基于跨层机制的ZigBee网络PAN间能耗均衡路由算法

针对现有ZigBee网络多PAN路由算法在路由构建过程中通信开销、传输时延和能耗较大的问题,提出一种基于跨层机制的能耗均衡路由算法——ERBCD(Energy-balanced Routing algorithm Based on Cross-layer Design)。该算法采用梯度探测反馈方式构建网关至节点的下行多径路由;引入跨层机制更新邻居节点的剩余能量信息;设计包含跳数和节点剩余能量的合成路由度量标准以减轻节点负载,均衡网络节点能耗。理论分析证明了ERBCD算法的有效性。仿真结果表明与现有典型算法IP-AODV相比,ERBCD算法大大降低了网络通信开销和数据分组平均能耗,并延长了网络生存期延。     

基于能量选择的ReInForM路由算法研究与仿真

研究网络路由能量优化问题,针对传统的高可靠性路由算法难以均衡能耗的问题,为了实现高可靠性能量优化,提出了基于能量选择的ReInForM路由算法.新算法通过引入节点能耗量化评估机制,将邻居节点集合中待选节点按能耗进行排序,在保证传输可靠性的前提下,优先选择能量消耗少,剩余能量多的节点,从而优化路由算法.新算法解决了在恶劣通信环境下,高可靠性路由算法的能耗均衡问题.仿真验证了新算法在均衡路由能耗,减少失效节点个数,延长网络生存时间方面取得了较好的效果.新算法较传统算法取得更好的效果.     

WSN中基于最大最小化的优化路由算法

无线传感器网络(WSN)由能量受限的节点组成,需要设计路由算法优化节点的能耗。文章以最大化网络生存时间为目标,基于最大最小化模型提出了优化路由算法,定义了数据发送矩阵,设计了转发节点选择机制,以避免路由回路;基于节点收发数据的能耗及剩余能量,设计了求解优化路由的数学规划模型,优化了传感器节点的数据发送路径和发送量,均衡了节点的能量消耗。仿真结果表明,该算法能有效地均衡节点的能耗,延长网络生存时间。     

基于改进粒子群的农田WSN路由优化方法

农田无线传感器网络（WSN）应用环境复杂,影响网络传输的因素包括环境变化、作物生长等。路由协议作为网络数据采集过程中的重要环节,其能耗优化是近年来农田WSN领域的研究热点。传统的能耗优化路由算法多数只针对静态网络环境,难以适用于动态变化的农田监测场景。为此,提出一种基于改进粒子群（PSO）的路由优化算法RD-PSO。将不同的路由传输路径抽象为粒子,根据农田网络能耗、剩余能量、网络传输跳数、链路质量等关键因子构建适应度函数,以提高路径寻优的环境适应性。同时,针对PSO路由随机初始化时迭代效率低的问题,采用反向探测方法确定网络节点的初始化拓扑位置,缩短初始位置与最优解的距离,从而提高算法的收敛速度。实验结果表明,相较ELMR、EEABR和MR-PSO路由算法,RD-PSO算法具有更快的收敛速度,在网络生命周期、能耗均衡效果以及平均传输跳数等方面性能较优,其能提高路由算法在农田动态场景中的适配性。     

基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法

无线传感器网络(WSN)路由中,节点未充分考虑路径剩余能量及链路状况进行的路由会造成网络中部分节点网络寿命减少,严重影响网络的生存时间。为此,将蚁群优化算法与非均匀分簇路由算法相结合,提出一种基于蚁群优化算法的无线传感器非均匀分簇路由算法。该算法首先利用考虑节点能量的优化非均匀分簇方法对节点进行分簇,然后以需要传输数据的节点为源节点,汇聚节点为目标节点,利用蚁群优化算法进行多路径搜索,搜索过程充分考虑了路径传输能耗、路径最小剩余能量、传输距离和跳数、所选链路的时延和带宽等因素,最后选出满足条件的多条最优路径,完成源目的节点间的信息传输。实验表明,该算法充分考虑路径传输能耗和路径最小剩余能量、传输跳数及传输距离,能有效延长无线传感器网络的生存期。     

