基于混沌粒子群优化的无线传感器网络分簇协议

为了降低无线传感器网络节点的能耗,延长网络的存活周期,提出了一种基于混沌粒子群优化的分簇协议.该协议改进了经典LEACH协议的簇头选择机制,考虑到了节点剩余能量、与汇聚节点的距离以及簇范围等因素,通过混沌粒子群算法对簇头选举进行优化.确定簇头后,其它节点通过比较簇头当选信息的信号强度与设定强度阀值的大小来决定是否成为簇...     

WSN中基于非线性自适应PSO的分簇策略

如何更大程度地延长网络的生命周期是设计无线传感器网络路由协议时需要考虑的重要因素。针对此问题,提出一种新型的基于改进粒子群优化的分簇算法。该算法调整了传统粒子群优化算法的惯性权重系数,能够避免其过早陷入局部最优;同时考虑到能量均衡和传输路径,将转发节点与簇头协作,以减轻簇头的能耗。仿真对比实验表明,改进算法在合理分配节点和平衡簇结构系统方面具有良好的性能。     

基于改进CPSO算法的无线传感器网络路由协议

为了降低节点能量消耗,延长网络生存周期,提出一种基于混沌粒子群算法（Chaotic Particle Swarm Optimization,CPSO）的无线传感器网路由协议。该协议改进了LEACH（Low Energy Adaptive Clustering Hierarchy）协议的簇头选择机制,考虑节点剩余能量、簇头到基站（Based Station）的距离等因素,通过混沌粒子群算法对簇头选举进行优化。簇头选举后,通过多跳算法对簇头到基站的通信方式进行优化。仿真结果表明,与传统的LEACH协议比较,新协议能减少能量消耗,延长网络寿命。     

基于PSO的无线传感器网络双簇头分簇算法

利用粒子群优化算法对无线传感器网络分簇算法进行优化,考虑簇内节点和簇头节点两者的位置及能量信息优化选择主簇头和副簇头。主簇头用以收集簇内节点的信息并进行数据融合,并将融合后的数据发送给副簇头。副簇头负责与基站进行通信。该算法可以均衡簇内的能耗,达到延长网络生命周期的效果。仿真实验结果表明,与LEACH算法相比,该算法可使网络生命周期延长50%。     

模糊边缘检测无线传感器网络分簇算法

针对传统分簇算法簇头选举仅单一考虑节点位置或能量分布的问题,提出了一种基于模糊边缘检测的无线传感网络分簇算法,该算法综合考虑拓扑边缘信息和节点能量分布,根据网络能量分布情况调整带宽内边缘节点参与簇头选举的概率.仿真结果表明,该算法簇头选举相对于LEACH算法分布更加合理,有效延长网络生命周期.     

基于量子PSO传感网络分簇算法仿真研究

研究无线传感器分簇节点优化问题,针对无线传感器网络分簇算法由于簇头的不均匀分布带来的能耗利用不均衡以及簇头的瓶颈,导致能量过早消耗,网络寿命周期缩短.为了延长无线传感网络生命周期,提高能量利用效率,提出了一种粒子群(PSO)算法优化的无线传感器网络分簇算法.采用量子粒子群算法分簇策略使簇间能量优化平衡,使整个网络分成若干个虚拟网格,每个虚拟网格形成一个簇,采用唯一簇头选举法产生簇头,且簇内成员可以根据局部的信息调整簇的大小.仿真结果表明,提出的分簇算法很好的使网络的能耗达到了均衡,节约了簇头节点的能量,从而延长网络的寿命,为优化网络通信提供了依据.     

基于自适应粒子群优化的WSN分簇路由协议研究

为了克服基本粒子群算法（ BPSO）的早熟问题,提出了一种自适应惯性权重、异变学习因子的粒子群算法（ AWSP-SO）,通过在惯性权重以及学习因子中引入粒子的局部及全局极值,平衡了粒子群算法的搜索及收敛能力。同时,将该算法应用到无线传感器网络（ WSN）路由Leach协议的簇首选择问题中,利用AWSPSO算法对簇首的选择进行优化,以此均衡网络的能量消耗、延长网络生命周期。仿真结果表明,与基本Leach协议相比经过AWSPSO算法优化后的Leach协议在均匀分簇、均衡网络能量消耗以及延长网络生命周期等方面有显著改善。     

