基于聚合度的无线传感器网络自维护分簇算法

针对无线传感器网络最大连通度生成簇算法建立的簇之间存在重叠度较高的现象,且没有考虑网络能量均衡对网络寿命会产生不良影响的问题,提出了基于聚合度的自维护分簇算法.算法综合节点的聚合度和节点能量选取簇头,并通过簇头节点的迁移来降低网络簇结构的重叠性,同时综合聚合度、能量和相似度选取替补簇头,实现网络的自维护.算法达到降低簇之间的重叠度,均衡网络能量,延长网络寿命的目的.仿真结果验证了算法的有效性.     

基于剩余能量和节点度的无线传感器网络分簇算法*

为了解决无线传感器网络的能量效率问题,提出了一种基于剩余能量和节点度的分簇算法BREND。该算法在簇头选取过程中,通过两轮分簇竞选最终簇头,综合考虑所有节点剩余能量和节点度,避免能量低的节点当选为簇头,并且采用临时簇头退位机制,一跳通信范围内只有一个临时簇头,使簇头分布更加均衡。仿真结果表明,与LEACH和ENCA算法相比,该算法延长了网络生存时间。     

能量异构传感器网络中的分布式数据收集算法

针对无线传感器网络分簇过程中簇头耗能过快问题,提出了一种综合节点剩余能量和节点位置进簇头选取的分布式数据收集算法.在每轮的簇头选取中,算法考虑了簇内节点的剩余能量和所有节点的平均剩余能量,并依据节点的位置优化簇头的选择.算法在保证网络最优簇头个数的同时,避免了能量较低的节点当选为簇头.仿真结果表明,本算法与LEACH和...     

基于双簇头的WSNs非均匀分簇路由算法

无线传感器网络由大量密集部署的传感器节点组成，通过节点间的相互协作才能完成工作，因此传感器节点之间的协作非常重要。针对分簇结构无线传感器网络簇头间能耗不均衡导致的“热区”问题，提出一种基于双簇头的新型路由算法NCDH。通过将网络虚拟分区实现网络不均匀分簇，并依据节点的剩余能量、节点与基站的距离、节点度等因素，在簇内选取主、副双簇头节点负责数据处理和转发。在网络运行阶段，根据主簇头的运行状态确定是否启动副簇头，以保证网络能量均匀消耗。在数据传输阶段综合考虑节点与中转节点的距离以及中转节点的剩余能量，从而选出最佳中转节点。实验结果表明，与DEEC、MRDC、GURCP等算法相比，NCDH算法有效改善了网络的“热区”问题，延长了网络的生存时间。     

一种基于预测的WSN非均衡分簇路由算法

无线传感器网络由部署在一定区域内大量传感器节点组成.针对无线传感器网络中分簇路由算法中存在的"热区"问题,提出了一种基于虚拟区域划分的非均衡簇路由算法.算法将簇划分的任务交由能量无限制的汇聚节点完成,使得靠近汇聚节点的内层簇的规模小于外层簇的规模.在簇的结构中引入了主、从簇头节点,从而实现了分布式簇头选举工作,同时在分簇过程中避免了每个阶段的能量消耗.将Markov预测模型引入到主簇头节点的更换过程中,从而避免了主簇头因为能量完全消耗而死亡,也避免了因为主簇头死亡而造成网络分割,降低网络的生存时间,利用NS2.26仿真平台对基于虚拟区域划分的非均衡簇路由算法进行了仿真验证,结果表明与传统路由算法相比,该算法延长了WSN的生存时间,有效提高了WSN网络健壮度.     

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.     

组移动模型中一种基于种群特性的传感器网络分簇方法

为了增强传感器网络在组移动模型下的簇结构稳定性,提出了一种基于生物种群特性的分簇算法--FBCA算法.算法利用移动代理向信息素高的节点迁移实现簇头的轮换,并将节点与簇头之间的链路稳定性作为节点选择所加入簇的衡量指标,有效地利用了组移动模型下节点的移动特征来优化簇结构的稳定性.仿真表明,在组移动模型中,采用FBCA算法的传感器网络有着较好的簇结构稳定性和能量效率及较均匀的簇头分布性.     

