种基于改进蚁群AODV协议的多机器人通信组网方法。
背景技术
智能机器人是一种集感知环境信息，自主规划既定任务、智能任务控制等众多能力于一体的智能移动设备，它可以获取、处理和识别多种信息，自主的完成较为复杂的操作任务，是人类20世纪最伟大的发明之一。随着机器人技术的发展以及任务的复杂性，单个机器人所能获取的信息或能力有限，有些任务对于单机器人来说是十分困难甚至无法完成的，多机器人系统的研究已经成为一种趋势。多机器人联合执行任务时，它们需要通过信息交流来进行多机器人间的同步和协调。因此通信组网是机器人之间交换信息和协作的基础，只有组网中任意一个机器人可以获取其他机器人的实时信息，才能确定下一步的任务。
Adhoc自组织网络是一种无固定基础设备支持、由多个节点组成的通信网络，具有无网络中心、节点自组织以及网络拓扑动态变化等特征。Adhoc自组织网络，每个移动节点就是移动终端，即可以作为主机收发数据，又可以作为路由转发其他节点的数据。因此，Adhoc网络可以为机器人通信提供对等的通信，是一种可行的解决多机器人通信的方案。
随着Adhoc网络的发展，应用于Adhoc网络的路由协议应运而生，AODV(Adhoc On-demand Distance Vector Routing)是一种按需的距离向量路由协议，当源节点需要到目的节点的路由时才寻找路径，AODV的综合性能较好，具有带宽利用率高，有效避免路由环路的产生等优点，但只支持单路径，当网络结构动态变化时，容易发生路径中断，将路径长短作为选路唯一标准具有盲目性。蚁群算法采用正反馈机制分布式全局优化启发式算法，蚁群具有任意移动、自发建立、自动布置等特性，这些特性与AODV路由要求相适应。但蚁群算法前期收敛速度很慢，浪费节点资源，容易陷入局部最优解。
发明内容
本发明的目的在于：提供一种基于改进蚁群AODV协议的多机器人通信组网方法，以adhoc网络中AODV协议和蚁群算法为基础，综合考量机器人网络负载及移动速度，建立路由性能函数，获取最优、次优通信路由进行机器人间的数据传输。
为了达到以上目的，提供一种基于改进蚁群AODV协议的多机器人通信组网方法，包括如下步骤：
S1、源机器人节点查询机器人路由表中是否存在到达目的机器人的路由，若存在，则选择路由性能函数值最大的路由进行数据传输，否则，源机器人发起路由发现，向相邻机器人节点发送改进路由请求报文；
S2、判断接收到改进路由请求报文的机器人节点是否为目的机器人节点或具有目的机器人的路由，若是，则向该机器人节点发送改进路由应答报文，建立正向路由，更新路径上机器人节点路由表；否则，检测中间机器人节点；
S3、判断中间机器人节点是否有源机器人节点的路由信息，若有，则表示收到过改进路由请求报文，并比较改进路由请求报文的源节点序列号与路由表中源节点序列号大小，当比较改进路由请求报文的源节点序列号小，则丢弃该路由信息，当比较改进路由请求报文的源节点序列号大，则更新转发该路由信息，当序列号相同，则记录并建立反向路由；若中间机器人节点无源机器人节点的路由信息，则建立反向路由并更新路由信息；
S4，中间机器人节点继续转发改进路由请求报文，循环步骤S3直到找到目的机器人，建立正向路由，并生成改进路由应答报文发送至源机器人节点；
S5、根据每条可行路由的信息素、数据缓存容量和机器人移动速度计算路由性能函数值，设定函数值最大的路由作为主路由，函数值次大的路由作为备用路由。
本发明的优选方案是：利用主路由进行数据传输时还包括如下步骤：
实时更新主路由经过机器人的信息素、时延、数据缓存容量和机器人移动速度，进而更新路由性能函数值；
活动的机器人定期发送HELLO数据报；
判断相邻机器人的链路是否中断，若是，则进行修复或组建新路由，否则，正常传输。
优选地，在步骤S1前，机器人路由表中添加下一跳机器人信息表项，下一跳机器人信息表项包括信息素质、时延、下一跳机器人的移动速度、下一机器人的数据缓存容量和路由性能函数值。
优选地，在步骤S2中，改进路由请求报文中添加发送改进路由请求报文的上一跳机器人的数据缓存容量和移动速度，改进路由应答报文中添加发送改进路由应答报文的上一跳机器人的数据缓存容量和移动速度。
优选地，当机器人完成一次循环，对各路径上的信息素的调整如下：
τij(t+1)＝(1-ρ)·τij(t)+Δτij(t,t+1) (1)
Figure BDA0001592383940000031
