基于无线传感器网络的能量高效的非均匀分簇算法

通过分析无线传感器网络自身工作环境的特点,我们对网络中的簇结构大小进行非均匀分簇,根据距离Sink的远近不同,其簇首的覆盖范围大小也不同。这样,对于距离Sink比较近的簇首来说,可以减轻簇内能量消耗的负担,保留一部分能量用于簇间的通信,从而使网络中的节点能量消耗分布相对均匀。通过建立网络节点分布模型,求出了节点能量均衡与多层分簇层数的最优解,提高了能量的利用率,有效地延长了整个无线传感器网络的生命周期。     

能量高效的无线传感器网络非均匀分簇路由算法

针对无线传感器网络能量有限的问题,提出了一种能量高效的非均匀分簇路由算法.算法中首先通过在"热区"内选举传送节点,有效的解决了"热区"内负载不均衡的问题;非"热区"内的节点根据节点的剩余能量选举簇头,簇头选举结束后其余节点加入到距其最近的簇头中;节点入簇后,基于相似数据的收集策略,寻找符合条件的相似节点,休眠其中部分冗余的节点;改进的算法中不再每轮结束后都重新选举簇头,减少了能量的浪费;最后在数据传输阶段,采用改进的簇内单跳,簇间多跳的通信方式传输数据.仿真结果表明,本算法有效的降低了能量的消耗,改善了传感器网络的性能,提高了网络的生存时间.     

能量均衡的WSN非均匀分簇路由算法

针对现有无线传感器网络（WSN）分层分簇路由算法存在的能耗不均衡问题,提出一种能耗均衡的WSN非均匀分簇路由算法。该算法通过在已划分的非均匀区域中构建中间层达到均衡簇首和其他节点能耗的目的,实现WSN整体能耗均衡。实验结果表明,该算法能均衡WSN能耗负载,提高WSN的能量效率,延长100轮～200轮WSN生命周期。     

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。     

改进的基于蚁群算法的非均匀分簇路由协议

针对无线传感器网络中传感器节点随机分布造成能耗不均和“热区”等问题,提出了一种改进的基于蚁群算法的非均匀分簇路由协议。该协议也采用“轮”方式运行,每轮簇首选举开始阶段,根据节点剩余能量、节点密度,结合节点到Sink节点的距离来构造不均匀的竞选半径,每个节点根据竞选半径范围内邻居节点计算剩余能量比及距离偏差平均值,从而计算出其簇首竞争等待时间,采用时间等候簇首竞选机制来选举出簇首,平衡簇内的通信能耗;数据传输阶段,考虑剩余能量、通信能耗、链路质量、传输时延等因素,采用改进的蚁群算法构造最优传输路径,数据传输的同时更新信息素,从而达到自适应、动态优化地建立和维护传输路径。仿真结果表明,该路由协议能有效节约能量和均衡能耗,延长网络生命周期,改善链路质量,减少传输时延。     

基于蚁群分簇的无线传感器网络路由研究

在无线传感器网络、建筑传统的蚁群算法的路由容易能量孔的影响,网络的生命周期和整体性能。本文提出了一种新的蚁群划分聚类算法。主要的思想是,选择下一跳是抽象为装配规划问题的最短路径和最小费用流。实验表明,相比于其它蚁群聚类算法,该方法来延长网络的生命周期,减少数据包遗失率。     

基于改进蚁群算法的非均匀分簇自适应路由协议

针对无线传感器网络中出现的节点能耗不均和热区问题,提出一种基于改进蚁群算法的非均匀分簇自适应路由协议。该协议首先根据节点相对基站距离和通信范围内节点密度选举出候选簇头,然后在候选簇头竞争半径范围内进行正式簇头的选取。其次,在节点入簇过程中,考虑共同边缘节点以及非均匀分簇网络特性,通过具有动态权重系数的代价函数形成合理的分簇结构;最后,通过在蚁群算法中使用改进的动态转移策略和局部与全局相结合的信息素更新规则,同时引入动态信息素挥发系数以提高路由算法的寻优能力,并避免陷入局部最优。仿真结果表明：该算法能够有效地均衡网络能耗、缓解基站附近的热区问题,从而提高网络生命周期与吞吐量。     