基于传感器网络能量均衡分簇算法仿真研究

研究传感网络能量均衡分簇延长网络寿命问题。针对LEACH算法中簇首分布不均及簇首与基站一跳通信能耗大的问题,造成网络簇头的不均匀分布带来的能耗不均衡问题以及簇头的瓶颈等,为了解决上述问题,提出了一种基于能量高效的无线传感器网络分簇路由算法。算法首先在簇头选择过程中利用节点的能量、邻节点数以及每一轮中簇头的个数等参数设置节点当选簇头的优先度,使簇头均匀地分布在网络中;在簇的组建过程中利用能量参数设置簇的重建条件,达到减小簇的重建频率的目的。     

基于WSN的核辐射监测系统路由算法研究

由于核辐射环境的特殊性及无线传感器网络传感器节点能量的有限性,在LEACH协议的基础上提出一种路由改进算法,考虑节点的剩余能量、位置信息及节点到基站的距离等因素,改进适应值函数,利用粒子群优化算法,选取簇头节点。簇头节点选取合适的路径以单跳或多跳的传输方式与汇聚节点通信。仿真结果表明,改进算法明显地节省了节点能量,有效地延长了整个网络的生存周期,使得基于无线传感器网络的核辐射监测系统具有高效、稳定和实时监测的功能。     

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.     

具有社区结构的无标度网络生成算法

近年来,生成图模型在复杂网络研究中的作用越来越重要。图的生成过程对于研究疾病的蔓延和信息的传播具有重大意义,同时图模型的生成也有助于更深入地研究复杂网络的特性。为了能够生成既符合真实网络特征又具有结构多样性的复杂网络,提出了一种具有社区结构的可调节聚集系数和模块性的无标度网络生成算法——TCMSN(Scale Free Network with Tunable Clustering Coefficient and Modularity)。通过调节混合参数可以调节生成网络的模块性,通过调节社区内连边的概率和混合参数可以对网络聚集系数进行调节。TCMSN采用了合理的连边策略,在不破坏网络结构多样性的情况下,能尽可能维持网络的无标度特性。人工构造数据和真实网络数据的对比实验结果表明,TCMSN算法能够生成可调节聚集系数和模块性的无标度网络模型,且能够生成最接近真实网络社区结构特征的网络模型。     

复杂网络社团的谱分检测方法

为有效地检测复杂网络中的社团结构,优化模块密度函数,展示模块密度函数怎样被优化框定到谱分聚类问题,提出一种谱分算法,进一步对该算法进行时间复杂度分析。在一个经典的真实世界网络中检验该算法,并与基于模块密度的直接核方法及基于模块函数的谱分方法做比较。特别地,当网络中社团结构变得模糊时,实验结果显示,该谱分算法在发现复杂网络社团上是有效的。     

一种加权稠密子图社区发现算法

目前,针对复杂网络的社区发现算法大多仅根据网络的拓扑结构来确定社区,然而现实复杂网络中的边可能带有表示连接紧密程度或者可信度意义的权重,这些先验信息对社区发现的准确性至关重要.针对该问题,提出了基于加权稠密子图的重叠聚类算法（overlap community detection on weighted networks,简称OCDW）.首先,综合考虑网络拓扑结构及真实网络中边权重的影响,给出了一种网络中边的权重定义方法;进而给出种子节点选取方式和权重更新策略;最终得到聚类结果.OCDW算法在无权网络和加权网络都适用.通过与一些经典的社区发现算法在9个真实网络数据集上进行分析比较,结果表明算法OCDW在F度量、准确度、分离度、标准互信息、调整兰德系数、模块性及运行时间等方面均表现出较好的性能.     

An Adaptive Clustering Protocol Using Niching Particle Swarm Optimization for Wireless Sensor Networks

Clustering is an hierarchical topology control method, and it is also an energy‐saving and energy efficient technique that extends the sensor network's lifetime. In this paper, we propose and analyze an adaptive clustering protocol using niching particle swarm optimization (ACP‐NPSO), a protocol architecture that uses NPSO to cluster the wireless sensor networks adaptively and efficiently, thus saving energy, balancing energy consumption and enhancing the system's robustness. The simulation results indicate that our proposed protocol ACP‐NPSO can enhance system lifespan, accelerate the convergence speed, and deliver more data by distributing energy dissipation evenly in the networks.     

基于社团检测的复杂网络中心性方法

论证了社团检测函数模块密度的优化进程能转化为核矩阵的特征谱分.基于核矩阵最大特征值对应的特征向量,提出了一种新的中心性方法,称为模块密度中心性方法.与以往中心性度量方法不同,这种方法以模块密度检测复杂网络中的社团结构为基础,度量了第一个节点到它分配社团上的贡献,对社团的贡献越大,该节点的中心性值越高,反之亦然.通过合成网络和标准数据集网络,验证了该方法,并同其他中心性方法进行了比较,实验表明提出的模块密度中心性方法对网络中关键节点有更好的解和稳定性.进一步在计算机产生的两个大的随机网络和来自现实世界的两个大的复杂网络中,研究了模块密度中心性方法的统计分布.结果表明了提出的中心性方法能够刻画复杂网络的拓扑结构属性.     

