WSN中一种新的基于蚁群优化的路由算法

针对无线传感器网络路由中网络节点能量和生存时间受限问题,提出了一种基于蚁群优化的WSN分簇路由算法.算法引入蚁群优化,对网络覆盖区域内的节点进行分簇处理,簇内利用蚁群优化算法进行最优路径搜索.仿真结果表明:该算法能有效平衡网络节点间能耗,延长网络生存期,蚁群增强了最优路径的可靠性,进一步降低了网络能耗.     

基于蚁群优化的WSN网络数据融合算法

为了减少WSN网络中数据传输量、优化无线传输距离,提出了一种基于蚁群优化的WSN网络数据融合算法.该算法构造数据融合树并根据WSN网络的传输特点改进了蚁群算法,考虑了路径偏转角对路由的影响,调整节点选择概率;同时对最优的多个路径更新信息素,以提升最优路径的全局搜索能力.在WSN网络节点能量消耗、传输延迟方面与经典算法对比,发现该算法能够有效延长网络的生命周期、降低节点能耗,并能改善网络负载均衡.     

一种基于蚁群算法优化的WSN分簇路由算法

为了实现无线传感器网络对节点能量的高效利用,提出了一种蚁群优化的分簇路由算法CRAACA。该算法引入簇内平均剩余能量参数,对簇首选择阈值进行改进,以均衡簇内能耗;根据节点间的位置关系建立节点的可中继节点集,控制蚁群算法的搜索空间;蚁群在对可中继节点集进行路径搜索时考虑节点间的距离和节点的剩余能量,以生成节能和较好均衡网络能耗的多跳网络路由;对生成的多径路由依相应概率选择数据传输的路径,提高数据传输的可靠性。仿真结果表明,该算法在网络能量的利用效率、数据传送成功率,以及延长网络生存周期等方面具有较好的性能。     

基于蚁群优化算法的无线传感器网络跨层路由协议

针对无线传感器网络对实时性、鲁棒性及能耗平衡要求较高的特点,提出了基于蚁群算法和跨层优化的无线传感器网络路由协议ABCRO（Ant-Based＆Cross-layer Routing Optimization）。算法综合考虑各层之间的信息共享机制,将链路的通信开销和链路通信情况以数据的形式转换为网络性能优良的评估参数;通过将接纳控制网络节点机制、信息素禁忌表的双向更新、节点剩余能量信息维护及跳数更新等信息加入路由选择公式,有效增强算法的可扩展性,降低通信过程中的拥塞问题。仿真实验表明ABCRO算法能够较快的寻找出一条最优的路径,从而平衡网络能耗,降低冲突率,有效提高网络整体性能,延长网络寿命。     

基于蚁群优化的无线传感器网络路由优化算法

针对无线传感器网络节点功耗受限,无线信道容易受环境干涉等特点,提出一种低功耗、信道质量敏感的无线传感器网络路由优化算法COR,COR算法基于节点剩余能量、无线信道质量统计参数等变量,通过修改启发因子方程以及信息素更新方程,采用改进蚁群算法选择剩余能量高、信道质量较好的路径进行数据的路由转发,可有效降低数据传输功耗,平衡网络中节点的功率消耗,延长网络生命周期。仿真实验表明,COR算法网络消耗能量仅为传统ACO(Ant Colony Optimization)算法的73%,具有较高的实用价值。     

一种基于DEEC的异构节能分簇改进算法

针对无线传感器网络中因有限能量利用不佳从而导致网络生存周期缩短的问题,提出一种基于DEEC的优化能量利用的改进算法(IDEEC)。该算法一方面对DEEC的阈值进行调整,在DEEC的阈值中加入剩余能量与网络平均剩余能量的比值以及最优簇头数,以增加剩余能量多的节点成为簇头的概率,另一方面采用精确化方案求解网络平均剩余能量,同时采用簇内成员节点的调度机制让冗余节点进入休眠模式以节约网络能耗、延长网络生存周期。仿真结果表明,IDEEC的能耗比LEACH降低60.6%,比DEEC降低47.9%,网络生存时间比LEACH提高61.9%,比DEEC提高49.1%。     

基于蚁群算法的WSN路由协议研究

针对层次路由LEACH协议存在簇头分布不均,并且每次簇头轮换均在整个网络内进行,会造成耗能过多以及蚁群算法应用于LEACH协议建立簇间多跳路由仍存在能耗不均衡的问题,采用将网络节点进行区域划分,并将节点剩余能量作为参考因素,在区域内进行簇头节点的轮换选取的方法改进,并通过将节点能量引入到转移概率和信息素更新公式中,对蚁群路由算法进行改进,利用其建立从簇头节点到汇聚节点的多跳路由的最优路径.实验验证表明:与LEACH协议相比,改进协议整体上减少并均衡了能量的消耗,延长了无线传感器网络的生命周期.     

