基于改进粒子群优化算法的无线传感器网络定位

针对经典DV-Hop定位算法第3阶段计算未知节点位置存在较大误差的问题,提出一种基于改进粒子群优化算法的无线传感器网络定位方法。首先分析DV-Hop算法误差大的原因,并将定位问题转换成未知节点坐标的优化问题,然后采用改进粒子群算法对问题进行优化,并引入收缩因子加快搜索速度和精度,找到全局最优未知节点坐标,最后在Matlab 2012平台上进行仿真实验。仿真结果表明,本文算法提高了传感器节点的定位精度,大幅度降低了定位误差。     

基于能量均衡的无线传感器网络分簇路由协议

针对当前无线路由协议的能量和簇头瓶颈问题,以延长网络生存时间和提高能量利用率为目标,提出一种能量均衡无线传感器网络分簇路由协议。首先根据能量消耗最小原则,得出最优簇头数目,并按区域划分为簇,然后通过节点剩余能量和通信代价2个参数选取簇头,并且动态地轮换簇头,最后进行仿真实验。仿真结果表明,相对于其它改进LEACH协议,本协议有效地减少能量消耗,明显增加了网络节点存活率。     

基于粒子群算法的WSN路径优化

采用粒子群算法对无线传感器网络进行路径优化,为了克服粒子群算法运算后期群体的多样性可能会有所下降的问题,对粒子群算法的各个环节进行分析与改进,设计并增加变异算子。仿真实验的结果表明,使用该算法能找到无线传感器网络有效的优化路由,解的质量优于传统的粒子群算法与遗传算法,而且在成功率方面也有所提高。     

多级能量异构传感器网络的负载均衡成簇算法

在多级能量异构无线传感器网络中,节点的初始能量在一定的范围内随机分布,负载均衡和降低能耗是能量异构网络成簇算法的一个重要挑战.现有的分布式成簇算法主要是针对能量同构或二级异构网络设计的,无法实现节点能量多级异构时的负载均衡,因此提出了适用于多级能量异构传感网络的负载均衡成簇算法LBCA(load balance clustering algorithm).LBCA根据传感器网络的能量分布情况选择簇头节,最和实现负载均衡,可以有效地延长网络的稳定周期.簇头选择过程中,当探测区域能量分布均衡时,拥有较低平均通信能耗的节点将优先成为簇头节点,有利于降低探测区域内的总通信能耗;当探测区域能量分布不均衡时,具有较高剩余能量的节点将优先成为簇头节点,有利于实现探测区域内的负载均衡.将LBCA与主要的分布式成簇方案进行了比较,模拟实验结果显示,在多级能量异构传感器网络中,LBCA可以更好地实现负载均衡,极大地提高网络的稳定周期.     

基于网格的动态能量阈值的簇头选择算法

有效地使用传感节点的能量进而延长网络寿命成为设计无线传感网路由协议的一项挑战性的工作.而动态簇被认为提高能量利用率的有效技术之一.然而,簇头分布不均匀加速了网络能量的消耗,降低了网络寿命.为此,提出基于网格的动态能量阈值的簇头选择算法GDET-CH(Grid Dynamic Energy Threshold-based Cluster Header),平衡簇头分布.GDET-CH算法先将网络区域划分多个网格,并每个网格产生一个簇头.然后,利用节点离网格中心距离和节点剩余能量选择簇头.最后,引用动态能量阈值机制,只有当节点剩余能量大于能量阈值才可能成为簇头,进而平衡网络能耗.实验数据表明,与DDEEC和EDDDEC算法相比,GDET-CH算法的网络寿命分别提高了近24.5%和36%.     

能量感知的WSN节点分类控制路由算法

在无线传感器网络中,基于能量感知的路由算法(GEAR)可以在一定程度上均衡节点间的能量消耗,但不适用于节点初始能量不同的异构网络,而且数据传输时产生的折线效应会增加路由的延时.基于此,提出一种新的基于能量感知的节点分类控制路由算法(CEAR),算法首先通过定义的能量阈值计算公式,周期性地将普通节点分为骨干节点和独立节点...     

