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。     

基于遗传算法和模糊C均值聚类的WSN分簇路由算法

针对无线传感器网络（WSN）的节点能量有限、生命周期短、吞吐量低等问题，提出一种基于遗传算法（GA）和模糊C均值（FCM）聚类的WSN分簇路由算法GAFCMCR，采取"集中分簇，分布簇头选举"的方式。网络初始化时基站采用由GA优化的FCM聚类算法形成网络分簇。第一轮簇头由距簇中心最近的节点担任；从第二轮开始，簇头的选举由上一轮的簇头负责，选举过程综合考虑候选节点的剩余能量、与基站的距离、与簇内其他节点的平均距离三个因子，并根据网络状态实时调整三个因子的权重。在数据传输阶段，将轮询机制引入簇内通信。仿真结果表明，相同网络环境下，与LEACH算法和基于K-Means的均匀分簇路由（KUCR）算法相比，GAFCMCR将网络生命周期延长了105%和20%。GAFCMCR成簇效果良好，具有良好的能量均衡性和更高的吞吐量。     

水声传感器网络簇头分层通信模式路由算法

路由协议在水声传感器网络研究领域中扮演着非常重要的角色.基于传统的TEEN协议路由算法,提出了水声传感器网络中簇头分层通信模式的路由算法（HCM-TEEN）.新算法从簇头候选与淘汰过程入手,设置新的阈值函数.在簇头确定完成后,在数据传输阶段引入簇头分层通信模式,从距离和能量的角度上优化路由选择.通过Matlab仿真实验显示,HCM-TEEN算法与传统的算法相比在网络生命周期和节点平均剩余能量上都更具优越性.     

一种新的基于链簇式的WSN不均匀分簇路由协议

针对无线传感器网络中节点耗能不均衡的情况,提出一种基于链簇式的不均匀分簇路由算法(URCC)。在簇首选举机制中,以能量变化为度量确定簇头数以及不均匀分簇的大小,同时以邻节点数及剩余能量作为权重选举簇首。路由采用链式路由,由距离基站近的m个簇首分别成链并构成一条高级链,并将稳定阶段分为m个阶段,依次从m个簇首中随机选取一个簇首作为链头与基站通信,降低簇重建的频率。仿真实验表明,该算法不仅有效均衡了簇内节点间的能量消耗,同时兼顾了簇头之间的能量均衡,有效延长了网络的存活时间。     

一种新的基于LEACH的WSN路由算法

研究无线传感器网络路由算法,无线传感器网络由能量有限的节点组成,因此高效节能的路由算法是无线传感器网络组网的基础.针对低功耗自适应分簇(LEACH)路由算法存在簇首节点选择不合理以及簇首节点与基站在远距离通信过程中能量消耗大的不足,提出了一种改进的LEACH路由算法.改进的算法在簇建立阶段的簇首选举过程中,引入节点剩余能量因素,且进行均匀分簇,有效地降低剩余能量较小和位置不佳节点成为簇首的可能性,均衡了网络的能量消耗,在簇稳定工作阶段,节点间的数据传输采用单跳和多跳相结合的通信方式,从而降低网络能耗.仿真结果表明,与传统的LEACH算法相比,改进的LEACH算法能量均衡性更好,并显著地延长了网络的存活时间.     

能量高效的无线传感器网络非均匀分簇路由算法

针对无线传感器网络能量有限的问题,提出了一种能量高效的非均匀分簇路由算法.算法中首先通过在"热区"内选举传送节点,有效的解决了"热区"内负载不均衡的问题;非"热区"内的节点根据节点的剩余能量选举簇头,簇头选举结束后其余节点加入到距其最近的簇头中;节点入簇后,基于相似数据的收集策略,寻找符合条件的相似节点,休眠其中部分冗余的节点;改进的算法中不再每轮结束后都重新选举簇头,减少了能量的浪费;最后在数据传输阶段,采用改进的簇内单跳,簇间多跳的通信方式传输数据.仿真结果表明,本算法有效的降低了能量的消耗,改善了传感器网络的性能,提高了网络的生存时间.     