无线传感器网络能量异构非均匀分簇路由协议

基于分簇的无线传感器网络路由协议,采用多跳路由方式传输数据至基站,容易造成靠近基站的节点转发大量数据而过早失效。另外,分簇协议通常假定网络节点是能量同构的,不能有效解决节点能量异构的问题。因此,从非均匀分簇的角度出发,结合局部竞争簇首机制,提出了一种基于能量异构的分簇协议（EHUC）。仿真结果表明该协议能够有效应用于能量异构的无线传感器网络,并延长网络的生命周期。     

传感器网络中基于非均匀分簇负载均衡路由算法*

在非均匀分簇思想的基础上,提出了一种新的WSN多跳成簇路由算法。在该算法中,距汇聚点较近的节点直接与汇聚点通信,进一步减小了靠近汇聚点的簇规模,从而减轻了簇首负载,避免了不必要的能量消耗。仿真实验表明,该算法能使WSN网络负载更均衡,有助于解决能量空洞难题、延长WSN网络总的生存时间。     

改进的无线传感器网络非均匀分簇路由算法

针对无线传感器网络中不均匀分簇引起能量空洞的问题,提出了改进的无线传感器网络非均匀分簇路由算法。该算法先根据节点剩余能量、节点到基站的距离、节点“度”和节点到簇头的距离等因素选举簇头;没有成为簇头的节点选择加入到距离最近的簇头所在的簇中,从而将整个网络划分为大小不等的簇;然后簇头再根据簇头剩余能量、簇头到基站的距离构造基于最小生成树的最优传输路径;通过簇内节点单跳、树内簇头多跳通信的方式将数据最终传输到基站。仿真结果表明,该路由算法能有效节约能量和均衡节点能耗,从而延长网络的生命周期。     

基于蚁群的无线传感网最大化生存时间路由

为提高无线传感网的生存时间,对基于蚁群算法的最大化生存时间路由(MLRAC)进行了研究。该路由利用链路能耗模型和节点发送数据概率,计算一个数据收集周期内节点总能耗。同时考虑节点初始能量,建立了最大化生存时间路由的最优模型。为求解该最优模型,在经典蚁群算法的基础上,提出修正的蚁群算法。该算法采用新的邻居节点转发概率公式、信息素更新公式和分组探测方法,经过一定的迭代计算获得网络生存时间的最优值和每个节点的最优发送数据概率。最后,Sink节点洪泛通知网络中所有节点。节点根据接收到的最优概率,选择数据分组未经过的邻居节点发送数据。仿真实验表明,经过一定时间的迭代,MLRAC的生存时间可以收敛到最优值。该算法能延长网络生存时间,在一定的条件下,MLRAC算法比PEDAP、LET、Ratio-w、Sum-w等算法更优。     

蚁群算法在无线传感器网络路由中的应用研究

设计合理的路由算法是无线传感器网络中的核心问题之一。基于蚁群算法提出了一种可用于无线传感器网络的单播路由算法,该算法利用蚁群算法正反馈及分布式计算的特点寻找从源节点目的节点的最少跳数路径。仿真实验证明了该算法是合理的及有效的,具有可扩展性的特点,同时在收敛速度和鲁棒性上优于典型的单播路由算法。     

能量均衡的无线传感器网络节点非均匀分布路由协议

针对现有无线传感器网络(WSN)分簇路由协议因节点分布不均匀而造成能量不均衡、“热区”能量空洞问题,提出一种能量均衡的节点非均匀分布路由协议。该协议以节点“度”、 节点到Sink节点的距离及节点平均剩余能量与节点本身剩余能量的比值作为竞选主(副)簇头的参数,并且各簇之间通过路由树与Sink节点通信。仿真结果表明,本协议可降减少于“热区”内或节点密度高的簇的簇头轮换次数,推迟出现第一个死亡节点的时间,使网络负载更加均衡,延长了网络的生命周期。     

负载均衡的无线传感器网络自适应分组成簇算法

分析了分簇路由协议中的经典低功耗自适应集簇分层型协议(LEACH)算法与分组成簇算法--SGCH的不足,提出了一种分布式分组成簇算法--AGCH。首先分布式随机生成候选组首,然后通过距离竞争将所有节点分为固定的分组;各分组选取簇首时,综合考虑节点的剩余能量及其簇内通信代价。仿真实验表明,该算法能有效均衡网络能耗,延长网络的稳定期。     