一种基于GAF的无线传感器网络分簇算法

分簇技术主要目标是延长整个传感器网络的生存时间。好的分簇技术可以提高无线传感器网络的可扩展性。就"热区"内的负载平衡问题,以及频繁的簇头轮换和簇重组问题,对基于GAF算法的完全簇头选择算法进行改进,结合双簇头模型和单簇头模型的优点,提出了一种无线传感器网络簇头非均匀分布算法,有效地平衡"热区"内节点的能耗,延长了无线传感器网络的生命期。     

一种基于负载均衡的无线传感器网络分布式定向分簇算法

针对无线传感器分簇网络中节点负载不均衡的问题,提出了一种基于负载均衡的分布式定向分簇算法(DDC).DDC算法基于簇的局部信息对节点在下一轮中的能量水平及其负载能力进行预评估,并给出了相应的预评估因子.在每一轮成簇过程中,首先基于节点能量预评估因子将网络分割成适当的分区,然后在每个分区中,根据节点在本轮的负载能力预评估因子选取簇头,前者可以有效保证各分区的能量均衡性,后者可以实现分区内节点的负载平衡.DDC算法的这种特性能将网络能量与节点负载有机结合起来,从而最大限度地延长网络生命周期.实验仿真结果表明,与同类算法相比,DDC算法的能量有效性效果显著,网络中节点负载更加均衡.在网络初始能量异构的情况下,依然表现出良好的适应性和可扩展性.     

一种新型能耗优化的无线传感器网络成簇算法

能量消耗一直是限制WSN广泛应用的热门问题之一,能源容量的大小对各个传感器节点产生重要的影响.针对WSN中能耗过快,以及网络区域内能量消耗不均衡而导致的网络生命周期缩短的问题,同时为了提高WSN的能量利用率,提出了一种新型能耗优化的无线传感器网络非均匀成簇算法(UCNE).该算法首先根据节点的历史能耗来竞选簇头节点,将整个网络划分为不均匀的簇群从而平衡簇内节点通信与簇间节点通信的能耗.其次设立新的能量阈值作为网络重新分簇的标准,减少了频繁分簇造成的不必要的控制消息能耗.最后为了降低簇头节点的负担,竞选副簇头节点作为中继转发节点转发主簇头加工的数据并根据权值选择向前向簇头节点传递数据.通过对比相关协议,UCNE协议在平衡网络能耗,延长网络寿命方面表现更优.     

一种基于遗传算法的无线传感器网络定位新算法

针对无线传感器网络节点自身定位问题,提出一种基于遗传算法的新定位算法.该算法假设无线传感器网络中有一定比例的位置已知的节点,通过分析未知节点及其无线射程范围内的已知节点之间的通讯约束和几何关系,建立以未知节点位置为参数的优化设计数学模型,使用遗传算法求解此模型得出未知节点的位置,并通过修改遗传算法参数来提高遗传算法收敛速度.理论分析和试验结果表明,本算法具有很强的健壮性,未知节点的失效和新节点的加入不会影响算法的性能,并且算法定位精度高,条件简单,适合各种规模的无线传感器网络的节点定位.     

无线传感器网络成簇路由算法研究

无线传感器网络被用于很多应用中,已经成为无线网络研究的重点方向.为了得到广泛分布于空间节点的感知信息,需要为传感器网络提供可靠的传输路由.本文提出了无线传感器网络的分层架构,分析了网络中成簇路由的形成过程,比较了成簇路由对应平面路由的优势,最后介绍了典型的成簇路由算法.     

基于改进蚁群优化的无线传感器网络路由算法

针对无线传感器网络节点能量、通信能力有限等特点,提出了一种改进蚁群优化的路由算法,算法对下一节点的选择充分考虑了通信距离和剩余能量等因素,将蚂蚁搜索行为集中到最优解附近,为避免早熟收敛行为的发生,将信息素轨迹的值域范围进行限制,通过对信息素轨迹的平滑化,快速逼近无线传感器网络最优路径;仿真结果证明,该算法有效地减少了网络能量消耗、节点死亡数量和链路长度,延长了网络生命期。     

基于能量分布的异构传感器网络分簇算法

针对能量异构的无线传感器网络,提出一种分簇算法。该算法采用基于节点剩余能量分布状况的簇头竞争参数,降低成簇过程中的通信能耗,实现簇头的均匀分布。在簇间综合考虑簇头剩余能量及其与基站的通信能耗,以选择合适的下一跳路由节点。仿真结果表明,该算法可以均衡网络能量消耗,提高节点能量利用效率,延长网络寿命。     

