基于加权的无人机集群组网分簇算法

在无人机集群组网中,节点的高速移动会造成网络拓扑结构更新频繁,使网络管理变得更加复杂。分簇能够增大网络容量,实现空间资源的复用,是优化网络管理的有效手段之一。针对大规模、高速移动的环境进行了研究,提出了一种多参数加权分簇算法。该算法将最大速度相似度分簇算法中的分簇指标引入到加权分簇算法中,并且对链路保持率、节点度差、节点剩余能量进行改进,综合考虑这四种参数,通过加权组合的方式选举具有最大权重的网络节点作为簇头。仿真结果表明,该分簇算法不仅能够减少簇的数量和簇间切换率,提高分簇的稳定性,而且能够延长最小节点生存时间,改善网络的整体续航能力。     

无人机自组网基于加权的稳定分簇算法

相较于传统移动自组网,无人机自组网具有节点移动速度更快、分布范围更广、网络规模更大的显著特征,而分簇结构能实现网络的有效控制和管理,提高网络的扩展性.为了提高分簇结构的稳定性,提出了一种基于加权的稳定分簇算法,该算法基于现有加权分簇算法,从分簇测度指标的选取、指标权重因子分配、分簇稳定保持策略三个方面进行改进.仿真结果表明,该算法不仅能合理控制分簇数量,有效提高网络的扩展性,而且能够延长簇首保持时间和降低成员节点的簇间切换次数,提高分簇的稳定性.     

基于节点剩余能量的能量异构网络分簇算法

针对无线传感器网络中如何利用有限能量延长网络生存时间的问题,研究了分簇算法在能量异构传感器网络环境下的性能特点,设计出一种基于节点剩余能量,适用于多级能量异构网络的分簇算法。在该算法的网络簇头选举加权概率中引入了参量γ,使得在簇头选举过程中,具有较高的初始能量和剩余能量的节点在簇头选举过程中当选簇头的机会增多。避免了剩余能量较小的节点担任簇头引起节点过早死亡使网络覆盖度降低的问题,从而均衡消耗网络中的各节点能量,延长网络的生存时间。同时,引入簇头管理机制保证了网络每轮簇头数目的稳定,进而提高了网络的传输质量。实验仿真结果表明,该算法在多级能量异构网络下比LEACH、SEP和DEEC具有较长的网络生存时间和稳定的数据传输能力。     

一种基于成簇优化的无线传感器网络非均匀分簇算法

针对大规模无线传感器网络中靠近基站的簇头需要转发大量数据而能量消耗较快的特点,提出了一种基于成簇优化的非均匀分簇算法。该算法通过对构建的传感器网络模型进行非均匀分层,然后各层独立展开簇的组建来实现非均匀分簇,在簇头选举阶段依据节点剩余能量及节点离层中间线距离的加权和来优化簇头选举方法。分簇完成后,簇头调整通信距离,构建簇头间动态的多跳路由。仿真实验结果表明,新算法生成的簇头数目稳定,拓扑结构合理,与LEACH算法和EEUC算法相比能较好均衡簇头的能耗,延长网络寿命。     

无线传感器网络中能量有效的加权分簇算法

针对无线传感器网络中节点受到能量和带宽等资源严格制约的问题,通过分簇可以使网络中节点能量负载均衡,从而延长网络的生存周期.从能量和节点度的角度出发,分析了无线传感器网络中现有的一些分簇算法提出,了一种新的适合于无线传感器网络的能量有效的加权分簇算法,通过仿真和分析得出,该算法是一种有效的分簇算法.     

无线传感器网络中能量有效的加权分簇算法

针对无线传感器网络中节点受到能量和带宽等资源的严格制约的问题,通过分簇可以使网络中节点能量负载均衡,从而延长网络的生存周期.本文从能量和节点度的角度出发,分析了无线传感器网络中现有的一些分簇算法,提出了一种新的适合于无线传感器网络的能量有效的加权分簇算法,通过仿真和分析,得出该分簇算法是一种有效的分簇算法.     

无人机集群网络分簇优化算法

为解决无人机集群网络结构不稳定以及网络生命周期短的问题,提出一种基于改进灰狼算法的分簇优化方法。根据无人机节点的相对移动性和节点间的相对距离,对无人机网络中所有节点分簇,综合考虑簇内节点的剩余能量、最高节点度、通信情况、任务种类4个影响因素,基于灰狼优化算法选举最佳簇首。仿真结果表明,该分簇算法提升了分簇平衡度、统治集更新次数、节点生存个数等多个性能指标,稳定了网络结构,延长了网络生命周期。     

基于案例推理和神经元网络的桥梁知识的复用

无线传感网络的节点能量有限,层次型的拓扑结构将整个网络分为多个簇,并选择簇头负责路由,节省了节点能量,延长了网络生存周期.文章在现有层次型拓扑算法的基础上,针对其不足,引入生日悖论理论,提出一种新的层次型拓扑算法.该算法通过在每个节点的时槽内,对不同工作状态进行合理分配,保证网络中所有节点在最少能量消耗下进行分簇和选择簇头工作,有效地延长了网络生存周期.     

一种基于相对移动性的Ad-hoc网络分簇算法

针对Ad-hoc网络中节点移动而导致网络分层结构不稳定的问题,提出一种基于节点间的相对移动性的加权分簇算法RMCA(Relative Mobility Clustering Algorithm)。将局部节点的相关性运用到簇头的选举当中,并考虑距离因素的影响。运用层次分析法计算出各因素的权重,通过NS2仿真工具对该算法进行仿真,并与经典算法进行比较。结果显示该算法在簇头数目方面得到优化,在簇依附关系变化和簇头更新次数方面性能提升10%~15%左右,有效地提高了簇结构的稳定性。     

应用于无线传感网络的新型层次型拓扑算法

无线传感网络的节点能量有限，层次型的拓扑结构将整个网络分为多个簇，并选择簇头负责路由，节省了节点能量，延长了网络生存周期。文章在现有层次型拓扑算法的基础上，针对其不足，引入生日悖论理论，提出一种新的层次型拓扑算法。该算法通过在每个节点的时槽内，对不同工作状态进行合理分配，保证网络中所有节点在最少能量消耗下进行分簇和选择簇头工作，有效地延长了网络生存周期。     

基于能量和距离加权的WSNs簇头选择算法

针对LEACH分簇路由协议存在的簇头数目和分布位置不合理等问题导致能耗不均衡、网络周期不理想,提出了一种基于能量和距离加权的簇头选择优化算法。通过加入节点到基站的距离和节点剩余能量作为簇头选取的参考因素,依据改进后的阈值公式使得选取的簇头数达到预设最优值,并通过簇头的二次选择,最终确定最佳的簇头。仿真结果表明:相比于LEACH协议,该算法可以有效地延长网络生命周期,使网络能耗更加均衡。     

改进簇头选举的分层传感网络能量优化算法

在无线传感网络中,为解决树状拓扑结构中簇头竞选算法不合理而造成能耗不均匀的问题,设计了改进簇头选举的分层路由能量优化算法,即在簇头选举时分别对阈值公式、簇头竞选算法有所改进.其中,阈值公式以节点所剩能量、节点到Sink节点间距离以及能耗因子为基准;而在簇头竞选算法中增加候选簇头的成员个数这一参数,可避免成员个数较多的节点成为簇头的几率,从而平衡簇头的能耗.通过与经典的LEACH和EOUCR协议的成簇算法仿真对比表明:提出的算法可以更好地平衡簇头能量耗损,从整体上延长网络生存周期.     

基于数据融合的无线传感器网络林火监控算法

针对无线传感器网络在林火监控应用中存在的问题,提出了一种分层聚簇数据融合算法。簇内传感器节点使用加权平均法对原始数据进行数据级融合处理,以消除原始数据中的冗余成分,减少从簇内传感器节点到簇头节点的通信量;簇头节点采用D-S证据理论建立识别框架,通过对本簇成员的反馈信号进行决策级融合处理,提高了火灾事件的识别精度和网络的鲁棒性。实验结果表明,该算法能有效消除无线传感器网络的冗余数据,并能够在失效节点数不超过总节点数40%的情况下正确工作。     

HACH: Heuristic Algorithm for Clustering Hierarchy protocol in wireless sensor networks

Wireless sensor networks (WSNs) require energy management protocols to efficiently use the energy supply constraints of battery-powered sensors to prolong its network lifetime. This paper proposes a novel Heuristic Algorithm for Clustering Hierarchy (HACH), which sequentially performs selection of inactive nodes and cluster head nodes at every round. Inactive node selection employs a stochastic sleep scheduling mechanism to determine the selection of nodes that can be put into sleep mode without adversely affecting network coverage. Also, the clustering algorithm uses a novel heuristic crossover operator to combine two different solutions to achieve an improved solution that enhances the distribution of cluster head nodes and coordinates energy consumption in WSNs. The proposed algorithm is evaluated via simulation experiments and compared with some existing algorithms. Our protocol shows improved performance in terms of extended lifetime and maintains favourable performances even under different energy heterogeneity settings.     

一种带有可控阈值参数的分簇路由优化算法

针对传感网中大量冗余数据导致通信频繁中断的问题,提出一种带有可控阈值参数的分簇路由优化算法。引入蚁群算法中的适应度函数和启发式函数,使得下一跳簇首节点的选择更具针对性,实现网络路由树的建立与事件域节点的分布式成簇。利用可控阈值参数和变异系数对网络路由所选最短路径进行优化,保证节点能量消耗较低的同时全网延时最小,并通过全局信息素的更新策略抑制长链路的产生,以均衡全网能量并延长网络生存周期。实验结果表明,该算法与DMOA和MTTA算法在抑制网络能量消耗和延长网络生存周期方面进行对比,其性能指标平均提升了13.72%和12.06%。     

一种能量高效的无线传感网分簇路由算法

针对无线传感网节点能耗不均造成的生命周期短的问题,提出一种能量高效的无线传感网分簇路由算法（NUC&GDF）。该算法从三个方面对无线传感网的路由进行优化;a）改进簇首选举机制,选择合适的簇首;b）改进簇首节点成簇半径规则,形成合理的簇规模大小;c）在簇首与基站的稳定数据传输过程中,引入改进的梯度下降法强化学习来计算权值最小的自适应无线簇间路由。实验结果分析表明,提出的算法性能比LEACH算法、LEACH-C算法以及DEBUC算法更优;在网络规模为100 m×100 m时,网络生命周期分别提高约50.3%、21.5%、16.4%,能更有效地延长网络生命周期。     

一种基于节点位置和密度的非均匀分簇路由算法

分析了现有分簇路由算法,提出了基于节点位置和密度的非均匀分簇路由算法。簇头选举阶段,考虑了节点的剩余能量,并引入竞争机制进行簇头选择;成簇阶段,综合考虑节点与基站的距离、节点密度以进行非均匀分簇,达到节点能耗均衡的效果,同时解决路由热区问题;簇间路由阶段,通过设立通信簇头节点,使簇间数据转发任务从簇头中分离,簇头节点只负责簇内的数据收集和融合,而通信簇头节点负责簇间数据传输,减少了簇头的能量消耗。实验结果表明,改进后的路由算法能够有效地均衡网络负载,并显著地延长网络的生命周期。     

一种基于平均剩余能量的无线传感器网络分簇路由算法

The problem of node energy limitation in wireless sensor networks has a serious impact on network performance and network life. From the perspective of energy optimization, aiming at the unbalanced energy consumption caused by clustering mechanism of LEACH protocol clustering algorithm, a new improved algorithm is proposed, which takes the average residual energy as the main parameter, selects the appropriate cluster head, and obtains the optimal cluster head position and the number of cluster heads from the base station based on the understanding of the whole network nodes. When selecting a new cluster head, it is important to consider whether the residual energy of the node is larger than the global average residual energy, and the distance between the node and all the selected cluster heads is greater than the set value. MATLAB software is used for simulation experiment. The improved algorithm can effectively avoid the premature death of a cluster head node due to excessive energy consumption. It can further balance the energy consumption of the network as a whole, increase the network throughput and extend the network life.