基于无线传感网络的人工智能算法数据传输策略

　　人工智能算法是近年来发展迅速的一门学科，应用范围广泛，本项目主要研究的是在无线传感网络中数据传输时如何使用一种人工智能算法—蚁群人工智能优化算法，使用该智能算法的主要目的是为了保证数据安全高效的进行传输。
　　无线传感器节点经常布置在不可靠的环境下用来采集传输数据，网络中的节点具有自组织、低功耗、反应快、抗毁性强、容错率高、扩展性强等功能特点，每个节点均具有相应的比较强的功能，但是节点容易受到自身部分功能的限制，比如有限的能量、通信半径、通信带宽等，亦容易受到外部的影响，比如外部恶劣自然环境、人为等影响而损失功能或者产生错误的数据给用户，这样就容易给用户造成一定的损失。而鲁棒优化是近年来针对此问题的主要研究手段，此方法主要处理不确定因素、不确定参数的一种优化手段，充分考虑不确定因素对于节点的影响并且去除掉这种影响，使得网络收敛到一种良好效果
　　在传感器网络中，很多时候网络中的节点不只是一方布置的，也有可能有很多用户为了达到不同的目的而在一片区域内布置了很多不同型号的节点，这些节点只为自己使用而收集传输数据，但是传感器节点直接因为数字信道、频率等干扰，容易产生交叉影响，这就使得传感器节点很容易出现数据传输混乱或者传输数据的中断，就达不到布置传感器节点的目的了。更有甚者在很多实际应用中，使用方故意在另一方布置的节点区域布置具有类似相同功能的传感器节点，故意影响另一方的正常数据收集，我们将此类节点称之为恶意节点（malicious nodes）,这些恶意节点对另一方的网络进行主动目的性
　　攻击，即恶意攻击，这对网络的拓扑结构、数据传输摧毁性极大。
　　网络中恶意节点对网络攻击是为了让网络无法正常运行，其主要破坏的有以下 3 点情况：1.直接破坏网络的拓扑结构，导致网络的连通性降低，从而使得数据无法传输；2.在不破坏网络拓扑的情况下制造虚假数据例如虚假路由信息、错误的网络监测信息给用户，从而导致用户收到虚假的错误数据从而做出错误的判断；3.在不破坏网络拓扑的情况下故意造成网络拥堵从而大幅降低网络的实时性。
　　恶意攻击这种类型对于网络造成了不可挽回了影响，所以为了最大限度提高网络的鲁棒性就必须首先检测出这些恶意节点，并阻止其加入网络拓扑中，从而使得网络可以正常运行，收集并传输数据。
　　蚁群优化又称蚂蚁群体智能算法，针对于图论中最优解的快速收敛性全局收敛性等综合优化问题，这种算法的求解可以使算法具有较快的结果收敛性，使用全局优化手段在短时间内建立起来食物源到巢穴的最短路径，即最优路径。蚁群优化算法是一种现代智能优化算法，具有很强的鲁棒性以及实用性。蚁群优化算法是由意大利研究人员 Dorigo M 等人对大自然中蚂蚁群体往往是通过最优路径寻找食物得到启示所建立的一种人工智能优化算法，本文的研究中将这种人工智能算法应用到无线传感器路由协议中，使得网络具有较高的鲁棒性能。
　　主要研究的是结合 ACO 算法的无线传感器网络算法，将人工智能优化算法与其他学科交叉研究是近年来研究的热点，基于此，本项目计划综合无线传感网络中数据传输时的一些服务质量要求在不安全的环境下进行节点数据传输时综合考虑蚁群选路径时的集群优化思路，更好的融入到实际中去。
　　研究基于无线传感网络的人工智能算法数据传输策略，所 研究的主要内容有：
　　（1）.在数据传输过程中通过模拟蚁群的群体智能寻路机制来获得安全可靠的数据传输路线，以保证多种类型的数据
　　安全可靠的传输；
　　（2）.在多跳的网络数据传输中选择数据传输路线时综合考虑节点间距离因素、剩余能量因素以及网络安全等因素，
　　均衡网络能耗的同时拥有更强的鲁棒性，在蚁群优化算法的基础上构建一种安全可靠的数据传输模型；
　　（3）.结合实际要求，针对于复杂的网络环境，将人工智能算法抽象为具体的数学模型中，提出一种快速收敛的全局
　　优化算法，并且具有较高的鲁棒性；
　　（4）.拓展该领域研究方向，在其他技术比如：定位技术、数据的压缩感知中应用人工智能算法，进行应用于实际的
　　深入研究。
　　拟解决的关键科学问题 ：
　　是否将人工智能算法应用到数据传输协议层面可以取得更高效的数据传输策略？