无线传感器网络中基于减法聚类的定位算法

定位算法是无线传感器网络中的关键技术。文中在传统的Dv—Hop算法的基础上,找出其产生误差的主要原因,即对未知节点与锚节点之间的估计距离做出了修正,提出一种无线传感器网络中基于减法聚类的定位算法。该算法用减法聚类的方法,根据节点自身的密度,选出锚簇头节点,使锚簇头节点在锚节点密集处产生;同时用所有锚簇头节点平均每跳距离的均值作为未知节点的网络平均每跳距离,提高了定位精度,减少了定位过程中的能量消耗。仿真实验表明,该算法比Dv—Hop算法有更好的定位精度和鲁棒性。     

一种基于测量数据相似性的WSN分簇路由方法

针对无线传感器网络(Wireless Sensor Network, WSN)中节点能量有限、节点能耗不均衡导致网络生命周期较短的问题,提出一种基于测量数据相似性的分簇路由算法CRMDS(A WSN Clustering Routing Method based on Measured Data Similarity)。在分簇阶段,设计自适应聚类算法,将测量值相似性高的节点分为一簇,在每个簇中选择一个节点传送数据,簇内其他节点进入睡眠模式以节省网络能量。在数据传输阶段,根据节点的剩余能量和传送能耗动态地更替簇头节点,并设计传送次数因子和相对距离因子生成簇头节点之间的路由路径,平衡节点能耗。仿真结果表明,CRMDS算法相较于现有算法能够有效节省网络能量,延长网络生命周期。     

基于模糊C均值聚类及群体智能的WSN分层路由算法

为了提高无线传感器网络（WSN）的能量效率并延长其生命周期,提出了一种基于模糊C均值聚类（FCM）和群体智能的WSN分层路由算法（FCM-SI）。首先采用FCM聚类算法对网络进行分簇,优化普通节点与簇头（CH）间距离;然后采用三参数的人工蜂群（ABC）算法选取每个簇的最优簇头;最后采用蚁群优化（ACO）算法搜索簇头至基站（BS）的多跳路径,路径综合考虑了网络的能耗和负载均衡性能。仿真结果显示,与基于均匀分簇的改进的低功耗自适应分簇（I-LEACH）算法、基于ABC的低功耗自适应分簇（ABC-LEACH）算法和基于ACO的低功耗自适应分簇（ANT-LEACH）算法相比,FCM-SI在100 m×100 m,100个节点的初始网络条件下将网络生命周期分别提高了65.2%、49.6%和29.0%。FCM-SI能够有效地延长网络寿命,提高能量利用效率。     

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。     

无线传感器网络中异步成簇算法的研究

在无线传感器网络的一些成簇算法中,所有的簇头都要严格按照全局时间同步进行周期性的改选,即使传感数据较少的簇也要进行改选。因此,文中在LEACH（Low Energy Adaptive Clustering Hierarchy）算法基础上提出了异步成簇算法,即在成簇之后不再按照全局同步进行簇头改选,而是根据各个簇内传感数据的多少实时地进行簇头改选。它可以节省传感数据较少的簇内节点进行改选所需要的能量,从而达到有效地延长了网络的生命周期的目的。结果表明,异步成簇算法比IEACH算法能更有效地利用节点上的能量资源。     

基于改进CPSO算法的无线传感器网络路由协议

为了降低节点能量消耗,延长网络生存周期,提出一种基于混沌粒子群算法（Chaotic Particle Swarm Optimization,CPSO）的无线传感器网路由协议。该协议改进了LEACH（Low Energy Adaptive Clustering Hierarchy）协议的簇头选择机制,考虑节点剩余能量、簇头到基站（Based Station）的距离等因素,通过混沌粒子群算法对簇头选举进行优化。簇头选举后,通过多跳算法对簇头到基站的通信方式进行优化。仿真结果表明,与传统的LEACH协议比较,新协议能减少能量消耗,延长网络寿命。     

无线传感器网络中异步成簇算法的研究

在无线传感器网络的一些成簇算法中,所有的簇头都要严格按照全局时间同步进行周期性的改选,即使传感数据较少的簇也要进行改选。因此,文中在LEACH（Low Energy Adaptive Clustering Hierarchy）算法基础上提出了异步成簇算法,即在成簇之后不再按照全局同步进行簇头改选,而是根据各个簇内传感数据的多少实时地进行簇头改选。它可以节省传感数据较少的簇内节点进行改选所需要的能量,从而达到有效地延长了网络的生命周期的目的。结果表明,异步成簇算法比IEACH算法能更有效地利用节点上的能量资源。     

