无线传感器网络分簇路由协议的改进研究

针对无线传感器网络（WSN）中分簇路由协议LEACH算法中簇首分配不均以及簇首与Sink节点直接通信问题进行研究．提出一种基于LEACH成簇思想的分簇路由协议。该算法基于节点剩余能耗和已担任簇首时间选举簇头。簇头间采用贪婪算法形成一条链,在该链中又选出一个簇头,将整个网络的数据融合后转发给基站。MatLab仿真结果显示,改进后的算法在均衡网络节点能耗和网络的生存时间上比LEACH算法有很大提高。     

无线传感器网络分簇路由协议的改进研究

针对无线传感器网络(WSN)中分簇路由协议LEACH算法中簇首分配不均以及簇首与Sink节点直接通信问题进行研究,提出一种基于LEACH成簇思想的分簇路由协议。该算法基于节点剩余能耗和已担任簇首时间选举簇头。簇头间采用贪婪算法形成一条链,在该链中又选出一个簇头,将整个网络的数据融合后转发给基站。MatLab仿真结果显示,改进后的算法在均衡网络节点能耗和网络的生存时间上比LEACH算法有很大提高。     

一种基于蚁群优化的WSN拥塞控制算法*

针对无线传感器网络中由于拥塞引起的丢包和能量过度消耗等问题,提出了一种基于蚁群优化的拥塞控制算法以减轻WSN中的拥塞和改进网络性能。该算法充分考虑了给定时刻WSN的拥塞状况,分成三个阶段在源节点和sink节点间寻找一条最佳的路径,并及时地消除拥塞。仿真实验结果表明,该算法在网络吞吐量、丢包率、时延和能耗方面具有较好的综合网络性能。     

改进的WSN节能分簇多跳路由算法

LEACH算法是WSN中典型的单跳分簇路由算法,本文针对LEACH算法的缺点,提出了一种改进的节能分簇多跳路由算法.该算法采用层次分析法确定节点度数、节点间的通信距离、节点剩余能量和节点距基站的距离这四个因素的权值系数,在簇首选举中引入这四个因素,每一轮的簇首选举结束后,利用遗传算法寻找出一条遍历所有簇首节点和基站的最优路径,该算法实现了簇首以多跳通信方式向基站传输数据的功能.仿真结果表明,该算法在网络能耗、生存周期和能量均衡性方面均优于CECA、LEACH-GA和LEACH算法,达到了能量均衡和延长了网络生存周期的目的.     

基于蚁群算法的WSN能量预测路由协议

LEACH协议中的簇头和基站采用一跳通信,导致能量消耗过快。为此,提出一种基于蚁群算法的无线传感器网络(WSN)能量预测路由协议。引入蚁群算法思想,簇头节点通过多跳方式与基站节点进行通信。在计算蚂蚁选择下一跳的概率时,考虑节点可能的能量消耗,避免路径选择过于集中。仿真结果表明,该协议能降低簇头能量消耗,延长网络寿命。     

一种新的无线传感器网络非均匀分簇双簇头算法 ——PUDCH算法

能量利用效率问题一直是限制WSN广泛应用的瓶颈,能源容量对各个网络节点产生至关重要的影响.针对WSN中"能量空洞问题"以及由于簇头任务过重所导致的能量消耗过快,同时也为了提高WSN的能量利用效率,提出了一种无线传感器网络非均匀分簇双簇头算法——PUDCH.该算法先综合考虑节点综合信息(如节点剩余能量、节点到基站的距离),根据节点综合信息通过不同的时间竞争机制来选举簇头,将整个网络划分为不均匀的分簇;在规模大些的簇内,为了减轻簇头的负担再选取副簇头.最后簇头再构造基于最小生成树的最优传输路径.一系列的仿真表明PUDCH路由算法在WSN节约平衡节点能量消耗方面表现优良.     

