隨著無線通信技術、電子技術、傳感器技術和微電系統的飛速發展，無線傳感器網絡的研究越來越受到人們的重視。傳感器網絡是由部署在觀測環境內的大量微型傳感器節點通過無線通信方式組成的一種無線網絡。

組成傳感器網絡的節點包括傳感器和匯聚節點(Sink)。傳感器節點的能量十分有限，并且在部署后難以再次補充能量，因此傳感器網絡存在嚴重的能量約束問題[1]。

參考文獻[2]提出一種無線傳感器網絡AODV(AdhocOn-DernandDistanceVector)路由協議改進方案，通過改進RREQ協議幀，使節點的剩余能量值參與到路徑中，優化RREQ洪泛傳播。但該算法是基于單路徑數據傳輸，沒有考慮節點的負載狀況，節點容易產生擁塞，導致數據包的重傳或數據丟失的情況。

參考文獻[3]提出了一種基于蟻群優化的路由算法ARAWSN(ACO-BasedRoutingAlgorithmforWirelessSensorNetworks)，該算法在定向擴散協議的基礎上，通過搜尋螞蟻以廣播的方式在網絡中擴散建立起源節點到目的節點的多條路徑的路由表。

利用蟻群算法的轉移概率的方式來進行路徑的選擇，從而平衡網絡中節點能量的消耗。該算法建立了所有到目的節點的路徑，存在很大的冗余，影響網絡的實時性，且在路由建立過程中采用洪泛的方式導致網絡的路由開銷比較大。

參考文獻[4]綜合考慮了均衡傳輸能量消耗和節點剩余能量，提出了多種群蟻群優化路由算法MACO(MultiAntColonyOptimization)。該算法優化了基本蟻群算法的螞蟻前向移動的選擇概率模型，同時利用多種群獲得多條優化路徑。但該算法需要進行多次迭代，且可能陷入局部最優解，影響網絡數據傳輸的實時性。

針對上述路由算法及其存在的不足，本文提出了基于蟻群算法的無線傳感器網絡按需多路節能路由算法MP-ACA(On-demandMulti-pathandPower-savingAntColonyAlgorithm)。該算法結合蟻群算法和AODV路由協議，能夠在源節點和目的節點之間建立起多條鏈路不相關路由，并改善了蟻群算法在無線傳感器網絡中查找路由的多次迭代的策略，有效地減少了擁塞頻率、降低了路由的開銷，同時均衡了節點的能量開銷，延長了網絡的生命周期。

1 蟻群算法簡介

1.1 基本蟻群算法原理

蟻群算法[5]ACA(AntColonyAlgorithm)是一種模擬昆蟲王國中螞蟻群體智能行為的仿生優化算法，其基本原理可大致描述如下:自然界螞蟻會在所經過的路徑上釋放一定的信息素，后來的螞蟻會根據信息素強度來選擇路徑，信息素強度越大的路徑被選擇的概率越大，于是就形成了一種正反饋機制，最終螞蟻會選擇信息素最大的最短路徑。蟻群算法通過釋放“人工螞蟻”來模擬自然螞蟻的行為以完成上述的選優過程。

1.2 蟻群算法

根據螞蟻覓食的基本原理，科學家們設計了尋找最優路徑的蟻群算法，其主要步驟為：

2 按需多路節能路由算法設計

針對無線傳感器網絡數據多跳傳輸、節點能量有限等特性，本文對基本蟻群算法和MACO算法進行改進，并結合AODV路由協議，賦予螞蟻新的特性和路徑搜索方式。下面介紹本文研究中使用的相關定義。

定義1：從源節點到目的節點的路徑搜索螞蟻稱作前向螞蟻，它執行路徑搜索功能，并建立反向信息素表。

定義2：前向螞蟻到達目的節點后，從目的節點返回到源節點的螞蟻稱作后向螞蟻，它執行信息素更新功能，并建立路由表。

定義3：前向螞蟻在路徑搜索過程中，到達某一節點后建立的指向源節點的路由表稱作反向信息素表，該表包括源節點、下一個節點、反向節點信息素τ(j，i)。

2.1 算法設計思想

MP-ACA算法在Ant-Net算法[6]的基礎上，將螞蟻分為前向螞蟻和后向螞蟻。為了實現不同節點的能量消耗均衡，MP-ACA算法中，將前向螞蟻要訪問的節點的剩余能量作為影響信息素濃度的一個參數。MP-ACA算法通過m只前向螞蟻同時獨立地進行路徑搜索，并建立反向信息素表。

當每個前向螞蟻到達目的節點時，它們將立即轉化成一個后向螞蟻，后向螞蟻根據反向信息素表反向回到源節點后一次路由建立完畢，建立起信息素路由表以代替傳統的網絡節點路由表，并采用一種新的信息素規則進行信息素更新。

同時MP-ACA算法在極大-極小蟻群算法[7]上將各條路徑上的信息素濃度限制在[τmin，τmax]之間，τmin可以有效地避免算法停滯，τmax避免某條路徑上的信息素遠大于其他路徑，使所有的螞蟻都集中到同一條路徑上面，限制算法的擴散。在MP-ACA算法中，前向螞蟻轉移規則、信息素更新規則詳細設計如下。