基于贪婪算法无线传感器网络中继节点布局的研究

为实现远距离的无线通信, 在网络中添加中继节点, 采用多跳路由传输数据。对于中继节点的布局问题, 依据线性结构使网络整体能量消耗最小的特征, 提出一种中继节点贪婪布局算法。该算法通过最近贪婪策略、中继节点通信容量、传感器节点数据转发跳数等约束方法限制中继节点的布局位置。理论分析和实验验证了该算法能够有效减少能量消耗, 延长网络寿命。     

WSN自适应负载均衡集簇分层路由协议

结合考虑传统无线传感器网络(wireless sensor networks,WSN)路由协议特点以及实际应用中节点的不对等性,提出了一种自适应负载均衡集簇分层路由协议——ALBCH.该协议在簇头选举时引入剩余能量等相关因子,将贪婪算法成链机制分别引入分层路由协议的簇内通信和簇头间通信,对贪婪算法成链机制进行了一些改进.仿真结果表明,ALBCH能更有效地均衡网络负载,具有更好的健壮性和更高的实时性能,同时解决了传统协议在处理异构网络时的局限性.     

基于蚁群算法的WSN多路径负载均衡路由

为使无线传感器网络节点能量消耗相对均衡,在定向扩散路由算法的基础上,结合蚁群算法,提出一种多路径负载均衡路由算法。该算法利用蚁群的自适应和动态寻优能力,在源节点和目的节点之间搜索建立多条传输路径,并将节点剩余能量引入启发因子,均衡节点能量消耗。同时,运用层次分析法,赋予每条路径一定的负载分配比例,使数据总能在链路性能较优的多路径中均衡传输,延长整个网络的生命期。仿真结果表明,与定向扩散路由算法相比,该算法能够均衡节点能耗,有效延长网络寿命。     

一种可分负载WSN的能耗均衡负载调度算法

无线传感器网络的节点电源能量有限,其能耗均衡问题已成为研究热点。针对星型可分负载无线传感器网络的负载调度过程,在同时感知、顺序返回信息的工作模型下提出了一种以能耗均衡为目标的负载调度算法(DLEBS)。该算法以降低网络能耗标准差为优化目标,在保证网络总体传输时间及传输顺序的情况下,可以得到相应的负载调度策略。仿真实验表明,算法得到的负载调度可以有效降低网络的能耗标准差。并且随给定时间的增加,算法得到的负载调度使得能耗标准差相应地减小。     

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。     

WSN中APIT节点定位改进算法研究

为了提高无线传感器网络中APIT定位算法的定位覆盖率,提出了Min-max方法与APIT相结合的定位算法。改进算法不需要额外添加硬件,且容易实现。仿真结果表明改进算法与APIT算法相比定位覆盖率有显著提高。     

能耗均衡的移动传感器节点派遣算法

在混合无线传感器网络中,移动传感器节点最耗能的操作是移动,如何减少移动传感器节点的移动距离同时能让其完成任务是一个富有挑战性的研究课题。本文提出了一个移动传感器节点的派遣算法,旨在均衡各个移动传感器节点的移动负载,并且能按优先级响应事件地点,适用于任意数量的移动传感器节点和事件地点的情况。当移动传感器节点数量大于事件地点数量时,将其转化为一个带权完全二分图上的最大匹配问题。当事件地点数量大于移动传感器节点的数量时,本文提出的算法先将事件地点聚类分簇,然后派遣移动传感器节点到各个簇中分别完成访问任务。为了减少传感器节点之间的消息传输量,本文在集中式算法的基础上又提出了一个分布式算法。仿真实验结果表明本文提出的分布式算法能有效降低传感器节点之间的消息传输量,算法能够使得整个混合无线传感器网络的生存寿命延长20%左右。     

