非连通无线传感器网络的最少传感器节点部署

传感器节点的部署包括连通网络和非连通网络2种情况. 为了最小化网络部署开销,对非连通网络的传感器节点部署问题进行了研究,建立了整数线性规划模型,并证明该问题为NP complete问题. 为找到该问题的近似最优解,通过理论分析确定了传感器节点的候选部署区域,提出了一种启发式的传感器节点贪婪部署算法,迭代地将传感器节点部署到覆盖目标点数最多的候选部署区域,直到覆盖所有目标点. 通过仿真实验将所提出的贪婪部署算法和现有的遗传算法以及问题模型的最优解进行了比较,验证了算法的有效性.     

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.     

基于种群阈值优化机制的WSN均衡覆盖算法

为解决无线传感网节点部署过程中存在的网络覆盖性能较差、离散节点数量不高等问题,提出了一种基于种群阈值优化机制的WSN均衡覆盖算法.采取定位机制,将传感节点视作可移位的动态粒子,设计了基于种群周期更新机制的定位覆盖方法,以提高节点布撒精度及均衡性.根据粒子的坐标偏移构建迭代裁决函数,将覆盖度较高的节点进行坐标偏移处理,以提高传感节点对区域的感知能力,从而增强网络的覆盖效果.同时,结合簇内最低覆盖距离等参数,设计了基于阈值优化机制的节点均衡方法,利用交叉判定阈值对节点坐标偏移进行校正处理.通过移动节点位置,对簇内区域进行再覆盖,以降低节点频繁移动而导致的能量受限现象,提升节点分布的离散程度,使覆盖均衡效果更佳.仿真实验结果显示,与当前无线传感网覆盖领域内常用的两种算法相比,此次所提出的算法网络区域覆盖能力更高、节点离散性能更强.     

基于自适应剩余能量阈值的WSN蚁群路由算法

针对无线传感器网络中节点能量分布不均衡和路由算法陷入局部最优解等问题,提出一种基于自适应剩余能量阈值的WSN蚁群路由算法(ATRE-ARA),引入搜索角修正信息素启发函数,对搜索路径进行限制,降低节点能量开销;将节点剩余能量阈值自适应化,改进信息素增量公式,设置信息素浓度上限与下限,优化信息素更新策略,提高信息素增量的准确性,在平衡网络中节点剩余能量的同时提高全局寻优能力。仿真实验表明,ATRE-ARA算法在2种环境下节点平均能耗与ARA算法相比降低了15.12%和11.68%,最优路径长度与EEABR算法相比分别缩短了1.47%和1.59%,证明该算法可有效平衡全局网络能耗,提升算法搜索全局最优的能力,延长网络生命周期。     

基于几何学的无线传感器网络定位算法

提出一种基于几何学的无线传感器网络(WSN)定位算法。把网络区域中的节点分为锚节点和未知节点,假设在定位空间中有n个锚节点,由于受到几何学的限制,实际可行的锚节点序列是有限的,因此利用一种几何方法判断锚节点间的位置关系,从而选取最优的锚节点序列,能够更精确地确定未知节点的位置,并且分析了待定位节点的邻居锚节点数量对定位精度的影响。仿真结果表明,与已有的APS(Ad-Hoc positioning system)定位算法相比,该算法可有效地降低平均定位误差和提高定位覆盖度。     

基于粒子群进化的输电网络WSN节点定位算法

为了提升WSN的定位精度,提出了一种基于粒子群进化的定位算法,以应用于输电网络中的节点定位.该算法通过区域估计,缩小并限制传感器节点的预估计区域空间,并应用粒子群算法快速寻找节点定位的最优解.通过引入权重自适应的机制,加快节点定位的搜索速度,并提升算法的搜索能力.结果表明,该算法有效增强了WSN节点定位的精度,降低了计算复杂度,为输电网络的无线传感器网络提供更高效准确的定位服务.     