基于信息熵的复杂网络社团划分建模和验证

社团结构是复杂网络最普遍和最重要的拓扑属性之一,社团结构的划分方法对分析复杂网络相关统计特性具有十分重要的理论意义.为了提高社团划分精度,提出了一种新的基于信息熵(information entropy)模块度的社团划分算法(简称IE算法).在有着确定社团结构的数据集和不确定社团结构的数据集上,通过选取Q值、社团划分个数、社团最大连通分量大小和强弱社团个数比例4个重要参数,将IE算法与两种最主要的基于模块度的划分算法GN(Girvan-Newman)和FastGN(Fast Girvan-Newman)进行对比,实验结果证明了IE算法在社团划分性能上优于GN和FastGN;将IE和其他7种最主要的经典社团算法进行时间复杂度分析,并在随机网络和真实网络上进行实验,结果表明该算法时间复杂度在GN与FastGN之间,时间复杂度小于GN而精确度优于GN,证明了在大多数数据集上IE算法的社团划分准确度优于传统基于点边比率的社团划分算法的准确度.     

二谱分聚类的复杂网络社团检测方法

近年来,复杂网络中的社团发现越来越受到研究人员的关注并且许多方法被提了出来。为有效地检测复杂网络中的社团结构,优化了评估与发现社团的模块密度函数(即D值)。通过模块密度的优化进程,证明了模块密度函数能写成模块密度矩阵迹的最大化表达形式。利用模块密度矩阵的谱分分解,提出了一种新的二谱分的聚类检测复杂网络社团方法。在LFR标准人工模型网络中验证了二谱分方法的有效性。实验结果显示这种新的方法在发现复杂网络社团上有较高的准确性。     

多级能量异构传感器网络的负载均衡成簇算法

在多级能量异构无线传感器网络中,节点的初始能量在一定的范围内随机分布,负载均衡和降低能耗是能量异构网络成簇算法的一个重要挑战.现有的分布式成簇算法主要是针对能量同构或二级异构网络设计的,无法实现节点能量多级异构时的负载均衡,因此提出了适用于多级能量异构传感网络的负载均衡成簇算法LBCA(load balance clustering algorithm).LBCA根据传感器网络的能量分布情况选择簇头节,最和实现负载均衡,可以有效地延长网络的稳定周期.簇头选择过程中,当探测区域能量分布均衡时,拥有较低平均通信能耗的节点将优先成为簇头节点,有利于降低探测区域内的总通信能耗;当探测区域能量分布不均衡时,具有较高剩余能量的节点将优先成为簇头节点,有利于实现探测区域内的负载均衡.将LBCA与主要的分布式成簇方案进行了比较,模拟实验结果显示,在多级能量异构传感器网络中,LBCA可以更好地实现负载均衡,极大地提高网络的稳定周期.     

复杂网络大数据中重叠社区检测算法

大数据时代互联网用户数量呈爆炸性增长,社交网络、电商交易网络等复杂网络规模快速发展,准确有效地检测复杂网络大数据中重叠社区结构对用户兴趣点推荐和热点传播具有重要意义。提出一种新的面向复杂网络大数据的重叠社区检测算法DOC（Detecting Overlapping Communities over complex network big data）,时间复杂度为O（nlog²（n））,算法基于模块度聚类和图计算思想应用新的节点和边的更新方法,利用平衡二叉树对模块度增量建立索引,基于模块度最优的思想设计一种新的重叠社区检测算法。相对于传统重叠节点检测算法,对每个节点分析的频率大大降低,可以在较低的算法运行时间下获得较高的识别准确率。复杂网络大数据集上的算法测试结果表明：DOC算法能够有效地检测出网络重叠社区,社区识别准确率较高,在大规模LFR基准数据集上其重叠社区检测标准化互信息指标NMI最高能达到0.97,重叠节点检测指标F-score的平均值在0.91以上,且复杂网络大数据下的运行时间明显优于传统算法。     

一种基于GAF的无线传感器网络分簇算法

分簇技术主要目标是延长整个传感器网络的生存时间。好的分簇技术可以提高无线传感器网络的可扩展性。就"热区"内的负载平衡问题,以及频繁的簇头轮换和簇重组问题,对基于GAF算法的完全簇头选择算法进行改进,结合双簇头模型和单簇头模型的优点,提出了一种无线传感器网络簇头非均匀分布算法,有效地平衡"热区"内节点的能耗,延长了无线传感器网络的生命期。