改进无线传感器网络路由算法

无线传感器网络是由能量有限的节点组成,高效节能的路由算法是无线传感器网络的基础。针对低功耗自适应分簇（LEACH）路由算法在选择簇首节点及通信过程中能量消耗大的不足问题,提出了一种改进的LEACH路由算法。引入节点剩余能量因素参与簇首节点的选择,有效地降低剩余能量较小的节点成为簇首的可能性,节点之间的数据传输采用单跳和多跳相结合的通信方式,也降低了传感器网络能耗。     

基于DE-PSO路由的最优路径选择算法研究

针对目前ZigBee网络中路由节点间能量消耗不均衡、能量消耗大和节点过早死亡等问题,提出了融合差分进化粒子群算法(DE-PSO)。首先,对比节点剩余能量,通过对比簇首竞选权重值竞选簇首,其次,利用DE算法搜索全局较优路径,并利用PSO算法的收敛性快速找到最佳路径。仿真结果表明,DE-PSO算法相比于经典的AODVjr算法、DE算法和ACO-AODV算法,可以有效地减少节点死亡、延长网络生存时间、减少节点能量损耗,提高了ZigBee网络的整体性能。     

路径重链接的GRASP最优化无线自组织网络能耗

针对无线自组织网络的能耗和容错问题,提出了一种基于路径重链接的贪婪随机自适应搜索程序(GRASP)启发式算法.首先,通过构建双连通图使得任意2个连通的节点之间至少有2条通信路径,从而提高容错能力;然后,在双连通网络的基础上,利用对功率的操作进行局部搜索,找出功率分配的最优值,从而达到优化整个网络能耗的目的.在随机生成的非对称测试问题上的仿真实验结果表明,相比MST-aug算法和贪婪算法,提出的算法在欧氏实例中的总能耗分别降低了37.85%、5.39%,在随机实例中的总能耗分别降低了74.63%、3.15%,且明显降低了边干扰和节点干扰,适用于故障容错需求较高的无线自组织网络环境.     

一种基于蚂蚁算法的QoS路由算法

为了平衡网络负载,优化网络资源使用,路由算法必须具备快速规避拥塞的能力.现提出一种基于蚂蚁算法的Qos路由算法.该算法通过舍弃信息素能快速探索最优路径,并能在链路将发生拥塞时充分利用原有路由信息形成拥塞通告蚂蚁,使源节点能快速做出反应,利用分散流量,以避免链路的拥塞.经仿真证明,该算法明显节省了QoS路由搜索时间,有效规避了网络拥塞,提高了网络服务能力.     

自适应信息素更新蚁群算法求解QoS组播路由

针对基本蚁群算法在求解QoS组播路由问题中存在的容易陷入局部最优和收敛速度慢的缺陷,提出一种自适应信息素更新蚁群算法对该问题进行求解。该算法在节点选择中引入混沌扰动,在算法前期依据各链路信息素浓度动态调整信息素的挥发因子,提高了全局搜索能力,后期根据解的优劣自适应更新信息素,使收敛性能得到显著提高。仿真实验表明,同等实验条件下,基本蚁群算法在第12次迭代收敛到局部最优费用值87;融合量子粒子群算法思想的多行为蚁群算法第7次迭代收敛到局部最优费用值66,而本研究算法则在第10次迭代收敛到全局最优费用值62,本研究算法比前两种算法更优。     

一种改进的遗传聚类拓扑分簇算法

针对标准遗传算法在拓扑分簇中由于收敛速度慢而引发网络时延能耗不均的问题,提出了一种快速收敛的最优簇聚类算法。文中在网络能耗最小的基础上引入了遗传搜索最优簇原理,设计了网络能耗最优模型。通过P矩阵改进簇心编码,缩小最优簇心的搜索空间;构造自适应遗传算子操作,定向指导搜索方向,提高局部寻优的搜索效率;利用一步迭代策略改善全局搜索,提高迭代过程中的分簇精度。实验结果表明,该算法能够高效实现网络拓扑均匀划分,节点聚类准确率比标准遗传算法提高约15%;与REDDC算法和粗糙C-Leach算法相比,最高可延长网络生存寿命84%。     

低占空比无线传感器网络中节点自适应休眠机制

针对低占空比WSN网络存在着能量消耗不均、网络工作时长等问题,提出一种节点自适应休眠算法.该算法能够根据无线链路状况,自适应地调度节点休眠时隙和工作时隙,保证在时延约束条件下网络的整体能耗最小.在自适应休眠机制加入能量感知,使无线路由根据节点的剩余能量自适应调整,均衡各节点能耗,提升WSN网络的工作时长.经仿真分析发现,该算法能够在满足传输时延的同时,有效地减少工作时隙并降低能耗,从而提升网络的工作周期.     