一种能耗均衡的无线传感器网络分簇路由算法

针对分簇路由协议分簇不均匀及能耗不均衡等问题,提出一种基于能量和距离因子的分簇路由算法。通过加入能量和距离因子对簇头选择的阈值公式进行改进,延长竞选出的簇头工作时间,增加备择簇头以减少重建簇的轮数,从而降低选举消耗的能量。在广播当选信息之前加入等待时间,普通节点选择与其通信代价最小的簇头所在簇申请加入。建立最优路径进行簇间路由,并采用单跳和多跳相结合的方式。仿真结果表明,与EECS算法相比,该算法可减少约8%的能耗,并有效均衡节点能耗,延长网络生命周期。     

负载均衡的水声传感器网络多跳非均匀分簇路由协议

针对现有水声传感器网络分簇路由协议在簇头选举阶段和数据传输阶段中的不足,设计一种负载均衡的多跳非均匀分簇路由协议(load-balanced multi-hop unequal clustering routing protocol,LBMUC)。该协议基于节点的剩余能量及相对距离,计算节点竞争半径和节点综合属性值,改进优化簇头选举,使得簇头节点分布更加合理,并得以随着剩余能量的变化自适应的调整簇的规模,有效均衡节点的能量消耗;在建立簇间多跳路由阶段,综合考虑节点剩余能量、位置及相邻簇的规模对路由选择的影响,引入中继节点代价函数选择最优中继节点,均衡节点能耗,延长网络生命周期,降低网络丢包率,提高网络性能。仿真实验结果表明,LBMUC协议均衡了节点能耗,有效延长了网络生命周期,降低了数据丢包率。     

一种改进的无线传感器分簇路由算法研究

研究优化传感器工作寿命问题,网络簇间能耗不均衡和簇头选择不合理,导致能量过早消耗,网络寿命短的缺陷.传统分簇算法采用均交分簇和固定阈值簇头轮换选举方式不能解决上述问题.为了延长网络生命周期,提高能量利用效率,提出了一种改进的无线传感器路由分簇算法,采用非均匀分簇策略使簇簇间能量消耗平衡,并利用基于剩余能量的阈值簇头轮换选择机制.在NS2平台中对算法进行仿真,对节点存活率和网络总能耗两个方面进行比较与分析,仿真结果表明,改进的算法很好地使网络的能耗达到了均衡,节约了簇头节点的能量,从而延长网络的寿命.     

基于网络舆情的K-Means算法的改进研究

传统的K-Means聚类算法只能保证收敛到局部最优,从而导致聚类结果对初始代表点的选择非常敏感;凝聚层次聚类虽无需选择初始的聚类中心,但计算复杂度较高,而且凝聚过程不可逆。结合网络舆情的特点,深入剖析了K-Means聚类算法和凝聚层次聚类算法的优缺点,对K-Means聚类算法进行改进。改进后算法的核心思想是,结合两种算法分别在初始点选择和聚类过程两个方面的优势,进行整合优化。通过实验分析及实际应用表明,改进后的文本聚类算法在很大程度上可以提高网络舆情信息聚类结果的准确性、有效性以及算法的效率。     

基于节点位置和剩余能量的分簇路由改进算法

针对传统LEACH协议存在的随机选举簇头及网内节点能耗不均等问题,提出了一种能量均衡高效的分簇路由协议LEACH-EPN.在成簇阶段加入最优簇数约束,综合考虑节点位置和剩余能量等多种因素;引入距离因子、能量因子及节点密度因子改进阈值公式;通过改变簇的范围来改变成簇机制,使簇头选举更合理、能耗分布更均匀,提高了网络的能量...     

基于非均匀分蔟无线传感器网络自适应数据传送机制的研究

针对无线传感器网络非均匀分簇路由协议在数据传送过程中的问题,本文提出了一种自适应数据传送机制,改善数据在传送过程中的实时性;其核心思想是:在LEACH协议概率分簇的基础上,通过分层选举和优化簇首数量,在能量消耗均衡且最小的情况下,利用网内数据融合、实时性标识结合内部中断的处理机制;仿真实验表明,ADTUC算法能够有效的改善数据传送的效率,提高网络的实时性,平衡网络的能量消耗,延长网络生命周期,比LEACH协议网络生命期提高54%。     

一种基于LEACH的低延迟和低功耗的WSN分簇算法

针对经典分簇LEACH协议的不足,提出了低延迟、低功耗和网络能耗均匀的改进算法。该算法主要从两个方面对LEACH进行了改进:在稳定数据传输阶段采用CSMA机制,降低了数据传输延迟;在能量均衡和能耗方面,混入小部分初始能量高的高级节点,在簇头选举阶段首先对节点进行能量感知,并综合考虑节点剩余能量和平均能量,从而延长了网络的生命周期。文中首先对LEACH协议进行简单介绍,利用平均周期法对LEACH中使用的CSMA机制进行分析,从而得到了改进算法的延迟计算方法;然后对改进算法的数据传输阶段的能耗和算法复杂度进行分析,并对改进算法的簇头选举阈值的计算进行讨论;最后对改进算法的数据传输阶段的延时和功耗进行建模分析,并利用MATLAB进行仿真对比。仿真结果显示,改进算法使得第一个节点死亡的时间延长了31%,全部节点死亡的时间延长了24.7%,并且网络能耗更加均匀,因此,该算法有效地解决了LEACH中的热区问题,改进了实际WSN应用中节点集中死亡带来的区域信息缺失问题。相比于LEACH,改进算法的数据传输延迟平均降低了78.6%,保证了WSN应用中数据的实时性,因此改进算法在延迟、生命周期、网络能耗均匀性以及吞吐量等性能上都得到了优化提升。     

