无线传感器网络中心点融合算法的研究

对无线传感器网络数据融合策略进行了研究,提出了求图中心点的分布式算法并以此为基础,提出了中心点融合算法.详细介绍了寻找中心点和建立融合树的过程,分析了网络密度和事件相对sink节点位置对节能效果的影响.通过与最短路路由算法比较,从数学推导和仿真结果两方面验证中心点融合的有效性.     

一种带侦察子群蚁群算法的无线传感路由协议

针对无线传感器网络（WSNs）路由面临安全威胁和节点能量有限的不足,提出一种基于引入侦察子群的改进蚁群算法（SACO）路由协议。通过改进的蚁群算法构造一条数据传输链,选择其中能量最大节点为簇头,信息通过相邻节点传送。结果显示：该算法兼顾到节点的能量和路径消耗,较标准蚁群算法和贪婪算法具有高效的路由选择功能,能够使网络中节点能量消耗更加均衡,从而延长网络的使用寿命。     

基于蚁群的无线传感器网络路由算法

针对无线传感器节点能量、通信能力及计算能力有限等特点,将蚁群算法应用于无线传感器网络,提出一种改进的蚁群路由算法,考虑了节点的能量、距离、通信半径和传输方向等参数.实验结果表明:该算法有效地减少了网络能量消耗、节点死亡数、路由跳数和数据传输的路径长度,延长了无线传感器网络的寿命,实现无线传感器网络在通信过程中快速、节能的路由。     

基于改进型蚁群算法的无线传感路由协议

针对无线传感网络中节点能量有限的特点,将蚁群算法应用于无线传感路由协议.通过蚁群算法构造一条链,选择其中能量最大节点为簇头,信息通过相邻节点传送.最后用VC 进行仿真,结果显示该算法对PEGASISpegasis有较大的改进,延长了节点生命周期,并且节点之间能量消耗非常均匀.     

蚁群算法在传感器网络数据融合中的应用

研究无线传感器网络数据融合优化问题,采集数据过程节点间存在大量的冗余数据,需对数据进行融合,提高数据传输效率。为了更好地消除冗余数据,提出一种采用蚁群算法的传感器网络数据融合方法。通过建立传感器数据的传输初始路由,再用蚁群算法找到最佳数据路由,即数据传输最优传感器节点序列,从而实现数据融合。仿真结果表明,蚁群算法能够有效消除冗余数据,减少网络中数据传输量,降低传感器节点能量消耗,延长整个网络的寿命。     

邻域搜索蚁群算法在无线传感器网络数据融合中的应用

为了减少网络中的数据传输量,提高数据融合率,降低网络延时,针对无线传感器网络数据融合问题的研究,提出了一种邻域搜索蚁群算法。首先利用蚁群算法寻找最短路径的优势,构造最短路径。为了避免蚁群算法的早熟收敛和收敛速度慢的问题,当达到一定的迭代次数后,运用具有可变邻域搜索的变异算子对搜索结果进行优化。算法不但考虑了无线传感器网络节点能量消耗也考虑了数据传输的网络延时问题。实验结果表明,该算法减少了网络能耗,降低了网络延时,稳定性更好,性能更优。     

基于改进蚁群算法的无线传感网络路由算法研究

针对无线传感网络能量消耗不均及节点过早死亡等问题,提出一种新的基于改进蚁群算法的路由算法。在网络结构方面,加入网络分隔带和搜索角,并结合节点剩余能量,共同限制下一跳节点的转移概率;同时改进启发函数,加入能量影响因子,增强算法寻优,避免陷入局部最优;在信息素更新方面,引入阈值机制并设立最优路径权重值来寻找最优路径。仿真结果表明,改进后的算法能够进一步降低网络能耗,延长网络生命周期。     

基于量子蚁群算法的无线传感器网络路由

无线传感器网络路由是无线传感器网络研究领域的一个研究热点;针对能最控制在无线传感器网络路由上的特殊要求,为了促使网络节点能量消耗相对均衡,研究者将蚁群算法应用于无线传感器网络的路由,但是蚁群算法在求解无线传感器路由问题时存在易于陷入局部最优和收敛速度慢等问题,将量子蚁群算法应用于无线传感器网络路由,用量子比特的概率幅表示蚂蚁当前位置信息,用量子旋转门更新蚂蚁携带的量子比特,用量子非门实现蚂蚁所在位置的变异;仿真实验表明该方法具有收敛速度快,解的质量高、稳定性好等优点,为蚁群算法在无线传感器网络中应用提出了一种新的解决方案.     

