能量均衡的无线传感器网络分簇方法

在对节点通信模式和簇群划分过程分析的基础上,提出一种在节点分布不均匀的条件下,构建能量均衡簇群的方法.该算法兼顾了簇群成员节点与簇头通信的能量消耗和簇群能耗负载,实现各簇群间能耗的平衡.仿真表明,该方法在网络生命期、节点平均生命期和网络扩展性方面比基于最短距离的分簇算法具有更好的性能.     

无线传感器网络中一种能量有效的簇头选举算法

在基于二层架构的无线传感器网络中，有效的簇头选举算法非常重要。一些现有的算法随机性很大，而另外一些只考虑了同构的情况，实用价值不大。该文提出了一种基于负载平衡的算法，该算法中簇头计算每个簇内成员预期做簇头后的生命期，然后把生命期最大的两个簇员选作新的簇头和新的候选簇头。通过模拟，将该算法与随机选取算法的实现效果进行比较，发现该算法延长了网络生命期。     

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。     

一种无线传感器网络拓扑的启发式分簇控制算法

无线传感器网络的首要设计目标即延长网络生命期,而网络拓扑作为上层协议的重要平台,是实现这一目标的支撑基础,为了研究符合网络生命期目标要求的传感器网络拓扑控制方案,针对传统分簇算法的部署受限或可靠性缺乏等弊端,从理论上对分簇需求进行了建模分析,最终转化为携近似优化目标的簇划分及簇头选取问题,进而提出了一种启发式的分簇控制算法,通过实验对方案进行了性能分析和验证,结果表明该算法以较合理的簇规模进行分簇划分,所获拓扑结构具有全局能耗低、骨干网健壮性高的特点,能有效地延长WSN的生命期.     

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"内的负载平衡同题,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.     

无线传感器网络中的最大生命期基因路由算法

无线传感器网络(wireless sensor networks,简称WSNs)由一组低功率且能量受限的传感器节点构成,设计此类网络的一个基本挑战便是最大化网络生命期的问题.在WSNs中,由于邻近传感器节点所收集的数据之间往往具有时空相关性,多采用数据聚合技术作为去除数据冗余、压缩数据大小的有效手段.合理地应用数据聚合技术,可以有效地减少数据传递量,降低网络能耗,从而延长网络生命期.研究了WSNs中结合数据聚合与节点功率控制的优化数据传递技术,提出了一种新的最大化网络生命期的路由算法.该算法采用遗传算法(genetic algorithm,简称GA)最优化数据聚合点的选择,并采用梯度算法进一步优化结果.该算法均衡节点能耗,并最大化网络生命期.仿真结果表明,该算法极大地提高了网络的生命期.     

无线传感器网络中的最大生命期基因路由算法

无线传感器网络(wireless sensor networks,简称WSNs)由一组低功率且能量受限的传感器节点构成,设计此类网络的一个基本挑战便是最大化网络生命期的问题.在WSNs中,由于邻近传感器节点所收集的数据之间往往具有时空相关性,多采用数据聚合技术作为去除数据冗余、压缩数据大小的有效手段.合理地应用数据聚合技术,可以有效地减少数据传递量,降低网络能耗,从而延长网络生命期.研究了WSNs中结合数据聚合与节点功率控制的优化数据传递技术,提出了一种新的最大化网络生命期的路由算法.该算法采用遗传算法(genetic algorithm,简称GA)最优化数据聚合点的选择,并采用梯度算法进一步优化结果.该算法均衡节点能耗,并最大化网络生命期.仿真结果表明,该算法极大地提高了网络的生命期.     

基于免疫克隆选择机制的WSN节点调度算法

由于无线传感器网络节点分布不均匀,监测环境复杂等特点,远离Sink的节点由于能耗较大,并且容易导致网络覆盖面积不足.提出一种启发式的利用人工免疫克隆选择机制的节点调度优化算法(AICSO),将网络生命期划分为具体数量的迭代周期并生成中心节点的覆盖位图,利用节点间冗余进行有效地拓扑控制合理调度节点,以获得网络的最优连通性和最大面积的覆盖.仿真结果表明,上述算法能够有效利用网络节点的能量满足感知覆盖和连通性要求,延长了网络生命周期,降低了网络整体能耗,为网络优化节点调试提供了依据.     

