移动Sink的传感器网络路径优化策略

在无线传感器网络（WSNs）中引入移动 Sink 可以避免网络拥塞和能量空洞并降低网络能耗,但由于移动速度的限制导致时延较大。针对这一问题,提出了时延约束下的移动 Sink 路径优化策略,根据时延和网络能耗之间的关系设计了可调节的节点权重,通过模拟退火遗传算法得到最优节点权重,并依据此权重通过迭代得到汇聚节点和最佳移动路径。仿真结果表明：该策略能保证在满足时延约束的前提下降低网络能耗,且收敛速度快。     

一种满足数据时新性的WSN运载路由算法

为满足无线传感器网络应用的数据时新性,综合节点传送数据和移动设备辅助传送数据2种方式的优点,提出一种能量高效的运载路由算法。通过计算移动设备的最优接收数据位置,规划移动设备的路径,降低传感器节点的能量消耗,由此提高网络性能。模拟结果表明,该算法能在保证数据时新性的前提下,较大地减少网络能耗。     

WSN数据收集中移动sink的路径规划和蔟头节点选取问题的综合研究

针对较大规模的无线传感器网络通过多跳传输进行数据收集而引起的能量空洞问题,本文提出了一种基于移动sink的簇头节点数据收集算法（MSRDG）,该算法基于图论原理,在满足时延性的条件下,综合考虑了普通节点到簇头节点路由和移动sink遍历路经选取的问题,构建了一条通过的簇头节点尽可能多的移动轨迹。通过NS-2仿真软件对算法的性能进行评估,结果显示出该算法能减少数据的多跳传输,降低无线传感器网络节点的能量消耗,延长网络寿命。     

无线传感器网络能量均衡的多sink分簇路由算法

针对无线传感器网络中传感器节点能量有限以及节点能耗不均衡的问题,提出了一种基于能量均衡的多sink分簇路由算法（EBMCR）。该算法在簇头选择阶段,综合考虑了节点的剩余能量级和节点到sink的距离等因素选择簇头节点;在簇间通信过程,采用多跳传输的方式,综合考虑了路径能量消耗、路径最小剩余能量和节点到sink的跳数等因素,选择节点到多个sink的最优路径。仿真结果表明,该算法能够有效地均衡网络能量,延长网络生命周期。     

一种无线传感网的Sink节点移动路径规划算法研究

为寻找传感节点均匀分布时Sink节点的最优移动路径和最大网络生存时间,提出一种无线传感网的Sink节点移动路径规划算法(MPOA).在MPOA算法中,将Sink节点的数据收集范围分解成多个圆环,将监测区域分解成多个网格.根据Sink节点的停留位置和多跳通信方式,采用数学公式表示每一个网格的单位节点能耗,从而获得Sink节点移动的网络生存时间优化模型.采用修正的混合粒子群算法求解该优化模型,获得网络生存时间、Sink节点的停留位置和移动路径的最优方案.仿真结果表明:MPOA算法可寻找到Sink节点的最优移动路径,从而平衡网络能耗,提高网络生存时间.在一定的条件下,MPOA算法比Circle,Rect和Rand算法更优.     

三维曲面多移动节点的传感器网络部署算法

目前大多数传感器网络部署研究主要集中在二维平面和三维全空间区域,然而,许多现实世界的应用领域是一个复杂的三维空间曲面,现有的覆盖方法不能取得较好的结果。本文研究三维空间曲面传感器网络部署方法,提出一种三维曲面多移动节点的传感器网络部署算法,采用静态节点和动态节点组成的混合传感器网络,由静态节点估算覆盖空洞的位置和面积,再通过移动节点对覆盖空洞进行依次修复。仿真结果表明,该算法的最终网络覆盖率达到了99%,比3DGA算法提高了6个百分点,比Delaunay算法提高了8.5个百分点,同时降低了网络整体能耗。     

异构无线传感网络最优簇首选择机制

针对时间驱动的数据收集方式,考虑在异构无线传感器网络中,不同类型的传感器节点采集数据周期不同,节点初始能量异构的研究背景下,结合模糊逻辑原理,提出了一种新型的最优簇首选择机制OCHS. OCHS算法在选择簇首节点的时候,综合考虑节点采集数据周期不同,节点初始能量异构以及节点的分布密度,通过这些因素采用竞争的方式来选举最优的簇首集.成员节点则采用类勾股定理的方法,选择一条链路能耗最小的路径加入该簇. MATLAB仿真表明, OCHS算法能够有效的均衡网络节点能耗、延长整个网络的生存周期以及提高整个网络的稳定期.     

