一种基于蜂窝模型改进的分簇路由算法
- 格式:pdf
- 大小:376.24 KB
- 文档页数:6
第61卷 第6期吉林大学学报(理学版)V o l .61 N o .6 2023年11月J o u r n a l o f J i l i nU n i v e r s i t y (S c i e n c eE d i t i o n )N o v 2023d o i :10.13413/j .c n k i .jd x b l x b .2023123基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法潘继强,刘 杰,达列雄,黄现代(陕西理工大学数学与计算机科学学院,陕西汉中723000)摘要:针对无线传感器网络节能分簇路由通信时存在数据传输节点死亡数量较多㊁传输能耗输出较大的问题,提出一种基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法.首先构建网络通信能耗模型,以缩减能耗为目标结合差分蜂群算法及时优化网络节点分布;然后基于网络节点分布优化结果,制定异构无线传感器网络节能分簇方法,使用能量迭代选簇方法确定簇头,获取簇头半径完成异构无线传感器网络的通信节点节能分簇;最后设定通信簇头节点与基站之间的距离,确定节点通信时的路由等级,并结合多跳的路由通信方式,实现异构无线传感器网络的节能路由通信.实验结果表明,利用该方法进行网络节能分簇路由通信时,数据传输节点死亡数量最多为22个,节点传输最大能耗为21n J /b i t,表明该方法节点通信节能效果较好.关键词:能量迭代方法;差分蜂群算法;异构无线传感器网络;分簇路由算法;节能分簇中图分类号:T P 391 文献标志码:A 文章编号:1671-5489(2023)06-1441-07E n e r g y E f f i c i e n t C l u s t e r i n g R o u t i n g A l g o r i t h mf o r H e t e r o g e n e o u sW i r e l e s s S e n s o rN e t w o r k sB a s e d o n E n e r g y I t e r a t i v eM o d e l a n dB e eC o l o n y O pt i m i z a t i o n P A NJ i q i a n g ,L I UJ i e ,D A L i e x i o n g,HU A N G X i a n d a i (S c h o o l o f M a t h e m a t i c s a n dC o m p u t e rS c i e n c e ,S h a a n x i U n i v e r s i t y o f T e c h n o l o g y ,H a n z h o n g 723000,S h a a n x i P r o v i n c e ,C h i n a )收稿日期:2023-04-12.第一作者简介:潘继强(1978 ),男,汉族,硕士,讲师,从事无线传感器网络路由算法的研究,E -m a i l :p j q@s n u t .e d u .c n .基金项目:陕西省科技厅创新能力支撑计划项目(批准号:2020K R M 035)和陕西理工大学校级科研项目(批准号:S L G K Y XM 2307).A b s t r a c t :A i m i n g a t t h e p r o b l e mo f l a r g e n u m b e r o f d a t a t r a n s m i s s i o nn o d e d e a t h s a n d h i g h t r a n s m i s s i o n e n e r g y o u t p u t d u r i n g e n e r g y -s a v i n g c l u s t e r i n g r o u t i n g c o mm u n i c a t i o n i nw i r e l e s s s e n s o r n e t w o r k s ,w e p r o p o s e d a ne n e r g y e f f i c i e n t c l u s t e r i n g r o u t i n g a l g o r i t h mf o rh e t e r o g e n e o u sw i r e l e s s s e n s o rn e t w o r k s b a s e do ne n e r g y i t e r