Figure BDA0001592383940000032
其中，
Figure BDA0001592383940000033
为第k个机器人在时刻(t,t+1)留在路径(i,j)上的信息素值，常量Q为路径的总信息素量，dij为路径(i,j)上的时延，Δτij(t,t+1)为本次循环中路径(i,j)的信息素增量，ρ为信息素挥发系数。
优选地，机器人移动速度公式如下：
Figure BDA0001592383940000034
其中，
Figure BDA0001592383940000035
为归一化速度，Vj为机器人节点j的速度，Vmax为机器人的最大速度。对于一个机器人节点，归一化速度越大，则在路由发现过程中该节点被选为中间转发节点的机会越小。
优选地，机器人的数据缓存容量公式如下：
Figure BDA0001592383940000036
其中，
Figure BDA0001592383940000041
为归一化数据缓存队列中的容量，Lj为机器人节点j当前数据缓存队列中的容量，Lmax为机器人数据缓存队列的最大容量。对于一个机器人节点，当前的数据缓存队列中的容量越大，节点发生拥塞的可能性越大，被选为中间节点的机会越小。
优选地，路由性能函数值的函数为：
Figure BDA0001592383940000042
其中，P为路由性能函数值，
Figure BDA0001592383940000043
为公式(4)中归一化速度，
Figure BDA0001592383940000044
为公式(5)中归一化数据缓存队列中的容量，γ，λ，μ为权重值，pij(t)为蚁群算法t时刻在机器人i选择机器人节点j的转移概率，具体公式为：
Figure BDA0001592383940000045
其中，Ni为机器人i的邻居点集合，τij(t)为t时刻路径(i，j)上的信息量，ηij(t)为路由跳数启发函数，函数为:ηij(t)＝1/hij,hij为机器人节点j到达目的机器人的跳数，α为信息素启发因子，α越大，则选择信息素值越大路由的机会越大，β为跳数启发因子，β越大，则选择跳数越大的路由机会越大。
更优选地，HELLO数据报中添加信息参数，包括发送HELLO的时间、数据缓存容量和机器人移动速度。
更优选地，链路中断修复具体为：首先对中断路由进行本地修复，若本地无法修复，则向源机器人发送改进路由错误报文，源机器人启动备用路由进行传输，当主路由和备用路由均中断时，则重新进行路由发现，组建新路由。
本发明有益效果为：本方法以adhoc网络中AODV协议和蚁群算法为基础，综合考量机器人网络负载及移动速度，建立路由性能函数，获取最优、次优通信路由进行机器人间的数据传输，可以有效减少多机器人通信时的端到端时延，增加吞吐量，减少路由开销，且具有链路稳定、适用性强的优点。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明的基于改进蚁群AODV协议的多机器人通信组网方法的工作流程图；
图2为本发明的基于改进蚁群AODV协议的多机器人通信组网方法的路由发现阶段流程图；
图3为本发明的改进蚁群AODV协议中改进路由请求报文消息格式示意图；
图4为本发明的改进蚁群AODV协议中改进路由应答报文消息格式示意图。
具体实施方式
实施例一
请参阅图1，本实施例提供一种基于改进蚁群AODV协议的多机器人通信组网方法，路由发现阶段如图2所示，包括如下步骤：
S1、源机器人节点查询机器人路由表中是否存在到达目的机器人的路由，若存在，则选择路由性能函数值最大的路由进行数据传输，否则，源机器人发起路由发现，向相邻机器人节点发送改进路由请求报文；
S2、判断接收到改进路由请求报文的机器人节点是否为目的机器人节点或具有目的机器人的路由，若是，则向该机器人节点发送改进路由应答报文，建立正向路由，更新路径上机器人节点路由表；否则，检测中间机器人节点；
S3、判断中间机器人节点是否有源机器人节点的路由信息，若有，则表示收到过改进路由请求报文，并比较改进路由请求报文的源节点序列号与路由表中源节点序列号大小，当比较改进路由请求报文的源节点序列号小，则说明该路由信息过期，丢弃该路由信息，当比较改进路由请求报文的源节点序列号大，则更新转发该路由信息，当序列号相同，则记录并建立反向路由，但不转发；若中间机器人节点无源机器人节点的路由信息，则建立反向路由并更新路由信息；
