基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法

无线传感器网络(WSN)路由中,节点未充分考虑路径剩余能量及链路状况进行的路由会造成网络中部分节点网络寿命减少,严重影响网络的生存时间。为此,将蚁群优化算法与非均匀分簇路由算法相结合,提出一种基于蚁群优化算法的无线传感器非均匀分簇路由算法。该算法首先利用考虑节点能量的优化非均匀分簇方法对节点进行分簇,然后以需要传输数据的节点为源节点,汇聚节点为目标节点,利用蚁群优化算法进行多路径搜索,搜索过程充分考虑了路径传输能耗、路径最小剩余能量、传输距离和跳数、所选链路的时延和带宽等因素,最后选出满足条件的多条最优路径,完成源目的节点间的信息传输。实验表明,该算法充分考虑路径传输能耗和路径最小剩余能量、传输跳数及传输距离,能有效延长无线传感器网络的生存期。     

基于分簇算法的传感器网络大数据传输优化方法

为解决由于传感器网络中节点距离长、部署复杂程度高,导致数据传输不稳定、耗能大的问题,提出了基于分簇算法的传感器网络大数据传输优化方法。结合传感器参数和覆盖范围计算出动态簇头和簇成员间距离,总结出最优动态簇头数量,提高能量利用率。通过最小路径法判定初始节点,计算直接传输及间接传输方式的节点能耗,根据二者对比结果选择耗能最小的传输路径,实现数据的传输优化。仿真分析结果表明,所提方法平均需要26次即可完成80个传感节点数据信息的传输工作,在传输轮数为160时传输节点数量为750,传感器耗能为260kwh。所提方法耗能更低、传输效率更快,在多个方面优化了大数据传输性能。     

Sink节点移动的三维无线传感网数据收集算法研究

为克服三维静态无线传感网中的能量空穴问题和提高网络生存时间,考虑Sink节点移动,提出一种Sink节点移动的三维无线传感网数据收集算法(DCA-TWSN),在DCA-TWSN中,提出三维环境下的正方体网格划分方法,建立包括Sink 移动路径选择约束、数据流量约束、能耗约束、链路约束等约束条件的数据收集优化模型,采用最优化方法求解已知Sink节点移动路径的数据收集优化问题,采用修正的蚁群算法求解Sink节点的移动路径问题,获得最优方案。仿真结果表明:不管Sink节点的最大数据收集跳数和传感节点数量如何变化,DCA-TWSN都能寻找到较优的移动路径和数据传输方案,从而提高了网络生存时间和传感节点的平均数据传输率,降低了移动路径长度、平均节点能耗方差和丢包率,比RAND、GREED和EDG-3D更优。     

网络丢包环境中基于新息驱动的远程状态估计传输策略设计

由于传感器节点本身携带的能量以及传输距离有限,导致其在无线传感网的应用受到了一定的限制.从降低传感器的电池功耗、延长传输距离这两点出发,针对远程状态观测设计了一种一类基于新息驱动的数据传输策略.利用增加中继节点的方法延长了数据传输的距离,并通过该传输策略控制各节点发送数据的时间,降低整个网络的平均能耗,延长数据传输的距离.此传输策略通过推导一类近似二次性能指标的上界求解以使远程估计精度和节点的电池能耗获得最优的平衡.此外,利用该传输策略能很好地解决无线网络中发生数据丢包、数据无法传输的情况.最后,通过观测一组锂电池放电过程的实验对所提出的策略进行验证,结果表明,该策略能够很好地平衡节点的电池能耗与远程估计的性能.     

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。     

生命周期最大化的无线水质监测网络路由优化研究

针对区域集中分布的无线水质监测网络,汇聚节点附近的监测节点容易形成数据传输"热点"而过早死亡,造成能量空洞的问题,将改进的量子遗传算法应用于无线水质监测网络的路由优化。通过建立系统的能耗模型,提出相应的量子编码方式和考虑监测节点剩余能量的适应度函数,设计了水质监测网络优化的量子遗传算法,优化了无线水质监测网络数据的传输路径,避免能量空洞现象过早出现。仿真结果表明该方法能够快速获得监测节点到汇聚节点的最佳路径,显著延长了水质监测网络的生命周期。     

