买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长春工业大学

摘要：本发明一种基于改进绯倪鲣算法和信任模型的安全分簇路由方法。首先通过节点间的通信数据对节点评估，直接信任值由当前信任值和历史信任值求得，并设计奖惩因子，当节点失信行为增加时，则加速降低历史信任值的大小，当节点可信行为增加时，可提高历史信任值在直接信任值中的比重，间接信任值由评估节点与被评估节点间共有的邻居节点对被评估节点进行评价，综合信任值同时考虑直接信任值和间接信任值。其次，通过间隔统计量算法获取最优簇数，设计一种动态步长公式和三种适应度函数来改进绯鲵鲣算法，使其能够选出最优簇头组。最后使用模糊控制建立从节点到基站的多跳路由。

主权项：1.一种基于改进绯鲵鲣算法和信任模型的安全分簇路由方法，也称为SecureClusteringRoutingProtocolBasedonImprovedYellowSaddleGoatfishAlgorithmandTrustMechanism（TYSGA），其特征在于，包括如下步骤：S1：通过节点间的通信数据对节点进行评估，直接信任值由当前的信任值和历史信任值求得，在历史信任值中设计一种奖惩因子，实时改变历史信任值在直接信任值中的比例；S2：间接信任值由评估节点与被评估节点之间共有的邻居节点对被评估节点进行评价求得，综合信任值则同时考虑直接信任值和间接信任值；S3：通过间隔统计量算法，也称为GapStatistic，获取最优簇数，再通过设计一种动态步长公式和三种适应度函数来改进绯倪鲣优化算法（YellowSaddleGoatfishAlgorithm，YSGA），通过改进的绯鲵鲣优化算法选出最优簇头组；S4：使用模糊控制建立从节点到基站的单跳、多跳路由；具体内容如下：（1）其中所述步骤S1设置的奖惩因子具体如下：改进的绯鲵鲣优化算法和信任模型的安全分簇路由方法，其中信任模型包括直接信任、间接信任、历史信任，历史信任模型设计了奖惩因子，的计算方式如下：，其中为节点i和节点j之间通信成功的次数，为节点i和节点j之间通信失败的次数，奖惩因子由通信成功的次数与通信失败的次数比值求得，当节点失信行为增加时，则加速降低历史信任值的大小，当节点可信行为增加时，可提升历史信任值在直接信任值中的比重；（2）其中所述步骤S2设置的信任模型具体如下：直接信任采用Beta分布描述，将节点的通信数据转化为节点的信任值数据，从而完成节点的信任评估,直接信任值计算方式如下：，其中为节点对节点评估的信任值，λ可以调节历史信任值在当前直接信任值中的比重，为节点对节点评估的历史信任值，的计算方式如下；，间接信任值是通过评估节点与被评估节点共有的邻居节点对被评估节点进行评价，当节点对目标节点进行信任评估时，节点需要获取节点、的所有共同邻居节点对节点的直接信任值，节点对节点评估的间接信任值为：，其中为共同邻居节点集合中总节点个数，节点为共同邻居节点中的任意一点，为节点对节点的直接信任值，为节点对节点的直接信任值；综合信任值由所述的直接信任值和间接信任值求得，综合信任值计算方式如下：，（3）其中所述步骤S3设计的动态步长公式和适应度函数具体如下：YSGA中莱维飞行模型的步长因子α设置为1，当步长因子固定不变时，不利于算法的收敛和局部探索；因此设计一种新的步长因子，使得算法在运行前期保持较大步长以保证前期的全局勘探，同时在运行后期迅速降低个体移动步长，提升算法后期的局部探索能力，步长因子α的计算方式如下：，其中为1，为0.01，t为当前的迭代次数，μ为最大迭代次数，μ为调节参数，通过对α的调节，使改进后的算法能够更加迅速的找到最优点，将改进后的绯鲵鲣算法运用到无线传感器网络寻找最优簇头中，能够更快的寻找到最优簇头，延长网络生存时间；首先，为了选择安全可靠的簇头，应设置可信度函数，使信任值越大的节点越有可能成为簇头，簇头作为收集，转发部分区域数据的关键节点，承担了网络的很大一部分工作量，在恶意节点的攻击下，一旦将不可信节点选为簇头，整个网络都会受到影响，所以将簇头节点的可信度作为关键考察因数，选择信任值大的节点作为簇头，簇头组的可信度函数表达式为：，其中k为最优簇数，簇头节点的综合信任值；其次，为降低在迭代过程中簇内消耗的能量，应设置簇头与节点间的通信成本函数，使簇内消耗更少的节点更有可能成为簇头，在簇头确定后，簇内节点只需要跟所在簇的簇头进行直接沟通，簇成员节点收集的数据将汇合给簇头节点，所以簇内消耗少也很重要，为降低簇内节点间的通信距离，降低通信消耗，则选择簇内距离小的节点作为簇头，簇头组与簇内各节点的通信成本函数表达式为：，其中为簇头最大通信范围内包含的节点个数，为最大通信范围内各节点与簇头的距离；最后，为保证网络的正常运行，应设置节点的剩余能量函数，使剩余能量高的节点成为簇头，簇头需要做很多的工作，既要收集来至各普通节点的数据，又要将数据融合后转发给其他节点或者是基站，承担了网络的很大一部分工作量，能量消耗较快，为保证簇结构的持续时间，选择剩余能量较多的节点作为簇头，簇头组的剩余能量函数的表达式为：，其中为簇头节点的剩余能量，将以上FT、FD、FE三种函数总结为绯倪鲣算法的总适应度函数，因此构建总适应度函数为：，TYSGA通过该适应度函数选出信任值高，剩余能量多，簇内通信消耗少的最优簇头组，在通过TYSGA完成最优簇头的选举后，未被选为簇头的节点，自动成为成员节点，根据节点到各簇头的距离，选择距离最近的簇头入簇，至此便完成了对监控区域节点的划分，使网络分为了不同的簇；（4）其中所述步骤S4中设计的路由具体如下：距离基站近的簇头节点将通过单跳的方式向基站传输数据，距离基站较远的簇头节点将在临近的簇头节点中选择合适的节点作为中继节点，中继节点由模糊控制系统确定，将簇头节点到基站的距离和簇头节点的剩余能量作为输入，输出簇头节点成为中继节点的可能性；其中簇头节点到基站的距离和簇头节点的剩余能量模糊语言变量分别为“高”、“中”、“低”对应为{high，medium，low}，其中“高”、“低”两种变量采用梯形隶属度函数，“中”为三角形隶属度函数，簇头节点成为中继节点的可能性模糊语言变量有五种分别为“高”、“较高”、“中”、“较低”、“低”对应为{high,mediumhigh,medium，mediumlow，low}，其中“高”、“低”两种变量采用梯形隶属度函数，其余变量设置为三角形隶属度函数。

全文数据：

权利要求：

百度查询： 长春工业大学 一种基于改进绯鲵鲣算法和信任模型的安全分簇路由方法