WSN中基于最大最小化的优化路由算法

无线传感器网络(WSN)由能量受限的节点组成,需要设计路由算法优化节点的能耗。文章以最大化网络生存时间为目标,基于最大最小化模型提出了优化路由算法,定义了数据发送矩阵,设计了转发节点选择机制,以避免路由回路;基于节点收发数据的能耗及剩余能量,设计了求解优化路由的数学规划模型,优化了传感器节点的数据发送路径和发送量,均衡了节点的能量消耗。仿真结果表明,该算法能有效地均衡节点的能耗,延长网络生存时间。     

基于空间权重与模糊感知的节点部署策略

为提高环境监测应用中节点部署的准确性,提出一种基于空间权重与模糊感知的粒子群优化算法。引入空间权重量化区域重要性,建立模糊感知模型描述节点感知性能,设计加权覆盖率作为算法评价函数。在此基础上,挖掘感知模型中的粒子飞行特性,并利用权重引力优化粒子进化方程,提高算法的寻优能力。仿真结果表明,与粒子群优化算法、虚拟力算法和外推人工蜂群算法相比,该算法最高可使目标覆盖率提升13%,节点数减少15%。     

基于B-CNN算法的无线通信网络通信抗毁节点优化仿真

由于当前方法未能采用B-CNN算法对通信节点进行分类，导致优化时间增加，网络通信效率以及抗自毁性能下降，对此，提出一种基于B-CNN算法的无线通信网络通信抗毁节点优化方法，利用B-CNN模型定位初始节点中的显著区域，裁剪出显著区域，融合全局和局部特征；通过分类结果对网络连通拓扑结构进行修复，在考虑各个网络分区位置以及距离的基础上，建立网络骨干多边形，部署合适的中继节点完成各个分区的连通，进而实现无线通信网络通信抗毁节点优化。仿真实验结果表明，所提方法能够有效减少优化时间，提升网络通信效率以及抗自毁性能。     

面向智慧教室的无线传感网边缘节点智能部署方法

摘 要: 为降低部署后的通信时延,提高智慧教室的数据发送与网络使用效率,提出面向智慧教室的无线传感网边缘节点智能部署方法。以智慧教室场景中良好的通信、最大限度降低部署边缘节点成本为优化目标,构建边缘节点智能部署的目标函数。针对目标函数设定流量约束条件、无线传感网数据流约束条件、节点计算能力约束条件。自适应调整粒子群优化算法的惯性权重、粒子更新速度、Pareto最优解保存策略,设计多目标改进粒子群优化算法求解目标函数,实现面向智慧教室的无线传感网边缘节点智能部署。测试结果表明,该方法的时延较低,网络计算能力较高,保证了智慧教室无线传感网通信和传输质量。     

基于虚拟力和多种群粒子群的覆盖优化HSN节点部署并行算法

针对异构传感器网络中由于节点随机部署而导致覆盖盲区和覆盖冗余的问题,以最大化网络的覆盖率为目标,设计了一种基于虚拟力和多种群粒子群的异构移动节点部署并行算法;首先建立了改进的异构节点概率感知模型和目标优化函数,然后采用虚拟力算法在虚拟力的作用下引导节点移动进行初始部署,为了进一步提高网络的覆盖率和部署的效率,采用改进的多种群粒子群并行算法实现对节点部署的寻优,并定义了具体的部署算法,为了增强网络的鲁棒性,设计了一种当节点失效时的自适应节点替换机制;仿真实验表明:文中方法得到的平均网络覆盖率为95.6%,与其它方法相比,具有较高的网络覆盖率和较少的部署时间,具有较大的优越性。     

基于ODMRP的分布式核心稳定路由算法

在无人机网络中,由于节点具有较强的移动性,对于组播路由的建立以及组播组的划分提出更高要求,一般的组播路由协议往往无法满足网络需求.为此,提出了一种基于ODMRP的分布式核心稳定路由算法.该算法结合了改进贪婪机制,根据路由状况对路径进行优化,为了降低源节点的数据处理负担,提出了分布式核心节点选择机制,将组播组的信息储存在多个核心节点中,同时释放了转发节点的储存空间.文章通过路由抢修机制,监控路由状态变化,对即将断裂的路由提前修复,保证了路径的有效性.仿真表明,该算法与标准的ODMRP算法及改进算法VCMP算法相比,能够优化传输路径,降低端到端时延,提高分组交付率,提升网络性能.     

移动节点在ZigBee网络中路由无缝切换的改进

ZigBee是一种新兴的无线通信技术,广泛用于自动化、远程监控等领域.由于ZigBee网络中静态路由节点与移动终端节点通信延迟严重,限制了ZigBee的应用,针对此问题提出一种改进的方案.首先简介ZigBee协议栈以及ZigBee网络层,分析现有的Z-AODV协议,并在此基础上提出移动节点快速路由的机制,从而减少通信延迟,实现移动终端节点在静态路由间的平滑无缝切换.     

