基于移动agent的能量平衡环形路由算法

由于无线传感器网络(WSNs)自身的特点,将移动agent(MA)用于WSNs可以解决诸多网络问题.提出一种基于MA的能量平衡环形路由算法(EBRRMA),网络首先建立节点到sink节点的最小跳数链路,形成环状跳数梯度,为MA提供路由和工作空间;然后MA在梯度环内以记录迁移路径方式和最小延时策略完成环内巡游,融合节点数据并找到环内能量最多的节点;最后MA通过此节点与sink节点通信链路将融合信息回传并且休眠和等待下一次工作.该算法引入MA技术来降低网络能耗和时延,利用梯度环中能量最多的节点提供MA所需能量以及数据回传路径,以达到网络能量平衡.仿真表明,此路由算法可以有效地平衡网络能量,延长网络寿命.与DD路由相比,该路由算法节能效果显著.     

基于免疫算法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,提出一种基于免疫算法的数据融合路由算法．利用免疫算法的寻优能力对MA路由进行全局优化,并根据节点数据传输和融合能量开销及节能增益,对移动代理迁移到每个节点是否进行数据融合进行选择,以提高信息收集过程中网络能量效率．实验结果表明,该算法具有更好的能量利用效率和较低延时．     

基于最小巡游概率的网络空洞平衡唤醒算法

在网络移动Agent(MA)模式下环形路由设计中,由于网络数据包传输冲突产生空洞,需要设计空洞平衡唤醒算法,以平衡网络能量,延长网络寿命。传统方法采用自适应学习粒子群算法,构建C/S模式下的空洞平衡唤醒算法,由于网络能耗不均衡也将容易使网络产生信息空洞的孤岛节点,性能不好。提出一种基于最小巡游概率的移动Agent的能量平衡环形路由信息空洞唤醒算法,建立最小跳数链路与梯度环,提供MA休眠和唤醒所需能量,进行MA迁移与数据回传,进行最小跳数链路路由算法设计,构建最小巡游概率判别准则与整体网络拓扑结构,实现网络信息空洞平衡唤醒算法的改进。仿真结果表明,该算法能数据包跳数构建网络拓扑,有效抑制了数据包在同一梯度内重传现象,通过最小概率巡游,有效减少因节点死亡而产生网络空洞的概率,有效克服网络能耗不均衡也产生信息空洞的孤岛节点,sink节点会相继收到由内环到外环各层MA所回传的融合数据,有效延长网络使用寿命,提高系统稳定性。     

WSNs中基于改进定向扩散的移动agent机制研究与实现*

针对目前无线传感器网络（WSNs）研究中的数据融合问题,引入移动Agent(MA)是一种新且有效的的解决方法。提出一种WSNs中基于改进定向扩散（DD）的MA机制（IDDMA）。首先,基于DD协议,通过扩展DD协议接口和添加MAEE滤器,使MA框架在WSNs中得以实现。然后,提出一种改进的DD算法（IDD）,通过各节点之间在算法过程中建立的最优梯度（Gradient）信息来指导MA有效的完成节点间迁移路由的选择。仿真结果表明,与DD和基于DD协议的MA机制相比,采用IDD算法的IDDMA机制表现出更好的性能。     

一种新的基于漫游代理的定向路由树算法

分析了以数据为中心的无线传感器网络中的定向扩散路由算法,提出了一种基于随机漫游的具有路由修复agent的定向路由树算法.该算法用泛洪策略构造一棵以汇聚节点为根的定向汇聚树,随后agent以等概率的方式在各个相邻传感器节点之间移动,当agent发现某两节点之间不再相邻时,即采取以该节点为中心的、逐步增加搜索范围的定向汇聚树的层次修复工作.研究表明,该算法具有良好的路由修复功能,同时也能节省能量并延长无线传感器网络的寿命.     

扩散受限的多层次能量路由

对无线传感器网络路由协议进行了深入的研究,以定向扩散路由为研究对象,提出一种扩散受限的多层次能量路由算法(RDMER);在路由的建立阶段应用分簇的思想把兴趣和探测数据的扩散限制在簇头和临界点之间;梯度的建立过程中充分考虑节点的发送消耗和剩余能量,建立了基于能量的优先级路由.经OMNeT++仿真表明:该算法较定向扩散有效降低了平均能量消耗,显著延长了网络的存活时间.     