低冗余度WSN非均匀分簇算法应用研究

将传统非均匀分簇算法应用于低冗余度的无线传感器网络(WSN)中时,存在传感器节点早衰和簇间多跳通信传输能量开销不均衡的问题。为此,针对低冗余度WSN,提出基于粒子群和最短路由树的非均匀分簇路由算法。利用粒子群算法优化非均匀分簇过程,通过建立最短路由树搜索簇间多跳传输最优路径,实现数据从传感器节点到基站的高效传输。仿真结果表明,相比于EECS和EEUC算法,该算法可有效延长低冗余度WSN的网络生命时间,均衡簇间通信能量消耗。     

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。     

基于FCM聚类和蚁群优化的WSN路由算法

在无线传感器网络(WSN)中生命周期的研究中,提出一种基于LEACH协议、Fuzzy C-Means(FCM)聚类算法和蚁群算法的改进路由算法。首先在预处理阶段FCM聚类算法将节点距离形成多个簇,避免每轮成簇造成能量浪费。然后在数据传输阶段使用蚁群算法寻找从簇头到基站的最优路径。仿真结果表明,该算法与LEACH协议相比,能够有效减少能量消耗、延长网络寿命。     

无线传感器网络簇头多跳路径路由算法

在LEACH协议特定簇头选取(DCHS)算法的基础上,提出了一种基于蚁群优化(ACO)的簇头间多跳路径(ACO-CHMP)路由算法。该算法先采用DCHS算法分簇,在稳态运行阶段,利用改进的ACO算法找到从距基站最近簇头节点到基站的遍历所有簇头节点的最优路径,然后从该簇头节点开始沿着最优路径进行数据传输到基站。仿真结果表明:与LEACH算法、DCHS算法和ACO算法相比,该算法极大地均衡了网络的能量消耗,延长了无线传感器网络生命周期。     

基于场景变化的传输控制协议拥塞控制切换方案

针对轻量级基于学习的拥塞控制算法在某些场景下性能表现会出现断崖式下滑的问题,提出了一种基于场景变化的传输控制协议拥塞控制切换方案。首先,该方案模拟实时的网络环境;然后,根据实时的环境参数来识别场景;最后,将当前的拥塞控制算法切换至该场景下相对最优的轻量级基于学习的拥塞控制算法。实验结果表明,所提方案相较于原来使用单个拥塞控制算法的方案,例如测量瓶颈链路带宽和时延的拥塞控制（BBR）方案、面向性能的拥塞控制（PCC）方案等,可以使不同场景下的网络性能得到显著提升,总吞吐量增幅达到5%以上,总时延降幅达到10%以上。     

长链树状无线传感器网络中遗传蚁群路由优化算法

为提高长链树状无线传感器网络的服务质量(QoS),本文用云遗传蚁群网络算法对无线传感器网络路由进行优化.算法中将正向蚂蚁根据节点负载情况发现的可行路径作为遗传算法的初始种群进行染色体编码,用路径时延、跳数及链路质量定义的适应度函数对染色体进行评价;利用正态云发生器实现路径的交叉和变异操作,逆向蚂蚁对优化后的路径进行信息素更新.仿真结果表明该路由算法能够满足无线传感器网络的实时性、可靠性等方面的要求,实现了网络的负载平衡及拥塞控制机制.     

城市交通最优路径算法

城市智能交通系统中,最优路径算法及其优化是研究热点之一,是整个交通系统较为核心的部分.结合图论中最短路径算法,研究了城市交通可达路径算法,并对其进行了有效优化.通过图论中的路径代价函数,提出了城市最优路径算法,在此基础上,通过优化搜索区域、可达路径的搜索方向以及路网分层搜索等优化策略,达到了优化城市最优路径算法的目的,提出的城市最优路径及其优化算法能够给出行者提供多条参考的时间最优路线,方便出行者选择.通过算法的应用实例,验证了城市最优路径及其优化算法的有效性与实时性.     