无线传感器网络中能量有效自适应路由算法研究

针对无线传感器网络寿命最大化问题,基于无线传感器节点能耗分布特点和数据传输能耗模型,建立无线传感器网络生存周期的数学优化模型,并针对最小能耗路由的能耗不均衡问题和能量均衡路由的能耗开销问题,综合考虑网络中节点的剩余能量和节点间发送数据的能耗,提出一个适合无线多跳传感器网络的自适应路由算法。仿真结果表明,提出的路由算法能充分地利用有限的能量资源,较大地延长网络生存周期。     

无线传感器网络中能量有效自适应路由算法研究

针对无线传感器网络寿命最大化问题,基于无线传感器节点能耗分布特点和数据传输能耗模型,建立无线传感器网络生存周期的数学优化模型,并针对最小能耗路由的能耗不均衡问题和能量均衡路由的能耗开销问题,综合考虑网络中节点的剩余能量和节点间发送数据的能耗,提出一个适合无线多跳传感器网络的自适应路由算法。仿真结果表明,提出的路由算法能充分地利用有限的能量资源,较大地延长网络生存周期。     

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。     

基于能量感知的无线传感器网络CT P路由算法

为了增强无线传感器网络的动态适应性和实现数据包的最优传输,根据CTP算法的原理,使用NesC语言在TinyOS 2．x下设计改进路由协议ICTP。该协议采用传输期望值指引路由包和数据包进行传输,并在数据包传输过程中考虑下一跳邻居节点的剩余能量以实现动态均衡网络能耗。通过TOSSIM仿真实验表明,改进后的ICTP能够有效减少传输时延,延长网络寿命,提高网络能量均衡。     

基于蚁群优化的无线传感器网络能耗均衡路由算法

针对无线传感器网络中节点能量受限的特点,将蚁群优化算法(ACO)应用于无线传感器网络,同时考虑了通信路径长度和节点剩余能量等因素,提出了具有能量意识的无线传感器网络路由算法,从多方面解决了节点间的能耗不均衡问题。该算法在OMNET++平台下仿真结果表明,与Ant-Net、ACRA算法相比在能耗不均衡和传输延迟等方面有了较大改进,实现了全网节点的能耗均衡,有效延长了网络生命期,减小了传输时延。     

VANET中基于WSN节点感知的高效路由协议设计方案

在车载自组网(VANET)中,当网络密度较低时,VANETs不能保证及时发现危险的路况或保持通信连通性,这可能对驾驶安全构成风险。为解决该问题,提出一种VANET中基于WSN节点感知的高效路由协议设计方案。该方案将VANET和WSN相结合,使用WSN节点沿着路边部署,以感知道路状况,并向车辆传递关于危险状况的信息,忽略VANET的密度和连通性。同时根据VANET中常用的被动式带宽估算方法,提出一种基于CORNER传播模型的带宽评估策略,实现链路可用带宽和信道容量的准确估计。仿真结果表明,该路由协议可以减少端到端延迟和能耗,合理地利用有限的网络带宽资源,减少丢包率。     

节能感知的无线传感网接入控制与路由优化策略

为降低能耗,延长输电线路监测网络传感器寿命,提出一种新的媒体接入控制与路由联合优化策略。构建无线传感网通信框架,并基于该框架给出一种自适应的簇内调度策略,旨在减少传感器节点的空闲监听,从而降低节点能耗。给出一种按需路由协议,在确保能量等级和信道质量的同时在簇间进行最佳路由选择,基于簇头剩余能量及其到基站的距离,利用非均匀簇技术平衡节点能量分布,延长网络寿命,并构建能耗和延迟模型进行性能评估。实验结果表明,该方案在节能的同时能够显著降低数据传输时延。     

基于博弈论的无线传感器网络簇间路由选择算法

针对无线传感器网络(WSN)中,网络覆盖范围大,但传感器节点通信范围有限,长距离传输容易造成数据丢失的问题,提出了一种基于博弈论的无线传感器网络簇间路由算法,通过建立以网络服务质量(QoS)和节点剩余能量为效用函数的博弈模型,并求解其纳什均衡来解决以上问题。仿真结果表明：所提出的博弈模型在优化网络服务质量、降低节点能耗的同时,延长了整个网络的生存时间。     

无线传感器网络中的节能路由算法研究

对无线传感器网络的节点能耗不均衡和传输时延的问题进行了研究,提出一种新的路由算法。该算法通过建立最小跳数和对节点剩余能量的保护,使得数据包沿着能耗最优的路径向Sink节点发送。在MATLAB环境下对该机制进行了仿真实验。实验结果表明,该算法能降低能耗,均衡和延长网络生存时间。     