a t i v e m o d e la n d b e ec o l o n y o p t i m i z a t i o n .F i r s t l y,an e t w o r kc o mm u n i c a t i o n e n e r g y c o n s u m p t i o n m o d e l w a sc o n s t r u c t e d ,w i t ht h e g o a lo fr e d u c i n g e n e r g y c o n s u m p t i o n a n d c o m b i n i n g d i f f e r e n t i a lb e ec o l o n y a l g o r i t h m t ot i m e l y o p t i m i z et h ed i s t r i b u t i o no fn e t w o r kn o d e s .S e c o n d l y ,b a s e d o n t h e o p t i m i z a t i o n r e s u l t s o f n e t w o r k n o d e d i s t r i b u t i o n ,a n e n e r g y e f f i c i e n t c l u s t e r i n g m e t h o df o rh e t e r o g e n e o u s w i r e l e s ss e n s o rn e t w o r k s w a sd e v e l o p e d ,t h ee n e r g y i t e r a t i v e c l u s t e r i n g se l e c t i o nm e t h o dw a su s e dt od e t e r m i n e t h ec l u s t e rh e a dt oo b t a i nt h ec l u s t e rh e a dr a d i u s a n d c o m p l e t e t h e e n e r g y ef f i c i e n t c l u s t e r i ng o f c o mm u n i c a t i o nn o d e s i nh e t e r o g e n e o u swi r e l e s s s e n s o r2441吉林大学学报(理学版)第61卷n e t w o r k s.F i n a l l y,w es e t t h ed i s t a n c eb e t w e e nt h ec o mm u n i c a t i o nc l u s t e rh e a dn o d ea n dt h eb a s es t a t i o n,d e t e r m i n e dt h er o u t i n g l e v e lo fn o d ec o mm u n i c a t i o n,a n d c o m b i n e d m u l t ih o p r o u t i n g c o mm u n i c a t i o n t oa c h i e v ee n e r g y e f f i c i e n tr o u t i n g c o mm u n i c a t i o ni nh e t e r o g e n e o u s w i r e l e s ss e n s o r n e t w o r k s.T h e e x p e r i m e n t a l r e s u l t s s h o wt h a tw h e nu s i n g t h e p r o p o s e d m e t h o d f o rn e t w o r ke n e r g y e f f i c i e n t c l u s t e r i n g r o u t i n g c o mm u n i c a t i o n,t h em a x i m u m n u m b e r o f d e a dd a t a t r a n s m i s s i o nn o d e s i s 22,a n dt h e m a x i m u m e n e r g y c o n s u m p t i o no fn o d et r a n s m i s s i o ni s21n J/b i t,i n d i c a t i n g t h a tt h e m e t h o dh a s g o o d