[论文解读] Energy Efficient Routing For Underwater Acoustic Sensor Network Using Genetic Algorithm

Arjun Prasad Chaurasiya, Roshan Sah+1 more|arXiv (Cornell University)|Apr 25, 2022

Underwater Vehicles and Communication Systems被引用 7

一句话总结

本文提出了一种基于改进遗传算法的水下声学传感器网络（UWASNs）节能路由（EER）方案，用于优化多跳数据传输，平衡能耗并延长网络寿命。在不同节点密度下，EER方法在分组交付率（PDR）、延迟、剩余能量和网络寿命方面均优于传统的VBF和DBR协议。

ABSTRACT

In underwater acoustic sensor networks (UWASN), energy-reliable data transmission is a challenging task. This is due to acoustic transmission disturbances caused by excessive noise, exceptionally long propagation delays, a high bit error rate, limited bandwidth capability, and interference. One of the most important issues of UWASN for research is how to extend the life span of data transmission. Data transfer from a source node to a destination node in UWASN is a complicated topic for researchers. Many routing algorithms, such as vector base forwarding and depth base routing, have been developed in past years. We propose a genetic algorithm-based optimization method for improving the energy efficiency of data transmission in the routing path from a source node to a destination node.

研究动机与目标

• 为解决由于传播延迟长、误码率高和带宽有限导致的UWASNs中能耗高且不可靠的数据传输问题。
• 通过优化水下环境中多跳数据转发过程中的能耗，延长网络寿命。
• 开发一种基于进化计算的动态选择节能路径的路由协议。
• 在传统陆地路由协议失效的高动态、长延迟水下网络中，提升可靠性和效率。
• 在不同网络条件下，评估所提方案与现有协议（如VBF和DBR）的性能对比。

提出的方法

• 采用改进的遗传算法（GA）优化从源节点到汇聚节点的路由路径，适应度函数基于能量效率和链路质量。
• 算法初始化一组潜在的路由路径，利用剩余能量和传输成本评估适应度，并应用选择、交叉和变异操作。
• 通过锦标赛选择进行选择，优先选择适应度更高的个体，确保向最优路径收敛。
• 交叉操作将父代路径组合以生成子代，促进解空间的多样性与探索。
• 该过程持续迭代，直至满足终止条件（如最大代数或适应度阈值），最终获得优化的路由路径。
• 仿真在NS-2中通过Tcl脚本实现，使用Network Animator（nam）进行可视化，以追踪节点移动和数据交付情况。

实验结果

研究问题

• RQ1 如何将遗传算法适配于高延迟、低带宽的水下声学网络，以优化节能路由？
• RQ2 所提出的EER协议在分组交付率（PDR）和端到端延迟方面相较于VBF和DBR的性能提升程度如何？
• RQ3 基于遗传算法的路由方案是否能有效平衡能耗并延长UWASNs的网络寿命？
• RQ4 在水下网络仿真中，EER的性能如何随节点密度和轮次增加而变化？
• RQ5 与现有协议相比，所提路由方法对剩余能量和每轮能耗的影响如何？

主要发现

• 在所有网络规模下，EER的PDR均高于VBF和DBR，尤其在较大网络（71–100个节点）中，优势显著。
• 由于路径选择优化和跳数减少，EER在密集网络中表现出更优的延迟效率，优于VBF和DBR。
• 在100轮仿真中，EER的剩余能量持续高于VBF和DBR，表明其能量分配更均衡，能耗减少。
• 与VBF和DBR相比，EER显著延长了网络寿命，在高节点密度（最高76个节点）下维持更长时间的运行。
• 基于遗传算法的方法有效降低了能耗，并在高度动态的水下环境中最小化了分组丢失。
• 通过nam进行的可视化分析证实，EER能够实现稳定、节能的节点移动和从源到汇聚节点的数据交付，且随时间保持良好性能。