WSNs中一种寻找最小工作节点集的覆盖算法

针对现有覆盖算法存在的很多冗余节点,提出了寻找最小工作节点集的覆盖算法.该算法分为两个阶段:第1阶段运行已有的覆盖算法;第2阶段运行节点替换算法,它用更少的节点替换更多的工作节点,如此循环迭代使工作节点数不断减少.仿真实验表明,该算法比其他覆盖算法能获得更多的休眠节点,使工作节点数减少10%左右,从而延长了网络生命周期.     

一种面向微网监测的传感器协作覆盖算法

提出一种微网中的传感器协作覆盖算法。该算法在不同的时间片周期通过连通的协作覆盖集的构造和调度两个步骤实现整个传感器网络节点能源的高效利用,延长传感器网络的生命周期。仿真实验表明,提出的协作覆盖算法能够以较高的效率明显地延长传感器网络的生命周期。     

带状传感器网络节点分布式自部署算法DSDA-VC设计

带状传感器网络的发展源于无线传感器网络的发展,从广义上来说是一类特殊形态的传感器网络,在许多重要领域均具有极其广泛的应用需求和前景.针对带状网区域内节点的有效覆盖问题,对节点的覆盖进行了定量的数学建模分析,设计了基于Voronoi细胞单元的节点分布式自部署算法DSDA-VC.该算法可以有效提高带状网节点的部署覆盖度,经仿真验证,对于较高密度覆盖的带状网络,覆盖率可提高10%以上.基于该研究成果,完成了在某山区的带状网的设计和实际测试验证工作.     

非连通无线传感器网络的最少传感器节点部署

传感器节点的部署包括连通网络和非连通网络2种情况. 为了最小化网络部署开销,对非连通网络的传感器节点部署问题进行了研究,建立了整数线性规划模型,并证明该问题为NP complete问题. 为找到该问题的近似最优解,通过理论分析确定了传感器节点的候选部署区域,提出了一种启发式的传感器节点贪婪部署算法,迭代地将传感器节点部署到覆盖目标点数最多的候选部署区域,直到覆盖所有目标点. 通过仿真实验将所提出的贪婪部署算法和现有的遗传算法以及问题模型的最优解进行了比较,验证了算法的有效性.     

延长传感器网络寿命的动态休眠调度算法

基于网络拓扑结构连通和覆盖的冗余性,结合多跳无线传感器网络的特点,建立节点休眠调度模型,提出一种延长网络寿命的算法.根据节点的剩余能量,动态选择一组满足连通覆盖条件的工作节点集,达到延长网络寿命的目的.当某个节点因能量耗尽失效时,其相邻的休眠节点被激活,并代替其收集信息以维持网络正常工作.理论分析和仿真研究表明,该算法能有效判别冗余节点,在保证网络有效覆盖和连通的条件下,降低节点能耗,延长网络寿命.     

RBLCP：一种覆盖网络的QoS路由改进算法

针对传统IPQoS路由算法不能满足覆盖网络的服务需求的问题，提出了一种通用覆盖网络下的QoS路由算法--资源均衡最小代价路径(RBLCP)算法.该算法从覆盖链路带宽和覆盖服务节点处理能力受限的角度出发，寻找一条既满足QoS要求又保证网络资源均衡的路由.对该算法的QoS满意率、覆盖链路带宽的均衡性以及节点处理能力的均衡性进行了性能仿真.结果表明，与改进的最短路径算法和成比例的带宽最小路径算法相比，RBLCP算法具有更好的QoS满意率，在对网络资源尤其是稀缺资源的均衡方面也有良好的性能.     

一种改进的ZigBee网络能量均衡簇树路由算法

针对ZigBee网络中的簇树路由算法存在网络节点能量消耗不均衡造成网络过早瘫痪的问题,提出一种改进的能量均衡簇树路由算法.该算法综合考虑单个节点生存周期和整个网络能量消耗,定义了节点能量水平以及节点权值,根据节点父子关系和权值建立了一种分簇机制,避免单个节点的不必要能量消耗和死亡,并优化AODVjr算法缩短路由距离,降低簇间通信延迟和路由开销.仿真结果表明,该算法相较于簇树路由算法减小了3.6％的网络整体能量消耗,延长了约15％的网络生命周期.     