基于改进蚁群优化算法的无线传感器网络路由研究

无线传感器网络为能量受限系统,为了促使网络节点能量消耗相对均衡,将蚁群优化(ACO)算法应用于无线传感器网络的路由选择,提出一种基于能量均衡的无线传感器网络路由算法。该算法将节点能量作为转移概率规则启发因子,通过计算转移概率和适应度值找到最优路径。仿真结果表明:该算法可以显著减低网络总能耗,从而延长无线传感器网络的生命周期。     

基于蚁群优化的无线传感器网络路由算法

路由技术是无线传感器网络(WSNs)的关键技术。基于蚁群优化的无线传感器网络路由算法具有蚁群算法的自组织、正反馈和并行性的特点,在构造WSNs的最优路由时有很好的性能。介绍了蚁群算法的数学模型,着重从启发因子的构建方式上描述了当前典型的基于蚁群的路由算法,并比较分析了这些算法的特点及存在问题,在此基础上给出了设计启发因子的方法,为进一步研究提供了一些解决思路。     

基于蚁群优化的无线传感器网络路由算法

路由问题是无线传感器网络的核心问题。该文介绍了一种新的基于蚁群优化的路由算法。解决了无线传感器网络路由过程中节点能量消耗和拥塞控制问题,能够达到更好的负载平衡能力和延长网络生命周期。新算法结合了多蚁群的信息素释放机制和节能策略,还引进多蚁群之间的竞争机制以避免算法的单一收敛,在控制网络拥塞和平衡能量消耗上非常有效。实验结果表明,该新算法和基本的蚁群算法比较有更好的性能。     

改进的基于蚁群算法的非均匀分簇路由协议

针对无线传感器网络中传感器节点随机分布造成能耗不均和“热区”等问题,提出了一种改进的基于蚁群算法的非均匀分簇路由协议。该协议也采用“轮”方式运行,每轮簇首选举开始阶段,根据节点剩余能量、节点密度,结合节点到Sink节点的距离来构造不均匀的竞选半径,每个节点根据竞选半径范围内邻居节点计算剩余能量比及距离偏差平均值,从而计算出其簇首竞争等待时间,采用时间等候簇首竞选机制来选举出簇首,平衡簇内的通信能耗;数据传输阶段,考虑剩余能量、通信能耗、链路质量、传输时延等因素,采用改进的蚁群算法构造最优传输路径,数据传输的同时更新信息素,从而达到自适应、动态优化地建立和维护传输路径。仿真结果表明,该路由协议能有效节约能量和均衡能耗,延长网络生命周期,改善链路质量,减少传输时延。     

基于蚁群算法的WSN分簇路由协议

针对无线传感器网络的能耗问题,提出了一种基于蚁群算法的路由协议,在簇首选择时考虑到节点的剩余能量,确定节点的实际通信半径,成簇时采用预测机制,簇间采用蚁群算法构建多跳路由。在OMNET＋＋环境下进行实验表明：该协议可有效延缓节点死亡时间,延长网络生存周期。     

基于改进蚁群算法的WSN能量均衡路由算法

WSN节点大都分布散乱，无法及时进行电池的更换，所以易出现网络能耗不均，重要节点过早消耗殆尽，故提出一种优化改进蚁群算法的路由算法，运用网络分层带和限制搜索角，引入介能距离和梯度函数，并在概率函数中加入能量因子等，来增长网络周期，增强寻优能力，降低能量消耗，避免先行陷入局部最优。通过仿真实验表明，该改进算法确实能够克服经典蚁群算法的缺陷，实现高效实时的优化路由。     

