无线传感网多Sink负载均衡路由协议

大多数无线传感网络应用中,传感节点将所采集的数据传输到距离最近的汇聚节点(Sink),从而形成"多对一"的汇聚型传输.如果节点持续向Sink节点发送数据,由于传感节点产生和多跳传输转发数据分布的不均衡性,普遍采用最近Sink(nearest sink,NS)导致部分区域节点负载过重能量耗尽,整个网络分割,缩短网络寿命.为了延长网络寿命,在多Sink情况下提出一种基于最近Sink机制的启发式负载均衡路由协议.此算法不仅考虑Sink间均衡,同时考虑局部区域负载均衡.仿真结果表明本算法网络寿命大大优于同类算法.     

优化网络生存时间的Sink节点移动路径选择算法

为克服无线传感网的能量空穴问题,采用最优化方法,研究一种优化网络生存时间的Sink节点移动路径选择算法(MPSA)。在MPSA算法中,将单跳传输的无线传感网监测区域分成多个大小一致的网格,Sink节点可移动到任一网格中心,停留收集单跳最大通信范围内的传感节点数据。分析停留位置的全节点覆盖条件和所有传感节点的能耗,建立权衡网络生存时间和Sink节点移动路程的优化模型。提出一种改进的遗传算法,用于求解优化模型,即迭代执行染色体评估、选择、交叉、变异、最小覆盖处理、孤立节点处理等步骤,最终获得优化网络生存时间的Sink节点移动方案。仿真结果表明:MPSA算法能提高网络生存时间,将移动路程保持在较小范围。在提高网络生存时间方面,比RCC算法更优。     

Sink节点移动的三维无线传感网数据收集算法研究

为克服三维静态无线传感网中的能量空穴问题和提高网络生存时间,考虑Sink节点移动,提出一种Sink节点移动的三维无线传感网数据收集算法(DCA-TWSN),在DCA-TWSN中,提出三维环境下的正方体网格划分方法,建立包括Sink 移动路径选择约束、数据流量约束、能耗约束、链路约束等约束条件的数据收集优化模型,采用最优化方法求解已知Sink节点移动路径的数据收集优化问题,采用修正的蚁群算法求解Sink节点的移动路径问题,获得最优方案。仿真结果表明:不管Sink节点的最大数据收集跳数和传感节点数量如何变化,DCA-TWSN都能寻找到较优的移动路径和数据传输方案,从而提高了网络生存时间和传感节点的平均数据传输率,降低了移动路径长度、平均节点能耗方差和丢包率,比RAND、GREED和EDG-3D更优。     

随机多Sink模式下的异构网络组织策略

针对无线传感网中分簇及路由过程中节点能量利用率较低、网络能耗不均衡以及网络的生命周期较短等问题,面向多Sink模式下的具有随机异构性能的传感器网络,为解决该问题,提出了一种基于随机多Sink模式下的异构网络组织策略NAHN(Networking Algorithm for Random Muti-Sink Heterogeneous Networks)。异构节点以自身能量、可达节点集、平均邻居节点距离以及距离信号集为簇首选举标准,提出了基于多Sink模式下的权值匹配策略,优化簇首能耗;以簇首单次中转损耗的能量为门限,综合考虑自身能量以及多Sink模式下距离信号集的影响,搭建出一条最优的通信链路,在保证链路质量的同时优化路由过程中的簇首节点的能量损耗。在与其他3种多Sink异构网络改进的路由算法的性能比较实验中,NAHR算法在提高节点能量利用率、延缓节点死亡、延长且稳定网络寿命等方面,优势均较为明显。     

基于Sun SPOT平台的无线传感器网络多跳路由协议设计

多跳路由协议是无线传感器网络中的关键技术之一,针对传统多跳传输协议在无线传感器网络的实际应用中存在部署过程过于复杂等问题,设计了一种灵活实用的基于Sink节点控制的无线传感器网络多跳传输协议(Sink Controlling Multi-hop Protocol,SCMP)。Sink节点通过发送命令信息实现对传感器节点的控制,并收集各个节点的路由信息从而获得全局路由,然后对传感器节点的数据传输进行进一步控制。在Sun SPOT平台上对SCMP进行了部署实验,结果表明,基于Sink节点控制的多跳传输协议更加方便灵活,在实际的无线传感器网络应用中具有一定的有效性和可行性。     

基于多Sink节点的煤矿巷道无线传感器网络路由协议

针对传统的单Sink节点无线传感器网络应用于煤矿安全监控系统中时,远离巷道口的传感器节点无法及时、准确地将巷道深处的监测数据传输到巷道口Sink节点的问题,提出一种适用于长带状结构煤矿巷道的基于多Sink节点的无线传感器网络路由协议。该协议引入多Sink节点的无线传感器网络结构和非均匀成簇的思想,采用基于多Sink节点的功率控制算法和非均匀成簇算法,对各个Sink节点的最优通信半径、发射功率、簇首的选择和非均匀竞争半径的计算进行优化。仿真结果表明,该路由协议在连通度、延时和网络生存期上具有优势,可有效降低无线传感器网络整体能耗,延长网络生存期。     