基于独占区域的无线传感器网络连通支配集

提出基于独占区域的无线传感器网络连通支配集算法.采用独占覆盖和延时等待规则,在每个节点维护的独占区域内限制支配节点数目,从而降低连通支配集的规模.根据节点剩余能量信息优化支配节点在整个网络拓扑中的分布,以提高能量使用效率和均衡网络负载.仿真结果表明,基于独占区域的无线传感器网络连通支配集能够显著降低连通支配集的规模,保证支配节点的分布均匀稀疏,同时延长整个网络的生命周期.     

基于近邻算法的无线传感器网络功率控制

针对因无线传感器网络节点部署的密集性和随机性造成单一、不变的发射功率无法满足无线传感器网络能量高效的要求,提出基于近邻算法的无线传感器网络功率控制算法(NNPC).该算法中Sink节点保存整个网络拓扑结构的信息,利用多近邻算法评估节点密度,确定最优通信距离.结合Friss自由空间模型和两线地面传播模型计算当前网络最优发射功率,Sink节点广播通知节点采用最优发射功率发送数据.如果节点没有接收到广播包,那么节点采用默认的最大发射功率.仿真结果表明,基于近邻算法的网络功率控制算法能提高整个无线传感器网络的生存时间,节省网络的平均能耗.     

基于计算几何方法的WSN节点部署研究

将一种计算几何学方法θ(即n log n)应用于无线传感网络中能量保有量较低的节点.通过检测网络中节点的分布密度,传感覆盖面的相关信息来有效的添加节点,以获取节点采集的数据信息.与此同时,还将这种算法与随机添加节点的算法在临界态节点状态下的部署网络中做了对比,不断寻找定位新节点的这种部署方式使得传感网络中节点数量的不断有效增加,延续了整个网络的生命周期.实验结果表明,该算法很接近理论值,并且超过随机增加节点算法的2.5倍.     

AS关系快速推断算法

准确的AS商业关系有助于深入研究因特网的结构及其网络行为,通常只能利用推断来获取AS关系。该文概述了几种AS关系推断算法,分析了各种方法的优缺点。定义了一种基于选路行为表征AS节点传输能力的新测度。该测度比节点度更适于描述AS节点在传输能力上的等级。基于该测度提出了一种快速推断算法,该算法通过比较节点的等级来推断AS关系。试验结果显示该算法与Dimitropolous算法在推断结果上具有良好的一致性,能够快速有效地推断基本AS关系。     

基于I-B＆B-MDL的贝叶斯网结构学习改进算法

针对I-B＆B-MDL算法的不足,提出了2点改进：一是仅利用0阶和部分1阶测试确定网络侯选连接图,在有效限制搜索空间的同时,减少了独立性测试及对数据库的扫描次数;二是利用互信息的启发性知识作为侯选父母节点排序,加大了B＆B搜索树的截断,加速了搜索过程。在通用数据集上的实验结果表明,在保证学习精度的前提下,算法整体的时间性能比原算法有较大的改进.     

Dijkstra最短路径算法优化

传统D ijkstra算法在求解节点间最短路径时,对已标识节点以外的大量节点进行了计算,从而影响了算法的速度.在对传统D ijkstra算法分析的基础上,对其进行了优化,优化算法只对最短路径上节点的邻居做了处理,而不涉及到其他节点.因此,在优化算法中计算的节点数大幅减少,提高了算法的速度.     

