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。     

无人机自组网快速稳定加权分簇算法

在无人机自组网中,网络规模增大会使节点间平均跳数增加,网络管理和路由协议运行更艰难。分簇结构可用来优化网络管理,提高网络的可拓展性。针对无人机高移动造成的簇结构不稳定以及分簇结构鲁棒性差的问题,提出了一种快速稳定加权分簇算法。该算法对比现有的加权分簇算法,对链路保持率、节点度和相对速度三个指标的选取进行改进。针对战场和应急场景下簇头节点掉线带来的簇振荡,提出了一种高效的簇维护机制。最后通过仿真验证该算法的性能,结果表明,与现有改进型加权分簇算法相比,该算法可以有效降低成簇的时间,同时在簇头节点掉线的情况下快速恢复,更适用于复杂环境下的网络部署。     

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。     

适用于智能电网WSN的能量有效分簇路由协议

为有效解决智能电网无线传感器网络节点能耗不均衡导致网络寿命短的问题，提出一种基于改进灰狼优化器优化模糊C均值聚类的分簇路由协议GWFCA。用反向学习策略增强灰狼优化器的全局寻优能力，使用由反向学习灰狼优化器改进的模糊C均值聚类算法对网络节点均匀分簇，均衡网络负载。每个簇内，考虑节点的能量因素和位置因素动态选举簇首，提高簇首质量。稳定传输阶段，构造基于蚁群算法的簇间路由，提高能量效率，并将轮询调度引入簇内通信，进一步改善网络吞吐量。仿真结果表明，该算法能够有效提高能量效率，平衡网络负载，延长网络生存期。     

无线传感器网络低功耗分簇路由算法研究

在基于层次路由算法的基础上,提出一种低功耗的分簇路由算法,采用非均匀分簇的网络结构,有效均衡了近基站簇首节点的能量消耗。固定分簇后优先选择剩余能量较多的节点作为新簇首,并采用簇问转发的方式将数据发送到基站。仿真实验表明,改进算法能有效地延长网络的生命周期。     

基于自适应惯性权重的混沌粒子群优化无线传感器网络成簇算法

为了解决簇头选举过程中多因素冲突问题,以优化簇头选举和延长网络生命周期为目标,提出一种基于自适应惯性权重混沌粒子群优化（AWCPSO）的分簇算法.该算法在簇头竞选过程中,考虑了节点剩余能量、与基站的距离以及该节点担任簇头的概率,通过自适应惯性权重的混沌粒子群算法优化簇头的选举,并将通信范围内的节点作为其簇成员.簇头数目的选择满足最优簇头个数,从而进一步提高了网络的能量使用效率.仿真结果表明,与SEP和DEEC算法相比,本文算法能够更有效的节省能量,网络稳定周期分别延长62.31%和16.45%,同样有效的均衡网络能量消耗,延长了网络生命周期.     

应用IPSO的无线传感器网络分簇路由算法

在基于分簇的无线传感器网络中,网络是通过附近传感器节点在转发信息到目的节点前进行冗余数据的融合实现节能,从而延长了网络的生命周期。但现存的算法在选择簇首节点的过程中由于忽略了邻居节点的状态信息,容易导致簇内节点过早出现盲节点的现象。进化类算法已经成功应用于许多方面,微粒群算法就是其中之一。提出了一种基于改进型微粒群算法的无线传感器网络分簇路由算法来优化分簇过程。簇首节点的选取综合考虑候选节点和邻居节点的状态信息。仿真结果表明算法的性能得到了较好的改善,并延长了网络的生命周期。     

节点密度自适应的传感器网络加权分簇算法

无线传感器网络的分簇密度不确定会导致网络的有效性降低、生存周期减少等问题.提出了一种节点密度自适应的传感器网络加权分簇算法,通过设定权值.将节点的节点度、与邻节点的平均距离及节点的剩余能量考虑在内,保证综合性能最好的节点成为簇头.再通过控制簇头发射功率使簇内节点密度控制在合理范围内.该分簇算法优化了簇头选择,均衡了网络节点的能量消耗,延长了网络的生命周期.最后通过仿真进一步验证该分簇算法的性能.     

无人机自组网基于加权的稳定分簇算法

相较于传统移动自组网,无人机自组网具有节点移动速度更快、分布范围更广、网络规模更大的显著特征,而分簇结构能实现网络的有效控制和管理,提高网络的扩展性.为了提高分簇结构的稳定性,提出了一种基于加权的稳定分簇算法,该算法基于现有加权分簇算法,从分簇测度指标的选取、指标权重因子分配、分簇稳定保持策略三个方面进行改进.仿真结果表明,该算法不仅能合理控制分簇数量,有效提高网络的扩展性,而且能够延长簇首保持时间和降低成员节点的簇间切换次数,提高分簇的稳定性.     

稳定且负载均衡的移动AdHoc网络加权分簇算法

针对移动AdHoc网络中传统加权分簇算法(WCA)的缺陷,提出一种稳定且负载均衡的改进型WCA(SLB-WCA).在节点组合权值计算中,增加了考虑节点的稳定性,并提出一种"相对典型节点度"代替传统WCA中的单纯节点度因素,同时根据各个节点的节点度制定本地簇大小约束,代替传统算法中的全局约束.SLB-WCA能够更加合理的计算节点权值和控制簇大小,均衡网络负载.通过实验与传统WCA相比,SLB-WCA形成的簇数目较少且具有良好的覆盖率,提高了网络的生命周期.     

