基于人工智能算法的能量高效分簇路由协议

提出一种基于人工智能算法的能量高效分簇路由协议,应对无线传感器网络节点中能耗不均衡的问题。在成簇阶段,利用萤火虫优化算法优化模糊C均值聚类,借助改进的模糊C均值聚类算法解决网络分簇问题;根据节点剩余能量和地理位置动态更新簇首。簇间通信阶段,采用蚁群优化算法建立高效的簇间路由,为簇首节点构建最优多跳传输路径。簇内通信阶段引入轮询控制机制,使网络能量效率进一步得到提高。仿真结果表明,所提协议在能量效率和生存周期方面有一定提升。     

优化聚类分簇结合自适应中继策略的双簇首WSNs路由算法

针对无线传感器网络中分簇路由算法节点能量利用率低、能量消耗不均匀等问题,提出了一种优化聚类分簇结合自适应中继策略的双簇首无线传感器网络路由算法.该算法对分簇路由协议中的三个阶段分别进行优化设计.成簇阶段,首先对双簇首模型下最优成簇规模与网络能耗的关系进行理论分析,然后使用改进的算术优化算法计算模糊C均值算法的初始聚类中心,提高了模糊C均值算法聚类成簇的准确率和鲁棒性.簇首选举阶段,引入双簇首策略,以节点的位置、能量和中心度为影响因子,根据承担任务的不同分别为内外簇首设计独立的簇首评价函数,以评价值为依据由节点分布式动态选举簇首减少了广播数量,同时可以将整个簇的能量负载平均分配到每个簇成员节点中.数据传输阶段,设置了多跳中继策略的距离适用条件,并以能量消耗速率为依据选择中继节点,避免了节点提前过载.仿真结果表明：在多种规模的网络中,该算法相较于对比算法在均衡网络负载、提高能量利用效率方面效果更好,从而延长了网络的有效感测时间.     

基于能量均衡高效WSN的分簇路由算法

针对无线传感器网络(WSN)节点能耗不均衡导致网络生存时期短的问题,提出一种基于改进人工蜂群算法(CTABC)和模糊C均值(FCM)聚类的分簇路由算法(AFCR).簇构建阶段,基站采用由CTABC优化的FCM对网络节点聚类分簇;每个簇内,节点基于自身状态分布式竞选簇首;簇间路由阶段,通过引入经济学中的基尼系数对蚁群优化(ACO)进行改进,提出一种基于改进ACO的簇间路由算法;簇内通信阶段,引入区分忙闲节点的轮询控制机制.在不同的场景中对所提协议进行仿真,实验结果表明,与FIGWO和GAFCMCR算法相比,AFCR能够有效地均衡网络能耗,延长网络生存期,提高网络吞吐量.     

基于模糊C均值聚类及群体智能的WSN分层路由算法

为了提高无线传感器网络（WSN）的能量效率并延长其生命周期,提出了一种基于模糊C均值聚类（FCM）和群体智能的WSN分层路由算法（FCM-SI）。首先采用FCM聚类算法对网络进行分簇,优化普通节点与簇头（CH）间距离;然后采用三参数的人工蜂群（ABC）算法选取每个簇的最优簇头;最后采用蚁群优化（ACO）算法搜索簇头至基站（BS）的多跳路径,路径综合考虑了网络的能耗和负载均衡性能。仿真结果显示,与基于均匀分簇的改进的低功耗自适应分簇（I-LEACH）算法、基于ABC的低功耗自适应分簇（ABC-LEACH）算法和基于ACO的低功耗自适应分簇（ANT-LEACH）算法相比,FCM-SI在100 m×100 m,100个节点的初始网络条件下将网络生命周期分别提高了65.2%、49.6%和29.0%。FCM-SI能够有效地延长网络寿命,提高能量利用效率。     