基于数据相关性无线传感器网络的虚拟分组管理方法

无线传感器网络作为一个新兴的网络,有着诸多的应用场景。本文根据无线传感器节点数据的相关性,利用"分簇"机制的思想,对无线传感器网络中的节点进行了"虚拟分组"划分,数据相关性较强的节点被划分到同一个虚拟分组内进行管理。仿真分析表明,该方法有效地减少了网络中传输的数据量,减少了能量消耗,有效地延长了网络生存时间。     

一种基于LEACH的无线传感器网络路由改进算法

在低功耗自适应分层路由算法(LEACH)研究的基础上,针对它簇首负担过重的问题,提出了一种基于双簇首机制的改进算法。该改进算法通过在簇内选择次簇首传输数据,在一定程度上平衡了网络内能量损耗。在NS2上的仿真实验表明,与LEACH相比,它能延长网络生存周期。     

基于分簇的无线传感器网络编码算法

通过均衡网络能量消耗和延长网络生命周期,以提高无线传感器网络的能量利用率,提出了在无线传感器网络动态成簇算法中对簇头节点进行网络编码的路由算法.在簇的建立阶段,采用节点剩余能量和接收信号强度来完成分簇,解决了部分节点因能耗过度而过早失效的问题;在数据采集阶段,采用基于簇头进行随机线性网络编码的方法,有效降低了传输到网关节点数据包的数量,减少了网络能量的耗用.仿真实验结果表明,该算法与标准协议AODV相比,有效的均衡了节点能量消耗,提高了能量使用效率,改善了网络吞吐量和端到端延迟.     

一种基于非均匀分布双簇头的无线传感器网络分簇算法

针对无线传感器网络分簇路由协议中因簇间路由产生的节点间剩余能量不平衡问题,提出一种非均匀分布双簇头的分簇方法。此方法基于LEACH算法产生主簇头,然后根据簇头所属区域离基站远近及其剩余能量确定各簇内数据转发簇头的产生概率,再按此概率产生非均匀分布的数据转发簇头,以减轻信息转发负担。仿真表明新算法和LEACH等算法相比能更有效地平衡网络中的能量消耗,延长整个网络的生存周期。     

无线传感器网络节点能量补给算法设计*

针对无线传感器网络节点能量补给困难这一问题,设计了基于太阳能充电技术的无线传感器网络节点能量补给的最小移动距离算法和最近两节点中心移动算法。仿真实验证明,在同等条件下,两种算法都可以实现无线网络的能量补给,从而延长网络的生命周期,其中最近两节点中心移动算法比最小移动距离算法的平均移动距离小,稳定性强,是一种较好的能量补给算法。     

Modified Dwarf Mongoose Optimization Enabled Energy Aware Clustering Scheme for Cognitive Radio Wireless Sensor Networks

Cognitive radio wireless sensor networks (CRWSN) can be defined as a promising technology for developing bandwidth-limited applications. CRWSN is widely utilized by future Internet of Things (IoT) applications. Since a promising technology, Cognitive Radio (CR) can be modelled to alleviate the spectrum scarcity issue. Generally, CRWSN has cognitive radio-enabled sensor nodes (SNs), which are energy limited. Hierarchical cluster-related techniques for overall network management can be suitable for the scalability and stability of the network. This paper focuses on designing the Modified Dwarf Mongoose Optimization Enabled Energy Aware Clustering (MDMO-EAC) Scheme for CRWSN. The MDMO-EAC technique mainly intends to group the nodes into clusters in the CRWSN. Besides, the MDMO-EAC algorithm is based on the dwarf mongoose optimization (DMO) algorithm design with oppositional-based learning (OBL) concept for the clustering process, showing the novelty of the work. In addition, the presented MDMO-EAC algorithm computed a multi-objective function for improved network efficiency. The presented model is validated using a comprehensive range of experiments, and the outcomes were scrutinized in varying measures. The comparison study stated the improvements of the MDMO-EAC method over other recent approaches.     

基于能量密度的无线传感器网络能量预测成簇算法

降低网络能耗、延长网络生存时间是无线传感器网络设计的重要目标.在分析现有主要成簇算法的基础上,提出一种基于能量密度的无线传感器网络能量预测成簇算法EPCBD(energy prediction clustering algorithm based on energy density).算法中,节点根据其通信范围内的能量密度与网络平均能量密度之比确定自己成为簇头节点的概率.为节省每轮成簇初始阶段节点进行广播所消耗的能量,建立了节点消耗能量的预测机制.仿真实验结果表明,与现有主要成簇算法相比,新的成簇算法拥有更长的网络生存周期和更优的网络监控质量.