可充电无线传感网络能量均衡路由算法

针对可充电无线传感网络中的能量均衡路由问题,提出在稳定功率无线充电和监测数据收集网络场景下的多路径路由算法和机会路由算法,以实现网络的能量均衡。首先,通过电磁传播理论构建了无线传感节点的充电和接收功率关系模型;然后,考虑网络中无线传感节点的发送能耗和接收能耗,基于上述充电模型将网络能量均衡的路由问题转化为网络节点运行时间的最大最小化问题,通过线性规划得到的各链路流量用以指导路由中数据流量分配;最后,考虑一种更加现实的低功耗的场景,并提出了一种基于机会路由的能量均衡路由算法。实验结果表明,与最短路径路由（SPR）和期望周期最短路由（EDC）算法相比较,所提出的两种路由算法均能有效提高采集能量的利用率和工作周期内的网络生命周期。     

WSN定向扩散路由协议的改进和实现研究

定向扩散路由协议（DD,Direeted Diffusion）是一种以数据为中心的典型的无线传感器网络路由协议,通信过程中,其采用传统的泛洪方式,会导致网络能量的大量开销。本文提出一种根据节点的信号辐射角度来发送兴趣,相邻节点只有在信号辐射角度范围内才能}I起兴趣扩散,否则拒绝兴趣扩散,以此降低网络能量消耗。改进后的定向扩散路由协议,通过仿真结果分析,与传统的定向扩散协议相比较,能缩小参与兴趣扩散的节点数目,缩小兴趣报文泛洪范围,减少了网络能量开销,延长整个网络的生命周期。     

能量感知的WSN自适应数据融合路由算法*

针对传感器节点以能量有效的方式收集相关性数据问题,提出了一种能量感知的自适应数据融合路由算法EAAF(energy-aware adaptive data fusion routing algorithm for wireless sensor networks)。算法选择路由时,根据数据传输和数据融合能量开销及节能增益,对数据迁移到每个传感器节点是否进行数据融合作自适应选择,从而实现在信息收集过程中提高网络的能效。仿真结果表明,能量感知的自适应数据融合路由算法的能效大幅度优于SPT、MST和SLT算法     

基于源节点成簇的定向扩散算法

在无线传感器网络中,定向扩散算法多源节点在数据传播、路径加强时存在链路冗余,会造成不必要的网络能量消耗。针对该问题,提出一种新的源节点成簇的路由算法。网络中所有源节点组成一个簇,根据节点向心度推选簇头,sink节点仅与簇头进行通信,避免网络中过多的链路冗余。理论分析和仿真实验表明,该算法的能量损耗低于定向扩散路由算法,改进效率与网络规模及网络运行时间相关。     

基于最优连通功率控制的WSNs跨层路由优化算法

针对非连通区域节点空洞效应和热点区域节点间通信干扰导致的路由服务质量（QoS）下降问题,提出了一种基于最优连通功率控制的无线传感器网络（WSNs）跨层路由优化算法。算法采用自适应最优连通功率控制策略,在避免路由空洞产生和保证网络连通性条件下,降低热点区域节点数据转发竞争干扰;通过位置信息、剩余能量和干扰等级的跨层信息交互,动态选取最优转发节点,提高网络整体性能。仿真实验表明：算法能够提高路由（QoS）、优化网络生命周期和降低热点区域通信干扰。     

Rapidio网络QoS多目标优化

针对现有Rapidio网络路由管理策略的缺点,提出了一种基于改进的遗传算法的优化策略。通过改进的路由分配策略以及对传统遗传算法编码、交叉和变异等方面的改进,明显提高了Rapidio网络服务质量（QoS）诸项指标;同时相对于传统遗传算法,改进的遗传算法拥有更快的收敛速度。该算法适用于基于Rapidio网络的嵌入式应用,具有较强的工程实用价值。     

WSN中基于树型标号系统的分布式路由算法

针对无线传感器网络中数据中心存储的路由问题,提出一种基于树型标号系统的分布式路由算法。将网络中的节点组织成以参考节点为根的树型结构,通过比较目的节点标号与邻居节点标号,选择转发节点,实现数据路由。分析与仿真结果表明,该路由算法的空间开销较低、路由效率较高,并且生成的路径接近最短路径。     

基于QEA优化的WSNs簇间路由策略

无线传感器网络(WSNs)路由协议中采用多跳通信方式在一定程度上解决了单跳方式下簇头节点过早失能的问题,增强了网络通信的稳定性,提高网络能量的利用效率。但多跳方式使距离基站较近的簇头节点由于承担了大量数据转发任务,从而造成其过早死亡,出现网络空洞,缩短了生存周期。针对以上问题,提出基于量子进化算法(QEA)优化的分簇路由策略,通过QEA的多样性、快速收敛性、全局搜索能力强等特点,进行簇间路由的优化,从而有效均衡了簇头节点间的能耗。仿真结果表明:与经典LEACH协议和EEUC协议相比,基于QEA优化的簇间路由策略可以有效均衡簇头节点间能耗,延长网络生存周期。     