临时优劣重心反向融变的麻雀优化WSN定位算法

针对群智能优化算法在无线传感器网络(WSN)定位问题中迭代效率慢和容易陷入局部最优等问题，提出了临时优劣重心反向融变的麻雀优化WSN定位算法。该算法利用节点估计距离构建盒子模型，初步确定节点的位置区域，缩小了前期的搜寻区域范围；利用Circle混沌映射初始化种群，使种群分布更加均匀；并提出临时优劣重心反向学习策略，在充分利用种群的搜索经验的同时也保持了种群的多样性；结合融变策略使算法更容易跳出局部最优，提高了全局搜寻的效率。仿真实验表明，所提算法在定位精度和收敛效率方面均有较好的效果。     

满足可靠及泛在需求的无线传感器网络部署研究

为适应能源互联网的发展要求,配电通信网中的无线传感网络(wireless sensor network,WSN)将具备实现泛在可靠接入的能力,针对传统WSN采用的数据传输方法存在传输数据可靠性低的问题,提出了一种综合考虑路径损耗和能量损耗的WSN路由部署算法.首先在各个区域与配电网故障检测主站之间采用光纤网络或无线网络来进行传送数据,在区域内部署WSN进行数据传输,然后计算数据传输的路径损耗和能量损耗,最后通过计算计及路径和能量损耗权重的综合值,实现最佳可靠传输路径的选择.仿真及实验结果表明,所提的数据传输方法在提高配电线路故障检测数据传输可靠性的同时可有效提高能量效率与网络性能.     

多种群人工免疫算法在多峰函数上的优化

针对人工免疫算法在多峰函数优化上存在优化精度低的缺点,提出了多种群人工免疫算法(MAIA)对多峰函数进行优化。MAIA包含多个独立的抗体种群,独立的抗体种群各自进行抗体选择、克隆和变异等免疫操作,在每个独立种群更新和评价完后选择每个种群中最好的抗体进行多种群评价,然后将当前的最佳抗体共享给每个单独种群最终生成各个种群新一代的抗体群。仿真实验结果表明:相比于人工免疫算法,MAIA求解精度更高,提高了多峰函数寻优的精度。     

城市水环境系统的免疫机制及其概念模型

从免疫系统概念和作用机制以及生态系统健康分析入手,提出了城市水环境系统免疫机制.结合城市水环境的机体构成分析,讨论了城市水环境系统与生物免疫系统之间的相似性.基于自然免疫系统的多层次性、多样性、独特性、协同性、动态性、分布性和克隆选择等机理,提出城市水环境系统的人工免疫网络配置模型,分析了免疫遗传算法、免疫规划算法和免疫否定选择算法等模型解析方法.该模型是包含物质、能量、科技、管理、信息等内容的水环境功能的网络模型,具有人工免疫网络的反馈、自我调节和监测功能,当城市水环境系统受到外界破坏时,激活并增强其内在免疫系统机制可保证整个水系统的健康可持续运行.     

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.     

无线传感器网络节点部署优化及链路质量评估

本文运用虚拟力算法对三种不同初始化节点分布进行优化,并且从链路质量评估值(LQA)和覆盖率角度对不同初始化部署的节点布局进行评估。研究结果表明,WSN节点在虚拟力算法作用下,圆环分布比平均分布能在迭代次数较少的情况下,达到网络最大覆盖率,并且此刻LQA值最大,网络通信质量较高,从而节省了能耗和资源,更具有一定的实用价值。     

即时通信网络中路由节点覆盖控制优化方法

目前即时通信网络在覆盖路由节点时,出现即时通信网络中路由节点连通性不佳,导致网络中路由节点运行能量消耗过快,为此提出即时通信网络中路由节点覆盖控制优化方法。分析路由节点在传播数据过程中,产生的损耗,确定路由节点的位置;将网络平均划分区域,均匀部署锚节点,计算路由节点之间的最优距离,在即时通信网络中覆盖路由节点;计算路由节点的覆盖率和连通性,确定路由节点覆盖面积,优化路由节点覆盖控制。实验结果显示,在同一参数下,检测路由节点的活跃节点数量和网络中剩余能量时,此次研究的路由节点覆盖控制优化方法,路由节点的活跃数量多,网络中路由节点运行能量足以支撑网络运行,且还具有残存能量。     

一种新的大规模无线传感器网络安全引导模式

针对目前无线传感器网络中的安全引导技术的缺乏和不足,提出了一种新的无线传感器网络的安全引导模式.该模式充分利用了目前无线传感器网络部署中提出的分簇算法,并结合随机密钥预分布模型的优点.在合理利用传感器网络有限资源的情况下,减少了无线传感器网络中单个节点的密钥环长度,节约了节点资源,延长了网络生命周期.文中论述了该模式的构架,引导过程,并对该模式进行了仿真分析.     

