1.一种基于樽海鞘算法优化的WSN分簇路由方法，其特征在于：所述的方法步骤如下：S1：综合考虑包括节点剩余能量、簇头节点间距离、簇内节点与簇头的距离、节点到基站的距离、簇头节点数量几种因素构造目标函数；

S2：采用樽海鞘算法对目标函数进行求解，寻找最优的分簇方案，进而将整个网络分为不均匀的簇，簇内节点通过单跳方式将数据发送给簇头；

S3：采用路由效用函数f(CHi)构造以基站为根节点的最小生成树；

S4：簇头通过最小生成树组织的路由以单跳‑多跳相结合的方式将数据传送给基站。

2.根据权利要求1所述的基于樽海鞘算法优化的WSN分簇路由方法，其特征在于：所述的目标函数表达式如下：

min fobj＝ω1·f1+ω2·f2+ω3·f3                (1)f3＝K/N                         (4)式中，f1表示候选簇头能量评价因子； 表示网络节点的初始能量之和；

为当前轮中候选簇头的能量之和；f2表示分簇质量评价因子；

表示簇内紧凑性评价因子，其值取各簇内节点与本簇头平均欧式距离的最大值； 表示簇头分散性评价因子，其取值各簇头节点与其他簇头节点间距离的最小值；f3表示簇头数量评价因子；K表示簇的数量；N表示网络中节点的数量；ni表示第i个节点；CHs,j表示第j个簇头节点；CHs,k表示第k个簇头节点；s表示第s个樽海鞘搜索粒子；E(ni)表示第i个节点的剩余能量；d(ni,CHs,k)表示节点i和簇头节点k之间的最小欧式距离；d(CHs,j,CHs,k)表示簇头节点j和簇头节点k之间的最小欧式距离；ω1表示f1的权重系数，ω2表示f2的权重系数，ω3表示f3的权重系数，且满足ω1+ω2+ω3＝1。

3.根据权利要求2所述的基于樽海鞘算法优化的WSN分簇路由方法，其特征在于：假设网络中包含N个节点，预先定义分为K个簇，候选簇头数为M，其中M>>K，则存在的分簇方式有种，在其中确定最佳的分簇方式看作一个优化问题，并采用樽海鞘算法进行求解，使每一个樽海鞘个体代表一种可能的分簇方式，用目标函数评价其性能，设置Pops个樽海鞘组成搜索群体在 种可能的簇头组合方式中寻找最优解，使目标函数取得最小值。

4.根据权利要求3所述的基于樽海鞘算法优化的WSN分簇路由方法，其特征在于：采用樽海鞘算法进行求解具体如下：

D1：随机初始化樽海鞘种群的位置；

D2：更新樽海鞘种群的位置；

D3：利用转换函数将位置更新后的粒子各维度的实数值转换为0或1的离散值；

D4：根据目标函数式(1)来计算更新后的樽海鞘粒子的适应度值，同时将当前种群中适应度值最小的粒子的位置保存为Foodsource；

D5：判断是否达到预设迭代终止条件，若是，则进行下一步，否则回到步骤D2；

D6：将食物源Foodsource的最终位置作为最优分簇方案，挑选Foodsource中值为1的维度所对应的节点作为簇头节点。

5.根据权利要求4所述的基于樽海鞘算法优化的WSN分簇路由方法，其特征在于：步骤D1，初始化樽海鞘种群的位置具体包括如下：假设樽海鞘的种群规模为Pops，在N维搜索空间中定义樽海鞘的位置，其中N表示网络中节点的数量；ub＝[ub1,ub2,...,ubN]表示各个维度位置变化范围的上界，lb＝[lb1,lb2,...,lbN]表示各个维度位置变化范围的下界；同时将前Pops/2个樽海鞘看做领导者，将剩余的Pops/2个樽海鞘看做跟随者；根据目标函数式(1)计算每个樽海鞘粒子的适应度值，并将种群中适应度值最小的粒子的位置记作食物源Foodsource。

6.根据权利要求5所述的基于樽海鞘算法优化的WSN分簇路由方法，其特征在于：对于领导者，其位置更新的表达式如下：

j

式中，leaderi 为第j只领导者在第i维空间的位置，ubi、lbi分别为第i维位置上对应的上下限；Fi是食物源在第i维空间的位置，系数r1是自适应减小的调控参数，负责平衡算法的全局探索和局部开采能力，r1的表达式为：式中，t表示当前迭代次数；T表示最大迭代次数；系数r2和r3是在[0,1]范围内的随机数，它们决定了第j个粒子在第i维空间中下一个位置的移动方向和移动距离。

7.根据权利要求6所述的基于樽海鞘算法优化的WSN分簇路由方法，其特征在于：对于跟随者，其位置更新的表达式为：

j

式中，followeri 表示第j只跟随者在第i维空间的位置， 和 表示第j只跟随者j

followeri前面两只樽海鞘粒子的位置。

8.根据权利要求7所述的基于樽海鞘算法优化的WSN分簇路由方法，其特征在于：所述的转换函数的表达式如下：

j j

式中， 表示第t+1次迭代更新后领导者leaderi (t)或者跟随者followeri (t)的位置， 表示第t次迭代过程中 所对应的转换概率，当的值大于随机数rand时，的值为1，表示第i个节点被选作簇头节点；当 的值小于或等于随机数rand时， 的值为0，表示第i个节点被选作成员节点，rand是[0,1]之间的一个随机数。

9.根据权利要求8所述的基于樽海鞘算法优化的WSN分簇路由方法，其特征在于：所述的路由效用函数f(CHi)的表达式如下：式中， 表示节点i的所有邻居节点的平均能量，Ecur(k)表示节点k的当前能量状态；Ai表示簇头节点i的所有邻居簇头节点集合；w表示权值系数且w＝0.4；d(·)表示两个节点间的最小欧式距离。