e n e r g y e f f i c i e n t e f f e c t o nn o d e c o mm u n i c a t i o n.K e y w o r d s:e n e r g y i t e r a t i v em e t h o d;d i f f e r e n t i a l b e e c o l o n y a l g o r i t h m;h e t e r o g e n e o u sw i r e l e s s s e n s o r n e t w o r k s;c l u s t e r i n g r o u t i n g a l g o r i t h m;e n e r g y e f f i c i e n t c l u s t e r i n g无线传感器网络(w i r e l e s s s e n s o r n e t w o r k s,W S N)[1-3]是一种分布式传感网络,它的末梢是可以感知监测区域的传感器.随着计算机技术和微电子技术的不断发展,有效推动了低功率多功能传感器的快速发展,多功能传感器也依据自身数据无线传输的优越性被广泛使用,已成为现代监测技术的前沿技术.但异构无线传感器网络由于自身的体积问题,携带的电池能量有限,监测环境复杂会使更换电池问题无法实现.并且异构无线传感器网络节能分簇路由通信时,若通信节点工作能耗较大,会直接影响网络的使用寿命,影响无线传感器网络的正常运行.因此,异构无线传感器网络[4-5]的能耗优化尤为重要.针对该问题,为减少网络的碰撞概率以及网络通信的荷载问题,对异构无线传感器网络实施节能分簇路由方法,就成为传感器网络技术领域亟待解决的问题.文献[6]首先详细分析了异构无线传感器网络的能耗无线电一阶模式,构建了异构无线传感器网络的能耗模型;在此基础上,获取网络簇群请求节点接收信息的编码时隙,转发数据并令其稳定传输;结合狼群算法建立网络路由路径,实现无线传感器网络的分簇路由优化.但由于获取的网络簇群请求节点接收信息编码时隙与实际结果之间存在较大误差,所以该方法在网络节点路由通信时节点死亡数量较多.文献[7]首先在簇头选举阶段基于节点剩余能量以及节点密度信息确定簇头权值,并以此修正簇头阈值;再使用簇间路由算法计算簇头与邻居簇头的链路质量,找出最佳簇头完成簇间路径的建立,实现无线传感器网络的分簇路由通信.但根据节点剩余能量以及节点密度信息确定簇头权值存在问题,所以该方法在节点通信时,节点节能程度较差,传输能耗输出较大.文献[8]首先根据粒子群优化算法对模糊均值算法实施优化模糊,并根据节点剩余能量更新网络簇首,平衡簇内负载;再基于距离因子以及节点负载系数建立路径评价函数,使用猫群优化算法搜索最佳路由路径,实现网络通信.但该方法在实际应用中未能对网络节点实施分布优化初步节省节点传输能耗,因此导致传输能耗输出较大,通信节能效果较差.为解决上述异构无线传感器网络节能分簇路由过程中存在的问题,本文提出一种基于能量迭代模型和蜂群优化算法的异构无线传感器网络节能分簇路由算法.1网络节点分布优化开展异构无线传感器网络节能分簇路由通信时,需先在分簇路由通信前,分析异构无线传感器网络,构建网络通信能耗模型[9],并结合差分蜂群算法及时优化网络节点分布,为后续网络节点分簇路由通信做好准备.1.1构建异构无线传感器网络节点能耗模型异构无线传感器网络节点能耗主要用于数据接收,采用分簇协议模型(l o w e n e r g y a d a p t i v e c l u s t e r i n g h i e r a r c h y,L E A C H)进行网络节点通信,设网络中通信节点i和j位置为(x i,y i),(x j,y j),则获取通信节点距离为ζi j=(x i-x j)2+(y i-y j)2.(1)基于上述确定的通信节点距离,选取信道模型,设通信节点的接收发送能耗为A,将建立的网络能耗模型表述成T,以获取节点数据发送时距离为ζ的节点发送能耗.设节点发送接收信息时的比特数为k ,节点距离为d ,则节点发送能耗A T (k ,d )的计算过程为A T (k ,d )=k A +k βf d 2,d <d 0,k A k βmd 4,d >d 0{,(2)其中βf 表示网络自由空间信道模型的功率放大能耗,βm 表示多径衰落模型功率放大能耗,d 0表示节点传输距离阈值.根据上述计算结果,获取异构无线传感器网络节点接收时的接收能耗[10]为A R (k ,d )=k A (k A +k βf βm ),(3)其中A R (k ,d )表示节点接收的能耗.