一种无线传感器网络分簇路由算法1 概述无线传感器网络能够实时监测和采集网络信息，这些信息是分布区域内的各种监测对象的信息，将这些信息，发送到网关节点而无线传感器网络路由算法作为一项关键技术已成为目前研究热点，因此也成为本文的研究重点蚁群算法在通信网络中，主要目的是建立路由在蚁群算法应用到无线传感器网络路由，许多新算法由此产生文章[1]通过节点能量和传输距离，以此作为切入点，引入到蚁群算法的信息素增量公式使蚁群算法更好适应无线传感器网络路由协议，同时，考虑到有限的存储特性的传感器网络节点，该节点将蚂蚁携带信息融合但是EEAB戏有考虑全网能量均衡使用的问题，对于传感器网络来讲，其具有举足轻重的地位文献[2]提出了一种蚁群算法（对斯坦纳树）该算法可以被移植到无线传感器网络的路由没在一个相应的变化对特定需求的基础上，并没有考虑能耗问题的无线传感器网络性能是至关重要的该文基于蚁群算法的特点，无线传感器网络（WSN,蚁群算法的无线传感器网络，提出了一种新的可用于无线传感器网络聚类路由算法2 无线传感器网络蚁群分簇路由算法将AC*无线传感器网络分簇路由相结合组成新的算法，该算法是周期性的，每一轮分成阶段的簇和簇间的路由阶段。
在簇的形成阶段，根据公式1确定簇头在稳定阶段的簇，簇头来收集数据和信息同时，出发点是簇首节点、基站作为终点，运行蚁群算法，找到最好的路线从簇头到基站，通过有效的节点的帮助，更好的实现跳性能3 算法的实现过程3.1 簇形成阶段在簇首节点的选择部分，首先根据结点仿真面积，和最优簇头数，确定两簇头之间的最小距离，然后再由网络中，簇首节点总数，每个节点已成为簇首的次数和结点能量，由此来决定簇头具体方案：每一个传感器节点，随机的产生0〜1一个值，当其小于阈值T(n),则节点就为簇首阈值T(n)为：其中：p为期望的簇头节点的百分比，r是当前轮数，G是在最后的1/p轮中，没有成为簇头节点集合，Ecurrent是节点当前能量，Emax是节点初始能量，该文中p=0.053.2 簇间路由阶段因为簇头结点在网络中保存一个邻居簇头节点信息表，簇头的邻居信息表记录其相邻的簇首节点的信息，和相邻节点之间的距离具有竞争簇头资格的节点，其表明具有竞争簇头资格时，这些具有资格的节点，就会查看本节点的路由表，看是否有它的相邻竞争簇头节点的记录，若无则创建新的记录，以及相邻竞争簇头的剩余能量、与基站的距离、两相邻簇头之间的距离和链路上信息素的浓度。
如有，则对相邻节点的记录进行更新但是这信息，想杜宇标记为非簇头的节点来讲是屏蔽性质的式中energy是相邻簇头结点的剩余能量，c表示簇头结点与基站的距离，民1表示邻居节点能量在信息素中所占的比重，a2是邻居节点与基站距离的比重值（总信息素是全体）从上公式看出，信息素浓度保留了数据传送过程中积累的信息素，并又将考虑了各相邻簇头节点到基站的距离整个数据传送，路径的选择需要考虑历史经验，又使得数据传输沿着基站方向传输簇头结点数据在第一跳距离后被发送到簇首，簇头负责数据融合以减少冗余数据，从而减少业务量当一个簇首发送数据，根据路由表和相邻的簇头的信息素浓度，计算每个相邻的概率选择簇首公式3表示簇的概率前往相邻的簇头：4 仿真实验与结果分析4.1 能量模型与性能参数节点间通信能耗采用LEACK法中的能耗模型仿真工具采用MATLAB仿真环境为：在200mK200m的正方形区域内，随机撒200个节点，基站位于（50，175），如图2所示传输和接收电路工作时能耗定义为Eelec=50nJ/bit，传输放大的单元能为£fs=10pJ/bit/m2,£mp=0.0013pJ/bit/m2,数据融合的单元能耗定义为EDA=0.5nJ/bit；且无线发射模块，可以根据节点间距离远近，来控制功率大小，4.2仿真结果分析验证该算法，将该算法和LEACHS行了仿真对比。
网络生命周期的长短，能够直接反映无线传感器网络性能的优劣，所以我们对本算法和leacHT法在平均能量消耗和节点存活数两方面进行比较分析图3是本算法和LEACHT法的平均能量消耗图，反映了两种不同的算法下，网络的平均能量消耗与时间的关系横坐标表示轮数，纵坐标表示结点平均能量消耗为了方便，我们用ACALEAC康示本算法200个节点的总能量为100J,LEACH在450轮，出现节点死亡，耗能60J，而本算法消耗的能量是12J，在这一阶段降低了48J;当LEACHP点全部死亡时，本算法的能耗为80J，相比之下降低20J，网络性能得到了很大的提升5 结论蚁群算法的自组织、动态和多路径的特性，促使其适合应用于无线传感器网络的路由的广阔前景性该文在研究LEACH1法的基础上提出一种无线传感器网络蚁群分簇路由算法该算法具有路由代价低、自适应性好、支持多路径等特点经过仿真分析，显示该算法与LEACH1法相比，在网络平均能量消耗方面，有很大的优势，对网络生存周期有很大的改善。