S4，中间机器人节点继续转发改进路由请求报文，循环步骤S3直到找到目的机器人，建立正向路由，并生成改进路由应答报文发送至源机器人节点；
S5、根据每条可行路由的信息素、数据缓存容量和机器人移动速度计算路由性能函数值，设定函数值最大的路由作为主路由，函数值次大的路由作为备用路由。
路由维护阶段，利用主路由进行数据传输时还包括如下步骤：
实时更新主路由经过机器人的信息素、时延、数据缓存容量和机器人移动速度，进而更新路由性能函数值；
活动的机器人定期发送HELLO数据报；
判断相邻机器人的链路是否中断，若是，则进行修复或组建新路由，否则，正常传输。
以下将对上述步骤S1-S5的操作规则、方式等进行详细说明；
在步骤S1前，机器人路由表中添加下一跳机器人信息表项，下一跳机器人信息表项包括信息素质、时延、下一跳机器人的移动速度、下一机器人的数据缓存容量和路由性能函数值。
在步骤S2中，如图3所示，改进路由请求报文(Improve Routing Request，IRREQ)中添加发送改进路由请求报文的上一跳机器人的数据缓存容量和移动速度，如图4所示，改进路由应答报文(Improve Routing Response，IRREP)中添加发送改进路由应答报文的上一跳机器人的数据缓存容量和移动速度。
当机器人完成一次循环，对各路径上的信息素的调整如下：
τij(t+1)＝(1-ρ)·τij(t)+Δτij(t,t+1) (1)
Figure BDA0001592383940000061
Figure BDA0001592383940000062
其中，
Figure BDA0001592383940000063
为第k个机器人在时刻(t,t+1)留在路径(i,j)上的信息素值，常量Q为路径的总信息素量，dij为路径(i,j)上的时延，Δτij(t,t+1)为本次循环中路径(i,j)的信息素增量，ρ为信息素挥发系数。
机器人移动速度公式如下：
Figure BDA0001592383940000071
其中，
Figure BDA0001592383940000072
为归一化速度，Vj为机器人节点j的速度，Vmax为机器人的最大速度。对于一个机器人节点，归一化速度越大，则在路由发现过程中该节点被选为中间转发节点的机会越小。
机器人的数据缓存容量公式如下：
Figure BDA0001592383940000073
其中，
Figure BDA0001592383940000074
为归一化数据缓存队列中的容量，Lj为机器人节点j当前数据缓存队列中的容量，Lmax为机器人数据缓存队列的最大容量。对于一个机器人节点，当前的数据缓存队列中的容量越大，节点发生拥塞的可能性越大，被选为中间节点的机会越小。
路由性能函数值的函数为：
Figure BDA0001592383940000075
其中，P为路由性能函数值，
Figure BDA0001592383940000076
为公式(4)中归一化速度，
Figure BDA0001592383940000077
为公式(5)中归一化数据缓存队列中的容量，γ，λ，μ为权重值，Pij(t)为蚁群算法t时刻在机器人i选择机器人节点j的转移概率，具体公式为：
Figure BDA0001592383940000078
其中，Ni为机器人i的邻居点集合，τij(t)为t时刻路径(i，j)上的信息量，ηij(t)为路由跳数启发函数，函数为:ηij(t)＝1/hij,hij为机器人节点j到达目的机器人的跳数，α为信息素启发因子，α越大，则选择信息素值越大路由的机会越大，β为跳数启发因子，β越大，则选择跳数越大的路由机会越大。
HELLO数据报中添加信息参数，包括发送HELLO的时间、数据缓存容量和机器人移动速度。
链路中断修复具体为：首先对中断路由进行本地修复，若本地无法修复，则向源机器人发送改进路由错误报文(Improve Routing Error，IRERR)，源机器人启动备用路由进行传输，当主路由和备用路由均中断时，则重新进行路由发现，组建新路由。
该方法以adhoc网络中AODV协议和蚁群算法为基础，综合考量机器人网络负载及移动速度，建立路由性能函数，获取最优、次优通信路由进行机器人间的数据传输。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (6)

