1.一种基于遗传算法的水下无线传感器网络拓扑控制方法，其特征在于，通过以下步骤来实现：a).构建水下网络模型，设n个水下节点均匀分布于L×L二维水下环境，节点ni∈N，节点集 n个节点被均匀分成k个簇，则每个簇内有n/k个节点，其中含1个簇首和n/k-1个成员节点；节点间为单跳距离，均可直接通信，各节点位置已知且固定，计算出各节点与汇聚节点间的距离为D(i)R→B，以及节点与汇聚节点的平均距离；

b).建立成员节点、簇首节点能量模型及能量参数，根据成员节点的发送能耗、接收能耗建立成员节点的能量模型，根据簇首节点的汇聚能量和通信能量建立簇首节点的能量模型；建立包含剩余能量、能量门限、初始能量在内的节点能量参数；

c).计算最优簇首数量，根据部署区域长度L、节点到水下汇聚节点的距离计算出最优的簇首数量；

d).采用遗传算法确定最优簇首，包括如下步骤：

d-1).染色体编码，选用二进制编码，采用二值符号集{0,1}对节点进行染色体编码，当基因位前两位为00时代表该节点为汇聚节点，当基因位前两位为01时代表该节点为某个簇的成员节点，当基因位前两位为10时代表该节点被选作簇首节点，当基因位为11时代表该节点已经失效；

d-2).选取初始种群，将剩余能量和节点与汇聚节点间距离的加权值S(i)作为选取依据，选取加权值S(i)高压阈值T的节点作为初始种群；

d-3).构造适应度函数，适应度函数决定了当前种群遗传到下一代群体中的概率，采用能量和距离作为评估参数，构造适应度函数F(i)；

d-4).构造包含选择算子、交叉算子、变异算子在内的遗传算子，选择算子用于选取较优个体遗传到下一代，采用基于排序和轮盘赌选择算子，从初始种群中选取较优的个体并存储；交叉算子根据交叉概率PC产生出两个新的个体，交叉概率PC根据适应度F(i)进行自适应调整；变异算子根据变异概率PM获得新的子代个体，变异概率PM根据适应度F(i)进行自适应调整；

d-5).计算个体适应度值，计算新种群中的个体适应度值，若新个体适应度大于当前个体的目标值，则将新个体作为种群下一代进化的目标，否则保持当前目标不变；

d-6).选择最优簇首，重复执行步骤d-4)至步骤d-5)，如果达到最大进化代数，输出当前的最优个体，即为下一任簇首的候选节点；

e).自组成簇和进行数据通信，遗传算法完成簇首的选择后，最优个体被选做簇首，其余节点根据预设规则自组加入簇，进行数据通信。

2.根据权利要求1所述的基于遗传算法的水下无线传感器网络拓扑控制方法，其特征在于，步骤a)中节点与汇聚节点的平均距离D(ave)通过公式(1)进行计算：其中，n为初始节点个数，nd为失效节点和能量低于阈值能量节点总数。

3.根据权利要求2所述的基于遗传算法的水下无线传感器网络拓扑控制方法，其特征在于，步骤b)所述的成员节点、簇首节点能量模型及能量参数的建立通过以下方法来实现：b-1).成员节点能量模型的建立，为满足到达接收节点的信号功率为P0，则距离接收节点为d的发送节点的发送能量ES需要满足：上式中A(d)为水声信号功率衰减系数，采用球形扩散模型，a(f)为水下环境吸收系数：上式中为f载波频率，单位为kHz；

节点的发送能耗为：

Et＝l×(Ee+Es)     (4)

节点的接收能耗为：

Er＝l×Ee     (5)

其中，l为数据包的长度，单位bit，Ee为驱使电路发送或接收每bit信号所需的能量，单位nJ/bit；Es为发送端所需能量，该能量需要满足接收端解调器的要求，则完成一次长度为l的数据包传输所需能量为：ET＝Et+Er＝l×(2Ee+Es)     (6)

b-2).簇首节点能量模型的建立，簇首负责对簇内数据进行汇聚和处理，并发送给水下汇聚节点，因此，簇首能量模型包括汇聚能量模型和通信能量模型：对于包含p个节点的簇而言，由p-1个成员节点和1个簇首构成，设数据包长度为l，则每个通信周期中，接收和汇聚能量为：EA(ch)＝(p-1)×l×EA+(p-1)Er＝(p-1)×l×(EA+Ee)     (7)上式中，EA为簇首融合单位bit数据所消耗的能量；