基于上述获取的节点接收㊁发送能耗值,获取通信节点簇头能耗分布以及非簇头能耗分布,以完成能耗模型的建立,过程为Ac =A R +A T ,A f =A T ,T =A c A f ˑζi j (A T (k ,d )+A R (k ,d ìîíïïïï)),(4)其中A c 表示异构无线传感器网络中簇头节点的能耗分布,A f 表示非簇头节点的能耗.1.2 无线传感器网络节点分布优化方法基于上述建立的节点能耗模型,设网络区域为p ˑq ,区域内有N 个无线传感器节点且节点感知半径为r ,网络节点集合表述成B ={b 1,b 2, ,b N }形式,基于欧氏距离计算结果确定的节点距离[11],结合二元感知模型获取网络通信节点i 与j 之间的感知概率值为υi j =0,d (b i ,c j )ȡr ,1,d (b i ,c j )<r {,(5)其中d (b i ,c j )表示节点距离,υi j 表示获取的网络通信节点i 与j 之间的感知概率值.即在当前感知范围外,节点的感知概率恒为0,说明该节点被覆盖的概率时间为P .因此,将网络目标区域内节点集合B 的区域覆盖率设为G (B ),将其作为节点集与网络区域之间的面积比,以完成网络通信节点分布优化的问题描述:m a x ðp ˑq j =1P υi j ˑG (B )p ˑéëêêùûúúq .(6) 无线传感器网络节点根据分布优化算法不断调整自身位置,从而提升无线传感器网络在目标区域中的覆盖密度.根据获取的无线传感器网络通信节点分布优化问题描述结果,采用差分蜂群算法对通信节点实施分布优化处理[12],为后续通信节点分簇路由通信做好初步准备.节点分布优化流程如下.1)基于网络通信节点初始化种群Z (0),随机生成MP 个蜜源Z j i ,并计算蜜源解向量适应度值.2)在初始化的种群Z (0)中雇佣蜜蜂对解向量实施差分操作,更新解向量.同时,通过解向量设定的参数范围Z ᶄi ɪΩ,重新计算解向量适应度函数,过程如下:V j i =Z j χ1ˑS (Z j χ2-Z j χ3),(Z j i )ᶄ=V j i ,r a n d ()ɤC R , j =δ,Z j i ,r a n d ()>C R , j ʂδ{ìîíïïïï,(7)其中j 表示种群蜜源解向量维度,δ表示随机维度向量,S 表示缩放因子,χ表示随机解向量,V j i 表示向量差缩放向量合成系数,C R 表示交叉概率,(Z j i )ᶄ为更新后的解向量.3)对更新后位置向量Z ᶄi 与原始位置向量值进行适应度比较,若更新后位置向量适应度值高于原始适应度值,则更新种群位置信息,重新计算种群适应度,并完成解向量概率值的计算.4)跟随蜂通过计算的解向量概率值进行邻域节点搜索,获取新的解向量,并基于贪婪算法比较节点适应度值,记录比较结果找出全局最佳适应度解及其相关参数.5)对上述流程迭代计算,找出无线传感器网络节点的全局最优解,从而完成网络通信节点的分布优化.3441 第6期 潘继强,等:基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法2 异构无线传感器网络节能分簇路由算法基于网络节点分布优化结果,制定异构无线传感器网络节能分簇方法,使用能量迭代簇头选举方法[13],确定簇头获取簇头半径,完成异构无线传感器网络的通信节点节能分簇,并结合多跳的路由通信方式,在节省节点能耗的基础上,实现异构无线传感器网络的节能路由通信.2.1 网络节点节能分簇方法根据上述确定的传输模型以及衰落模型发射最大功率能耗,获取最优簇头数目的数学表达式为φ=βs O 2U 2πβm d t k ,(8)其中O 2表示网络目标区域的节点分布优化结果,U 表示网络的总节点数量,d tk 表示节点至基站节点之间的距离.由于上述网络路由协议不适用于基站节点,导致通信路由路径通信能力较差,所以需要将节点剩余能量及最小平均可达能耗作为通信节点分簇目标,使用概率迭代选簇方法,完成异构无线传感器网络的通信节点节能分簇.过程中设节点的最大存储能耗为E m a x ,节点的最小收敛概率为ηm i n ,以此获取网络节点的成簇概率值,完成节点簇头的选取,并使用非均匀的分簇算法获取簇头的分簇半径,过程如下:ρ=m a x γ㊃E s E m a x ,η{}m i n ,R c =1-ι㊃m a x (d t k )-d t k m a x (d t k )-m i n (d tk éëêêùûúú)㊃R m a x ìîíïïïï,(9)其中γ表示网络节点的簇头优化比例,E s 表示节点剩余能耗,R m a x 表示节点簇半径最大值,ρ表示节点成簇概率,m a x (d t k )表示簇头节点与基站节点之间的最大距离,m i n (d tk )表示簇头节点与基站节点之间的最小距离,ι为控制参数,R c 为网络节点分簇半径.为有效缩减节点通信能耗,需使通信网络节点簇头分布更均匀,可利用能量迭代的簇头选举方法确定簇头节点,从而有效规避簇头节点受能耗问题的影响而过早失效的情况,同时避免出现能量空洞现象.