一种能量有效的WSN分簇路由算法

针对无线传感器网络(WSN)中的热区问题,提出一种能量有效的WSN分簇路由算法EERA。以基站为圆心将整个感知区域划分为大小不等的圆环,依据节点剩余能量和相对位置选择簇首。簇间采用多跳路由传输数据,路由构建时考虑节点接收和发送数据能耗,将发送距离限制在阈值之内且尽量减少中转次数,簇首节点在稳定传输阶段动态改变转发路径。仿真结果表明,EERA能有效降低网络能耗,均衡网络节点的能耗,延长网络生命周期。     

一种基于网格和移动代理的无线传感器网络数据融合算法

能源有效性是无线传感器网络(WSN)路由算法设计要考虑的首要问题,数据融合可以通过合并冗余数据而有效地节约能耗.提出一种将网格和移动代理相结合的WSN数据融合算法,基于移动代理对Sink节点发出兴趣代理报文和目标节点发出数据代理报文进行转发.将移动代理路由归结为一个优化问题,通过把WSN均匀分割为多个大小适当的二维网格,形成自适应遗传算法(AGA)的初始群体,采用AGA求出移动代理的最优路由节点序列.仿真结果表明,随着网络规模增大,和局部最近邻优先算法(LCF)相比,该算法有更小的网络能耗和延时.     

一种智能多路径路由及子流分配协同算法

传统单一路径的传输机制难以满足当前以智慧城市为代表的新一代应用对时延、丢包率等网络性能的要求,而现有多路径传输机制在路由算法及子流分配等方面不能根据网络实时状态调整且互相缺乏协同。引入强化学习理论并结合软件定义网络,提出多路径路由及子流分配协同算法。基于Q-learning设计多路径路由算法,并从策略协同角度对其进行改进,实现路由与子流分配的相互协同。在此基础上,通过Q-value的回环消除方法保证路由准确性并提高算法收敛速度。实验结果表明,该算法在网络负载动态变化过程中能实时调整最佳的多路径路由及子流分配协同策略,提高了传输成功率。     

基于MSR局部多径的QoS路由算法

无线多媒体传感网络（WMSN）QoS路由研究的普遍思路是通过增加网络控制负载以保障服务质量（QoS）。针对该思路中网络效率低的缺陷,提出一种应用于Mesh结构WMSN中的,基于局部多径策略的QoS路由算法（PQMSR）。该算法在保障QoS的前提下,参考多径源路由（Multipath Source Routing,MSR）算法,通过局部多径策略和携带QoS信息的IP包头来降低网络控制负载。NS-3网络模拟实验结果表明,该算法能够在保证较高传输成功率的同时,降低网络负载和网络延时。     

基于深度强化学习的电力物资配送多目标路径优化

针对现有电力物资车辆路径问题（EVRP）优化时考虑目标函数较为单一、约束不够全面,并且传统求解算法效率不高的问题,提出一种基于深度强化学习（DRL）的电力物资配送多目标路径优化模型和求解算法。首先,充分考虑了电力物资配送区域的加油站分布情况、物资运输车辆的油耗等约束,建立了以电力物资配送路径总长度最短、成本最低、物资需求点满意度最高为目标的多目标电力物资配送模型;其次,设计了一种基于DRL的电力物资配送路径优化算法DRL-EVRP求解所提模型。DRL-EVRP使用改进的指针网络（Ptr-Net）和Q-学习（Q-learning）算法结合的深度Q-网络（DQN）来将累积增量路径长度的负值与满意度之和作为奖励函数。所提算法在进行训练学习后,可直接用于电力物资配送路径规划。仿真实验结果表明,DRL-EVRP求解得到的电力物资配送路径总长度相较于扩展C-W(ECW)节约算法、模拟退火（SA）算法更短,且运算时间在可接受范围内,因此所提算法能更加高效、快速地进行电力物资配送路径优化。     

融合黄金正弦算法和纵横交叉策略的秃鹰搜索算法

针对传统秃鹰搜索算法（BES）存在容易陷入局部最优、收敛速度慢等缺点,提出一种融合黄金正弦算法（Gold-SA）和纵横交叉策略的秃鹰搜索算法（GSCBES）。首先,在传统BES的搜索阶段设置基于惯性权重的位置更新公式;然后,在捕食猎物阶段引入Gold-SA;最后,引入纵横交叉策略对全局最优和种群进行修正。对11个Benchmark函数和CEC2014函数进行仿真实验并使用Wilcoxon秩和检验的方式评估所提算法的寻优能力,结果表明,所提算法收敛更快;同时,使用所提算法对反向传播（BP）神经网络模型的权值和阈值进行赋值,并将优化的BP神经网络模型用于空气质量的预测中,平均绝对误差（MAE）、均方根误差（RMSE）、均方误差（MSE）、平均绝对百分比误差（MAPE）值均小于BP神经网络模型以及基于粒子群优化（PSO）的BP神经网络模型,预测精确度有所提高。