1.基于改进蚁群AODV协议的多机器人通信组网方法，其特征在于，包括如下步骤：
S1、源机器人节点查询机器人路由表中是否存在到达目的机器人的路由，若存在，则选择路由性能函数值最大的路由进行数据传输，否则，源机器人发起路由发现，向相邻机器人节点发送改进路由请求报文；
S2、判断接收到改进路由请求报文的机器人节点是否为目的机器人节点或具有目的机器人的路由；若是，则向该机器人节点发送改进路由应答报文，建立正向路由，更新路径上机器人节点路由表；否则，检测中间机器人节点；
S3、判断中间机器人节点是否有源机器人节点的路由信息；若有，则表示收到过改进路由请求报文，并比较改进路由请求报文的源节点序列号与路由表中源节点序列号大小，当比较改进路由请求报文的源节点序列号小，则丢弃该路由信息，当比较改进路由请求报文的源节点序列号大，则更新转发该路由信息，当序列号相同，则记录并建立反向路由；若中间机器人节点无源机器人节点的路由信息，则建立反向路由并更新路由信息；
S4、中间机器人节点继续转发改进路由请求报文，循环步骤S3直到找到目的机器人，建立正向路由，并生成改进路由应答报文发送至源机器人节点；
S5、根据每条可行路由的信息素、数据缓存容量和机器人移动速度计算路由性能函数值，设定函数值最大的路由作为主路由，函数值次大的路由作为备用路由；
所述步骤S1前，机器人路由表中添加下一跳机器人信息表项，下一跳机器人信息表项包括信息素值、时延、下一跳机器人的移动速度、下一跳机器人的数据缓存容量和路由性能函数值；
所述步骤S5中，当机器人完成一次循环，对各路径上的信息素的调整如下：
τij(t+1)＝(1-ρ)·τij(t)+Δτij(t,t+1) (1)
Figure FDA0003082434930000011
Figure FDA0003082434930000021
其中，τij(t)为在t时刻路径(i,j)上的信息素值，
Figure FDA0003082434930000022
为第k个机器人在时刻(t,t+1)留在路径(i,j)上的信息素值，常量Q为路径的总信息素量，dij为路径(i,j)上的时延，Δτij(t,t+1)为本次循环中路径(i,j)的信息素增量，ρ为信息素挥发系数；
所述机器人移动速度公式如下：
Figure FDA0003082434930000023
其中，
Figure FDA0003082434930000024
为归一化速度，Vj为机器人节点j的速度，Vmax为机器人的最大速度；对于一个机器人节点，归一化速度越大，则在路由发现过程中该节点被选为中间转发节点的机会越小；
所述机器人的数据缓存容量公式如下：
Figure FDA0003082434930000025
其中，
Figure FDA0003082434930000026
为归一化数据缓存队列中的容量，Lj为机器人节点j当前数据缓存队列中的容量，Lmax为机器人数据缓存队列的最大容量；对于一个机器人节点，当前的数据缓存队列中的容量越大，节点发生拥塞的可能性越大，被选为中间节点的机会越小；
所述路由性能函数值的函数为：
Figure FDA0003082434930000027