设节点能量迭代选举时的因素权重为κ,网络在选举轮次中的平均消耗能量为E g ,则确定网络节点的最优簇头为λ=κ㊃E s E m a x ㊃E g E h +(1-κ)㊃1-d t k m a x (d t k æèçöø÷),(10)其中E h 表示选举过程中的节点能量消耗值,λ表示确定的节点最优簇头.根据上述确定的网络最优簇头实现异构无线传感器网络节点的节能分簇[14].2.2 网络节点多跳路由通信完成网络节点分簇后,设定通信簇头节点与基站之间的距离,确定节点通信时的路由等级,过程如下:l e v e l (H a )=C (H a )R c ,(11)其中C (H a )表示簇头节点a 至基站的相对距离,R c 为成簇半径,l e v e l (H a )表示获取的路由等级.基于上述计算结果可知,网络进行节点路由通信时,路由等级越小表示簇头节点与基站之间距离越短[15].基于确定的路由等级,利用簇头节点进行簇内广播,设广播发送能耗为e t ,普通节点接收能耗为e u ,以此确定数据传输至下一跳的所需能耗值[16],并找出其中的最低能耗传输路径,过程如下:μ(H a )=e t E (H a )-ω+e u E (H a )ω-1,θC (H a )=m i n {μC (H a {)},(12)其中ω为节点剩余能量权值,e t E (H a )为簇头节点传播能耗,e u E (H a )为接收能耗,μC (H a )为传输数据至下一跳的节点能耗总和,θ为最低能耗传输路径.4441 吉林大学学报(理学版) 第61卷2.3 网络节能分簇路由通信流程异构无线传感器网络的节能分簇路由通信流程如图1所示.图1 异构无线传感器网络节能分簇路由流程F i g .1 E n e r g y e f f i c i e n t c l u s t e r i n g r o u t i n g f l o w c h a r t f o r h e t e r o ge n e o u sw i r e l e s s s e n s o r n e t w o r k s 3 实验结果及分析实验采用基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法㊁考虑网络吞吐量的异构无线传感器网络分簇路由算法[6]㊁无线传感器网络中一种能耗均衡的分簇路由算法[7]进行对比测试.实验过程中,利用MA T L A B 软件虚拟建立一个异构无线传感器网络,并设网络中存在2000个节点随机散布在500ˑ500的二维目标范围内.实验环境:节点初始能量为2J ,睡眠能耗为0,发送㊁接收节点损耗为45n J /b i t ,最小连通度为12k ,数据包长为510b yt e ,簇头节点数量为40个.基于上述设定的测试环境,使用上述3种方法进行网络节能分簇路由通信,从通信过程的节点死亡数量㊁节点传输过程能耗节能效果两方面验证不同方法的有效性.3.1 节点死亡数量测试分别使用本文方法㊁文献[6]方法和文献[7]方法进行传感器网络节能分簇路由通信,测试不同方法的网络节点死亡数量,测试结果如图2所示.图2 不同方法网络节点死亡数量测试结果F i g .2 T e s t r e s u l t s o f n u m b e r o f n e t w o r kn o d e d e a t h s u s i n g di f f e r e n tm e t h o d s 由图2可见,在异构无线传感器网络节点通信过程中,随着网络节点接收㊁发送数据时间的增加,3种方法测试出的节点死亡数量呈不同程度的上升趋势.其中:文献[6]方法簇头节点数据传输节点死亡数量最多为34个,普通节点数据传输节点死亡数量最多为17个;文献[7]方法簇头节点数据传输节点死亡数量最多为27个,普通节点数据传输节点死亡数量最多为19个;而本文方法簇头节点数据传输节点死亡数量最多为22个,普通节点数据传输节点死亡数量最多为16个.实验结果证明本文方法节点的死亡数量低于其他两种方法.这是因为在进行网络节能分簇路由通信前,本文方法及时对网络节点进行了分布优化处理,优化了节点位置,初步节省了传输能耗,减少了节点的死亡数量.5441 第6期 潘继强,等:基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法6441吉林大学学报(理学版)第61卷3.2节点传输能耗测试对上述3种方法进行网络节能分簇路由通信时,分别对不同方法的节点传输能耗进行测试,测试结果如图3所示.