基于信号功率随机衰落模型的无线传感器网络干扰感知路由

为了降低无线传感器网络信号功率的衰减以及节点干扰对数据传输效率所造成的影响,提出了一种基于信号功率随机衰落模型的无线传感器网络干扰感知路由。首先,根据概率论提出了干扰节点不同分布情况下成功传输数据的两种概率干扰模型,并将节点的干扰、路由收敛及节点剩余能量问题作为路由度量建立了干扰感知路由;然后,通过将干扰、路由收敛,以及节点剩余能量作为评估权值,来共同决定最佳的下一跳节点。通过NS2的仿真数据表明,与基于差异化服务的干扰感知路由算法和基于编码的干扰感知路由协议相比,所提出的算法在数据投递平均成功率、能量消耗及平均延迟时间上均有一定优势。     

基于免疫连通模型的多路径传输选择算法

为解决无线传感器网络（WSN）中节点部署不均匀造成的节点能量消耗大、数据传输可靠性低的问题，提出了一种基于免疫连通模型的多路径传输选择算法。当数据传输发生故障时，免疫机制被用来选择路径的适应度函数，从而达到优化传输路径和减少节点能耗的目的。实验从网络寿命、端到端传输延迟、覆盖率、传输可靠性、载荷分布等指标对算法进行评价。实验结果显示，所提算法可更好地平衡负载，延长网络的生命周期，以及保证数据传输的可靠性。所提算法可以应用于对能量效率、可扩展性、延长网络寿命和降低网络开销有较高要求的传感器网络设计。     

基于蚁群优化的WSN功率自适应路由算法

为节省节点能量开销,延长无线传感器网络(WSN)的生命周期,在研究蚁群优化算法的基础上,提出一种基于蚁群优化的功率自适应路由算法。在蚂蚁寻路时考虑节点的传输方向、剩余能量和节点间距离。寻找到一条最优路径后,根据相邻两节点间的距离调整节点的发射功率,避免功率过大造成能量浪费。仿真实验结果表明,在节点非均匀分布的情况下,该算法能够有效节省网络开销,延长网络生命周期。     

基于免疫连通模型的多路径传输选择算法

为解决无线传感器网络（WSN）中节点部署不均匀造成的节点能量消耗大、数据传输可靠性低的问题,提出了一种基于免疫连通模型的多路径传输选择算法。当数据传输发生故障时,免疫机制被用来选择路径的适应度函数,从而达到优化传输路径和减少节点能耗的目的。实验从网络寿命、端到端传输延迟、覆盖率、传输可靠性、载荷分布等指标对算法进行评价。实验结果显示,所提算法可更好地平衡负载,延长网络的生命周期,以及保证数据传输的可靠性。所提算法可以应用于对能量效率、可扩展性、延长网络寿命和降低网络开销有较高要求的传感器网络设计。     

Energy-Efficient Routing Using Novel Optimization with Tabu Techniques for Wireless Sensor Network

Wireless Sensor Network (WSN) consists of a group of limited energy source sensors that are installed in a particular region to collect data from the environment. Designing the energy-efficient data collection methods in large-scale wireless sensor networks is considered to be a difficult area in the research. Sensor node clustering is a popular approach for WSN. Moreover, the sensor nodes are grouped to form clusters in a cluster-based WSN environment. The battery performance of the sensor nodes is likewise constrained. As a result, the energy efficiency of WSNs is critical. In specific, the energy usage is influenced by the loads on the sensor node as well as it ranges from the Base Station (BS). Therefore, energy efficiency and load balancing are very essential in WSN. In the proposed method, a novel Grey Wolf Improved Particle Swarm Optimization with Tabu Search Techniques (GW-IPSO-TS) was used. The selection of Cluster Heads (CHs) and routing path of every CH from the base station is enhanced by the proposed method. It provides the best routing path and increases the lifetime and energy efficiency of the network. End-to-end delay and packet loss rate have also been improved. The proposed GW-IPSO-TS method enhances the evaluation of alive nodes, dead nodes, network survival index, convergence rate, and standard deviation of sensor nodes. Compared to the existing algorithms, the proposed method outperforms better and improves the lifetime of the network.