无线传感器网络中基于无标度特性的拓扑控制算法

针对无线传感器网络中的无标度特性中的抗毁和容错能力差问题进行了研究,提出了一种改进的无标度网络拓扑控制算法(BA Evolution Model,BAEM).通过分析幂率指数对网络容错和拓扑抗毁性的影响,得出在兼顾拓扑容错性的同时最大化网络抗毁性的最优网络拓扑.仿真实验结果表明:改进后的容错拓扑可以保持无标度网络模型对随机故障较强的鲁棒性,同时可以改善无标度网络对蓄意攻击的脆弱性,并延长了网络生命周期.     

基于随机行走的无线传感器网络簇间拓扑演化

无线传感器网络中的容错机制可防止节点出现因能量的耗尽而失效或链路因网络的入侵而失灵的现象.目前无线传感器网络中的一些容错机制被相继提出,这些方法的主要思想是采用冗余策略.文中借助于复杂网络理论,提出了一个基于随机行走的无线传感器网络簇间拓扑演化模型.拓扑生长的动态特性分析表明:由该模型演化成的网络拓扑具有无标度(scale-free)网络的性质.许多研究工作已经表明,容错能力不仅仅存在于有冗余的系统中,而且同样也存在于无标度网络中.     

无线传感器网络簇级拓扑演化模型研究

复杂网络理论研究表明,复杂系统的容错能力不仅仅存在于具有冗余组件的系统之中;而且也同样存在于具有无标度(scale-free)特征的网络之中;文章借助于复杂网络理论和偏好依附机制提出一种无线传感器网络簇级拓扑演化模型;拓扑动态分析表明,该模型能够很好地体现无线传感器簇间的拓扑生长过程,由该模型演化成的无线网络拓扑具有无标度网络的性质,所以该拓扑模型具有很强的容错性。     

移动传感器网络基于安全连接的节点位置优化

传感器节点的合理分布并保障节点间安全通信是无线传感器网络设计中的关键问题.传统的节点分布优化算法仅以提高网络有效覆盖率为目标,极易导致网络安全连接度的降低.针对该问题,从理论上对传感器网络拓扑模型进行了建模分析.结合具有快速多目标优化能力的精锐非支配遗传算法,提出一种基于安全连接的节点位置优化算法,从而保证网络实现目标跟踪和安全通信的质量效果.分析了随机部署模型与基于预知分配坐标的高斯部署模型下算法的求解性能,仿真结果表明,所提出的算法能够快速收敛于网络覆盖率和安全连通度两者的折衷点,满足无线传感器网络的实际需求.     

无线传感器网络汇聚节点自组织选举协议

无线传感器网络是由能够感知环境信息和能够进行无线通信的传感器节点构成的网络,广泛应用在环境监测、目标跟踪等方面.无线传感器网络中,汇聚节点(Sink)的位置选取关系到整个网络的性能和生命期,并与节点的部署情况、网络的拓扑结构紧密关联.本文对汇聚节点位置对于无线传感器网络性能和生命期的影响进行了分析之后,以全网能耗、平均-最大端到端延迟为权衡指标,设计了汇聚节点选举协议.仿真表明,运行该协议的网络能够以较小的代价,迅速地选举出具备最优权衡指标的Sink,同时网络还体现出优秀的自组织组网能力.     

一种无线传感器网络拓扑的启发式分簇控制算法

无线传感器网络的首要设计目标即延长网络生命期,而网络拓扑作为上层协议的重要平台,是实现这一目标的支撑基础,为了研究符合网络生命期目标要求的传感器网络拓扑控制方案,针对传统分簇算法的部署受限或可靠性缺乏等弊端,从理论上对分簇需求进行了建模分析,最终转化为携近似优化目标的簇划分及簇头选取问题,进而提出了一种启发式的分簇控制算法,通过实验对方案进行了性能分析和验证,结果表明该算法以较合理的簇规模进行分簇划分,所获拓扑结构具有全局能耗低、骨干网健壮性高的特点,能有效地延长WSN的生命期.     

无线传感器网络最大生命期通信模型研究*

提出一种新的无线传感器网络最大生命期通信模型,研究了无线传感器网络中多源多链路多基站的最大生命期问题.为均衡数据流量分布,源节点产生的数据可以通过多条链路转发到多个基站.针对无线传感器网络能量和带宽受限等多约束条件,建立以网络最大生命期为最优目标和以降低节点处的数据量为次优目标的线性规划模型,依靠现有的分布式算法解决该模型.通过仿真实验验证了通信模型在多基站环境中的性能,并表明所提出的模型能够有效地延长网络生命期.     