无线传感器网络中基于区域相关性的自组织成簇算法

无线传感器网络资源有限,信息量大,通常采用分簇压缩减少传输量。针对传感器网络中的小波压缩,提出了一种基于相关区域自组织的成簇算法。该算法利用实际区域数据的相关性进行分簇,在簇头进行小波数据压缩的同时进行相关性检测,动态调整簇结构,保证簇内节点的相关性较好;同时在Sink分析簇间节点数据相关性,形成相关性好的大规模簇,进一步提高较长时间内的压缩效率。理论分析和实验仿真表明,该算法能尽可能地利用节点数据的时间和空间相关性去除冗余数据,提高小波数据压缩效率,降低了网络的能耗。     

基于蚁群算法的QoS最佳路由选择问题的研究

针对当前通信网络中存在的服务质量问题提出了满足QoS约束的最佳路由选择算法——蚁群算法,该算法是一种新型的进化算法。与其它进化算法一样存在搜索时间过长和易于陷入局部最优解等缺陷。提出了一种通过动态地调整信息素的挥发度和采用最优、最差路径信息索全局更新策略来克服上述缺陷。改进型算法能较快地收敛到全局最优解。仿真结果表明上述方法是可行和有效的。     

非均匀分布的无线传感器网络分簇路由算法

针对无线传感器网络(WSN)现有分簇路由协议中选举的簇头节点在监测区域内分布不均的问题,提出一种基于局部区域传感器网络节点分布数量控制簇头节点选举概率的算法HNDCRA。该算法通过对传感器网络检测区域的网格划分,计算出网格局部区域的传感器节点分布,并以此为依据确定传感器节点当选簇头的概率,来保证选举后每个网格都有簇头节点,且节点数量多的区域节点当选簇头概率较大,使得簇头随节点分布密度“均匀”,达到能耗均衡的目的。性能分析和仿真实验表明,与经典的LEACH协议相比,HNDCRA能够更好地将簇头“均匀”分布到网络区域,均衡全网能耗分布,提高能量利用率,从而延长网络生存时间。     

基于模拟退火算法的传感器网络聚类方案

针对传感器网络聚类间能耗负载不均衡而引发的“能量热点”问题,提出一种在节点随机分布情况下构建能量负载均衡的聚类方法。网络中高于平均能量的节点率先成为候选首领,候选首领根据剩余能量、节点连通度以及当选首领的总时间来竞争聚首,普通节点首先依据信号强弱选择加入聚类,然后借鉴模拟退火算法动态调整所拥有的成员节点,直到所有聚类的能耗状态趋近均衡。仿真表明,与基于均匀分布假设的聚类方案相比,新方案具有能耗负载更均衡的聚类和更长的生命周期。     

基于等级的无线传感网自适应分簇算法

为解决现有无线传感器网络（WSN）分簇算法难以同时兼顾其异构性和移动性,从而引发网络寿命较短、网络数据吞吐量较低等问题,提出了基于节点等级的自适应分簇算法。该算法按轮运行,每轮分为自适应分簇、簇建立、数据传输三个阶段。为解决节点移动性引发的簇首数目和成簇规模不合理的问题,在自适应分簇阶段,根据子区域内节点数目变化对相应子区域进行细化或就近合并,以确保每个子区域内节点数目在合理范围内。在簇建立阶段,选举簇内等级最高的节点为簇首,解决异构性引发的部分节点能耗过快、网络寿命缩短的问题;节点等级除考虑节点剩余能量外,还结合WSN实际应用,由节点剩余能量、能量消耗速率、到基站的距离、到簇内其他节点的距离综合决定。基于OMNeT++和Matlab的仿真实验结果表明,在节点移动速度为0~0.6 m/s的能量异构WSN环境下,较移动低功耗自适应集簇分层（LEACH-Mobile）算法和分布式能量有效分簇（DEEC）算法,运用所提算法分簇的WSN寿命延长了30.9%以上,网络数据吞吐量是其他两种算法分簇的网络的1.15倍以上。     

能量高效的水声传感器网络多跳非均匀分簇算法

针对现有水声传感器网络(UW-ASN)分簇路由算法存在的能耗不均衡问题,提出了一种能量高效的多跳非均匀分簇(EEMUC)路由算法。通过节点到基站的物理距离建立网络非均匀分层模型,各层区域内的节点根据综合属性值选择簇头,靠近基站的簇的规模小于远离基站的簇。簇间采用多跳路由方式传送数据,从而均衡了簇头的能耗。实验结果表明,所提算法在簇头数目和节点的剩余能量等性能方面优于低能耗自适应分簇路由(LEACH)和能量高效的非均匀分簇(EEUC)算法,从而提高了水声传感器网络的能量效率,并延长了网络的生命周期。