改进双边滤波与平均 γ 矫正的图像增强

为了提高无线传感器网络节点覆盖率,均衡能量利用,提出一种基于动态分级蝴蝶优化算法的节点部署策略。为了提高传统蝴蝶优化算法的寻优精度和速度,引入混沌映射进行种群初始化,确保种群多样性;采用动态分级策略,根据种群个体适应度,将种群划分为差质、中等和优质三种等级,并分别利用黄金正弦变异、惯性权重位置更新和精英引导对三类种群优化,提高算法收敛速度,增强摆脱局部极值的能力。应用动态分级蝴蝶优化算法求解传感器节点覆盖优化问题,将融合覆盖率、能量均衡和节点闲置率的目标函数作为适应度函数,对节点部署位置迭代寻优。实验表明,改进蝴蝶优化算法能够有效实现节点优化部署,提高网络覆盖率,以均衡的能量使用,提升网络生存时间。     

无线传感器网络中的多Sink节点的放置问题

在诸如森林火灾监测等对时间敏感的无线传感器网络(WSN)应用系统中,所允许的最大消息传递延迟必须限制在可接受的范围内.通过使用多个sink节点不但能降低消息传递延迟,而且能有效降低通信中的能量消耗.首先为WSN中的多sink节点放置问题建立了优化模型,进而设计一个两阶段的混合智能优化算法:第1阶段使用蚂蚁算法解决给定多sink节点部署方案下的普通节点与sink节点间的关联问题;第2阶段使用遗传算法解决部署方案的寻优.最后,通过与随机优化算法的仿真对比,表明本文方法具有一定的可行性.     

含风电场的旋转备用容量优化调度研究

为保证含风电电力系统的安全稳定与经济运行,构建了以最小化系统运行成本为目标的旋转备用容量优化调度模型。为提升模型的求解运算速度,提出一种改进的模拟植物生长算法对模型进行优化求解。针对算法在对模型求解时优化效率低、易陷入局部最优等不足做出改进,将反向学习思想引入植物生长算法,对生长点进行反向变异以扩展算法的搜索空间;通过智能变步长搜索和精英集的变异机制,保证快速寻优的同时提高求解精度。通过标准测试函数验证了改进后的算法计算速度更快,寻优能力更强。最后,在IEEE 30节点系统上进行实例验证,实验结果表明,所提出的模型能够有效地解决含风电场的旋转备用容量优化调度问题。     

无线传感网络交叉覆盖节点路由删除仿真研究

针对无线传感网络中节点的覆盖范围较小,删除无用路由所用时间较长,导致网络覆盖率低和路由删除效率低的问题,提出无线传感网络交叉覆盖节点路由删除方法。建立节点覆盖模型,在节点覆盖模型的基础上将无线传感网络的覆盖率和连通性当做综合评价函数,构建无线传感网络交叉覆盖节点优化布局的数学模型,并采用罚函数结合无约束优化模型代替传统约束优化模型。运用自适应遗传算法求解无约束优化模型,实现无线传感网络中交叉覆盖节点的优化布局,进而删除无线传感网络中存在的无用路由。分析实验结果得出,所提方法的网络覆盖率高、路由删除效率高,说明所提方法实际应用性强。     

无线传感网中一种智能数据融合算法的实现及仿真分析

在无线传感网中,传感器节点一般都由自身装配的电池供电,难以进行电量补充,因此节约电量对于无线传感网来说至关重要.为了提高无线传感网能量使用效率,延长网络生存时间,提出了一种结合遗传算法和粒子群算法优化BP神经网络的智能数据融合算法 GAPSOBP(BP Neural Network Data Fusion algorithm optimized by Genetic algorithm and Particle swarm).GAPSOBP算法将无线传感网的节点类比为BP神经网络中的神经元,通过神经网络提取无线传感网采集的感知数据并结合分簇路由对收集的传感数据进行融合处理,从而大幅减少发往汇聚节点的网络数据量.仿真结果表明,与经典LEACH算法和PSOBP算法相比,GAPSOBP算法能有效减少网络通信量,节约节点能量,显著延长网络生存时间.     