基于负载均衡的WSN非均匀分簇算法

针对分簇的无线传感器网络(WSN)中负载不均衡问题,提出一种实现节点负载均衡的WSN非均匀分簇算法。引入非均匀簇机制计算出最优的网络分簇数量,通过调整节点的簇首归属来控制网络的分簇的大小,形成合理的网络拓扑结构。仿真实验结果证明,该算法能有效均衡网络的节点负载,降低节点能耗,延长网络的生存时间。     

中继网关的设计及其负载均衡的实现

分析了IP网和PSTN互通中的信令转换,提出了一种中继网关软件系统设计方案.该设计包括信令模块、信令分发模块和管理模块.从IP网到PSTN的数据或语音流量过多时,为了更好地解决一个E1口上最大30路呼叫的限制,中继网关还实现了负载均衡功能.     

WSN中基于端到端的贪婪故障定位算法

为了维持无线传感器网络的正常运行,所有的故障链路需要被精确定位。将该问题转换为基于端到端的数据引导,以减少主动监测次数为目的的最优监测序列的问题。提出了通过拓扑拆分得到故障子图,并通过子图的概率集进一步计算节省主动探测次数的基于节点监测多条链路的启发式贪婪算法NTHG(node testing using heuristic greedy)。仿真结果表明仅需要监测小部分的节点,就可以定位网络中所有的故障链路。与该问题最新的解决算法LTHG(link testing using heristic greedy)相比,新算法需要更少的监测次数和平均CPU耗时,从而很好地降低了网络能耗,缩短了故障定位耗时。     

基于沙堆模型的无线Mesh网负载均衡算法

无线网络中广泛使用的基于最短路径路由算法的负载均衡机制,存在部分节点负载过重而导致网络拥塞的问题,严重降低了网络的传输性能;同时,无线网络的广泛部署和应用需求急剧增长,迫切需要对现有的负载均衡机制进行优化和改进。因此,基于沙堆模型的坍塌机制及其改进,提出了一种适用于无线Mesh网络的负载均衡算法,重点设计了负载均衡的触发条件、候选节点集合计算和负载分配机制。仿真结果表明,基于沙堆模型的负载均衡算法在丢包率和吞吐量方面相比同类算法分别改善了10.4%和7%。     

一种分布式无线传感器网络能量均衡路由算法

针对无线传感器网络的能量均衡问题,基于一种度量局部能量均衡性能指标,提出了一种基于预测的分布式能量均衡路由(Predicting-based Distributed Energy Balancing Routing,PDEBR)算法。PDEBR基于地理位置信息,结合功率控制,以分布式方式达到能量有效性的目标。最后,对PDEBR的性能进行了仿真分析,结果表明PDEBR可以有效延长网络寿命。     

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.     

一种通过加入中继节点以修复大面积网络损坏的能量均衡算法

研究了在大面积受损的无线传感网(WSN)中通过加入中继节点(RN)来修复网络连通性的问题,以修复代价最小化为目标提出了新的算法,目标包括减少中继节点数并均衡节点能量。为了减少中继节点数,在每个分区的边界上寻找代表节点,借助最小生成树、费马点、Steiner树的经典方法。为了均衡网络节点的剩余能量,在分区中选择能量最大的作为代表节点,并让能量大的节点分担更多传输任务。算法优化了所需中继节点的数量,且样本值保持在均值15%区间范围内。此问题可以看作SMT-MSP问题,算法在多项式时间内解决连通性修复,其性能通过仿真进行了验证。     

无线网状网中面向负载均衡的网关部署算法

综合考虑网关数量和网关负载均衡两方面因素,提出一种基于力的贪婪启发式分簇算法,在此基础上对杂交粒子群优化进行改进,给出一种适用于无线网状网的网关部署算法。仿真实验结果表明,该算法能以较少的网关数量实现网络负载均衡,从而提高吞吐量,改善网络性能。     

MLBC: Multi-objective Load Balancing Clustering technique in Wireless Sensor Networks