其中，P为路由性能函数值，
Figure FDA0003082434930000028
为归一化速度，
Figure FDA0003082434930000029
为归一化数据缓存队列中的容量，γ，λ，μ为权重值，pij(t)为蚁群算法t时刻在机器人i选择机器人节点j的转移概率，具体公式为：
Figure FDA0003082434930000031
其中，Ni为机器人i的邻居点集合，τij(t)为t时刻路径(i，j)上的信息素，ηij(t)为路由跳数启发函数，函数为:ηij(t)＝1/hij，hij为机器人节点j到达目的机器人的跳数，α为信息素启发因子，α越大，则选择信息素值越大路由的机会越大，β为跳数启发因子，β越大，则选择跳数越大的路由机会越大。
2.根据权利要求1所述的基于改进蚁群AODV协议的多机器人通信组网方法，其特征在于，利用主路由进行数据传输时还包括如下步骤：
实时更新主路由经过机器人的信息素、时延、数据缓存容量和机器人移动速度，进而更新路由性能函数值；
活动的机器人定期发送HELLO数据报；
判断相邻机器人的链路是否中断，若是，则进行修复或组建新路由，否则，正常传输。
3.根据权利要求1所述的基于改进蚁群AODV协议的多机器人通信组网方法，其特征在于，在所述步骤S1前，机器人路由表中添加下一跳机器人信息表项，所述下一跳机器人信息表项包括信息素值、时延、下一跳机器人的移动速度、下一跳机器人的数据缓存容量和路由性能函数值。
4.根据权利要求1所述的基于改进蚁群AODV协议的多机器人通信组网方法，其特征在于，在所述步骤S2中，改进路由请求报文中添加发送改进路由请求报文的上一跳机器人的数据缓存容量和移动速度，改进路由应答报文中添加发送改进路由应答报文的上一跳机器人的数据缓存容量和移动速度。
5.根据权利要求2所述的基于改进蚁群AODV协议的多机器人通信组网方法，其特征在于，所述HELLO数据报中添加信息参数，包括发送HELLO的时间、数据缓存容量和机器人移动速度。
6.根据权利要求2所述的基于改进蚁群AODV协议的多机器人通信组网方法，其特征在于，所述链路中断修复具体为：首先对中断路由进行本地修复，若本地无法修复，则向源机器人发送改进路由错误报文，源机器人启动备用路由进行传输，当主路由和备用路由均中断时，则重新进行路由发现，组建新路由。
CN201810193483.XA 2018-03-09 2018-03-09 基于改进蚁群aodv协议的多机器人通信组网方法 Active CN108462983B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810193483.XA CN108462983B (zh) 2018-03-09 2018-03-09 基于改进蚁群aodv协议的多机器人通信组网方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810193483.XA CN108462983B (zh) 2018-03-09 2018-03-09 基于改进蚁群aodv协议的多机器人通信组网方法