传感器网络分簇时间跨度优化聚类算法

针对无线传感器网络（WSN）簇头节点能效低、网络能量负载不均衡问题,提出一种传感器网络分簇时间跨度优化（CTSO）聚类算法。该算法首先在簇头选举方式上关注了簇内成员数量和簇头间距的约束问题,尽可能地避免各个簇之间发生覆盖重叠,优化簇内节点能量;接着对簇头的选举周期进行优化,以任务执行周期大小作为一个时间跨度并分为多个轮,通过最小化簇头选举的轮数来减少用于选择簇头而花费在广播消息上的能量,提升簇头节点的能量利用率。实验仿真结果表明,对比基于多Agent的同质态数据汇聚路由方案以及自适应数据汇聚路由策略,CTSO算法的平均能量效率分别提高了62.0%和138.4%,节点寿命则分别提高了17%和9%。CTSO算法在提升无线传感器网络簇头能效及均衡节点能量上具有较好的效果。     

一种半径自适应成簇多跳传感器网络路由算法

针对低功耗自适应聚类路由算法LEACH随机选择簇头和簇头间单跳通信的缺陷,提出一种新的成簇路由算法——半径自适应成簇多跳路由算法RACMH．它将半径自适应成簇技术与多跳通信方式相结合,节点根据本地信息独立地决定成为簇头节点或成员节点;簇类覆盖的区域限制在一定半径范围内,所有簇头节点根据权重消息组织成一棵路由树,采用多跳通信方式向基站传输数据．仿真实验表明,与LEACH相比较,该算法能更有效地延长网络生命周期,节省网络能量消耗,实现网络负载平衡．     

基于能量的EBAPC分簇网络拓扑控制算法

低功耗自适应集簇分层型协议LEACH算法对簇头的选择具有随机性,并且没有综合考虑节点的剩余能量、分布位置。为此,提出一种基于能量的仿射传播聚类EBAPC分簇拓扑控制算法。对适应度因子重新进行定义,借鉴仿射传播AP聚类算法中聚类中心的选择策略,簇头选择综合考虑无线传感器网络节点的剩余能量和节点之间的距离因素。仿真实验结果表明,EBAPC算法较LEACH算法分簇更均匀,簇头选择更合理,网络中能量的消耗更均衡,从而延长网络寿命。     

基于克隆选择的移动Ad hoc网络簇化的优化方法

在权值簇化算法WCA的基础上,利用人工免疫系统中的克隆选择原理来提高移动Ad-hoc网络的簇化性能,从而实现用尽可能少的簇头来管理尽可能多的簇成员,以保证网络拓扑结构的相对稳定。仿真结果表明,利用克隆选择原理优化的方法在簇头的数量、更新次数等多方面均优于WCA算法。     

大规模无线传感网基于CFSFDP和泊松混合模型的分簇路由算法

针对无线传感网随规模的扩大其节点能量利用率较低的问题,提出了一种适用于大规模无线传感网的基于CFSFDP和泊松混合模型的分簇路由算法(CRCPMM).其核心思想是:在基站利用改进的CFSFDP算法自动估计簇的数目K值并选取聚类中心,然后运用泊松混合模型将节点合理聚类,以保证聚类效果最优;簇间采用多跳传输方式,综合考虑簇首等效剩余能量、簇首之间的距离以及多跳路径与理想最优路径之间的角度.仿真结果表明:与低功耗自适应集簇(LEACH)协议、分布式能量有效非均匀成簇(DEBUC)协议相比,CRCPMM协议在大规模网络中具有明显的优势,能够有效均衡节点能耗,延长网络生命周期.     

异构传感器网络的分布式能量有效成簇算法

为了延长网络的生存时间,需要设计能量有效的协议,以适应传感器网络的特点.成簇算法是传感器网络中减少能量消耗的一种关键技术,它能够增强网络的扩展性和延长网络的生存时间.研究了异构传感器网络中成簇算法在节省能量方面的性能,提出一种适应异构无线传感器网络的分布式能量有效的成簇方案.此方案基于节点剩余能量与网络节点的平均能量的比例来选举簇头节点.较高初始能量和剩余能量的节点比低能量节点拥有更多的机会成为簇头节点,从而使网络能量均匀消耗,延长网络的生存时间.模拟实验结果显示,与现有的重要成簇方案相比,新的成簇算法在异构网络下提供了更长的网络生存时间和更大的网络有效吞吐量.     