基于通信节点的WSN自主聚类非均匀分簇路由协议

针对无线传感器网络中如何有效地利用有限的节点能量来延长网络的生命周期这一问题,提出一种基于通信节点和多跳传输相结合的多因素自主聚类分簇路由协议.该协议通过结合节点的剩余能量、簇头与基站之间的距离以及邻居节点的数目等因素来优化路径节点的选择,改进了多跳传输的局部最优路径构造算法.仿真结果表明:与现有协议相比,该协议能够有效地节省传感器节点的能量,平衡网络能量分布,延长网络的使用寿命.     

基于自适应蚁群算法的无线传感器网络能量优化

当能量受限时如何降低节点功耗,是无线传感器网络需要解决的首要问题.为解决这一问题,提出了一种基于自适应蚁群算法的无线传感器网络能量优化方法,该方法鲁棒性强、易于并行计算.在对无线传感器的能量优化中,采取了动态概率选择、优化信息素矩阵和遗传变异相结合的过程.通过蚂蚁在不同数量下,传感器节点的最优路径寻找研究对比表明,自适应蚁群算法的总能耗较低,网络节点的生存能力较强,同时,传递数据的总延时较短.     

基于加权优化树的WSN分簇路由算法

无线传感器网络(WSN)是由大量具有感知和传输数据能力的传感器节点组成的自组织网络,被用来部署监测物理环境.针对无线传感器节点存储空间小、能量有限、路由不稳定、能耗不均衡等问题,提出一种改进的基于加权优化树的路由算法,将树型结构应用于分簇路由算法中.根据节点的剩余能量、可用内存、相邻节点的距离、信道质量设定数据传输代价,并以此为基础对树型拓扑结构进行加权优化,分布式地在簇内创建树型网络拓扑结构.改进的算法降低了网络中数据传输的总代价.仿真实验结果表明:与传统的树结构和分簇路由算法相比较,结合了树型拓扑结构的分簇路由算法,在延长网络生存时间和平衡网络能耗方面更具有优势.     

基于遗传算法的无线传感器网络路由优化

无线传感器网络节点能量及通信能力有限,建立节能高效的路由路径是延长网络生命周期的关键。针对这一问题,基于遗传算法对无线传感器网络进行路由优化,考虑多种约束条件,提出了一种快速构建节能高效信息传输路径的算法。该算法考虑了网络拓扑结构及节点间的通信距离,避免生成无效个体,进一步优化了网络性能,同时将节点剩余能量及节点间的距离作为路由优化的约束条件,保证最佳路由的有效性。仿真结果表明,与Flooding算法相比,所提算法的网络能量消耗减少了约68%,网络寿命延长了约64%。     

WSNs中基于能量均衡定向扩散的移动Agent路由算法

提出一种无线传感器网络中基于能量均衡定向扩散的移动Agent路由算法(EBDDMA).首先,改进定向扩散协议,组合利用最大最小路径节点剩余能量和最小跳数2个度量建立多向最优传输梯度,源节点通过发送两组不同的探测数据包来分别完成源节点的发现与移动Agent迁移路由的建立.随后,移动Agent根据各源节点已建立的移动Agent路由表来动态的选择下一跳节点并进行数据融合,最终返回Sink节点.在源节点发现及移动Agent返回阶段,各节点根据多向最优梯度度量动态构造概率选择函数并进行下一跳选择.同时还针对路由维护问题提出了一种路径快速修复机制.仿真结果表明,与已有的两种算法相比,EBDDMA可在保证较小端到端传输延时的基础上有效的平衡网络能耗,从而延长网络的生存期.     

基于能量平衡的无线传感器网络非随机分簇算法（英文）

无线传感器网络(WSNs)路由协议的设计受到传感器的节点特征、网络行为和应用需求等的影响,网络拓扑结构的变化对节点之间通信路径的影响非常关键。分簇是减少能量消耗和增强网络可扩展性的一种有效的拓扑控制技术。为了节约能耗,提出了能量平衡的非随机分簇算法。该算法采用最小能量分簇技术形成簇群,利用最小的通信距离来选择最优的簇头(CH)。仿真结果表明该算法延长了网络寿命,与集中式的LEACH-C算法相比,提高了能量利用效率。