集中式认知网络分簇算法研究

认知网络按照一定的准则划分为若干个簇,簇内共享一条信道用于交换控制信息,这种以分簇的方式实现按区域共享信道是认知无线电频谱共享问题的解决方法之一。针对认知网络空闲信道的特性,提出了一种考虑可用信道、地理位置以及数据库统计值的新的分簇算法,该算法以最大化簇内吞吐量和维持簇结构稳定为设计目的;讨论了几个关键的簇维护和管理问题。仿真结果表明,提出的分簇算法在产生的簇总数量以及簇的重构次数上可以获得一个较好的综合性能。     

基于簇头质量的移动无线传感器网络分簇算法

在部分节点移动的网络环境下,分析了传统静态无线传感器网络分簇算法对节点移动环境下成簇的失效性,给出了影响簇头质量的性能参数集,并提出了基于簇头质量的移动无线传感器网络分簇算法。该算法根据节点活动性、平均邻居距离、节点度偏差及信道质量等簇头性能的影响因子,通过加权的方法计算出簇头质量,在分布式传感网区域内簇头质量最大的节点将竞争成为簇头。通过理论分析和仿真对比表明,与LEACH算法相比该分簇算法降低了平均延迟,延长了网络生命期,并验证了该算法对动态拓扑具有适应性。     

考虑网络稳定性的认知无线传感器网络分簇协议

由于频谱的动态性和自组织的组网特性,传统认知无线传感器网络的分簇协议存在分簇频率高和开销大的问题,为此提出了一种考虑网络稳定性的认知无线传感器网络分簇协议.该协议中,每个节点根据邻居节点集合和可用信道构建最大边团,根据最大边团中节点的剩余能量、节点数量和公共可用信道数计算节点权重.权重大的节点成为邻域簇首,其他节点加入邻居簇首所在簇成为簇成员.由于分簇过程中充分考虑网络能耗和频谱动态性,网络的寿命和稳定性得到显著提升.大量仿真表明,该分簇协议相对于其他协议在网络寿命和网络稳定性方面均有明显优势.     

基于等级的无线传感网自适应分簇算法

为解决现有无线传感器网络（WSN）分簇算法难以同时兼顾其异构性和移动性,从而引发网络寿命较短、网络数据吞吐量较低等问题,提出了基于节点等级的自适应分簇算法。该算法按轮运行,每轮分为自适应分簇、簇建立、数据传输三个阶段。为解决节点移动性引发的簇首数目和成簇规模不合理的问题,在自适应分簇阶段,根据子区域内节点数目变化对相应子区域进行细化或就近合并,以确保每个子区域内节点数目在合理范围内。在簇建立阶段,选举簇内等级最高的节点为簇首,解决异构性引发的部分节点能耗过快、网络寿命缩短的问题;节点等级除考虑节点剩余能量外,还结合WSN实际应用,由节点剩余能量、能量消耗速率、到基站的距离、到簇内其他节点的距离综合决定。基于OMNeT++和Matlab的仿真实验结果表明,在节点移动速度为0~0.6 m/s的能量异构WSN环境下,较移动低功耗自适应集簇分层（LEACH-Mobile）算法和分布式能量有效分簇（DEEC）算法,运用所提算法分簇的WSN寿命延长了30.9%以上,网络数据吞吐量是其他两种算法分簇的网络的1.15倍以上。     

基于两个参数的无线传感器网络分簇算法

分簇使无线传感器网络层次清晰,便于管理,节约能量,同时可以降低传输过程中的数据冗余.基于节点剩余能量和邻居节点数目两个参数,提出了一种分布式的无线传感器网络分簇算法.该算法将分簇过程分为两个阶段并引入退位机制,第1阶段以节点剩余能量作为参数,第2阶段还引入了邻居节点数目参数.实验结果表明,它有效地解决了簇间重叠的问题,同时只要求较小的通信开销.     

认知Ad-hoc网络中的快速邻居发现

在认知Ad-hoc网络中,邻居发现是MAC协议、拓扑管理、路由协议运行的前提,对网络性能有重要影响。针对认知Ad-hoc网络中节点的可用信道集异构和缺乏全网公共控制信道的特点,提出了基于可用频谱相似性的快速邻居发现算法。与现有同步邻居算法要求节点在全网可用信道集上切换以进行邻居发现的机制不同,所提算法要求节点在各自的可用信道集上切换,以一定的概率λ发送包含节点信息的分组。由于认知Ad-hoc网络全网可用信道集一般很大,而对于每个节点来说可能仅有几个可用信道,因此所提算法大大减小了邻居发现的时间开销。仿真分析表明,与现有算法相比,所提算法的时间开销至少降低了47%。     