权衡能耗与延迟的数据融合算法研究

在无线传感器网络的路由协议中考虑数据融合能极大地提高网络生存期性能,但随之会带来网络可靠性下降、数据传输延迟增加等问题。设计一种新的可权衡能耗与延迟的数据融合算法ECLT,通过二级模糊综合评判的方式来调整原有的路由信息,增加数据传输路径间的交叠,以提高数据融合度、延长网络生存期;同时,传感节点在转发数据的过程中还可根据本身状态来动态调整进行数据融合的等待时间,从而在均衡网络中各节点能耗的同时减少了数据传输延迟。经仿真验证,该算法能在极大的延长无线传感器网络使用寿命的同时降低数据的平均传输延迟。     

单节点的无线传感器网络数据传输优化策略

为了提高无线传感器网络（WSNs）节点能量的利用率,延长WSNs的生存时间,提出了一种单节点的WSNs数据传输优化策略.首先对WSNs结构进行分析,并建立单个传感器节点数据传输优化的数学模型;然后采用惩罚函数法对数据传输过程中的传感器节点能耗进行优化;最后在Matlab 2012平台对其进行仿真分析.结果表明：该方法可以根据环境能量的变化对传感器节点能耗进行自适应优化,提高了节点的累积数据传输总量,可以较好适应环境能量不确定性.     

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。     

移动无线传感网的移动感知路径选择算法

为解决稀疏网络环境下移动传感节点的区域全覆盖和数据传输问题,提出一种移动无线传感网的移动感知路径选择算法(MSPS)。在MSPS算法中,用数学公式表示邻居网格集合、区域覆盖率、数据传输时延、节点平均能耗等参数。采用机会路由算法进行数据传输,并建立能保证全覆盖监测区域且权衡数据传输时延、数据传输率和节点平均能耗的移动路径选择优化模型。提出到目标网格的路径寻找方法、初始染色体的确定方法和染色体适应度值计算方法。最终提出修正的多种群遗传算法求解优化模型,获得移动传感节点的最优移动方案。仿真结果表明:不管监测区域内是否存在障碍物,MSPS算法都能提高数据传输率,降低数据传输时延和节点丢弃的总数据量。在一定的条件下,MSPS算法比SGA、TCM_M、RAND_D和RAND算法更优。     

一种面向WIA-PA网络的节能型路由算法

为解决WIA—PA网络中节点能耗不均的问题,提出一种改进的节能型路由算法。根据网络节点剩余电量情况,选择网络中总体翻余电量较高的路径,将其作为数据转发路径,并充分利用网络中的有源节点,使其尽可能多地转发数据,由此平衡网络中各个节点的电量消耗。实验结果表明,该算法适用于WIA—PA网络环境,可延长网络总体生存时间。     

基于网络编码的线性多跳网络最优功率分配

在瑞利衰落环境中,提出一种基于物理层网络编码的双向线性多跳网络最优功率分配方案。在系统中断概率一定的条件下,以最小化系统总功率为目标,利用凸优化理论获取各节点的分配功率。数值结果显示,该方案能得到各节点的最优发送功率,并且随着节点数目或者路径损失因子的增大,节省的系统总功率越多。     

WSN中基于改进蚁群的能量优化路由算法

无线传感器网络存在能耗不均的问题,且Sink节点周围的“热”节点会因负载重而过早死亡.针对该问题,提出一种改进蚁群的能量优化路由算法.在节点分布过程中,采用距离带、限制搜索角和距离因子相结合的方法降低节点能量消耗,同时引入激励机制,剔除优选路径上“热”节点中剩余能量较低且路径较长的节点,利用能量充足且跳数较少的节点来均衡“热”节点的传输任务.在此基础上,以一种包含能量因子的伪随机比例规则优化概率转移函数,降低“热”节点失效的概率,增强算法的寻优能力,避免过早陷入局部最优.仿真结果表明,该算法可有效均衡网络能耗,与IEEABR和IARA算法相比,其网络生存周期更长.     

改进的遗传算法无线视频传感器网络协作路由技术研究

提出了适用于无线视频传感器网络的基于能量感知的跨层交互多路径协作路由技术.该技术首先采用了基于视频传感器节点感知距离的遗传优化算法,预测传输视频数据的能耗和剩余能量,结合无线信道质量和视频编码算法建立一种跨层协同的工作体系,优化节点传输视频数据的能耗、时延和带宽等因素;然后建立应用层、网络层和物理层跨层协同工作体系.仿真实验和数学分析表明,该技术不仅能够较好地满足视频传感器网络应用业务的多样性QoS数据传输性能需求,而且可以充分利用视频传感器网络受限的计算、存储能力和能量等资源.     