基于能量迭代的无线传感器网络非均匀分簇路由算法

能量空洞是影响无线传感器网络性能的关键问题之一,据此提出了一种基于能量迭代的非均匀分簇路由算法。该算法首先在簇头选举时通过减少迭代次数,降低能量消耗,同时综合考虑节点能耗速度、节点到汇聚节点的距离等因素,选出最优簇头;其次,考虑到节点到汇聚节点距离和节点密度对网络生命周期的影响,提出了非均匀分簇算法,实现网络能耗均衡的目的。仿真实验表明,当最大簇半径为50m ,选举因素所占权重为0.4 ,簇半径调节系数为0.7时,本算法达到最优,与LEACH-E和LEACH相比,网络生命周期分别延长125%和136%,同时有效避免了能量空洞现象的产生。     

负载均衡感知的无线传感器网络容错分簇算法

好的分簇算法能够有效减少网络能耗和提高网络可靠性,但是簇间负载的不均衡性和通信的不可靠性会严重影响分簇算法的性能.针对这个问题,该文首先提出了一个负载均衡感知的无线传感器网络容错分簇算法.该方法引入了遗传算法的随机两点交叉算子和随机单点变异算子,从而设计了一种以种群粒子优劣为依据的自适应惯性权重调整策略,并提出了一种自适应的离散粒子群优化算法.算法设计同时考虑负载均衡和能量消耗两个优化目标,给出一种基于自适应离散粒子群优化的簇首选举机制;其次,为了保证网络上数据传输的可靠性,以最小生成树为基础,提出了一种用于保证簇首二连通性的簇间连通算法,通过消除网络中的割点,以保证网络的二连通性.仿真实验结果表明,该文提出算法在负载均衡和二连通性上有较好的性能,能有效减少了网络能耗,延长网络生命周期,并提高网络可靠性.     

无线传感器网络分簇算法的仿真研究

针对无线传感器网络分簇中节点负载不均衡的间题,提出了一种基于免疫记忆粒子群优化算法的分簇算法.算法对能力异构环境下的无线传感器网络的适应性和扩展性较好,且节能高效,实现简单.该算法在每轮运算过程中,利用节点负载能力预评估因子和节点能量预评估因子对无线传感器网络进行区域分割,获得能量均衡及负载能力均衡的分区,并在分区中通过免疫记忆粒子群算法选取簇头,使簇头具有高能量、负载能力强的优点.仿真结果表明,算法不仅在能量有效性、负载均衡性方面有良好的效果,而且延长网络生命周期和缩短建簇时间.因此,该算法在解决无线传感器网络节点不均衡问题上具有一定的实用性.     

无线传感器网络区域内心距离的固定分簇算法

分布式分簇算法(LEACH)中每轮的簇头数量不稳定以及位置分布不均匀,针对此问题,为了延长无线传感网络的稳定周期,优化簇头选举机制,以及均衡网络的能量消耗,提出了一种改进的固定分簇算法;该算法采用固定分簇技术,以汇聚节点为中心将网络划分为等大小的区域;在簇头选举阶段,引入代价函数,综合考虑固定分簇内各节点剩余能量、区域的内心距离、位置布局等因素,优化簇头的数量和布局;通过Matlab仿真实验表明,改进后的算法与原算法对比,均衡了网络能量消耗,每轮中簇头数量稳定且分布较均匀,有效延长了网络的稳定周期、半衰周期和生命周期。     

一种基于模糊逻辑的簇头均匀分布算法

分簇路由协议使用分簇算法来提高网络的生命周期,簇头选择是分簇算法中一个关键环节。针对簇头选择这一过程,本文采用一种基于模糊逻辑的2轮簇头选择算法,模糊逻辑包括2个模糊描述：节点的剩余能量和节点到基站的距离。首轮基于模糊逻辑的簇头选择算法不考虑簇头之间的距离,选择结果可能出现簇头之间距离较近,分布不均匀的情况,因此,通过簇头的次轮选择,对于距离太近的簇头节点所在的簇,计算这些簇内的节点之间的链路消耗,将链路消耗最小的节点作为新簇头,使簇头分布均匀。仿真结果表明,在网络的存活节点数量和剩余能量方面,本算法优于LEACH协议和基于模糊逻辑的一轮簇头选择算法。     

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。     

一种基于节点位置和密度的非均匀分簇路由算法

分析了现有分簇路由算法,提出了基于节点位置和密度的非均匀分簇路由算法。簇头选举阶段,考虑了节点的剩余能量,并引入竞争机制进行簇头选择;成簇阶段,综合考虑节点与基站的距离、节点密度以进行非均匀分簇,达到节点能耗均衡的效果,同时解决路由热区问题;簇间路由阶段,通过设立通信簇头节点,使簇间数据转发任务从簇头中分离,簇头节点只负责簇内的数据收集和融合,而通信簇头节点负责簇间数据传输,减少了簇头的能量消耗。实验结果表明,改进后的路由算法能够有效地均衡网络负载,并显著地延长网络的生命周期。     