簇首通信能量模型为：

ET(ch)＝Et(ch)＝l×(Ee+Es)     (8)则簇首节点的总能量为：

E(ch)＝EA(ch)+ET(ch)     (9)

b-3).能量参数的建立，E(i)re为节点i的剩余能量，Eth为预设的能量门限，Ein为初始能量，E(ave)re为网络的平均剩余能量：

4.根据权利要求3所述的基于遗传算法的水下无线传感器网络拓扑控制方法，其特征在于，步骤c)所述的计算最优簇首数量通过如下公式进行计算：上式中，L为部署区域长度，单位m；εfs为单位放大功率，εamp为多径衰落模型的单位放大功率。

5.根据权利要求4所述的基于遗传算法的水下无线传感器网络拓扑控制方法，其特征在于：步骤d-2)中，初始种群由若干随机选择出的初始解构成，被称为第一代，初始解的选取决定了最优解的计算结果，将剩余能量和节点与水下汇聚节点间距离的加权值作为选取依据：其中，ω1与ω2为加权系数，用于调整能量与距离在种群选取中的权重；

加权值S(i)高压阈值T的节点被选作初始种群，其中阈值T可根据簇首选取执行轮数自适应调整：其中，T1＜T2＜T3；

根据加权值S(i)及阈值选择的初始种群为：

A0＝{a1,a2,...,aM}      (14)

其中，a1,a2,...,aM为初始种群中的节点；

步骤d-3)中，适应度参数的选取决定了当前群体遗传到下一代群体中的概率，采用能量和距离作为评估参数，构造适应度函数：其中， 和 为加权系数，体现三个指标对于适应度函数的权重；D(i)R→C为该节点的邻近节点到该待选簇首节点的距离；通过可变加权系数，动态调节指标在评估中所占的权重，实现自适应构造适应度函数；

步骤d-4)中：

选择算子：选择算子用于选取较优个体遗传到下一代，选择算子的选取应当保存适量适应度较高的个体又要避免收敛速度过慢，采用基于排序和轮盘赌选择算子，优化选取比率；初始种群A0＝{a1,a2,...,aM}，种群大小为M，计算个体i的适应度F(i)及所有个体适应度总和 计算每个个体遗传到下一代的概率：对所有个体按其适应度值由大至小排序，将排序结果的前20％的个体取代后20％的个体并选择作为下一代个体，最后进行轮盘赌选择80％，执行M′轮，合并后存储为新的个体；

交叉算子：交叉算子用于随机选择两个不同的个体，互换DNA片段，从而获得两个全新的子代个体，采用单点交叉算子将种群中的个体进行两两随机配对，然后对每一对配对的个体，随机设置某个节点之后的位置为交叉点，按照预设的交叉概率PC，交换交叉点位置后面的所有节点的编号，从而产生出两个新的个体，交叉概率PC根据适应度F(i)进行自适应调整，计算方法如下：其中，F(i)为交叉个体的适应度，Max{F(i)}为最大适应度值，φ1和φ2为调整参数，用于调整交叉概率值； 为当前种群中个体适应度平局值，其通过以下公式进行求取：变异算子：变异算子是通过对父代个体的DNA编码中的指定片段进行编码突变，获得新的子代个体，变异概率PM根据适应度F(i)进行自适应调整，计算方法如下：其中，F(i)为交叉个体的适应度，Max{F(i)}为最大适应度值，ψ1和ψ2为调整参数，用于调整变异概率值。

6.根据权利要求5所述的基于遗传算法的水下无线传感器网络拓扑控制方法，其特征在于，步骤e)所述的自组成簇和进行数据通信具体通过以下步骤来实现：e-1).汇聚节点发布簇首信息：遗传算法的运算和执行由水下汇聚节点完成后，水下汇聚节点发送全局广播，包括新任簇首ID、簇首数量、簇节点容量、簇首被分配的通信时隙信息；

e-2).传感节点选择簇首并自组成簇：节点接收到广播后，判断自己是否成为簇首，若节点未被选为簇首，则等待接收新任簇首的广播，若节点被选为簇首，则广播自身ID、位置坐标和剩余能量信息，邻近节点根据与簇首间的距离及簇首的剩余能量，选取最优的簇加入，发送应答消息；簇首接收到应答消息后，根据簇节点容量、与节点距离决定哪些节点允许加入该簇，发送确认消息给对应节点，分配簇内通信时隙；各节点加入相应簇后，完成树型网络拓扑；

e-3).汇聚节点准备通信：网络组网完成后，汇聚节点发送广播，通知网络中节点准备通信，根据分配的时隙进行数据通信；

若簇首节点剩余能量低于门限能量，则启动新一轮簇首选择，返回步骤a)，根据步骤d)重新计算新任最优簇首；若节点能量耗尽或全部失效，则网络通信结束。