In Wireless Sensor Networks (WSN) there are scenarios with conflicting objectives. This needs to be modeled as multi-objective optimization formulation. The optimization problem changes with the nature of application, network scenario and input/output parameters. Depending upon the underlying application requirements, there is a need of an appropriate Multi-Objective Optimization technique to manage these multiple conflicting objectives simultaneously and to yield an overall optimal solution. In this paper, a novel Multi-objective Load Balancing Clustering (MLBC) technique is proposed by utilizing Multi Objective Particle Swarm Optimization (MOPSO). Two objective functions are defined: Energy Efficiency and Reliability. The energy efficiency is based on the average residual energy of Cluster Heads (CHs), whereas the reliability is based on the communication cost of inter-cluster routing. The nodes transmit their information to Cluster Head or Base Station in single-hop or multi-hop manner. A healing function is utilized to avoid loops in the generated path. The load balancing is performed by shuffling the roles of next hop node and Cluster Head in each iteration. The best compromise solution is selected through the fuzzy decision-based approach. The performance of the proposed and existing approaches has been evaluated in terms of energy efficiency, network lifetime, packet delivery ratio, data accuracy and number of active nodes. Apart from these parameters, coverage and scalability are also considered to evaluate the quality of solutions provided by multi-objective optimization approach.     

一种分布式的无线传感器网络Range-free节点定位算法

针对无线传感器网络在实际应用环境中节点分布往往不均匀的状况,提出了一种分布式、无需测距设备支持的节点自身定位算法(简称为NCL算法).NCL算法基于节点通信邻域内邻居节点的个数估算节点间距,并在计算节点坐标时对节点间距进行加权平均以提高定位精度.使用OMNeT 对NCL算法进行仿真,并与DV-Hop算法进行比较分析.仿真结果表明,NCL算法提高了非均匀网络中的定位精度,具有较小的通信开销,并具有一定的容错性和自适应性.     

无线传感器网络覆盖优化仿真研究

研究无线传感器覆盖(WSN)优化问题,由于网络传感器节点分布不均匀,又存在冗余等问题。传统WSN高密度部署方法,节点分布极不均匀,节点覆盖区域之间的重复率高,节点浪费严重,导致网络覆盖率低、成本高。为了提高无线传感器网络的覆盖率,提出一种混沌粒子群优化算法(CPSO)的WSN覆盖优化算法。首先以提高网络覆盖率为优化目标,建立WSN覆盖优化数学模型,然后通过粒子间协作进行求解,并对粒子群混沌扰动,保持粒子多样性,从而得到最优网络覆盖。仿真结果表明,相对于其它覆盖优化算法,CPSO能够以较少传感器节点获得较高网络覆盖率,提高了网络通信效率,降低网络成本。     

Sink 节点移动的无线传感网生存时间优化算法

为提高网络最大生存时间,提出Sink节点移动的无线传感网生存时间优化算法(LOAMSN).该算法分析Sink节点移动时的流量平衡约束、最大传输速率约束、节点能耗约束等约束条件,将生存时间优化问题转化成优化模型.提出Sink节点的移动方法,即Sink节点利用节点的度值构建其移动路径,按照此路径循环移动收集数据.将Sink节点的移动认为是离散运动,Sink节点移动的生存时间优化模型分解成若干个Sink节点静止的生存时间优化模型,采用牛顿法求解每个Sink节点静止的优化模型,获得网络最大生存时间和节点发送数据量的最优值.仿真结果表明:LOAMSN算法能减少Sink节点停留位置上的节点能耗,平衡网络负     

基于量子粒子群优化的WSN节点定位改进

针对无线传感器网络定位低成本、低功耗和高精度的要求,在基于接收信号强度(RSSI )测距的基础上,提出 了一种量子粒子群优化(QPSO)的改进加权质心定位算法,即采用QPSO优化WCLA的佑计坐标来改善定位误差, 并改进收缩扩展系数增强QPSO算法的收敛速度。仿真表明,改进的算法与WCLA算法和经过粒子群优化的 WCI_A算法相比,其节点定位精度得到显著提高,且能克服粒子群优化算法的收敛速度慢、易陷入局部极小值的缺点。