基于改进蚁群优化的无线传感器网络路由算法

针对无线传感器网络节点能量、通信能力有限等特点,提出了一种改进蚁群优化的路由算法,算法对下一节点的选择充分考虑了通信距离和剩余能量等因素,将蚂蚁搜索行为集中到最优解附近,为避免早熟收敛行为的发生,将信息素轨迹的值域范围进行限制,通过对信息素轨迹的平滑化,快速逼近无线传感器网络最优路径;仿真结果证明,该算法有效地减少了网络能量消耗、节点死亡数量和链路长度,延长了网络生命期。     

医院无线网络信息节点安全性度量方法研究

为了提高医院无线网络信息节点安全性,确保医院无线网络通信的畅通,提出一种基于传感器量化融合跟踪检测的医院无线网络信息节点安全性度量方法。构建医院无线网络信息节点的自适应转发控制模型,采用节点剩余能量融合识别方法进行节点的自适应调度,在物联网环境下实现医院无线网络信息节点的优化定位部署,构建节点的路由探测协议,利用医院无线网络信息节点自身的存活度进行无线传感网络模式下的节点转发链路均衡处理,采用传感器量化融合跟踪测试方法实现医院无线网络信息节点的安全性度量。仿真测试结果表明,采用该方法进行医院无线网络信息节点安全性度量的准确性较高,节点的能量开销较小,提高了节点数据转发的准确率。     

WSN中基于能量代价的能量优化路由算法

针对无线传感器网络路由算法中的节点能耗问题,提出了一种基于能量代价的能量优化路由算法。算法综合考虑数据传输中节点能耗的有效性和均衡性,设计了一种新的能量代价函数,实现了二者的优化匹配。传感器节点按此函数计算前向部居节点的能量代价,选择能量代价最小的节点作为下一跳。算法基于部居节点信息进行路由选择,具有较低的计算时间复杂度。最后,对路由算法的性能进行了仿真分析,并与典型的路由算法进行了对比,结果表明,本路由算法能够有效延长网络生存时间,节约并均衡节点的能量消耗。     

基于能耗量化传导的WSN路由探测算法

为了降低无线传感器网络(WSN)路由节点的能量损耗,提高网络的寿命周期,需要进行路由节点的优化分布设计。传统方法采用CSMA/CA有限竞争的信道分配模型进行WSN的路由探测算法设计,实现能量均衡,在节点规模较大和干扰较强时,节能的能耗开销较大。提出一种基于能耗量化传导的WSN路由探测算法,首先建立WSN的分簇能耗调度模型,以能量控制开销、丢包率、传输时延等为约束参量指标进行路由探测的控制目标函数的构建,然后采用路由冲突协调机制进行能耗量化分配,结合WSN传输信道的能量传导均衡模型实现WSN路由的优化探测和WSN节点的优化部署。仿真结果表明,采用该方法进行WSN路由探测设计时网络的能效较高,传输时延和误码率等参量指标的表现优于传统方法。     

一种改进ZigBee算法及在温室监控无线网络中的应用

针对传统ZigBee路由算法中由于RREQ分组洪泛而导致的能量过度损耗和节点失效的问题,提出了一种适用于无线网络的ZigBee路由优化算法。算法通过控制ZigBee节点路由发现过程中RREQ分组的广播方向和广播范围、选择节点剩余能量值和链路质量值较优的节点的方式对ZigBee路由算法进行优化。仿真结果表明优化后的ZigBee路由算法显著的降低了ZigBee网络的能耗,降低了网络中节点失效概率,提高了网络的生存时间。所提出的算法应用于温室监控无线网络中,得到了满意的效果。     

一种分布式无线传感器网络跨层移动通信技术研究

针对无线多媒体传感器网络对带宽和实时性等的高要求,建立了一种基于能量优化和跨层协同交互的分布式多路径路由技术,并应用于移动通信领域。该技术采用了遗传算法优化节点传输多媒体数据能耗,建立节点剩余能量预测模型,根据感知能量建立跨层协同工作体系,以较小代价在动态无线网络拓扑中选择最优路径。仿真实验和数学分析表明,该技术能够高效地支持实时移动视频通信,适合于计算能力、存储能力和能量等受限的无线多媒体传感器网络。     

Implementation of energy efficient circuit design using A* algorithm in embedded network

In wireless sensor network, the routing path plays a prominent role in network resource utilization. Since, the nodes in network are open to physical abuse an effective routing protocol is necessary to improve data reliability in network and to overcome node data link disconnection. In this paper, we propose to implement A*EEDDP (Energy Efficient Distributed Diffusion protocol) to improve data reliability and increase network lifetime. The A* algorithm determines the shortest routing path between source node and destination node. In addition, the routing path determine with respect to parameters such as energy consumed for communication, residual energy of nodes and the time over which the nodes can support the routing path. The combined A*EEDDP implement in testbed and performance evaluate interms of network lifetime, throughput, packet delivery ratio, energy efficiency and end to end delay. The A*EEDDP performs better compared to other algorithm and achieves higher packet delivery ratio of 97%.