无线传感器网络中基于关联度的多查询优化

无线传感器网络是一种以数据为中心的网络,用户通过基站向网络提出查询请求获取所需数据。如何通过多查询的优化来减少传感器节点的能耗以延长网络生命期是无线传感器网络中需要解决的关键问题之一。提出了基于关联度的多查询优化算法,其基本思想是节点通过节点与候选父亲节点之间的关联度来选择父节点,从而被相同查询覆盖的节点聚集成一个组,多个查询间共享组中节点的数据,在网络中对查询数据进行有效的融合,充分减少了网络的数据传输量,延长了网络的生命期。理论分析和模拟实验表明该算法可以充分减少数据传输量,从而达到节能的目的。     

基于模拟退火的无线传感器网络最大生命期路由*

将节点功率控制与数据聚合有机结合,为进一步降低网络能耗提供了可能,但是也给路由算法的设计带来了新的挑战。为此,针对WSNs中结合数据聚合的节能数据传递方式进行了研究,提出了一种新的最大化网络生命期的路由算法。该算法采用模拟退火算法最优化数据聚合点的选择,均衡节点能耗,最大化网络生命期。仿真结果表明该算法性能明显优于现有算法,达到了提高网络生命期的目的。     

Dynamic distributed clustering in wireless sensor networks via Voronoi tessellation control

This paper presents two dynamic and distributed clustering algorithms for Wireless Sensor Networks (WSNs). Clustering approaches are used in WSNs to improve the network lifetime and scalability by balancing the workload among the clusters. Each cluster is managed by a cluster head (CH) node. The first algorithm requires the CH nodes to be mobile: by dynamically varying the CH node positions, the algorithm is proved to converge to a specific partition of the mission area, the generalised Voronoi tessellation, in which the loads of the CH nodes are balanced. Conversely, if the CH nodes are fixed, a weighted Voronoi clustering approach is proposed with the same load-balancing objective: a reinforcement learning approach is used to dynamically vary the mission space partition by controlling the weights of the Voronoi regions. Numerical simulations are provided to validate the approaches.     

Energy-Aware and Density-Based Clustering and Relaying Protocol (EA-DB-CRP) for gathering data in wireless sensor networks

In this paper, we propose a novel energy-aware and density-based clustering and routing protocol (EA-DB-CRP) for gathering data in wireless sensor networks which basically aims at distributing the load among available sensor nodes which in turn balances the energy consumption in the network and consequently elongates the network lifetime. More precisely, we introduce a network model that ends up of having empirical expressions that describe how to partition the network field efficiently into equal-size layers and sub-layers. In each sub-layer, the role of cluster head is pivoted among all cluster individuals, in a round robin fashion, that are sorted in a list in a descending order based on an extremely effective cluster head weight. Additionally, there are a minimum number of cluster members maintained to guarantee the feasibility of clusters being formed and this is through proposing a cluster merge algorithm. Not only to this extent, but rather, we maintain the consideration of network density over created clusters to balance them and subsequently prolong the network lifetime. Lastly, an effective relaying algorithm is proposed in which cluster heads get aware of those sensor nodes located in a layer ahead toward the base station along with their relay-node weights whereas each cluster head picks the relay node that has the highest weight. Our proposed protocol is evaluated through conducting various MATLAB simulations. Strikingly, results demonstrated that our proposed protocol has a momentous change against other related works regarding network lifetime and energy use.     

A new clustering algorithm based on data field in complex networks

The evaluation of node importance in complex networks has been an increasing widespread concern in recent years. Seeking and protecting vital nodes is important to ensure the security and stability of the whole network. Existing clustering algorithms of complex networks all have certain drawbacks, which could not cover everything in calculation accuracy and time complexity, and need external supervision. To design a fast complex networks clustering method is a problem which requires to be solved immediately. This paper proposes a clustering algorithm of complex networks based on data field using physical data field theory, which excavates key nodes in complex networks by evaluating the importance of nodes based on a mutual information algorithm, and then uses it to classify the clusters. To verify the validity of the algorithm, a simulation experiment was conducted. The results indicated that the algorithm could analyze the cluster exactly and calculate with high-speed, it could also determine the granularity of a partition according to the actual demand.     

无线传感器网络中移动节点辅助的数据采集效率优化研究

为了提高无线传感器网络中数据采集效率,提出了一种基于节点分级的混合多跳数据采集（hybrid multi-hop data collection,HMDC） 算法。该算法首先基于数据量将所有节点均匀划分成簇,然后在簇内采用节点分级的思想进行数据的多跳传输,最后使用移动采集器沿着最短路径访问簇头节点,对指定节点进行数据集采集。仿真结果表明,HMDC算法有效地提高了数据采集效率,均衡了能量消耗,延长了网络的生命周期,且更加适用于较大规模的数据采集。     