Ad Hoc网络自适应安全加权分簇算法

为解决Ad Hoc网络分簇过程中恶意节点被选为簇首带来的安全隐患,保障Ad Hoc网络的正确分簇和稳定运行,提出基于节点相关度、相对移动性、剩余能量值、安全评估度量值多方面因素的自适应安全加权分簇算法。安全评估度量参数由外部入侵检测系统和内部节点信任度共同计算得到,确保安全因素在分簇过程中的准确性;基于该算法给出相应分簇管理过程。仿真结果表明,该算法能够改善分簇性能,提高Ad Hoc网络的安全性。     

一种基于簇头选择模型的无线传感器网络分簇算法

针对分层结构的无线传感器网络,本文提出了一种分簇算法.节点通过簇头选择模型来决定自己是否被选为簇头.簇头选择模型由节点度(ND)和剩余能量(RE)共同决定.从而提高了网络体系结构的稳定性,减少计算和通信开销.所述分簇算法不仅优化了簇头选择,还均衡整个网络节点的能量消耗,进而延长网络的生命周期.最后通过理论分析和仿真进一步验证该分簇算法的性能.     

基于加权的无人机集群组网分簇算法

在无人机集群组网中,节点的高速移动会造成网络拓扑结构更新频繁,使网络管理变得更加复杂。分簇能够增大网络容量,实现空间资源的复用,是优化网络管理的有效手段之一。针对大规模、高速移动的环境进行了研究,提出了一种多参数加权分簇算法。该算法将最大速度相似度分簇算法中的分簇指标引入到加权分簇算法中,并且对链路保持率、节点度差、节点剩余能量进行改进,综合考虑这四种参数,通过加权组合的方式选举具有最大权重的网络节点作为簇头。仿真结果表明,该分簇算法不仅能够减少簇的数量和簇间切换率,提高分簇的稳定性,而且能够延长最小节点生存时间,改善网络的整体续航能力。     

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.     

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。     

基于改进灰狼优化算法的无线传感器网络路由协议

为了提高无线传感器网络的生存时间、连通性以及网络中节点的活跃数,提出一种基于改进灰狼优化算法的分区多链无线传感器网络路由协议。该协议采用分区成链的方法,按网络中节点密度分布,以基站为圆心将整个网络空间划分为多个扇形环带区域,每个分区内的节点按位置分簇,每个分簇构造一条最优簇内链,同扇区各分簇间的簇头构造一条簇头链,最终通过这条链将采集到的信息朝基站方向传递。在后续迭代过程中,采用改进的灰狼优化算法进行簇头寻优,并根据狼群与猎物的距离以及系数向量对权重进行动态更新。MATLAB仿真表明：改进协议相比PEGASIS(Power-Efficient Gathering in Sensor Information Systems)在避免长链、均衡能耗、延长网络周期等方面均有提升,能有效提高无线传感器网络的性能。     

一种适合移动自组网的分簇算法

分级结构的Ad hoc网络可以减少路由开销,满足网络规模扩充的需要。提出了一种基于最小ID分簇算法的改进算法,根据节点移动性和电量消耗重新分配ID,然后利用分簇快速、操作简单、效率高的最小ID分簇算法进行重新分簇,仿真实验显示与传统最小ID分簇算法（LID）、最大节点度分簇算法（HD）和基于权值的分簇算法（WCA）相比,算法能使网内节点电量消耗更平衡,簇结构更稳定,能够延长网络的服务时间。     

基于不均匀圆环模型的无线传感器网络分簇算法

提出一种基于不均匀圆环模型的分簇算法．该算法根据节点与基站的距离来优化簇的规模,进 一步保证了网络内节点能量负荷的均衡性;还给出了计算簇规模的方法．实验表明,本文所提算法能有效地 延长网络的生命周期．     

基于注意力机制和策略梯度的多 ＭＣ 充电调度

为了提高无线传感器网络的生存时间、连通性以及网络中节点的活跃数,提出一种基于改进灰狼优化算法的分区多链无线传感器网络路由协议。该协议采用分区成链的方法,按网络中节点密度分布,以基站为圆心将整个网络空间划分为多个扇形环带区域,每个分区内的节点按位置分簇,每个分簇构造一条最优簇内链,同扇区各分簇间的簇头构造一条簇头链,最终通过这条链将采集到的信息沿基站方向传递。在后续迭代过程中,采用改进的灰狼优化算法进行簇头寻优,并根据狼群与猎物的距离以及系数向量对权重进行动态更新。MATLAB仿真表明:改进协议相比PEGASIS (Power-Efficient Gathering in Sensor Information Systems)在避免长链、均衡能耗、延长网络周期等方面均有提升,能有效提高无线传感器网络的性能。     

基于非均匀分簇和蚁群神经网络的WSN数据融合算法

为了确保无线传感器网络在列车车厢中能高效稳定地工作,提出了一种基于蚁群优化神经网络的数据融合算法 (DFA-IACOBP)。该算法将无线传感器网络非均匀分簇结构与神经网络结构相结合,建立一个基于非均匀分簇路由神经网络的无线传感器网络数据融合模型。在非均匀分簇路由算法中,候选簇头根据竞争半径构造出大小不一的簇,并在每个簇中竞选出两个簇头。主簇头负责簇内信息采集和处理,副簇头承担簇间信息转发,神经网络的权值和阈值由蚁群算法优化寻得,优化后的神经网络能从存在大量冗余数据的无线传感器网络提取有效特征数据并传输至汇聚节点。仿真结果表明:DFA-IACOBP算法能大幅降低网络中冗余数据,减少网络数据通信量,提高特征数据采集效率和网络整体性能。