粒子寻优和最小生成树聚类下的WSN能量优化

为了均衡分簇无线传感器网络节点能量负载,提高网络的能量利用效率,提出了一种粒子寻优和最小生成树聚类规则的能量优化算法（OMST）。该算法为了使得簇头的能量负载能够得到均衡,采用基于粒子寻优的方法来进行适应值求解,通过适应值对比来求得最佳簇头,以减少簇内节点的传输能耗。同时,提出一种最小生成树聚类规则的簇首数量选择方法,该方法基于剩余能量和距离因素来选择最优的簇首数量,在保证数据传输质量的同时最小化网络总能量的消耗量。仿真结果表明,相比一种新型差分进化的无线传感器网络聚类算法和多层节能及距离感知的无线传感器网络聚类算法,OMST算法的节点平均能量效率分别提高了16.7%和6.4%,网络节点存活数量分别提高了24.1%和13.7%。     

传感器网络分簇时间跨度优化聚类算法

针对无线传感器网络（WSN）簇头节点能效低、网络能量负载不均衡问题,提出一种传感器网络分簇时间跨度优化（CTSO）聚类算法。该算法首先在簇头选举方式上关注了簇内成员数量和簇头间距的约束问题,尽可能地避免各个簇之间发生覆盖重叠,优化簇内节点能量;接着对簇头的选举周期进行优化,以任务执行周期大小作为一个时间跨度并分为多个轮,通过最小化簇头选举的轮数来减少用于选择簇头而花费在广播消息上的能量,提升簇头节点的能量利用率。实验仿真结果表明,对比基于多Agent的同质态数据汇聚路由方案以及自适应数据汇聚路由策略,CTSO算法的平均能量效率分别提高了62.0%和138.4%,节点寿命则分别提高了17%和9%。CTSO算法在提升无线传感器网络簇头能效及均衡节点能量上具有较好的效果。     

能量高效的无线传感器网络路由协议

针对目前无线传感器网络分簇路由协议存在的节点能耗不均衡的问题,提出一种基于分簇思想的能量高效的多跳路由协议(EEMR)。该协议首先基于节点临近度将网络划分成簇,采用簇首自适应轮转模式优化簇内节点通信的能量消耗,以高剩余能量短路径向心角的适应度路由算法均衡簇间通信负载和能量消耗,有效避免多跳路由中出现的能量消耗不均衡问题。仿真结果表明,EEMR协议能有效均衡网络内节点的能量消耗,显著延长无线传感器网络的生命期并提高网络能量利用率。     

能量高效的WSNs分簇路由协议

针对无线传感器网络中能耗不均衡、生命周期较短的问题,提出一种能量高效的分簇路由协议(GAKMDCR).采用遗传算法优化的K-Medoids聚类方法对网络节点聚类分簇,综合考虑簇内节点的剩余能量、地理位置、担任过簇首的轮数等因素选举簇首,使簇首节点分布均匀,均衡网络能耗.在稳定阶段,将轮询控制机制引入簇内通信,提高网络吞...     

WSN中基于改进樽海鞘群算法的分簇路由协议

针对无线传感器网络能耗不均衡、网络生存期短的问题,提出了一种基于改进樽海鞘群算法的分簇路由协议;所提协议分别从分簇阶段和稳定传输阶段进行优化;分簇阶段,首先对樽海鞘群算法进行改进,引入了精英反向学习策略和动态学习机制,克服了基本樽海鞘群算法局部勘探和全局开发能力不平衡的问题;其次考虑节点的剩余能量和地理位置设计高效的适应度函数,以选出最优簇首,平衡簇间负载;稳定传输阶段,设计了基于最小生成树的簇间路由算法,为簇首构建最优传输路径,在缓解簇首负载的同时提高网络能量利用率;簇内通信阶段,引入轮询控制机制帮助节点构建传输调度,提高时隙利用率;对所提协议进行仿真实验,并与几种前沿协议进行对比;对比结果表明,所提出的基于改进樽海鞘群算法的分簇路由协议能够有效地改善网络性能,从而延长传感网对于目标区域的监测时间,并提高基站接受到的数据包总量。     