基于深度强化学习的无线自组网拥塞控制性能提升方法

针对现有传统拥塞控制算法难以适应高度动态变化的无线自组网链路环境的问题,提出了一种基于深度强化学习的拥塞控制性能提升方法Enhanced-CC（Enhanced Congestion Control）。通过利用传统拥塞控制算法对拥塞窗口进行初步探测,在此基础上,利用深度强化技术学习链路实时最佳拥塞窗口区间,在传统拥塞控制算法计算的拥塞窗口过大或过小时,对拥塞窗口进行调整,从而使发送速率能够与高度动态变化的链路带宽相匹配,提升传统拥塞控制算法的传输性能。实验结果表明Enhanced-CC能够大幅度提升BBR、CUBIC、Westwood、Reno等传统拥塞控制算法的性能,同时也优于PCC、PCC Vivace等完全基于学习的拥塞控制算法以及Orca、DeepCC等结合深度强化学习与传统拥塞控制算法方案的性能。     

基于模拟退火算法的电力系统输电阻塞成本控制

研究了实时电力系统中输电阻塞管理的成本控制问题.针对同时开放发电侧和负荷侧的情形,引入阻塞率因子,建立了新的阻塞费用优化模型.基于minimax思想和模拟退火算法,将实时阻塞管理问题转化为最大输电阻塞时调整费用最小的非线性规划问题,得到了全局最优解.仿真结果表明,改进的优化模型可有效缩减和控制调整费用,所设计的算法简单可行且安全可靠.     

基于SCTP-CMT的改进重传策略

传输层多宿的端到端并行多路径传输(CMT)相比于SCTP能够同时选择多条路径进行数据块的传输。针对CMT的五种重传策略只能够选择多条路径中的一条进行数据块重传的不足,提出了一种改进的数据块重传策略,该策略综合考虑了SSTHRESH、LOSSRATE和CWND对传输路径性能的影响。仿真实验表明,改进策略能进一步减轻由于接收缓冲区拥塞而造成的端到端吞吐量下降的程度。     

基于多蚁群算法的无线传感器网络路由的跨层设计

针对事件驱动型无线传感器网络对数据传输的强实时性和高可靠性的要求,将统计获得的节点接入效率和负载队列长度等MAC层状态信息作为路由度量参数。考虑到蚂蚁网络算法在重负荷网络中存在传输延迟大、聚合速度慢等缺陷,提出了一种基于多蚁群算法的负载感知和高效接入的跨层路由协议,该协议把节点的单跳延迟、负载及带宽接入效率等参数作为路径的启发值进行路由优化。仿真结果表明,基于多蚁群算法的路由协议能够保证数据传输的实时性,能够实现无线传感器网络的拥塞控制及负载平衡。     

改变值更新规则加快启发式实时算法的收敛

网络最优路径问题的求解多用启发式算法。LRTA^＊算法作为启发式A^＊算法的改进,在多路径求解中,通过引入网络系统实时动态信息,满足动态环境下的实时要求,较快收敛于最优路径。本文给出了通过改变值更新规则来加快实时算法收敛的一种新方法,通过时间和解质量的相对折中,使该算法比LRTA^＊。算法更快地收敛于满意解,是一种求解大城市稠密路网两点间最优路径的有效方法。     

基于工业无线网络性能评价的规划路径算法

针对路由节点查找消息路径的局限性,提出了一种网关设备规划消息路径的算法。该算法结合工业无线网络通信数据的规律性,在考虑时延、能耗、可靠传输和负载均衡方面的性能综合评价之后,找出一种路径组合,避免消息拥塞和干扰,提高通信性能。然后,设计了仿真实验来对比规划路径与AODV查找路径两种情况下的通信性能。实验结果证明,规划的消息路径下的通信性能更好。     

基于延迟抖动分析的TCP友好拥塞控制算法

基于因特网的以UDP为传输协议的实时多媒体数据传输需要在保证实时性和可靠性的基础上,能够与因特网其他服务所使用的TCP协议公平共享有限的带宽。本文采用基于实时传输协议（RTP）和实时传输控制协议（RTCP）的反馈拥塞控制算法,提出一种简单的拥塞控制机制,使UDP数据流能与TCP数据流和平共处;研究了基于速率控制的TCP友好拥塞控制策略-TFRC,分析了其基本机制和关键问题;提出利用延迟抖动作为潜在拥塞信号来改进TFRC的速率控制机制,以适应实时业务低抖动的要求,并通过NS仿真验证了改进的TFRC算法对实时业务的良好性能。