基于均匀分簇的正三角模型节点轮换路由算法

针对节点随机分布的无线传感器网络能耗问题,提出一种在均匀分簇后采用正三角模型对簇内节点进行调度的低能耗路由算法。该算法首先计算网络内节点总能耗最小时的分簇数目,再由Sink节点选择相应数目的剩余能量最大、地理位置最优的节点为簇首,完成均匀分簇。簇内节点采用正三角模型和节点覆盖概率进行工作节点的选择。仿真结果表明,该路由算法可以均衡节点能耗,延长网络工作轮数,降低网络延迟,并体现出了更优的网络鲁棒性。     

移动自组网中基于分簇的数据复制算法

在移动自组网络中,网络分割现象可能频繁发生,从而降低了数据的可用性.提出了一种新的分布式分簇算法来组织移动节点,算法保证簇内任意两点间路径的可用概率都大于某个确定的界.在此基础上提出了基于稳定路径分簇的数据复制策略,以提高在出现链路断接甚至网络分割时的数据可用性.对算法进行了理论证明和实验分析,实验结果表明,由分簇算法构造的簇能够满足我们所要求的特性,并且基于分簇的数据复制算法在移动自组网环境中有效地提高了数据的可用性.     

一种MANET环境中基于稳定路径的分簇算法

本文提出一种新的分布式分簇算法来组织MANET中的移动节点。算法基于节点问路径的稳定性，保证簇内任意两点间的路径可用概率大于某个确定的界。由于算法基于路径的可用概率，因此形成的簇能适应网络拓扑变化。算法的目的是为了支持MANET环境中的数据复制，通过分簇来预测网络分割，以提高数据访问的可用性。本文对算法的复杂性
作了理论性分析，对簇的性质进行了理论证明和实验分析。     

无线传感器网络相对定位算法研究

针对无线传感器网络由于消息冲突和能量受限等原因导致的节点失效问题,提出一种节点协作分布式相对定位算法(ADRP).算法在节点分簇定位的基础上,使用二次分簇与三边定位相结合的方法获取相对坐标,减少了节点簇对单个边界节点的依赖性.通过NS-2网络仿真工具将该算法与聚类SPA相对定位算法相比较,结果表明该算法在降低通信量的同时,减少了失效节点数量,并且对不规则网络拓扑结构有更强的适应性.     

基于异构Flink集群的节点优先级调度策略

Flink流处理系统默认的任务调度策略在一定程度上忽略了集群异构和节点可用资源,导致集群整体负载不均衡。研究分布式节点的实时性能和集群作业环境,根据实际作业环境的异构分布情况,设计结合异构Flink集群的节点优先级调整方法,以基于Ganglia可扩展分布式集群资源监控系统的集群信息为依据,动态调整适应当前作业环境的节点优先级指数。基于此提出Flink节点动态自适应调度策略,通过实时监测节点的异构状况,并在任务执行过程中根据实时作业环境更新节点优先级指数,为系统任务找到最佳的执行节点完成任务分配。实验结果表明,相比于Flink默认的任务调度策略,基于节点优先级调整方法的自适应调度策略在WorldCount基准测试中的运行时间约平均减少6%,可使异构Flink集群在保持集群低延迟的同时,节点资源利用率和任务执行效率更高。     

大规模认知无线电网络多方密钥交换协议*

提出一种适合大规模认知无线电网络的密钥交换协议,首先利用拓扑位置将网络分簇,簇内使用multi party Diffie-Hellman,簇间使用a conference key distribution,通过旅行商问题为密钥交换协议提供最优路径。该协议不仅防止被动攻击,而且通过减少对广播信道的依赖提高共享密钥协商过程的效率和成功率,运行效率为O(2max(m)), max(m)为节点数最多的簇中节点数量。     

面向云环境的自适应集群调整方法

应用服务器集群是平台即服务(platform as a service,PaaS)模式的主要运行环境。针对云环境下动态变化的用户负载和共享、异构的集群环境,提出一种自适应集群调整方法,根据集群负载状况实现资源按需供给。该方法建立了PaaS平台的性能分析模型,并据此提出自适应的资源供给机制和负载均衡机制。实验结果表明,通过调节集群节点逻辑资源池的大小和集群节点数量,配合自适应负载均衡方法,达到了资源按需供给的目的。     

WSN中基于5色标记的分簇路由研究

分簇路由可以通过数据汇聚节省传感器网络的能量,但现有的分簇路由也存在一些不足之处,为此提出基于5色标记的分簇路由协议。该协议选择满足条件的最大度节点作为簇头,可以最大限度地让簇头覆盖更多的节点,从而减少生成的簇数,减少簇间的通信量;选择在通信半径内的节点作为簇成员,减少簇内的通信量,这样对整个网络的通信量都会有所控制,从而达到能量高效的目的;另外通过簇头的转移可以尽量地维护网络的稳定状态,减少了频繁生成簇的能量开销和网络时延,是传感器网络中一种能量高效的路由协议。     