一种基于遗传聚类的无线传感器网络分簇算法

针对无线传感器网络(WSNs)存在负载能量不平衡的问题,为实现传感器网络能耗均衡、最大化延长网络周期,提出一种基于遗传模糊聚类算法的WSNs分簇算法。在该算法中,用遗传算法(GA)优化模糊聚类算法,改进模糊聚类算法对初始值敏感的问题,形成节点位置的最优分簇。仿真结果表明:无论传感器节点如何分布,与FCM相比,该算法每次都收敛到最优目标函数值,每次分簇结果都相同,其分簇效果要优于FCM。     

无线传感器网络中一种节点负载均衡的分簇算法

无线传感器网络节点的能量有限,而分簇算法能有效解决节点能耗受限与不同节点能量开销不平衡问题。在网络路由分簇的基础上,提出了一种节点负载均衡的分簇算法。该算法对经典的分簇协议LEACH的簇头选择机制进行了改进,应用量子粒子群对簇头选取进行优化。为解决算法后期易陷入局部极小的问题,采用了基于群体适应值方差的早熟判断机制,结合模拟退火算法进行局部优化。仿真结果表明:该算法使网络节点负载更均衡,有效提高了无线传感器网络的性能。     

基于AGNES聚类的能耗均衡WSNs优化路由算法

无线传感器网络的生命周期与节点的能耗直接相关。为解决能量消耗分布不均,影响网络寿命的问题,提出一种基于AGNES聚类的能耗均衡WSNs优化路由算法(EBRAA)。通过AGNES聚类算法获得网络均匀分簇,根据簇内节点的剩余能量和节点与基站距离及两者权重因子,完成分布式簇头选举,采用改进后的Dijkstra算法产生簇头间最短路径的多跳路由。仿真结果表明,与LEACH和KBECRA算法相比,EBRAA算法的簇分布更加合理,能耗更加均衡,延长了网络生命周期。     

基于混沌优化萤火虫算法的WSN分簇算法

针对无线传感器网络(wireless sensor networks,WSN)寿命严重受能量制约的问题,本文在LEACH协议的分簇思想上提出一种基于混沌优化萤火虫算法的WSN分簇算法(WSN Clustering Algorithm Based on Chaos Optimized Firefly Algorithm,CACOFA).该算法采用群智能算法中的萤火虫算法对节点进行聚类,引入混沌理论优化算法的收敛速度和解的精确度,通过优化聚类中心的分布来均衡网络节点的负载;在聚类的每个簇内选取双簇首,主簇首负责数据收集与融合,副簇首负责数据传输;在数据传输阶段采用Bellman-Ford算法确定多跳路径.仿真结果表明:与其他相关算法相比,使用CACOFA算法的网络出现第一个死亡节点的轮数比LEACH、EEUC、GAFCMRA分别提高了127％、99％、39％,有效的均衡了节点能耗,延长了网络的生存周期.     

基于遗传算法和模糊C均值聚类的WSN分簇路由算法

针对无线传感器网络（WSN）的节点能量有限、生命周期短、吞吐量低等问题，提出一种基于遗传算法（GA）和模糊C均值（FCM）聚类的WSN分簇路由算法GAFCMCR，采取"集中分簇，分布簇头选举"的方式。网络初始化时基站采用由GA优化的FCM聚类算法形成网络分簇。第一轮簇头由距簇中心最近的节点担任；从第二轮开始，簇头的选举由上一轮的簇头负责，选举过程综合考虑候选节点的剩余能量、与基站的距离、与簇内其他节点的平均距离三个因子，并根据网络状态实时调整三个因子的权重。在数据传输阶段，将轮询机制引入簇内通信。仿真结果表明，相同网络环境下，与LEACH算法和基于K-Means的均匀分簇路由（KUCR）算法相比，GAFCMCR将网络生命周期延长了105%和20%。GAFCMCR成簇效果良好，具有良好的能量均衡性和更高的吞吐量。     

基于负载均衡的多跳路由分簇算法

提出了改进的算法——基于负载均衡的多跳路由分簇算法.在算法中,考虑簇头节点由于要消耗较多能量,所以选择剩余能量最多的节点来担当簇头,这样可以实现负载均衡.改进后的算法与原有的LEACH算法比较,不仅提高了网络生存周期,而且也提高了能量利用率及较好达到了负载均衡的目的.     