无线传感器网络中一种基于覆盖的环簇路由算法

提出了一种基于覆盖的环簇路由算法CRAC。该算法利用Sink节点以广播环域坐标的方式将网络分为若干环域,并根据应用需求的服务质量计算各环域的覆盖划分以确定轮换簇,各轮换簇交替休眠以降低网络能耗。网络各环域根据能耗均衡方程确定其是否为发送环,将采集的数据并行传送到传输路径后汇聚至发送环,再由LEADER节点发送至Sink节点。仿真实验结果表明,该算法大幅度降低了网络的通信时延和能耗,延长了网络的生存时间,使节点能量均衡下降。     

基于萤火虫算法优化FCM的WSN路由算法

针对无线传感器网络节点能源有限,容易出现能量负载不均衡的问题,提出了一种基于萤火虫算法优化模糊C均值(FCM)的无线传感器网络(WSN)路由算法(FFACM),优化了分簇路由算法中的分簇阶段和簇间路由建立阶段。在分簇阶段,使用萤火虫算法计算初始聚类中心,避免模糊C均值算法因初始聚类中心而陷入局部最优的问题。在选择簇首节点上,建立关于剩余能量和距离的适应度函数,选取适应度值最大的节点作为簇首节点并动态更新。通过计算节点间的链路代价并根据剩余能量和到sink节点的距离建立代价函数,选择代价函数值最小的节点建立簇间多跳路由,使得簇首节点的负载降到最低。从仿真实验结果可知,相比于其他无线传感器网络的路由算法,FFACM算法能有效均衡网络负载,降低节点能耗,从而延长网络的使用周期。     

基于复杂网络理论的空中交通网络脆弱性分析

针对当前空中交通网络节点通信覆盖性能差的问题,提出一种基于复杂网络理论的空中交通网络脆弱性分析方法.采用网络节点分布结构模型与传输信道模型构建多层复杂网络模型,通过自适应时变时延约束误差修正方法对网络节点密度进行优化调整,对空中交通网络节点分布密度融合程度进行跟踪控制,以节点区域覆盖度为约束条件对信息状态向量进行预测,根据控制节点密度函数计算空中交通网络的覆盖能力,通过能量均衡控制方法完成空中交通网络节点的最优部署,实现空中交通网络脆弱性分析.仿真测试结果表明,与传统方法相比,所提方法能提高空中交通网络节点覆盖度,改善网络的通信覆盖性能.     

基于虚拟场的能量高效传感器网络地理路由

针对现有的无线传感器网络(WSN)地理位置路由在遇到空洞时,集中使用空洞边缘节点转发而导致能量迅速耗尽的问题,提出利用虚拟场模型均衡节点能量消耗的路由算法.传输节点根据虚拟场模型,采用空洞信息、自身位置及目的节点位置作为参数,计算当前位置的虚拟场矢量.根据此矢量方向进行贪婪路由选择.受虚拟场模型的引导,数据传输路径在未遇到空洞时已提前开始绕行,路由能耗不再集中于空洞边缘,而是更均匀地分布于全网.实验表明,该算法在网络生命周期和数据包投递率方面明显优于现有的地理位置路由,在传输延迟方面两者接近,验证了虚拟场模型具有平衡节点能量消耗、提高能源利用率的效果.     

认知视角下能量感知的ZigBee网络树型路由优化算法

为解决ZigBee Cluster-Tree路由算法路径选择不优的问题,提出了一种能量感知的ZigBee树型路由EZTR(Energy-Aware ZigBee tree routing)算法.该算法利用每个节点感知的地址信息,按照ZigBee网络树型结构计算下一跳邻居节点到目的节点之间的跳数可避免网络的环路效应,通过引入认知概念,在跳数集合中选出最短路径以降低跳数.在ZigBee网络节点能量的感知过程中,当所选路径存在低能量节点时,及时启用备用节点,从而避免节点因能量过度消耗成为失效节点.NS2(Network simulator version 2)仿真实验表明,EZTR算法可提高网络分组递交率,有效减少节点转发跳数和平均网络延时,减小网络整体能耗,为提高网络的实时性和延长网络生命周期提供理论支持.     

具有能量补给的无线传感器网络能量感知路由算法

为适应新能源条件下无线传感器网络的能量补给特点,根据节点自身能量起伏变化和能量补给的速率等特点,提出了一种考虑能量补给因素的无线传感器网络能量感知路由算法——PHEA.PHEA将传感器节点从周围环境中获取能量的因素考虑进路由算法中,并使用信息融合D-S证据理论算法选择下一跳节点,使得能量消耗能够平均分配到整个网络中.仿真结果表明,算法改善了能量补给因素条件下无线传感器网络中的能量消耗的均衡特性,延长了网络的生命周期,与经典能量感知路由算法EA相比,PHEA的性能高50%左右。