一种无线传感器网络LEACH协议的改进方法

LEACH是一种经典的层次型路由协议,然而该算法簇头是自适应随机生成,未考虑当前节点剩余能量,因此簇头的选择会使网络中能量损耗不均衡,导致网络过早死亡.为了避免能量较少节点因为当选为簇头后过早死亡,提出了一种新的路由协议（LEACH-PHQ）.改进后的算法在簇头选择阶段综合考虑了各个节点的剩余能量,在数据传输阶段采用数据融合和多跳传输的策略.实验结果表明,改进后的方法有效地减少了网络能量消耗,保证了网络负载的平衡,又延长了网络的寿命.     

一种无人机自组网DSR协议优化方法

针对DSR协议的路由优化问题,结合无人机网络的特点,提出一种基于萤火虫算法的无人机自组网DSR协议优化方法。该方法综合利用节点的能量消耗、缓冲拥塞、移动速率和传输损耗构建萤火虫的适应度函数,根据适应度函数来衡量萤火虫的荧光亮度,通过萤火虫初始化、萤火虫移动和更新荧光值等阶段的路由搜索过程,对DSR协议的路由算法进行综合优化,解决无人机自组网传输链路稳定性不佳的问题。使用OPNET仿真工具评估了优化前后DSR协议的各项指标,仿真结果表明,相比传统方法,优化方法在无人机场景下,业务接收速率提高了33.8%,平均端到端时延降低了73.91%,路由负荷发送速率减少了44.99%,路由负荷接收速率减少了37.55%,丢包率减少了68.01%。所提方法均衡优化了无人机自组网的网络性能和路由开销,可以为无人机自组网提供稳定高效的路由服务。     

Study on the algorithm for smart community sensor network routing with adaptive optimization via cluster head election

To reduce the uneven energy consumption for the data transmission and extend network life of intelligent community sensor network, an adaptive routing optimized algorithm for intelligent community sensor networks with cluster head election is proposed. In this algorithm, a three-dimensional clustering method adapted to the structure of intelligent community sensor network is proposed. The three-dimensional clustering method uses the cluster head election mechanism based on minimizing the total transmission loss to optimize the energy of the intelligent community sensor network. Second, an adaptive ant colony propagation method is proposed to solve the problem of intercluster data propagation after clustering. With the best path finding algorithm of ant colony algorithm, energy balance routing with lower energy loss and lower packet error rate is proposed. Finally, the simulation results show that the algorithm has better performance in reducing energy consumption and delay, improving transmission efficiency and node survival time.     

基于量子遗传算法的无线传感器网络路由研究

通过分析无线传感器网络(WSN)分簇路由算法中簇首节点分布,能量消耗,数据传输等问题,提出了一种基于熵权法量子遗传算法的路由算法,该算法在簇首的选举过程中采用熵权法动态的确定节点剩余能量、节点间的通信距离、节点度数和节点与基站的距离这四个因素的权值系数,在簇首选举结束后,利用量子遗传算法寻找出一条遍历所有簇首与基站的路由,通过最佳路由将所采集的数据传输给最终的基站节点。该算法实现了合理的簇首选举,并在簇首间采用最佳路由的方式向基站传输数据的功能。仿真结果分析表明,该算法在网络生存周期、能耗均衡方面均优于LEACH、CECA-GA算法,达到了延长了网络生存周期,均衡能耗的目的。     

基于Q学习的蚁群优化水声网络协议

针对水声通信中数据传输延时高且动态适应性弱的问题, 提出了一种基于Q学习优化的蚁群智能水声网络路由协议(Q-learning ant colony optimization, QACO). 协议包括路由行为和智能决策部分, 在路发现和维护阶段, 依靠网络智能蚂蚁进行网络拓扑环境的构建和节点之间的信息交换以及网络的维护. 在Q学习阶段, 通过定量化节点能量和深度以及网络传输延时学习特征作为折扣因子和学习率, 以延长网络的生命周期, 降低系统能耗和延时. 最后通过水声网络环境进行仿真, 实验结果表明QACO在能耗、延迟和网络生命周期方面都优于基于Q学习辅助的蚁群算法(Q-learning aided ant colony routing protocol, QLACO)和基于 Q-learning 的节能和生命周期感知路由协议(Q-learning-based energy-efficient and lifetime-aware routing protocol, QELAR)和基于深度路由协议 (depth-based routing, DBR)算法.