基于粒子群优化的WSN非均匀分簇路由算法

分簇算法对大规模无线传感器网络(WSN)远程监控系统具有较好的节能性,簇首间通过多跳通信的方式将数据传送至基站,靠近基站的簇首由于需要转发大量其他簇首的数据而负载过重,可能因过早耗尽能量而失效,这将导致整个网络分割。针对现有无线传感器网络分簇算法存在的能耗不均衡问题,提出一种基于粒子群优化的非均匀分簇算法(PSO-UCA)。它采用PSO算法将所有节点划分为多个规模大小非均匀的簇,靠近基站的簇的规模小于远离基站的簇,因此靠近基站的簇首可为簇间的数据转发预留能量。仿真结果表明,与LEACH算法相比较,该分簇算法可使网络的生存时间延长30%。     

基于克隆选择算法的MANET簇化

以权值簇化算法——WCA为基础,利用人工免疫系统中的克隆选择算法来提高移动Ad-hoc网络的簇化性能,从而实现用尽可能少的全局优化簇头来管理尽可能多的簇成员,以保证MANET拓扑结构的相对稳定和合理。仿真结果表明,利用克隆选择算法优化后的WCA在簇的数量等许多方面均优于WCA算法。     

基于简单路由的无线传感器网络非均匀成簇协议

以LEACH为代表的成簇算法,极大地提高无线传感器网络寿命等性能。但这些算法存在一些问题,导致其影响网络性能的进一步提高。在现有研究的基础上,将非均匀成簇策略成功运用于簇头直接向sink发送数据的简单路由环境,通过理论计算得到距离sink不同位置簇头的覆盖半径。提出基于能量耗散比的成簇算法,该算法能够保证当选簇头为局部最优,簇头分布更为合理,并结合分均匀分簇策略提出簇形成算法。通过模拟仿真实验验证该算法的有效性,较LEACH将网络寿命提高50%以上,能够保证网络中簇头个数稳定,并且不同位置簇头节点能耗均匀。     

An energy aware fuzzy approach to unequal clustering in wireless sensor networks

In order to gather information more efficiently in terms of energy consumption, wireless sensor networks (WSNs) are partitioned into clusters. In clustered WSNs, each sensor node sends its collected data to the head of the cluster that it belongs to. The cluster-heads are responsible for aggregating the collected data and forwarding it to the base station through other cluster-heads in the network. This leads to a situation known as the hot spots problem where cluster-heads that are closer to the base station tend to die earlier because of the heavy traffic they relay. In order to solve this problem, unequal clustering algorithms generate clusters of different sizes. In WSNs that are clustered with unequal clustering, the clusters close to the base station have smaller sizes than clusters far from the base station. In this paper, a fuzzy energy-aware unequal clustering algorithm (EAUCF), that addresses the hot spots problem, is introduced. EAUCF aims to decrease the intra-cluster work of the cluster-heads that are either close to the base station or have low remaining battery power. A fuzzy logic approach is adopted in order to handle uncertainties in cluster-head radius estimation. The proposed algorithm is compared with some popular clustering algorithms in the literature, namely Low Energy Adaptive Clustering Hierarchy, Cluster-Head Election Mechanism using Fuzzy Logic and Energy-Efficient Unequal Clustering. The experiment results show that EAUCF performs better than the other algorithms in terms of first node dies, half of the nodes alive and energy-efficiency metrics in all scenarios. Therefore, EAUCF is a stable and energy-efficient clustering algorithm to be utilized in any WSN application.     

一种基于GAF的无线传感器网络分簇算法

分簇技术主要目标是延长整个传感器网络的生存时间。好的分簇技术可以提高无线传感器网络的可扩展性。就"热区"内的负载平衡问题,以及频繁的簇头轮换和簇重组问题,对基于GAF算法的完全簇头选择算法进行改进,结合双簇头模型和单簇头模型的优点,提出了一种无线传感器网络簇头非均匀分布算法,有效地平衡"热区"内节点的能耗,延长了无线传感器网络的生命期。     

一种新的基于动态最优簇数目的WSN分簇协议

针对低功耗自适应分簇(LEACH)协议不足,提出一种新的分簇协议,称为动态最优簇数目(DONC)分簇协议。在分簇阶段,它能够根据网络中剩余节点个数来确定最优簇数目而不是固定值,并在簇首选择中充分考虑节点能量和地理位置因素;在传输阶段,采用改进的簇首链式转发。仿真表明,协议能保证簇数目始终保持最优状态,并且簇首在网络中均匀分布,有效延长网络的生存期。     

优化分簇的无线传感器网络路由算法

延长传感器网络的生存周期,降低网络节点的能耗成为无线传感器网络(WSN)研究的关键.由于无线传感器网络能量有限,针对LEACH算法中簇首分布不均、簇首数目偏离最优值等对网络能耗的影响,提出了一种同时考虑节点剩余能量、最优簇数和簇首分布状况来选择簇首的算法EBCS-LEACH.新算法使簇首数目为最佳,以满足能量阈值的节点才能当选为簇首和对簇首的分布进行了相应调整.仿真结果表明,EBCS-LEACH算法延长了网络的生存周期,相比LEACH算法生命周期延长19.5％,同时能耗也更加均衡.