基于免疫克隆选择机制的WSN节点调度算法

由于无线传感器网络节点分布不均匀,监测环境复杂等特点,远离Sink的节点由于能耗较大,并且容易导致网络覆盖面积不足.提出一种启发式的利用人工免疫克隆选择机制的节点调度优化算法(AICSO),将网络生命期划分为具体数量的迭代周期并生成中心节点的覆盖位图,利用节点间冗余进行有效地拓扑控制合理调度节点,以获得网络的最优连通性和最大面积的覆盖.仿真结果表明,上述算法能够有效利用网络节点的能量满足感知覆盖和连通性要求,延长了网络生命周期,降低了网络整体能耗,为网络优化节点调试提供了依据.     

线型无线传感器网络中的节点调度算法

线型无线传感器网络是一种较为特殊的无线传感器网络类型,其传感器节点的分布区域接近线型区域。在满足监控性能的要求下,通过调度节点,让部分节点工作,其余节点休眠,可有效延长系统生命期。现有的调度算法在线型无线传感器网络下的性能不是很好,针对线型无线传感器网络的特点,提出了异步调度算法和同步调度算法。仿真实验表明,同步调度算法得到的覆盖集的大小为异步调度算法的76%左右,平均覆盖度接近理想最优情况。     

一种基于无标度局域世界演化网络模型的 无线传感器网络拓扑构建

无标度网络具有场景适应性强,且应对随机性打击效果较好等特点.为提高无线传感器网络的抗毁性能,从网络拓扑演化角度入手,构建具有无标度特性的网络拓扑.结合无线传感器网络中每个节点都有其通讯范围的特点,将无标度网络引入到无线传感器网络,且在择优演化过程中,各节点度不得超过设定值,构建基于无标度局域世界演化网络模型的无线传感器网络拓扑,并对模型进行仿真.从结果可明显看出,优化的模型中连边较短,即优化的模型平均最短路径降低,可有效减少数据收发过程中能量的消耗,延长网络生存周期,提高网络抗毁性.     

一种能量高效的无线传感器网络拓扑控制算法

通过对现有拓扑控制算法的研究,针对无线传感器网络中节点能耗分布不均匀的问题,提出了一种能量高效的拓扑控制算法(EETCA)。该算法以均衡全局能耗为目标,综合考虑了节点的剩余能量、簇的规模、数据最优传输跳数等因素,避免了部分节点能量消耗过快,从而有效地均衡网络负载。仿真结果表明:EETCA在能耗均衡方面均优于原来的算法,延长了无线传感器网络的生命周期。     

Hyperbolic trees for efficient routing computation

Complex system theory is increasingly applied to develop control protocols for distributed computational and networking resources. The paper deals with the important subproblem of finding complex connected structures having excellent navigability properties using limited computational resources. Recently, the two-dimensional hyperbolic space turned out to be an efficient geometry for generative models of complex networks. The networks generated using the hyperbolic metric space share their basic structural properties (like small diameter or scale-free degree distribution) with several real networks. In the paper, a new model is proposed for generating navigation trees for complex networks embedded in the two-dimensional hyperbolic plane. The generative model is not based on known hyperbolic network models: the trees are not inferred from the existing links of any network; they are generated from scratch instead and based purely on the hyperbolic coordinates of nodes. We show that these hyperbolic trees have scale-free degree distributions and are present to a large extent both in synthetic hyperbolic complex networks and real ones (Internet autonomous system topology, US flight network) embedded in the hyperbolic plane. As the main result, we show that routing on the generated hyperbolic trees is optimal in terms of total memory usage of forwarding tables.

     

WSN中层次型拓扑控制与网络资源配置联合设计方法

综合考虑异构无线传感器网络中节点速率分配、簇的划分规则和链路层网络频带资源占用情况, 提出一种基于拓扑控制与资源优化分配的层次型路由算法. 在网络层, 该算法根据成员节点和簇首节点的速率分配机制建立节点流量平衡模型. 在链路层, 分析无线传感器网络频谱共享行为, 研究邻近用户间访问冲突的规避抑制模型, 重构网络频带资源. 通过引入带宽比例因子将可用频带划分成若干子带, 提高网络频带资源的利用效率. 本文基于跨层联合设计思路, 建立一个混合整数非线性规划问题,对异构无线传感器网络中拓扑控制和网络资源分配问题联合设计, 得到最优的分簇结果和资源分配方案. 最后, 在设定网络拓扑中评估性能, 仿真结果证实该算法在网络频带资源充分利用的同时, 可实现最优的簇首匹配和路由建立结果.     