基于信息素扩散模型蚁群算法的无线传感网路由研究

为了快速适应无线传感器网络拓扑的动态变化和节点能量的有限性,本文采用信息素扩散模型,提出一种基于蚁群算法的路由协议.由实际和虚拟两种信息素共同指引路由包和数据包进行偏向性路径搜索.进一步,根据数据包传输情况,对信息素采取奖惩机制,从而为路由优化提供支持.基于TOSSIM平台的仿真表明,该协议在保证数据可靠传输的同时,有...     

基于改进蚁群算法的无线传感器网络路由的优化

为了延长无线传感器网络(wireless sensor network,WSN)的生命周期,均衡各个节点间能量消耗,针对现有的WSN路由优化算法存在的问题,提出了一种基于改进蚁群算法的路由优化算法;首先通过对蚁群算法和遗传算法的优劣性比较,在蚁群算法的基础上,结合遗传算法的选择、交叉和变异的操作,从而提高蚁群算法的搜索速度和寻优能力;最优路径评价函数综合考虑节点能耗及节点的剩余能量,使剩余能量多的节点优先参与数据转发,均衡节点间的能量消耗;通过与经典蚁群算法及遗传算法的对比实验表明,随着数据转发轮数增加,改进的蚁群算法能耗小,剩余能量多,网络生命周期明显延长;随着整个网络运行时间的增长,改进的蚁群算法,节点均衡能耗性好,最优路径搜索的成功率也明显优于其他两种算法。     

基于多蚁群算法的无线传感器网络路由的跨层设计

针对事件驱动型无线传感器网络对数据传输的强实时性和高可靠性的要求,将统计获得的节点接入效率和负载队列长度等MAC层状态信息作为路由度量参数。考虑到蚂蚁网络算法在重负荷网络中存在传输延迟大、聚合速度慢等缺陷,提出了一种基于多蚁群算法的负载感知和高效接入的跨层路由协议,该协议把节点的单跳延迟、负载及带宽接入效率等参数作为路径的启发值进行路由优化。仿真结果表明,基于多蚁群算法的路由协议能够保证数据传输的实时性,能够实现无线传感器网络的拥塞控制及负载平衡。     

三步递进式蚁群算法在无线传感器网络中的应用

为了在无线传感器网络中找到一条距离短,节点能量消耗少的最优路径.通过采用"三步递进式"的寻点方法,提出了一种优化的蚁群算法DDEARA.首先,利用动态半径搜索因子寻找下一跳候选节点,能够保证蚁群算法收敛且节点位置分布均匀.其次,引入节点能量预测因子,避免节点能量不足时仍被超负荷使用的不合理现象,即当消耗完某个节点的所有能量,却未能成功传完所有数据.最后,在寻找下一跳候选节点过程中引入方向因子,带有方向性的寻点,避免了反方向的无关节点被选中为下一跳候选节点,减小最优路径距离,节约节点能耗,提高算法寻优效能.仿真结果表明DDEARA算法能够实现蚁群算法动态收敛,相邻节点之间间距适中,节点能耗均匀,过滤反向无关节点,减小最优路径距离,全面提高算法寻优能力,延长无线传感器网络的使用性能和寿命.     

一种新的无线传感器网络冗余节点融合树算法

针对某些特定场合无线传感器网络中存在大量冗余节点造成网络资源浪费的问题,提出一种新的冗余节点融合树算法(简称RNAT)。基于分簇网络结构,采用探测区域完全覆盖的冗余节点标识方法,并综合利用节点剩余能量和距离等参数选择树上节点,以洪泛广播方式构建冗余节点融合树。算法让簇内冗余节点承担簇头的一部分工作,降低了分簇网络结构中簇头的能耗,均衡了网络能量分布。仿真实验结果表明,RNAT机制的引入可以有效提高HEED-M算法的性能,使网络生命期延长20%左右。