基于量子遗传算法的无线传感器网络路由研究

通过分析无线传感器网络(WSN)分簇路由算法中簇首节点分布,能量消耗,数据传输等问题,提出了一种基于熵权法量子遗传算法的路由算法,该算法在簇首的选举过程中采用熵权法动态的确定节点剩余能量、节点间的通信距离、节点度数和节点与基站的距离这四个因素的权值系数,在簇首选举结束后,利用量子遗传算法寻找出一条遍历所有簇首与基站的路由,通过最佳路由将所采集的数据传输给最终的基站节点。该算法实现了合理的簇首选举,并在簇首间采用最佳路由的方式向基站传输数据的功能。仿真结果分析表明,该算法在网络生存周期、能耗均衡方面均优于LEACH、CECA-GA算法,达到了延长了网络生存周期,均衡能耗的目的。     

受限节点的WSNs非均匀分簇算法应用研究

针对常规分簇路由算法不能有效解决节点位置、能量、频段受限的固态发酵温度检测无线传感器网络(WSNs)中节点过早死亡和能耗不均衡的问题,提出了一种基于粒子群优化(PSO)算法的非均匀分簇路由协议。首先,根据网络规模选择固定数目的簇首节点,然后,引入PSO算法和非均匀分簇机制,以簇首节点覆盖范围和簇内节点与簇首之间平均欧氏距离作为评价函数的影响因子,选取一组最优簇首。仿真实验结果表明:所提算法有效改善了受限节点无线测温网络"热区"效应,均衡了节点能耗,显著延长了网络生存周期。     

一种通过剩余能量过滤进行簇头选举的低能耗无线路由算法

基于LEACH协议提出一种改进的无线传感器网络的自组织路由算法。该算法在原LEACH协议的簇头产生环节做了较大改进,在簇头产生过程中,将当前节点剩余能量与全无线传感器网络节点平均剩余能量进行比较,防止剩余能量小于全网平均剩余能量的节点当选簇头,进一步优化了全网络节点能量消耗的均衡性,有效推迟了节点的死亡时间。通过在簇头选举阶段使用有目的性的筛选取代LEACH的随机选取,实现降低无线传感器网络能耗、延长网络生命周期的目的。通过MATLAB仿真软件进行试验测试,结果表明,改进的算法可以提高无线网络的生命周期,均衡无线网络能量消耗,增加网络吞吐量,有效延迟无线网络节点的死亡时间。     

Study on the algorithm for smart community sensor network routing with adaptive optimization via cluster head election

To reduce the uneven energy consumption for the data transmission and extend network life of intelligent community sensor network, an adaptive routing optimized algorithm for intelligent community sensor networks with cluster head election is proposed. In this algorithm, a three-dimensional clustering method adapted to the structure of intelligent community sensor network is proposed. The three-dimensional clustering method uses the cluster head election mechanism based on minimizing the total transmission loss to optimize the energy of the intelligent community sensor network. Second, an adaptive ant colony propagation method is proposed to solve the problem of intercluster data propagation after clustering. With the best path finding algorithm of ant colony algorithm, energy balance routing with lower energy loss and lower packet error rate is proposed. Finally, the simulation results show that the algorithm has better performance in reducing energy consumption and delay, improving transmission efficiency and node survival time.     

异构WSN中基于改进哈里斯鹰的分簇算法

针对无线传感器网络中传统的低功耗自适应集簇分层型协议存在的节点能耗过高、网络生存周期短以及负载不均衡等问题, 本文提出了一种异构传感网络下的多目标簇头选举和基于模拟退火的哈里斯鹰路由优化算法(LEACH-MHO). 这种改进算法首先在计算节点最优阈值的基础上, 构建新的考量能耗和负载的适应度函数, 找到最优簇首节点, 保证簇首节点的均匀分布; 再建立基于哈里斯鹰优化器的路径选择策略, 同时嵌入模拟退火算法, 防止过早陷入局部最优; 最后使用评估函数筛选出可加入到最佳路径的簇头, 缩短簇头节点到基站的通信距离. 仿真实验数据表明, 与CREEP、LEACH-C、LEACH算法相比, 本文算法的网络生存寿命分别延长了22.18%、77.83%和180.52%, 能更有效地延长网络生存寿命.