WSN中能耗均衡的自组织多跳聚类协议研究

针对LEACH协议能耗不均和节点过早死亡的缺陷,提出了能耗均衡的自组织多跳聚类协议。该协议通过在竞争簇首过程中加入能量参量来均衡节点能耗,并完全采用节点自组织的方式构建簇首间的多跳网络,减小了协议开销、避免了外围节点的早死,比传统聚类协议更能适应大规模的传感器网络。仿真实验证明,与已有聚类协议相比,自组织多跳聚类协议能够均衡网络负载,延长网络寿命。     

一种k跳分簇Ad Hoc网络协作框架

基于k跳簇的特殊结构,提出了一种k跳分簇Ad Hoc网络协作框架。簇首根据启发式规则选择合适的簇间协作网关节点,自适应地管理簇间协作关系。相部的协作“网关节点”与簇首协作,管理簇内节点、网关节点的移动。当簇首发生移动时,选择合适的节点完成簇首信息的交接。移动代理在簇首节点间漫游,实现全网络协作,扩大k跳簇首的知识范围。仿真结果表明,协作框架能够以较低的控制负载高效地管理k跳分簇Ad Hoc网络中的移动节点,并提供网络级的协作。     

基于WMN物理特性的P2P超级节点选取机制

跳数对无线网络传输性能的影响以及P2P网络相邻节点物理位置的不相邻导致P2P网络信息检索延迟过大。该文提出基于无线网状网物理特性的超级节点选举机制。根据节点在网状网中的作用和位置特性确立Mesh子域,构建超级节点服务簇,使簇内节点的实际通信跳数较小,控制应用的端到端传输延时。仿真结果表明,该机制能降低约50％的信息检索延迟。     

基于数据关联性的无线传感器网络簇内数据管理算法

无线传感器网络(Wireless sensor networks, WSNs)节点能量有限, 能量高效的数据管理和延长网络寿命是该领域的技术难题. 在以簇构建的传感器网络中, 利用节点的计算和分析功能, 提出了基于数据关联性的簇内数据管理算法. 簇头利用误差函数和模糊函数分析成员感知数据的关联性, 获取节点感知数据综合支持度, 由此将成员节点划分为冲突节点、补充节点和可靠节点, 对不同类别节点采用不同的调度规则以便降低簇内能耗和尽可能实现簇间节点能耗均衡, 并给出了簇头数据融合的处理方法. 仿真结果表明算法能够实现簇内数据分类管理, 并能有效降低簇内数据收发量和延长网络寿命.     

A fault tolerant optimal relay node selection algorithm for Wireless Sensor Networks using modified PSO

Wireless Sensor Networks (WSNs) have energy-constraints that restricts to achieve prolonged network lifetime. To optimize energy consumption of sensor nodes, clustering is one of the efficient techniques for minimization of energy conservation in WSNs. This technique sends the collected data towards the SINK based on cluster head (CH) nodes that leads to the saving of energy. WSNs have been faced a crucial issue of fault tolerance and the overall data communication is collapsed due to the failure of cluster head. Various fault-tolerance clustering methods are available for WSNs, but they are not selected the backup nodes properly. The backup nodes’ closeness or location to the other remaining nodes is not considered in these methods. They may increase network overhead with the backup nodes accessibility. A fault-tolerance cluster-based routing method is presented in this paper that aims on providing fault tolerance for relay selection in addition to the data aggregation method for clustered WSNs. The proposed method utilizes backup mechanism & the Particle Swarm Optimization (PSO) to achieve this. Based on the distance from sink, residual energy, and link delay parameters, the CHs are chosen and the network is categorized into the clusters. The Backup CHs are selected by estimating the centrality among the nodes. As a part of intra-cluster communication for reducing the aggregation overhead among CHs, the Aggregator (AG) nodes are deployed in every cluster. So that they act as the bridge between the member nodes and CHs. These AG nodes aggregates the information from member nodes and deliver it to the CHs. The PSO with modified fitness function is used to identify the best relays between AG and member nodes. The proposed mechanism is compared with existing techniques such as EM-LEACH AI-Sodairi and Ouni (2018), QEBSR Rathee et al. (2019), QOS-IHC Singh and Singh (2019), and ML-SEEP Robinson et al. (2019). The simulation results proved that the proposed mechanism reduces overhead by 55% and improve the energy consumption & throughput by 40% & 60% respectively.