基于负载均衡的簇间路由协议

针对无线传感器网络簇头节点负载不均衡的问题,提出一种基于负载均衡的簇间路由协议.该协议通过记录邻居簇头节点到Sink节点的最小跳数信息建立到Sink节点的多条路径,根据簇节点的剩余能量和负载选择合适的路径进行路由,从而实现了簇头节点间的负载均衡.仿真实验结果表明,该路由协议能有效地均衡网络负载和簇头节点能量消耗,减少数据传输延迟,延长网络生存时间.     

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.     

基于二次Bezier曲线的无线传感网避障路径规划研究

用固定Sink节点进行无线传感网内数据采集的传统方式会导致热点区域(hot spot)问题,而采用移动Sink节点进行数据采集可以克服这个问题,从而达到均衡网络能量分布与延长网络生命周期的效果.本文针对类车型机器人作为无线传感网中移动数据汇聚节点的应用场景,提出了一种基于Bezier连续曲线的移动Sink节点避障路径规划算法.本文构建了连续分段Bezier曲线为巡航轨迹,采用人工势场中的斥力场理论实现对多个障碍物的智能躲避,动态调节二次Bezier曲线的内部控制点位置,将障碍物排斥在二次Bezier曲线之外.仿真结果验证本文提出的算法可以实现移动Sink节点规划路径的避障功能,同时Bezier曲线规划算法简单,计算量较小.     

基站选择Sink的无线传感器网络路由协议

节点的能量标志着无线传感器网络(WSN)的生命周期,但是当前一些路由协议不能够很好地平衡、延长网络的生命周期.基于此,提出了一种基站选择Sink的无线传感器网络的路由协议.该协议利用环和边构成扇形区域,基站选择几个能量较大的节点作为扇环内的Sink,这些Sink采用TDMA的原理轮流成为当前的Sink,从而平衡整个网络的能量开销.仿真结果表明,该基站选择Sink的路由协议要比CWR协议更能节约能量、延长网络的生命周期.     

基于质心理论的多Sink节点重选址算法

针对无线传感器网络WSNs(Wireless Sensor Networks)中Sink节点静止不动附近邻居节点易出现"能量空洞"、缩短网络生命周期等问题,提出一种基于质心的多Sink节点重选址算法.将网络中某段时间内向Sink节点发送过数据包的全部一跳邻居节点视为质点系,所发送的数据量作为质点质量,使Sink节点向着传感器节点密度大的方向移动,实现多个Sink节点相互协作,逐步逼近到该质点系的质心位置.将质心重选址算法与多Sink节点位置固定的重选址算法和COST函数多Sink节点重选址算法进行仿真对比,结果表明质心重选址算法可以有效的均衡网络负载,降低网络能耗,延长网络生命周期,提高网络性能.     

基于蚁群的无线传感器网络路由算法

针对无线传感器节点能量、通信能力及计算能力有限等特点,将蚁群算法应用于无线传感器网络,提出一种改进的蚁群路由算法,考虑了节点的能量、距离、通信半径和传输方向等参数.实验结果表明:该算法有效地减少了网络能量消耗、节点死亡数、路由跳数和数据传输的路径长度,延长了无线传感器网络的寿命,实现无线传感器网络在通信过程中快速、节能的路由。     

基于蚁群优化的无线传感器网络路由算法

如何在资源受限的无线传感器网络中进行高效的数据路由是无线传感器网络研究的热点之一。基于群智能优化技术的蚁群优化算法被广泛应用于网络路由算法。提出一种无线传感器网络蚁群优化路由算法,能够保持网络的生存时间最长,同时能找到从源节点到基站节点的最短路径;采用的多路数据传输也可提供高效可靠的数据传输,同时考虑节点的能量水平。仿真结果表明:提出的算法延长了无线传感器网络的寿命,实现无线传感器网络在通信过程中快速、节能的路由。     

基于Agent的无线传感器网络AUML交互模型

节点之间的协作交互是无线传感器网络自组织基础,也是拓扑控制和路由选择的本质特性。分析无线传感器网络典型拓扑控制算法和路由协议中的交互行为,在多Agent系统模型基础上,提出基于AUML的无线传感器网络Agent元模型和Agent模型图,构建适合于无线传感器网络的AUML交互模型,该模型包括WSNAgent实例、WSNAgent角色特征、WSNAgent生命线和控制焦点、连接器、消息、条件等基本组件。典型协议建模表明,无线传感器网络AUML交互模型具有较好的可视化描述能力,为无线传感器网络交互的实现奠定了良好基础。     