Mobility-assisted minimum connected cover in a wireless sensor network

All properties of mobile wireless sensor networks (MWSNs) are inherited from static wireless sensor networks (WSNs) and meanwhile have their own uniqueness and node mobility. Sensor nodes in these networks monitor different regions of an area of interest and collectively present a global overview of monitored activities. Since failure of a sensor node leads to loss of connectivity, it may cause a partitioning of the network. Adding mobility to WSNs can significantly increase the capability of the WSN by making it resilient to failures, reactive to events, and able to support disparate missions with a common set of sensor nodes. In this paper, we propose a new algorithm based on the divide-and-conquer approach, in which the whole region is divided into sub-regions and in each sub-region the minimum connected sensor cover set is selected through energy-aware selection method. Also, we propose a new technique for mobility assisted minimum connected sensor cover considering the network energy. We provide performance metrics to analyze the performance of our approach and the simulation results clearly indicate the benefits of our new approach in terms of energy consumption, communication complexity, and number of active nodes over existing algorithms.     

基于移动机器人的无线传感器网络数据收集方法

稀疏无线传感器网络中各传感器节点距离较远,而传统的静态数据收集方法要求各传感器节点直接通信,导致网络延迟时间长,能耗高。针对该问题,提出一种基于移动机器人的无线传感器数据收集方法。该方法首先由静态节点选择与路径最短的移动机器人作为簇头,移动机器人比较一定周期内检测到的邻居节点的平均剩余能量与整个网络传感器节点平均剩余能量,根据比较结果决定其是否移动,若移动则采用范围可控的随机移动策略;当移动机器人移动到新位置时,传感器节点更新路由,选择新的移动机器人作为簇头。仿真结果表明,与传统的静态无线传感器网络数据收集方法相比,基于移动机器人的无线传感器网络数据收集方法大大降低了数据传输延迟和节点能量消耗。     

基于事件的移动认知无线传感器网分簇算法

移动认知无线传感网中, 节点的移动特性会导致网络拓扑结构不断变化, 节点的能耗不均衡等问题, 本文提出一种基于事件的移动认知无线传感器网的分簇算法, 来重点解决上述问题. 算法根据通信区域内的预估计停留时间确定了合格节点和备用节点, 通过节点的移动方向、速度、节点在簇中的预估计连接时间等特性, 采用直接分簇的方法来建簇, 提高簇的稳定性, 保证了路由跳数最少. 同mESAC, EACRP和MNB 3个算法进行了仿真实验比较, 验证了本算法有更低的分簇能耗和更好的连通性.     

基于均匀分簇的正三角模型节点轮换路由算法

针对节点随机分布的无线传感器网络能耗问题,提出一种在均匀分簇后采用正三角模型对簇内节点进行调度的低能耗路由算法。该算法首先计算网络内节点总能耗最小时的分簇数目,再由Sink节点选择相应数目的剩余能量最大、地理位置最优的节点为簇首,完成均匀分簇。簇内节点采用正三角模型和节点覆盖概率进行工作节点的选择。仿真结果表明,该路由算法可以均衡节点能耗,延长网络工作轮数,降低网络延迟,并体现出了更优的网络鲁棒性。     

改进遗传算法的WSN节点最优路由选择策略

针对无线传感器节点数据传输过程中的能量消耗问题,为了提高节点数据传输实时性,提出一种改进遗传算法的无线传感器网络节点最优路由选择策略。根据无线传感器网络的拓扑结构将监测区域划分不同大小的簇,并根据节点剩余能量选择每一个簇的簇头节点,然后将簇头节点编码成遗传算法的个体,根据数据转发能量耗能和延迟时间构建个体的适应度函数,并通过模拟自然界生物进化过程中的选择、交叉、变异等操作,找到节点数据转发的最优路径,在Matlab 2012平台上对数据路由算法的性能进行仿真测试。仿真结果表明,相对其他路由选择策略,提出的路由选择策略不仅可以均衡各个传感器节点的剩余能量,而且大幅度减少了数据转发路由过程中的能量消耗和延迟时间。     

基于模糊区域宽松距离的改进GEAR传感网络均衡算法

传感节点的有效选择对无线传感网络通信有着重要影响。在分析传统的GEAR传感节点分配算法基础上,提出基于模糊区域宽松距离的改进GEAR传感网络均衡算法。运用一种基于节点模糊区间划分,伴随节点运用一种宽松距离的方法进行逼近,依靠得到的模糊节点可靠性隶属度函数,完成对节点的最终选择,从而避免传统GEAR节点分配算法中单纯依靠地理位置与能量开销等先验知识进行节点选择的弊端。实验验证该方法的通信能量消耗曲线趋势要低于传统GEAR算法,能有效调节传感网络的拥塞。     

基于簇首移动的无线传感器网络路由算法

以往的无线传感器网络分簇算法中,簇首位置固定无法移动,缺乏针对网络实时变化的灵活性,在均衡网络节点能量消耗的问题上存在着缺陷。鉴于此,提出一种簇首移动的无线传感器网络路由算法（MCHCA）。MCHCA算法将簇首设置为移动节点,通过网络区域大小及节点传输半径确定合理的移动簇首数目;根据簇内成员的位置坐标和剩余能量的信息,确定簇首每轮所需移动到的最佳位置;移动簇首收集簇内成员的数据并将其融合,传递给Sink节点。仿真结果表明,该算法可以有效地均衡网络节点负载的能耗,提高了网络的生命周期。     

