WSN中基于冗余度的移动代理路由算法

在基于移动代理(MA)的无线传感器网络数据融合中,MA路由的选择直接影响系统能耗,从而决定整个网络的使用寿命。为此,引入冗余度参数,同时结合节点剩余能量参数和节点间最短距离参数,提出基于冗余度的 MA路由算法。采用阈值处理方法消除冗余节点,利用Kruskal方法建立最小生成树,初步形成MA路径,并通过改进的后序遍历方法对其进行优化。仿真结果表明,与遗传算法和近优路由设计算法相比,该算法能有效降低能耗,减少数据延时,延长网络生命周期。     

基于改进蚁群算法的WSN移动代理路由算法研究

提出了基于改进蚁群算法的无线传感器网络移动代理路由算法,在改进算法中引入了传感节点的剩余能量值、数据处理能力等新的启发因素,从而均衡了网络负载,降低了网络能耗和延时;状态转换规则的改进和自适应全局信息素更新策略的采用克服了基本蚁群算法的不足。仿真实验表明,提出的算法在全局性和收敛速度上均优于其他传统算法。     

基于APIT的三维移动代理路由算法研究*

针对现有的移动代理路由算法都是基于二维环境的不足,提出了一种能应用于三维环境中的移动代理路由算法。首先,使用APIT定位法来获取三维空间中的传感器坐标;在获取传感器节点坐标后,引入蚁群算法对移动代理访问传感器节点的路径进行优化,由此,得到了一种全新的基于APIT的三维移动代理路由算法。仿真实验表明,新移动代理路由算法能较好地适应无线传感器网络的实际应用环境,且路径优化效果明显。     

物联网中移动代理的应用研究

通过对物联网网络管理技术的研究,分析了物联网网络管理中存在的问题。针对物联网无线化、移动化的发展趋势,给出了基于分布式网络代理管理模型,该模型通过引入移动代理技术,能够使之更好地适应物联网的管理需求。     

遗传蚁群算法的WSN移动代理路由算法研究

针对常用路由优化算法存在收敛速度慢、易陷入局部最优等难题,提出了一种遗传蚁群算法的WSN移动代理路由方法(GA-ACA)。首先利用遗传算法的全局搜索能力快速找到较优解,然后将较优解转换成蚁群算法的初始信息素,最后采用蚁群算法收敛速度快的优点,找到移动代理路由全局最优解。仿真结果表明,相对于其他移动代理路由算法,GA-ACA加快了收敛速度,能在更短的时间内找到最优移动代理路由,减少了平均能量消耗和网络延时,提高了WSN整体性能。     

基于锚节点连通性的移动WSN定位优化算法

为提高传统移动无线传感网络非测距方式定位算法的节点定位精度、降低算法对锚节点密度的要求,提出一种基于网络中锚节点连通性的蒙特卡洛优化定位算法,并分析了其节点定位性能.算法首先引入平均锚节点连通度的概念来评价网络锚节点连通性,然后提出根据节点实时分布情况进行采样区域划分,并实时控制移动锚节点分布,提升网络的整体定位精度.仿真结果表明,相较于传统的移动无线传感网络中基于蒙特卡洛方法的节点定位算法,所提出的算法有效提升了整体的定位精度,并有效降低了算法对于锚节点密度的要求,提升了算法节点定位性能.     

WSN中基于改进自适应遗传算法的移动代理路由算法

文章针对无线传感器网络能量消耗和延时问题,结合移动代理路由策略,提出了一种改进型自适应遗传算法,利用此算法求出移动代理在网络中的最佳迁移节点序列,以达到优化网络效果.通过仿真实验结果表明,与标准遗传算法相比,此算法具有更小的网络能量消耗和延时.     

基于移动代理的无线传感器网络多路径路由算法研究

无线传感器网络中路由算法最重要的设计目标是减少传感器节点的能量消耗,避免节点过早死亡,延长网络生存时间。在原有多路径路由算法的基础上,提出一种新的ABMR（Agent Baseon Multipath Router）路由算法,在这种算法中引入了移动Agent技术,避免了大量的感知数据在网络中传输,由移动Agent移动到感知节点进行本地处理。充分考虑节点的能量、线道的可靠性和跳数,建立从源节点到目标节点的多条可靠路径。仿真实验表明,ABMR算法比原有多路径路由算法在降低节点能耗、丢包率等方面上有显著提高。     

基于移动代理的无线传感器网络路由算法

针对移动代理(MA)以能量有效的方式收集相关性数据的特点,提出了基于免疫算法的层次型改进路由算法,将移动代理和无线传感器网络中的分簇理论相结合.算法首先应用免疫算法对网络内的节点进行优化分簇,簇首选择时充分考虑节点的剩余能量等因素,在获得高效的分簇信息之后,为了避免所有的簇头都与基站进行远距离通信消耗过多的能量,在次应用免疫算法得到一条遍历所有簇首节点的最优路径提供给移动代理,以达到数据的有效收集和能量高效利用的目的.实验结果表明,提出的改进算法能够有效增加网络的传输次数,延长无线传感器网络的生存周期.     

基于移动代理的WSN压缩数据采集方法研究

为降低网络传输量、延长网络生命周期,提出了一种基于移动代理的无线传感器网络(WSN)压缩数据采集方法,将压缩感知更有效地应用到WSN的数据采集过程中.所提方法根据测量矩阵中的信息对网络中的节点进行分组投影,增加了单次投影的节点数量,自适应地将这些节点划分区域,并派遣移动代理进行分区采集,通过一种基于树的贪婪策略得到移动...     