Study on the algorithm for smart community sensor network routing with adaptive optimization via cluster head election

To reduce the uneven energy consumption for the data transmission and extend network life of intelligent community sensor network, an adaptive routing optimized algorithm for intelligent community sensor networks with cluster head election is proposed. In this algorithm, a three-dimensional clustering method adapted to the structure of intelligent community sensor network is proposed. The three-dimensional clustering method uses the cluster head election mechanism based on minimizing the total transmission loss to optimize the energy of the intelligent community sensor network. Second, an adaptive ant colony propagation method is proposed to solve the problem of intercluster data propagation after clustering. With the best path finding algorithm of ant colony algorithm, energy balance routing with lower energy loss and lower packet error rate is proposed. Finally, the simulation results show that the algorithm has better performance in reducing energy consumption and delay, improving transmission efficiency and node survival time.     

无线传感器网络区域内心距离的固定分簇算法

分布式分簇算法(LEACH)中每轮的簇头数量不稳定以及位置分布不均匀,针对此问题,为了延长无线传感网络的稳定周期,优化簇头选举机制,以及均衡网络的能量消耗,提出了一种改进的固定分簇算法;该算法采用固定分簇技术,以汇聚节点为中心将网络划分为等大小的区域;在簇头选举阶段,引入代价函数,综合考虑固定分簇内各节点剩余能量、区域的内心距离、位置布局等因素,优化簇头的数量和布局;通过Matlab仿真实验表明,改进后的算法与原算法对比,均衡了网络能量消耗,每轮中簇头数量稳定且分布较均匀,有效延长了网络的稳定周期、半衰周期和生命周期。     

基于量子遗传算法的无线传感器网络路由研究

通过分析无线传感器网络(WSN)分簇路由算法中簇首节点分布,能量消耗,数据传输等问题,提出了一种基于熵权法量子遗传算法的路由算法,该算法在簇首的选举过程中采用熵权法动态的确定节点剩余能量、节点间的通信距离、节点度数和节点与基站的距离这四个因素的权值系数,在簇首选举结束后,利用量子遗传算法寻找出一条遍历所有簇首与基站的路由,通过最佳路由将所采集的数据传输给最终的基站节点。该算法实现了合理的簇首选举,并在簇首间采用最佳路由的方式向基站传输数据的功能。仿真结果分析表明,该算法在网络生存周期、能耗均衡方面均优于LEACH、CECA-GA算法,达到了延长了网络生存周期,均衡能耗的目的。     

基于可变染色体长度的遗传K均值聚类算法

针对传统K-均值聚类算法需要事先确定聚类数,以及对初始质心的选择具有敏感性,从而容易陷入局部极值点的缺点,使用了一种基于可变染色体编码长度的遗传算法对传统K-均值聚类进行改进.该算法可以在事先不确定K值的情况下,通过多次的选择、交叉.变异的遗传操作,最终得到最优的聚类数,以及最优的初始质心集.通过Reuters数据集的实验结果表明,基于该算法的聚类划分结果明显优于传统K-均值聚类算法,并且好过基于固定染色体编码长度遗传算法的K-均值聚类算法.     

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.     

倾斜因子K均值优化数据聚类及故障诊断研究

为提高海量数据挖掘和聚类的效率和精度,以应用于压缩机机械故障智能诊断中.将遗传算法与K均值聚类算法进行互补,提出基于倾斜分类K均值优化数据聚类算法.算法引入倾斜因子,避免较小类数据产生次优解的现象发生.在传统的K均值数据聚类算法基础上,通过倾斜因子排除了少数类局部最优解的干扰,提高遗传算法的收敛速度,也可以避免过早收敛到局部最优解中.仿真实验中以某天然气压气站采集的故障状态下的压缩机振动信号提取的特征量数据作为研究对象,进行数据聚类分析.仿真实验表明,通过改进的数据聚类算法对故障信号关联维特征量进行分类识别,能有效对四类天然气压缩机故障进行诊断分类,准确率能提高18.7％,研究结果在数据优化聚类及在机械故障诊断中的应用中具有良好的指导意义和实践价值.