移动自组网基于能量效率的分布式拓扑控制算法

移动自组网中,网络的拓扑结构可以通过调节每个节点的传输功率加以控制,拓扑控制的基本目标是设计基于功率优化的算法,既能维护网络的连通性,又能降低节点的传输功率,延长节点的生存时间,达到优化网络性能的目的.在GG图的基础上,提出了一种基于能量效率的拓扑控制算法VCGG(a varying-cone distributed topology-control algorithm on Gabriel graph).算法采用可变扇区的思想,运用优先删除最远节点的方法(FDFN)选择逻辑邻居节点,建立了一个度有界、平     

基于双效用函数的无线传感器网络拓扑博弈算法

传统拓扑控制算法采用单个效用函数,无法适应网络性能需求的动态变化.在拓扑控制中引入了博弈论,提出了两个具有不同优化目标的效用函数.当节点剩余能量较高时,选择一个全面考虑能量均衡度、网络能耗、网络连通性等因素的效用函数;否则,为了尽可能降低节点能耗而选择另一个更趋向于较低功率的效用函数.实验表明,采用双效用函数的拓扑博弈算法在网络寿命、能量均衡度等方面具有较好的性能.     

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.     

自组网中基于自适应波束天线的拓扑控制算法

定向天线自组网拓扑的构建问题比全向天线网络复杂.基于自适应波束定向天线模型提出一种分布式拓扑控制算法,通过调整节点发射功率,改变天线波束的朝向、宽度和增益来构建拓扑.网络中每个节点收集其邻居节点信息,采用功率控制调度策略选择最优相邻节点,并选取覆盖所有最优相邻节点的最小发射功率为此节点的发射功率.算法在保证网络连通性与无向性的同时,降低了节点的发射功率,减小了节点的平均度数,从而降低节点能耗,减少了节点间干扰,提高了网络吞吐量.仿真结果表明,算法显著提高了网络性能.     

无线传感网络移动节点位置并行微粒群优化策略

网络节点位置优化是无线传感网络研究的核心问题之一.无线传感网络通常由固定节点和少量移动节点构成,传统的虚拟力导向算法无法解决固定节点对移动节点优化的约束.该文针对这一问题,提出了基于并行微粒群算法的优化策略.微粒群算法具有适于解决连续空间多维函数优化问题、能快速收敛至全局最优解的特点.并行框架提高了算法的运行效率,降低了算法的运算复杂度,使算法能够满足无线传感网络的需求.通过并行微粒群算法搜索不同状态下无线传感节点的最优位置,使无线传感网络能够利用移动节点实现网络结构的动态重组,最大化网络覆盖范围,提高网络测量可靠性.实验证明,并行微粒群优化策略能快速有效地实现无线传感网络移动节点位置优化.     

基于分簇算法能量优化的研究

分簇算法是有效解决无线传感器网络节点能耗受限与不同节点能量开销不平衡问题的主要方法之一.分簇算法中簇群成员节点和簇首的通信方式与簇群的拓扑结构决定整个簇群的能量消耗速度.通过建立簇半径与能量消耗关系模型,基于不同的约束条件和优化目标,优化簇半径取值使网络能耗达到最小化.方法仿真结果表明选取适当的分簇半径能够减少网络的能量消耗,均衡网络负载,延长网络的生存期,对无线传感器网络的能量优化设计有一定的参考价值.     

基于动态概率休眠调度机制的WSNs拓扑控制算法

为了兼顾无线传感器网络(WSNs)的低能耗和连通性,提出了一种动态概率休眠调度机制的拓扑控制(DPSS-TC)算法.DPSS-TC算法根据分簇后的簇内成员节点数量动态设置节点休眠概率,采用强制性唤醒休眠节点与提高相应活跃节点的发射功率相结合的方法来恢复连通受损的局部拓扑结构.仿真实验表明:DPSS-TC算法既保证网络的连通性能,又有效地延长了网络的生命周期.     

基于传感器网络节点配置优化仿真研究

研究无线传感网络节点配置覆盖优化问题。由于无线传感网络存在着热区问题,对网络的覆盖性能造成严重的影响,同时影响网络配置优化。为了有效的提高无线传感网络的覆盖率,提出了一种改进的粒子群算法优化无线网络节点覆盖。针对粒子群算法存在易陷入局部极值和早熟的缺陷,引入遗传算法中的交叉算子和变异算子,优化传感网络节点的混合粒子群算法,在严格确保无线传感器网络连通性的条件下,传感器节点配置数目达到要求的覆盖度,并进行仿真。仿真结果表明混合粒子群算法能快速收敛到更精确的解,使网络节点配置达到覆盖的优化要求。     

一种低能耗层次型无线传感器网络拓扑控制算法

提出一种低能耗层次型拓扑控制算法(A low-power hierarchical wireless sensor network topology control algorithm, 简称LPH算法). 该算法是一种支持多跳网络、降低能耗的多级组网控制算法. 它将拓扑控制分为组网和拓扑维护两个阶段, 其中组网阶段包括选择簇头、标识簇头及簇内节点、优化拓扑三个任务, 算法在各个阶段、各个任务中都考虑了节能. 同时, 在簇头选择时考虑了簇头节点分布均衡问题, 通过优化拓扑降低簇内通信能耗. 其次, 通过静态地址与动态地址结合的方式提高网络层次及可维护性. 本文详细介绍了LPH算法及其思想, 给出算法的空间复杂度、时间复杂度及能耗分析, 并基于NS2仿真工具, 对LEACH、PEGASIS和LPH三种算法分别进行了模拟仿真, 说明LPH算法的性能与优势.     

基于物理干扰模型的WSN拓扑控制算法

拓扑控制是无线传感器网络研究中的重要问题。现有的大多数关于拓扑控制的工作集中于如何降低能耗,但是没有考虑干扰带来的影响。针对网络容量的最大化问题,提出一种在信号干扰信噪比模型下的拓扑控制算法PLTCA。该算法无需任何节点的位置信息,通过计算3跳以内的前向和后向列表来构建拓扑。在PLTCA算法中,采用功率控制技术,节点通过改变发射功率或者发射方向选择自己的邻居节点,从而控制网络拓扑结构。通过理论分析对算法的连通性进行论证。仿真结果表明,PLTCA算法在保证网络连通性的基础上,减少了网络总体的能量损耗,与MaxSR算法相比,节点的平均链路能量损耗减少10%~20%。