基于模糊控制的自供能无线传感器网络分簇算法

现有自供能无线传感器网络（WSN）分簇算法较少考虑网络最优分簇数，导致网络能量消耗过快，全网能耗不均衡。针对这个问题，提出了基于模糊控制的自供能WSN分簇算法（EH-FLC）。首先，在网络能量消耗模型中引入太阳能补给模型，得出每一轮次网络能量总消耗与网络分簇数目的函数关系，并对其求导从而得到网络的最佳分簇数。然后，利用双层模糊决策系统来评定网络中的节点能否成为簇头节点。先将节点剩余能量、相邻节点数作为判定指标输入第一层（能力层）对所有节点进行筛选，得到备选簇头节点；再将中心度参数、邻近度参数作为判定指标输入第二层（协作层）对备选簇头节点进行筛选，得到网络簇头节点。最后，通过Matlab仿真分析了该算法的网络生存周期、网络能量消耗和网络吞吐量等性能指标，与低功耗自适应集簇分层型协议（LEACH）、改进的非均匀分簇路由算法（WUCH）和利用双层模糊控制的簇头选择算法（CTLFL）相比，该算法在网络工作寿命上分别提高了约1.4倍、0.4倍和0.6倍，网络吞吐量上分别提高了约20倍、1.5倍和1.28倍。仿真结果表明所提算法在网络生存周期和网络吞吐量方面的性能较优。     

一种无线传感器网络中自主选择簇头的聚类算法

在无线传感网络中,传感器节点要定期向基站发送收集的数据。为了支持数据汇总,通过高效的网络组织将节点划分成若干簇。在这种类型的系统中,随着簇头的轮转,每个簇中的簇头选择方法是最具有挑战性的问题,有效的簇头选择算法可以提高网络的续航时间,并减少在WSN中的节点之间的通信开销。提出一个簇内民主方式选举算法来选择簇中的节点作为簇头,用MatLab对算法进行仿真,证明该算法的性能可以有效改善网络的性能。     

基于网格的无线传感器网络分簇方法

由于无线传感器网络的能量约束,所以为了延长网络寿命,对无线传感器网络的网络层路由技术的研究至关重要.网络分簇是无线传感器网络中的一个重要研究课题.主要研究传感器节点均匀分布的网络中簇的划分方法,得出了一种能量节省的分簇个数计算方法,提出了一种基于网格的分簇方法.在基于网格的网络分簇模型下给出了两条定理来保证采集的信息可以传输到基站.     

半监督模式下社团结构划分方法

为了对有标签和无标签节点混合的网络进行分类,给出了一种基于半监督学习的信息传递分类算法,算法首先确定网络中无标签节点的分类参数,然后通过对网络中所有无标签节点进行有限次的迭代计算,可以对所有节点进行分类。实验数据分析证明了该算法在进行半监督分类时具有比较好的效果。     

基于模糊控制的自供能无线传感器网络分簇算法

现有自供能无线传感器网络（WSN）分簇算法较少考虑网络最优分簇数,导致网络能量消耗过快,全网能耗不均衡。针对这个问题,提出了基于模糊控制的自供能WSN分簇算法（EH-FLC）。首先,在网络能量消耗模型中引入太阳能补给模型,得出每一轮次网络能量总消耗与网络分簇数目的函数关系,并对其求导从而得到网络的最佳分簇数。然后,利用双层模糊决策系统来评定网络中的节点能否成为簇头节点。先将节点剩余能量、相邻节点数作为判定指标输入第一层（能力层）对所有节点进行筛选,得到备选簇头节点;再将中心度参数、邻近度参数作为判定指标输入第二层（协作层）对备选簇头节点进行筛选,得到网络簇头节点。最后,通过Matlab仿真分析了该算法的网络生存周期、网络能量消耗和网络吞吐量等性能指标,与低功耗自适应集簇分层型协议（LEACH）、改进的非均匀分簇路由算法（WUCH）和利用双层模糊控制的簇头选择算法（CTLFL）相比,该算法在网络工作寿命上分别提高了约1.4倍、0.4倍和0.6倍,网络吞吐量上分别提高了约20倍、1.5倍和1.28倍。仿真结果表明所提算法在网络生存周期和网络吞吐量方面的性能较优。     

面向配电网故障检测的WSN可信路由算法

为了提高配电网故障检测数据传输的可信性,提出一种面向配电网故障检测的WSN可信路由算法。算法提出一种防范针对信任模型攻击的轻量级信任值计算方法,并在簇头选举与簇间多跳路由中引入信任值,避免恶意节点降低网络安全;簇间多跳阶段中,对邻居节点的位置因子、距离因子、信任值及剩余能量等参数进行融合判决,构建最优数据传输路径。仿真结果表明,提出的算法能够自适应剔除网络恶意节点,防范恶意攻击,最大化网络生存时间。