基于移动代理的三维DV-Hop算法

三维空间的无线传感器网络节点定位算法研究是当前的研究热点之一。通过对现有三维定位算法的不足进行分析,将无需测距的DV-Hop算法拓展到三维空间,并在通信量、定位精度方面进行了相关改进,提出了一种基于移动代理的三维DV-Hop定位算法。仿真结果表明,所提算法能对三维环境中的传感器节点进行有效的定位,信标节点的密度和通信半径对定位误差和覆盖率的影响较小,且定位精度和覆盖率相对于其他算法有明显提高。     

Q学习和蚁群优化混合的无线传感器网络移动代理路由算法

针对无线传感器网络移动代理路由问题,提出了Q学习和蚁群优化混合的无线传感器网络移动代理路由算法。该算法综合了Q学习和蚁群优化算法思想,引入了新的路径选择概率模型,并对最优路径进行了有效的维护。仿真实验结果表明:该算法有效地提高移动代理选路效率,满足不同任务对时延的要求,增强了最优路径的可靠性,进一步降低了网络能耗。     

基于网络拓扑优化的WSN最小跳路由算法

以节能为主要目标,基于最小跳路由的思想提出一种基于网络拓扑优化的WSN最小跳路由算法——MH-TO算法。该算法采用折半匹配的功率调整策略对网络拓扑进行优化,并引入“塔模型”实现节点的最小跳信息的学习,使得信息包路由时沿着最小跳的路径向sink节点传送。理论分析和仿真实验结果表明,与基于最小跳数场的自组织路由算法相比,该算法能够降低能量消耗并均衡能量负载,从而显著延长网络的生存期。     

无线传感器网络中基于分簇和休眠的组播路由

针对无线传感器网络中节点的能量效率和能耗不均衡问题,提出一个组播路由方法。通过把簇以一跳相邻节点为单位重分为更小的子簇,并根据接收消息的延迟把子簇分为不同的等级。对不同等级中的子簇头使用同步非对称休眠机制,对子簇内部的节点使用同步对称的休眠机制,使节点在不接收信息时尽量处在节能的休眠状态。仿真结果表明,该算法能减少能耗并延长网络生存时间。     

WSN中节点覆盖分层下的多路径路由协议

为了解决无线传感器网络（WSN）的路由问题,在分析了单路径路由协议和多路径路由协议的基础上,提出了节点覆盖层次模型。该模型根据节点到sink节点的最小跳数将网络分成以sink节点为中心的层次结构,并将邻居节点分成父节点、兄弟节点和子节点3类。并设计了在此模型下的路由协议MP-NCL。在该协议中,节点总是将感应到的数据向父节点转发,实现了跳数最小、多路径的数据传递。分析和仿真结果表明,节点覆盖层次模型和MP-NCL路由协议在延时、耗能、可靠性和生命期方面有较好的性能。     

面向WSN数据汇集应用的动态负载均衡算法

针对WSN数据汇集应用中,由于负载分配不均衡,使得网络节点出现早死,缩短网络寿命问题,提出一种面向WSN数据汇集应用的动态负载均衡算法（DLB-DGA）。DLB-DGA算法采用压力传输和压力均衡的思想,通过压力计算模型和流量均衡计算模型,动态调整子节点转发给父节点的数据流量比例,使网络上游节点的负载逐渐趋于最大程度的均衡,延长网络寿命。仿真实验表明DLB-DGA算法可行。     

最小跳数路由无线传感器网络中的路由数估计

分析了最小跳数路由无线传感器网络的运行特点,对重复路由数进行了估算,找出了影响重复路由数的因素,给出了控制策略。理论分析及仿真结果进一步揭示了基于最小跳数路由无线传感器网络的行为特征,对自适应控制网络中的重复路由数具有很好的指导意义。     

基于Agent的移动组播算法的优化

随着科学技术的飞速发展,作为网络信息领导者的移动通信在日常生活工作中的应用也越来越广泛,但是移动通信在应用中也会遇到很多问题,比如移动网络切换延迟现象较为普遍,组播包的丢包率比较高等等.本文针对于以上问题,分析了多种组播协议,提出了新型的基于Agent的移动组播算法,此算法可以有效地改进切换延迟和丢包率等问题.     

基于移动Agent的WSN多层分簇算法

针对无线传感网分簇中每轮节点能耗不均衡的问题,提出一种基于移动Agent的多层分簇(MABMC)算法.构建多层分簇能量模型,采用移动Agent技术选举每轮簇头并收集数据.仿真实验结果表明,与能量有效的多层分簇算法和低功耗自适应集簇分层型算法相比,该算法可减少网络每层轮数的能耗,提高能耗均衡度,延长网络生命周期.     

可持续WSN中基于能量采集感知的中继节点部署算法

基于可持续无线传感网络WSNs(Wireless Sensor Networks),提出基于能量采集感知的中继节点部署EHA-DRN(Energy Harvesting Aware-based Deploying Relay Nodes algorithm)算法.EHA-DRN算法利用功率beacon包给网络内节点补给能量.先依据节点的能量采集率,计算边权重,再利用克鲁斯卡尔(Kruskal)算法构建最小生成树.然后,依据最小生成树,检测不能完成数据传输任务的低能量节点.最后,在这些节点附近部署中继节点,从而修复覆盖空洞,保持网络连通.实验数据表明,与MBA算法相比,提出的EHA-DRN算法降低了部署成本,并提高了数据包传递率.