Publications (2)

Publication Number Publication Date
CN108462983A CN108462983A (zh) 2018-08-28
CN108462983B true CN108462983B (zh) 2021-07-13

Family

ID=63217336

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810193483.XA Active CN108462983B (zh) 2018-03-09 2018-03-09 基于改进蚁群aodv协议的多机器人通信组网方法

Country Status (1)

Country Link
CN (1) CN108462983B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3633955B1 (en) 2018-10-04 2023-10-25 Nokia Solutions and Networks Oy An apparatus, method and computer program for controlling wireless network capacity
CN109302320A (zh) * 2018-11-01 2019-02-01 南京邮电大学 基于梯度扩散机制的多机器人网络故障修复方法
CN112291789B (zh) * 2020-12-24 2021-05-11 江苏移动信息系统集成有限公司 一种面向大规模自组织网络的安全路由协议方法及系统
CN114339930B (zh) * 2021-12-02 2023-06-30 湖南国天电子科技有限公司 一种海洋数据传输优化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120044702A (ko) * 2010-10-28 2012-05-08 목포대학교산학협력단 무선 센서 및 액터 네트워크의 주문형 라우팅 방법
CN104618982A (zh) * 2015-01-08 2015-05-13 重庆邮电大学 基于改进遗传-蚁群算法的Adhoc网络寻找最优路径的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120044702A (ko) * 2010-10-28 2012-05-08 목포대학교산학협력단 무선 센서 및 액터 네트워크의 주문형 라우팅 방법
CN104618982A (zh) * 2015-01-08 2015-05-13 重庆邮电大学 基于改进遗传-蚁群算法的Adhoc网络寻找最优路径的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Study on Robot Path Collision Avoidance Planning Based on the Improved Ant Colony Algorithm;Li Juntao等;《2016 8th International Conference on Intelligent Human-Machine Systems and Cybernetics (IHMSC)》;20160828;全文 *
改进蚁群算法求解移动机器人路径规划;张成等;《电子测量与仪器学报》;20161130;第30卷(第11期);全文 *

Also Published As

Publication number Publication date
CN108462983A (zh) 2018-08-28

Similar Documents

Publication Publication Date Title
CN111479306B (zh) 一种基于Q-learning的飞行自组网QoS路由方法
CN108462983B (zh) 基于改进蚁群aodv协议的多机器人通信组网方法
Roosta et al. Probabilistic geographic routing protocol for ad hoc and sensor networks
CN103476086B (zh) 基于节点拥塞度预测的动态多径aodv路由方法
CN110708736A (zh) 一种基于能效中继选择的动态路由方法与系统
Maheshwari et al. A survey on congestion control in MANET
Kalpana et al. Bandwidth Constrained Priority Based Routing Algorithm for Improving the Quality of Service in Mobile Ad hoc Networks
Okazaki et al. Ant-based dynamic hop optimization protocol: A routing algorithm for mobile wireless sensor networks
JP4849326B2 (ja) 無線通信ネットワークシステム
CN110932969B (zh) 一种智能电网高级量测系统ami网络抗干扰攻击路由算法
CN110831006B (zh) 自组网系统及其数据传输方法
CN111565153B (zh) 基于Q-learning算法和OLSR路由机制维护路由表的方法及系统
Sensarma et al. Iwdra: An intelligent water drop based qos-aware routing algorithm for manets
Zhou et al. A bidirectional Q-learning routing protocol for UAV networks
Banerjee et al. LIMOC: enhancing the lifetime of a sensor network with mobile clusterheads
Basarkod et al. Node movement stability and congestion aware anycast routing in mobile ad hoc networks
CN113965943B (zh) 基于双向Q-Learning优化AODV路由的方法
Kiki et al. Improved AOMDV Routing Protocol in Manet UAV Based on Virtual Hop
Chetret et al. Reinforcement learning and CMAC-based adaptive routing for manets
Budhwar A survey of transport layer protocols for wireless sensor networks
Neeraja et al. Collision-aware cooperative MAC protocol design for mobile ad-hoc networks
Yan et al. QoS analysis based on ACO in WMSNs
Mani et al. Optimization With Congestion Aware Routing In Mesh Topology Optimization With Congestion Aware Routing In Mesh Topology
Tavallaie et al. Mara: Mobility-aware rate adaptation for low power IoT networks using game theory
GOUMIRI et al. A novel approach for enhancing routing in wireless sensor networks using ACO algorithm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant