基于适应度的簇划分算法研究

延长网络生存期、减少网络能量消耗是传感器网络一项重要性能指标,分簇方案是实现该目标的主要方法之一.通过分析影响簇状网能耗的主要能耗参数,引入节点适应度模型,并该模型运用到簇划分算法中,优化网络能量效率.算法是分布式簇划分算法,在簇划分过程中,通过比较节点局部区域能量比、通信代价比、节点度数综合能耗因素,决定簇首节点和成簇规模.仿真结果表明该算法能够降低簇间的通信重叠,均衡网络负载,与几种算法比较适应度分簇算法使网络生存时间增加的幅度虽然不是很大,但是使网络系统的稳定时间比其他2种能量有效的算法延长了近20%左右.     

簇头预测分布式层次路由协议

提出了簇头预测分布式层次路由协议CP-DCRP。在网络初始化阶段,基站计算均匀分布的簇头节点,并广播簇头信息。每隔特定轮数,簇头节点执行一次簇头预测机制,预测下一个特定轮数中每轮的簇头节点,并将簇头信息在全网广播。分析了特定轮数对网络平均每轮节点能耗的影响,同时对特定轮数的最优性以及簇头预测机制计算的时间复杂度进行了分析。实验结果显示,与Leach协议相比,CP-DCRP协议提高了网络节点能耗均衡性能,延长了网络生命时间。     

基于双簇头的WSNs非均匀分簇路由算法

无线传感器网络由大量密集部署的传感器节点组成，通过节点间的相互协作才能完成工作，因此传感器节点之间的协作非常重要。针对分簇结构无线传感器网络簇头间能耗不均衡导致的“热区”问题，提出一种基于双簇头的新型路由算法NCDH。通过将网络虚拟分区实现网络不均匀分簇，并依据节点的剩余能量、节点与基站的距离、节点度等因素，在簇内选取主、副双簇头节点负责数据处理和转发。在网络运行阶段，根据主簇头的运行状态确定是否启动副簇头，以保证网络能量均匀消耗。在数据传输阶段综合考虑节点与中转节点的距离以及中转节点的剩余能量，从而选出最佳中转节点。实验结果表明，与DEEC、MRDC、GURCP等算法相比，NCDH算法有效改善了网络的“热区”问题，延长了网络的生存时间。     

AODV中基于能量的簇头选择算法

为了解决无线自组网按需平面距离矢量路由协议(AODV)网络生存时间短、节点死亡率高的问题,通过对现有的簇头选择算法的分析并利用网络仿真软件(NS2)进行了大量的仿真模拟,提出了一种基于能量的簇头选择算法。该方法与现有的簇头选择算法最大的不同在于:它是通过在邻居节点中选择一个剩余能量最大的节点当做簇头,而不是根据节点的地理位置。为防止节点能量被过度的消耗设置了能量阈值,只有节点剩余能量大于该阈值的节点才能当做簇头,对于簇头节点规定了它所能管理的最大节点数。NS2仿真结果表明,该方法可以延长网络的生存时间,降低节点的死亡率。     

基于LEACH协议的助理簇头分簇算法

基于LEACH协议,提出助理簇头分簇算法。该算法能在无线传感器网络中根据簇头节点所处的地理位置、剩余能量及簇内成员节点数目,动态决定是否需要在簇内产生助理簇头,并在需要产生助理簇头的簇内选择合适的节点,从而减少簇头通信能耗,同时解决某些簇头与基站的通信问题。仿真结果表明,该算法能有效降低网络能耗、延长网络生存时间。     

无线传感器网络LEACH路由协议研究与改进

针对LEACH算法随机选取簇头,未考虑节点剩余能量及单跳与sink节点通信造成能量损耗过快的问题。引入以剩余能量及邻居节点数作为权重因子的时间等候簇头竞争模式选取簇头,并提出LEACH与蚁群算法相结合建立簇间路由机制,采用局部信息素更新,综合簇头节点的剩余能量及节点距离,为簇首与sink节点通信建立多跳路由,达到降低簇头节点能耗过快的目的。仿真实验结果表明,改进算法在降低能耗、延长网络生命周期等方面较LEACH算法有较大提高。     

无线传感器网络中多跳时间同步算法的研究

提出了一种基于簇型的多跳时间同步算法——CBTS。利用Leach算法将网络划分成不同的簇,在此基础上把节点间的时间同步分为水平同步和垂直同步两个阶段来完成。在水平同步阶段,通过构建基站与簇头节点的层次拓扑结构,采用双向消息交换同步机制来完成簇头节点与基站的时间同步。在垂直同步阶段,采用双向消息交换和参考广播相结合的同步机制,来完成簇头节点和簇成员之间的时间同步,并利用最小方差线性拟合的方法估计了节点的时钟偏差,提高了时钟同步的精度,最终实现了整个网络节点的时间同步。经过仿真测试,证明该算法具有较低的消息交换开销和不错的同步精度。     

基于节点竞争力的网络分簇拓扑控制算法

通过提出节点竞争力的新定义和研究网络分簇拓扑控制过程中簇头选择的新策略,提出了一种基于节点竞争力的网络分簇拓扑控制算法APBCS。该算法以节点剩余能量的比值、节点之间的距离和邻居节点的密度作为竞争簇头的参数,采用分环的方式实现簇头间的多跳通信。仿真实验表明,APBCS算法与LEACH算法相比较分簇更均匀,簇头选择更合理,第一个死亡节点出现时间推迟了92%,与EBAPC算法相比较,第一个死亡节点出现时间推迟了4.6%,说明比较显著地延长了网络生命周期。     

基于分布式层次化结构的非均匀聚类负载均衡算法

考虑到无线传感器网络(WSN)负载不均衡导致节点存活时间较短、能量消耗量较多的问题,提出一种基于分布式层次化结构的非均匀聚类负载均衡算法(DCWSN)。首先,建立了一个WSN的多层分簇的网络拓扑结构,并分析了该网络拓扑的簇内节点运作的能量消耗方式。接着,采用非均匀聚类的负载均衡算法,在簇头的选择上考虑了节点连通密度、节点剩余能量和簇头选择时间,通过竞选出最高权重的节点成为簇头; 在簇的建立阶段,通过簇大小的决定阈值和簇头的更新机制来均衡簇头的能量负载,防止簇头节点过早死亡。通过网络生命周期和网络能量消耗对提出算法的有效性进行验证,并与算法EDDIE、M-TRAC、DDC和EELBC进行比较,结果显示DCWSN算法的节点存活率为37.7%,高于对比算法,且能量效率也高于对比算法。实验结果表明,DCWSN算法对节点负载分配具有良好的均衡性,有效控制了节点负载过量的问题,提高了节点的能量效率。     

一种适用于多基站环境的WSN分簇路由协议

在多基站部署于网络外部的环境下，网络边缘的节点与基站通信所需的能耗相比其他节点更少，但它们与大部分节点距离较远，不适合当簇头。传统LEACH算法每轮簇头数量不等且分布不合理。针对上述问题提出一种适用于多基站环境带有中转节点的分簇路由协议，在优先选靠近簇内质心且能量较高的节点作为簇头的同时，利用靠近基站的普通节点做中转，以此减轻簇头的能耗负担，同时改进了分布式的簇头选举方法来保证每轮的簇头数相同，进一步减少不必要的能耗。经仿真测试，该方法能让节点能耗更加均衡，并有效延长网络的使用寿命。     

同步精度稳定的多跳无线传感器网络时间同步算法

对无线传感器网络时间同步精度稳定性进行了研究，给出了OTSP算法中影响多跳同步精度的因素，在此基础上提出了一种新的同步精度稳定的算法。该算法估算出了不同节点间的晶振频率偏差，并使得多跳网络中的每个节点都能精确地同步到时间基准节点。实验结果证明该算法在同步精度的稳定性方面优于OTSP算法。     

生物复杂网络motif发现的并行算法

生物复杂网络motif发现是一种研究生物网络的重要方法，它基于复杂网络的理论研究，以新的视角来研究生命现象和生命机制，但是在处理较大的网络规模或者需挖掘较大的motif时计算效率低。针对这个问题，在现有串行网络motif发现算法ESU的基础上，提出一种基于消息传递接口（MPI）的并行化ESU算法。该方法在ESU计算过程中优化了节点值以解决节点值依赖问题，并以ESU算法的子图发现策略统计各节点子图数，利用动态规划策略寻找最佳节点分配策略以解决负载不均衡问题。模拟网络数据和真实生物网络数据的实验结果表明，并行化ESU算法优化了节点值依赖问题，实现了基于动态规划的负载均衡策略，其运行时间比串行算法缩短了90%，并且该并行算法对不同类型不同规模的网络都具有较强的适用性，有效地提高了网络motif发现问题的计算效率。     

基于H运算的动态网络重要节点识别方法

传统K-shell网络重要节点识别方法迭代时需网络全局拓扑信息,而且难以应用于动态网络。为解决该问题,提出基于邻域优先异步H运算的动态网络重要节点识别方法。首先,证明该算法收敛于Ks值,其次以各节点的度作为h指数初始值;然后,通过节点h指数排序和邻居节点h指数变化选择更新节点,同时针对动态网络节点的增减数目和最大度,修改h指数适应拓扑变化,直至算法收敛并找到重要节点。仿真实验结果表明,该方法通过邻居节点局部信息且以更高效率找到动态网络的重要节点,收敛时间在静态网络中较随机选择更新节点法与变化邻居选点法分别下降77.4%和28.3%,在网络拓扑变化后分别下降84.3%和38.8%。     

满足指定节点约束的路由算法

在MPLS或GMPLS网络中,路由算法常常需考虑节点约束条件(即用户可能指定一条端到端路径所必须经过的一些中途节点)。对链路代价值为整数的有向无回路网络,文章提出了一种伪多项式时间算法,用于计算满足指定节点约束的最小代价路径。对一般有向网络,文中给出了一种计算时间及空间上限可调的启发式算法。仿真实验结果表明,所给的启发式算法在网络规模变大时明显优于已知的算法。     

P2P流媒体网络的关键节点识别算法

P2P流媒体网络中普遍存在一些关键节点,关键节点对网络的安全和通信性能起着重要作用,识别网络中的关键节点尤为重要,而传统方法对于大规模网络的关键节点识别时间开销很大,无法保证实时性。提出P2P流媒体网络中的关键节点识别算法,结合混合模式的网络结构特点,采用分区域的计算模型解决网络规模过大造成的巨大时间开销问题,根据节点的贡献度和传播能力差异定量化描述节点的重要性程度。仿真结果表明,所提算法可以快速获得节点重要性排序,有效识别P2P流媒体网络中的关键节点。     

云环境下异构无线传感器网络节点调度改进算法

针对大规模传感器网络节点异构性突出、调度困难,传统节点调度算法在大规模传感器网络环境下效率低等问题,提出了基于云计算的节点调度模型,并设计了该模型下的节点调度改进算法。通过将节点算法的执行迁移至云端,由云端调度节点。通过OMnet＋＋对改进算法与云端融合数据处理进行仿真实验表明：改进算法可以有效地延长网络生存周期,并且随着数据量的增加,云端处理融合数据耗时相对平稳。相比较传统节点调度算法,改进算法在能量与耗时指标上表现更优。     

一种基于区域朋友关系的机会路由算法

基于社会的机会网络中,节点趋向于和自己关系亲密的节点进行接触,因此可以通过评价节点之间的亲密程度来帮助预测节点之间的接触概率。由于节点亲密性的时间相关性和区域相关性,利用节点的历史接触信息构造节点亲密程度的评价模型时,考虑节点接触区域和节点接触时间对亲密程度的影响,从而得到节点在相应区域的亲密节点——区域朋友(Regional Friends,RF)。最后结合节点当前位置和区域朋友关系提出一种基于区域朋友关系的机会路由算法(Opportunistic Routing algorithm based on Regional Friendship,ORRF)。实验数据表明,在节点分布密度以及数据可容忍时延变化的网络环境下,该算法得到较高的数据送达率和较低的转发能耗。     

Mesh网络容错广播路由算法的概率分析

One-to-all or broadcast communication is one of the most important communication patterns and occurs in many important applications in parallel computing. This paper proposes a fault tolerant, local-irdormation-based, and distributed broadcast routing algorithm based on the concept of k-submesh-cormectivity in all-port mesh networks.The paper analyzes the fault tolerance of the algorithm in terms of node failure probability. Suppose that every nodehas independent failure probability, and deduce the success probability of the broadcast routing, which successfully routes a message from a source node to all non-faulty nodes in the networks. The paper strictly proves that the broadcast routing algorithm with the success probability of 99％ to route among all non-faulty nodes on mesh networks with forty thousand nodes, in case that the node failure probability is controlled within 0.12％ Simulation results show that the algorithm is practically efficient and effective, and the time steps of the algorithm are very closeto the optimum.     

响应式簇结构的无线传感器网络路由算法

在无线传感器网络路由协议中利用分簇技术可以提高网络的存活时间。提出了一种基于响应式的簇结构路由算法（RCSA）。该算法的思想是应用节点间局部信息快速选举簇头,簇头之间以多跳的通信方式传输数据到汇聚节点,且不需要预先得知节点自身及其他节点的位置信息,大大节约了节点的能量消耗。仿真结果表明该路由算法有效地平衡了节点间的能量消耗,延长了网络的生存周期。     

大规模WSNs中多Sink节点优化部署遗传算法

大规模WSNs网络布局设计中,多Sink节点的选址是网络拓扑设计的关键步骤,它对于网络通信能耗的控制至关重要。提出了一种基于遗传进化算法的Sink节点优化选址算法,它利用遗传算法的全局寻优能力在有限的时间内获得问题的次优解,进而生成监测网络工作拓扑。仿真实验结果表明:与现有的启发式算法相比较,该算法所生成的网络布局结果对于全局能耗控制有明显改进。