基于改进蚁群优化的无线传感器网络路由算法

针对无线传感器网络节点能量、通信能力有限等特点,提出了一种改进蚁群优化的路由算法,算法对下一节点的选择充分考虑了通信距离和剩余能量等因素,将蚂蚁搜索行为集中到最优解附近,为避免早熟收敛行为的发生,将信息素轨迹的值域范围进行限制,通过对信息素轨迹的平滑化,快速逼近无线传感器网络最优路径;仿真结果证明,该算法有效地减少了网络能量消耗、节点死亡数量和链路长度,延长了网络生命期。     

WSN中面向数据源搜索的MA任播路由策略

为了减少传感器节点的能耗,延长无线传感器网络的生命周期,将任播运用到WSN的MA路由之中,提出了一种面向数据源搜索的移动代理路由策略。首先利用人工免疫系统的多样性和自适应的特点,找出MA访问数据源的最佳顺序,然后利用基于能量限制的任播算法,在一个数据源的多个感知节点中,选择满足能量条件的节点进行迁移。仿真实验表明,该策略能够以最小代价访问各个数据源,且均衡地使用网络各节点的能量,从而延长了WSN的生存周期,具有较好的通用性。     

Sink节点移动的无线传感网生存时间优化算法

为提高网络最大生存时间,提出Sink节点移动的无线传感网生存时间优化算法(LOAMSN)。该算法分析Sink节点移动时的流量平衡约束、最大传输速率约束、节点能耗约束等约束条件,将生存时间优化问题转化成优化模型。提出Sink节点的移动方法,即Sink节点利用节点的度值构建其移动路径,按照此路径循环移动收集数据。将Sink节点的移动认为是离散运动,Sink节点移动的生存时间优化模型分解成若干个Sink节点静止的生存时间优化模型,采用牛顿法求解每个Sink节点静止的优化模型,获得网络最大生存时间和节点发送数据量的最优值。仿真结果表明:LOAMSN算法能减少Sink节点停留位置上的节点能耗,平衡网络负载和节点能耗,提高网络最大生存时间。在一定条件下,LOAMSN算法比Sink节点静止时更优。     

无线传感网优化生存时间的分布式功率控制

为延长无线传感网的生存时间,提出优化生存时间的分布式功率控制算法(DPCOL).该算法分析节点发送功率变化下的链路流量平衡约束,链路最大传输速率约束,节点能耗约束等条件,建立最大化生存时间的网络模型.采用分布式功率迭代和次梯度算法求解该模型.节点获知与各邻居节点通信所需要的最低发送功率集,随机选择发送功率集中的功率作为...     

基于遗传算法的朴素贝叶斯分类

朴素贝叶斯分类器是一种简单而高效的分类器,但是其属性独立性假设限制了对实际数据的应用。提出一种新的算法,该算法为避免数据预处理时,训练集的噪声及数据规模使属性约简的效果不太理想,并进而影响分类效果,在训练集上通过随机属性选取生成若干属性子集,并以这些子集构建相应的贝叶斯分类器,进而采用遗传算法进行优选。实验表明,与传统的朴素贝叶斯方法相比,该方法具有更好的分类精度。     

An improved ant colony optimization-based approach with mobile sink for wireless sensor networks

Traditional wireless sensor networks (WSNs) with one static sink node suffer from the well-known hot spot problem, that of sensor nodes near the static sink bear more traffic load than outlying nodes. Thus, the overall network lifetime is reduced due to the fact some nodes deplete their energy reserves much faster compared to the rest. Recently, adopting sink mobility has been considered as a good strategy to overcome the hot spot problem. Mobile sink(s) physically move within the network and communicate with selected nodes, such as cluster heads (CHs), to perform direct data collection through short-range communications that requires no routing. Finding an optimal mobility trajectory for the mobile sink is critical in order to achieve energy efficiency. Taking hints from nature, the ant colony optimization (ACO) algorithm has been seen as a good solution to finding an optimal traversal path. Whereas the traditional ACO algorithm will guide ants to take a small step to the next node using current information, over time they will deviate from the target. Likewise, a mobile sink may communicate with selected node for a relatively long time making the traditional ACO algorithm delays not suitable for high real-time WSNs applications. In this paper, we propose an improved ACO algorithm approach for WSNs that use mobile sinks by considering CH distances. In this research, the network is divided into several clusters and each cluster has one CH. While the distance between CHs is considered under the traditional ACO algorithm, the mobile sink node finds an optimal mobility trajectory to communicate with CHs under our improved ACO algorithm. Simulation results show that the proposed algorithm can significantly improve wireless sensor network performance compared to other routing algorithms.