无线传感器网络分簇路由节能研究

在大规模传感和环境监测中,节约能源延长传感器节点生命已成为无线传感器网络最重要的研究课题之一。提供合理的能源消耗和改善无线网络生命周期的传感器网络系统,必须设计一种新的有效的节能方案和节能路由体系。方案采用一种聚类算法减少无线传感器网络的能量消耗,创建一种cluster-tree分簇路由结构的传感器网络。该方案主要目标是做一个理想的分簇分配,减少传感器节点之间的数据传输距离,降低传感器节点能源消耗,延长寿命。实验结果表明,该方案有效地降低了能源消耗从而延长无线传感器网络生命。     

无人机自组网中基于Q-learning算法的及时稳定路由策略

无人机自组网凭借其抗干扰能力强、适用于复杂地形、智能化程度高和成本较低的优点,近年来受到广泛关注,该网络中路由协议的设计与优化一直是核心研究问题。针对无人机自组网中因节点快速移动造成节点本地存储的路由未及时更新而失效的问题,提出一种基于Q-learning算法的动态感知优化链路状态路由协议(DSQ-OLSR)。该协议首先充分考虑了无人机自组网节点高速移动的特点,在选取多点中继(MPR)节点时添加了链路稳定性和链路存在时间这两个指标,使得选出的MPR节点集更稳定、合理;其次,结合Q-learning算法对TC消息的发送间隔进行自适应调整,使得在网络拓扑变动较小时增大TC发送间隔以减小控制开销,而在拓扑变动较大时减小TC发送间隔用于达到快速感知并构建网络拓扑的要求,进而实现数据的及时路由。仿真结果表明,与DT-OLSR协议相比,该协议在端到端时延、吞吐量、成功率和网络生存时间性能上分别提高了12.61%、9.28%、7.69%和5.86%,由此验证了其有效性。     

An energy efficiency semi-static routing algorithm for WSNs based on HAC clustering method

In Wireless Sensor Networks (WSNs), energy efficiency is one of the most important factors influencing the networks’ performance. Through a well designed routing algorithm, WSNs’ energy efficiency can be improved evidently. Among various routing algorithms, hierarchical routing algorithms have advantages in improving nets’ robustness and flexibility, and it is more appropriate for large scale of networks. In this paper, some typical hierarchical routing algorithms are introduced, and their advantages and defects are analyzed. Based on these analyses, a new hierarchical routing algorithm with high energy efficiency named EESSC is proposed which is based on the improved HAC clustering approach. In EESSC, the sensor nodes’ residual energy would be taken into account in clustering operation, and a special packet head is defined to help update nodes’ energy information when transmitting message among the nodes. When the clusters have been formed, the nodes in cluster would be arrayed in a list and cluster head would be rotated automatically by the order of list. And a re-cluster mechanism is designed to dynamic adjust the result of clustering to make sensor nodes organization more reasonable. At last, EESSC is compared to other typical hierarchical routing algorithms in a series of experiments, and the experiments’ result which proves that EESSC has obviously improved the WSNs’ energy efficiency has been analyzed.     

基于Q学习的蚁群优化水声网络协议

针对水声通信中数据传输延时高且动态适应性弱的问题, 提出了一种基于Q学习优化的蚁群智能水声网络路由协议(Q-learning ant colony optimization, QACO). 协议包括路由行为和智能决策部分, 在路发现和维护阶段, 依靠网络智能蚂蚁进行网络拓扑环境的构建和节点之间的信息交换以及网络的维护. 在Q学习阶段, 通过定量化节点能量和深度以及网络传输延时学习特征作为折扣因子和学习率, 以延长网络的生命周期, 降低系统能耗和延时. 最后通过水声网络环境进行仿真, 实验结果表明QACO在能耗、延迟和网络生命周期方面都优于基于Q学习辅助的蚁群算法(Q-learning aided ant colony routing protocol, QLACO)和基于 Q-learning 的节能和生命周期感知路由协议(Q-learning-based energy-efficient and lifetime-aware routing protocol, QELAR)和基于深度路由协议 (depth-based routing, DBR)算法.     

基于Q学习的无线传感器网络自组织方法研究

为实现无线传感器网络中数据传输效率与能量节省的综合性能优化,提出一种基于Q学习的自组织协议方法,将无线传感器网络的每个节点映射为一个Agent,通过学习训练,使得每个Agent可以选择一个较优的转发方向,从而实现无线传感器网络的自组织。实例分析表明,应用Q学习构建的自组织传感器网络能够提高数据传输的能量效率,延长网络生存期。