基于自适应鲸鱼优化算法和容错邻域粗糙集的特征选择算法

针对传统鲸鱼优化算法(WOA)不能有效处理连续型数据、邻域粗糙集对噪声数据的容错性较差等问题,文中提出基于自适应WOA和容错邻域粗糙集的特征选择算法.首先,为了避免WOA过早陷入局部最优,基于迭代周期构建分段式动态惯性权重,改进WOA的收缩包围和螺旋捕食行为,设计自适应WOA.然后,为了解决邻域粗糙集对噪声数据缺乏容错性的问题,引入邻域内相同决策特征所占的比例,定义容错邻域上下近似集、容错近似精度和近似粗糙度、容错依赖度及容错近似条件熵.最后,基于容错邻域粗糙集构造适应度函数,使用自适应WOA,不断迭代以获取最优子群.高维数据集上采用费雪评分算法进行初步降维,降低算法的时间复杂度.在8个低维UCI数据集和6个高维基因数据集上的实验表明,文中算法可有效选择特征个数较少且分类精度较高的特征子集.     

静态与动态SF拓扑邻域对PSO改进算法的分析

本文探讨以静态无标度网为拓扑邻域的PSO,分析在不同的网络平均度条件下PSO的寻优效果.结果表明在平均度较大的范围内,粒子寻优基于静态无标度网络表现效果较好.提出以无标度网络为粒子群的初始邻域,在寻优过程中网络呈有向动态变化的PSO改进算法,并以三个测试函数为例,分析了算法的有效性.本文还分析了基于有向动态网络的改进算法在不同网络拓扑即平均度条件下粒子群的寻优效果.结果表明粒子寻优效果受网络的平均度尤其是出度的影响,然而度值越大或者越小并不一定使寻优效果越好,如对于Rosenbrock函数保持较小的平均度会使粒群寻优效果更好,而对Rastrigrin函数的测试显示平均度对粒群寻优结果的影响差别不大.     

Scale-free fully informed particle swarm optimization algorithm

This paper proposes a novel PSO algorithm, referred to as SFIPSO (Scale-free fully informed particle swarm optimization). In the proposed algorithm a modified Barabási-Albert (BA) model [4] is used as a self-organizing construction mechanism, in order to adaptively generate the population topology exhibiting scale-free property. The swarm population is divided into two subpopulations: the active particles and the inactive particles. The former fly around the solution space to find the global optima; whereas the latter are iteratively activated by the active particles via attaching to them, according to their own degrees, fitness values, and spatial positions. Therefore, the topology will be gradually generated as the construction process and the optimization process progress synchronously. Moreover, the cognitive effect and the social effect on the variance of a particle’s velocity vector are distributed by its “contextual fitness” value, and the social effect is further distributed via a time-varying weighted fully informed mechanism that originated from [27]. It is proved by the results of comparative experiments carried out on eight benchmark test functions that the scale-free population topology construction mechanism and the weighted fully informed learning strategy can provide the swarm population with stronger diversity during the convergent process. As a result, SFIPSO obtained success rate of 100% on all of the eight test functions. Furthermore, SFIPSO also yielded good-quality solutions, especially on multimodal test functions. We further test the network properties of the generated population topology. The results prove that (1) the degree distribution of the topology follows power-law, therefore exhibits scale-free property, and (2) the topology exhibits “disassortative mixing” property, which can be interpreted as an important condition for the reinforcement of population diversity.     

自组网中基于自适应波束天线的拓扑控制算法

定向天线自组网拓扑的构建问题比全向天线网络复杂.基于自适应波束定向天线模型提出一种分布式拓扑控制算法,通过调整节点发射功率,改变天线波束的朝向、宽度和增益来构建拓扑.网络中每个节点收集其邻居节点信息,采用功率控制调度策略选择最优相邻节点,并选取覆盖所有最优相邻节点的最小发射功率为此节点的发射功率.算法在保证网络连通性与无向性的同时,降低了节点的发射功率,减小了节点的平均度数,从而降低节点能耗,减少了节点间干扰,提高了网络吞吐量.仿真结果表明,算法显著提高了网络性能.     

Energy-aware self-organisation algorithms with heterogeneous connectivity in wireless sensor networks

Heterogeneity of node energy is a common phenomenon in wireless sensor networks. In such node energy heterogeneous sensor network, how to balance the energy consumption is the key problem on extending the lifetime of the sensor network system. An energy-efficient self-organisation algorithm with heterogeneous connectivity based on energy-awareness is proposed. Each sensor node in the network adjusts its own transmission radius based on the local energy information during the constructing and operating phase. Thus heterogeneous network topology, in which the nodes can choose different transmission radius, is formed. In contrast to the homogeneous network model, in which the node carries the same radius, simulation and analysis are conducted to explore the topology characteristics and robustness with different node energy distribution. The degree distribution shows the scale-free property in the heterogeneous model. The proposed network model enjoys higher efficiency of transmitting data, less clustering, higher robustness under node random failures and longer network lifetime than those in the homogeneous ones.