基于基因表达式编程的复杂网络自动聚簇算法

在无先验知识的前提下,复杂网络聚簇需确定簇数并精确地将节点分配到其所属簇,而大部分传统聚簇方法无法自动确定簇数。为解决这一问题,结合GEP和信息论聚类框架,提出了复杂网络自动聚簇算法——AutoC-NC-GEP。算法为复杂网络聚簇建立了GEP结构模型,设计了有效的遗传算子,提出了"不完全聚簇划分"概念,并分别以Map Eqation和Modularity两种不同的网络社团结构量化函数为适应度函数,使用真实网络对算法的聚簇性能进行了测试。实验结果表明,在没有先验知识的前提下,AutoCNC-GEP算法不仅能正确解析网络的社团数量,还可以自动将节点精确地分配到其所属社团中,从而获得网络的最佳社团结构。     

基于熵判据自组织模糊神经网络的混沌时间序列预测

在自组织模糊神经网络(SOFNN)算法的基础上提出了一种基于熵判据的改进算法。依据动态自适应方式建立模糊神经网络,采用误差均方根判据和误差熵判据相结合的修剪策略,对网络进行剪裁,去掉对网络输出贡献小的节点。算法的主要优点在于:能够自动地决定神经模型的结构并得出模型的参数,而不需要对神经网络和模糊系统有深入的理论知识,算法具有非常高的预测精度,并且通过修剪策略提高网络的泛化能力。应用该算法对典型的混沌时间序列Mackey-Glass序列进行了研究,结果表明,应用新的修剪策略后,算法精度及泛化能力进一步提高,并且需要的先验知识少,更适合于实际应用。     

基于互信息的无线传感器网络节点故障自诊断

故障自诊断和故障监控能提高WSN的可维护性和可靠性, 延长WSN节点的使用寿命。该文提出一种无线传感器网络(wireless sensor network, WSN)节点故障自诊断的新方法。首先,可从粗糙集理论中基于互信息的属性约简算法获得故障诊断决策的约简,进而建立一套以属性匹配为核心思想的WSN节点故障自诊断技术,对WSN节点的各个模块分别进行具体的故障诊断和定位。仿真实验表明,该方法在WSN节点中实现故障自诊断时,通信代价小,能耗低,诊断的误判率低。     

基于有向感知模型的无线传感器网络节点部署

针对随机部署的有向传感器节点,建立基于有向传感器节点的感知概率模型.采用分布式算法,通过节点间的联合感知概率移动有向传感器节点,提高待监测区域内目标点被感知到的概率.本文提出可移动的节点部署算法,该算法使用较少的节点实现对目标区域的合理覆盖,并提高总体覆盖效果.仿真结果表明,该算法有效地减少了有向传感器节点的使用,同时保证了较好的覆盖效果.     

Minimum cost of node deployment strategy for heterogeneous sensor networks

A minimum-cost-deployment strategy based on objective optimization is proposed to address the problems existing in heterogeneous sensor networks such as high density of the nodes,bad target coverage and connectivity performances,and high deployment spending.The problem we aim to solve is characterized by different parameters in terms of the deployment cost of positions and the cost of the sensors.The enhanced version of coral reef optimization (CRO for short) algorithm is utilized to solve the problem of how to select the proper positions and sensors to achieve the minimum deployment cost of heterogeneous sensor networks which can fulfill both k-coverage and m-connectivity requirements.The enhanced version of the CRO is named ECRO.In the ECRO two methods are employed to improve the optimization efficiency of the CRO.One method is that inspired by the process of the harmony search algorithm the operators such as HMCR and PAR of the harmony search algorithm blend with the CRO.The other one is that the excellent solutions are reused to exploit the knowledge and experience accumulated in the process of running the CRO.For comparison purposes,a greedy algorithm is also proposed.Simulation experiments show that compared with some related existing algorithms,the proposed algorithm reduces the deployment cost of sensor nodes while fulfilling the requirements of k-coverage and m-connectivity requirements.     

节点与链路协作的动态虚拟光网络映射算法

针对如何使逻辑上相互隔离的多个动态虚拟光网络高效地共享底层弹性光网络资源问题,提出了节点与链路协作的动态虚拟光网络映射算法．该算法在进行节点映射时不仅考虑了节点的计算容量、频谱资源以及要映射节点和已映射节点的对应关系,而且在节点映射的阶段就考虑了链路映射,将一个虚拟节点的相邻虚拟节点就近映射到一个物理节点的周围,做到了节点与链路的协作,从而避免了链路映射时使用长跳的物理路径．仿真结果表明,该算法在业务的阻塞率和链路利用率方面都有了明显的改善,可有效地节约网络资源．