能量高效的无线传感器网络分簇路由协议

针对无线传感网中存在的节点能量受限,网络循环利用周期短,吞吐量少等问题,提出了一种能量高效的无线传感器网络分簇算法--KAF(K-means and FAH).算法初始阶段基于改进的K均值(K-means)聚类获得网络分簇;利用模糊层次综合评价(FAHP)方法,根据节点能量、距基站的距离、节点能量效率等因素优化簇首选择;在数据传输阶段,根据传输距离、能量、跳数等因素构建节点多跳路由方式,有效减少了节点在数据传输时的能量消耗.仿真实验表明:相比于LEACH-K,KPSO等其他分簇路由协议,KAF对减少节点能耗,延长网络生命周期,增加网络吞吐量等方面均有明显改进.     

WSN中基于多因素的能量优化分簇路由算法

无线传感器网络中的节点存在电源能量有限的问题,极大地影响了网络节点使用寿命。为此,提出一种基于多因素的能量优化分簇路由算法。通过模糊规则算法并结合节点的相对剩余能量、相对中心度、相对密度选出最优簇首,引入泰尔指数用于改进蚁群算法的概率函数。在此基础上,综合考虑节点能耗与通信链路质量建立线性规划模型。仿真结果表明,与CFEL、LEACH等算法相比,该算法能够延长网络生命周期,降低网络能量消耗,提高网络负载均衡能力。     

WSN中基于灰狼和差分进化的簇首选择算法

为更好均衡无线传感器网络(WSN)的网络能耗、延长网络的生命周期，提出一种基于灰狼优化和差分进化的簇首选择算法。将差分进化算法混合到灰狼优化算法中，调整混合算法中的收敛因子与缩放因子，避免灰狼优化算法易陷入停滞状态的缺点；使用节点剩余能量及节点与基站的距离设计适应度函数，保证簇首的全局最优，使网络中节点的能量消耗更均衡。仿真结果表明，与LEACH协议、LEACH-E协议以及FIGWO协议相比，所提簇首选择算法能够更有效地均衡网络的能耗，延长网络的生存时间。     

改进无线传感器网络路由算法的仿真研究

研究无线传感器路由高层设计的优化问题,由于无线传感器的节点能量有限,传统无线传感器路由算法存在簇首机制不合理、节点能耗不均衡、整个网络生命周期短等问题.为了延长整个网络生命周期,提出一种改进的无线传感器路由算法.算法首先将网络监测区域划分为若干个子区域,并采用静态分簇方式建立簇首,保证簇首选举的合理性,然后采用单跳和多跳相结合的混合通信方式,使网络负载更加均衡,防止节点能量过早耗完,最后利用NS2仿真工具对算法进行测试实验.实验结果表明,改进无线传感器路由算法使簇首选择更加合理,减少了能量消耗,网络负载更加均衡,有效延长了整个网络的生命周期.     

无人机集群网络分簇优化算法

为解决无人机集群网络结构不稳定以及网络生命周期短的问题,提出一种基于改进灰狼算法的分簇优化方法。根据无人机节点的相对移动性和节点间的相对距离,对无人机网络中所有节点分簇,综合考虑簇内节点的剩余能量、最高节点度、通信情况、任务种类4个影响因素,基于灰狼优化算法选举最佳簇首。仿真结果表明,该分簇算法提升了分簇平衡度、统治集更新次数、节点生存个数等多个性能指标,稳定了网络结构,延长了网络生命周期。