图3不同方法的节点传输能耗测试结果F i g.3T e s t r e s u l t s o f n o d e t r a n s m i s s i o n e n e r g y c o n s u m p t i o nu s i n g d i f f e r e n tm e t h o d s由图3可见,在异构无线传感器网络节能分簇路由通信时,随着网络中节点接收㊁发送数据时间的不断增加,3种方法测试出的节点使用能耗均呈不同状态的上升趋势.其中在进行异构无线传感器网络节能分簇路由通信时,文献[6]方法节点传输最大能耗为28n J/b i t,文献[7]方法节点传输最大能耗为37n J/b i t,而本文方法节点传输最大能耗为21n J/b i t,低于对比的两种方法.实验结果表明,经本文方法进行异构无线传感器网络节能分簇路由通信时,网络使用寿命较长,网络节能分簇路由通信较好.综上所述,针对传统路由通信方法中存在的问题,本文提出了一种基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法.该方法先对网络节点进行分布优化,再在此基础上利用能量迭代算法选取最佳簇头完成分簇处理,并结合多跳路由算法实现对异构无线传感器网络的节能分簇路由通信.参考文献[1]郑文怡,毛健.无线传感器网络溯源数据压缩传输技术综述[J].江苏大学学报(自然科学版),2016,37(5):572-577.(Z H E N G W Y,MA OJ.A d v a n c e m e n t o fC o m p r e s s i o nT r a n s m i s s i o nT e c h n i q u e s f o rW S N P r o v e n a n c e [J].J o u r n a l o f J i a n g s uU n i v e r s i t y(N a t u r a l S c i e n c eE d i t i o n),2016,37(5):572-577.)[2]王宏飞,李大霖,牟荣增,等.基于两层结构的无线传感器网络M e s h路由协议[J].江苏大学学报(自然科学版),2014,35(2):189-195.(WA N G H F,L IDL,MU RZ,e t a l.M e s hR o u t i n g P r o t o c o l o fW i r e l e s sS e n s o r N e t w o r k sB a s e do n T w o-L a y e rT o p o l o g y[J].J o u r n a lo fJ i a n g s u U n i v e r s i t y(N a t u r a lS c i e n c eE d i t i o n),2014, 35(2):189-195.)[3]李臣旭,江浩斌,王成雨,等.基于传感器信息融合的车辆位姿估算方法[J].江苏大学学报(自然科学版),2022,43(6):636-644.(L IC X,J I A N G H B,WA N G C Y,e t a l.E s t i m a t i o n M e t h o do fV e h i c l eP o s i t i o na n dA t t i t u d eB a s e do nS e n s o r I n f o r m a t i o nF u s i o n[J].J o u r n a l o f J i a n g s uU n i v e r s i t y(N a t u r a l S c i e n c eE d i t i o n),2022,43(6):636-644.)[4]李峰,李亚平,张志军,等.移动场景下异构无线传感器网络密钥管理方法[J].数据采集与处理,2021,36(5):1020-1029.(L I F,L IYP,Z HA N GZJ,e t a l.K e y M a n a g e m e n t o fH e t e r o g e n e o u sW i r e l e s s S e n s o rN e t w o r k s i n M o b i l eS c e n a r i o s[J].D a t aA c q u i s i t i o na n dP r o c e s s i n g,2021,36(5):1020-1029.)[5]段辉,张岩,杨京晶,等.异构无线传感器网络数据聚合方法研究[J].单片机与嵌入式系统应用,2022,22(4):24-28.(D U A N H,Z HA N G Y,Y A N GJJ,e ta l.R e s e a r c ho n D a t a A g g r e g a t i o n M e t h o do f H e t e r o g e n e o u s W i r e l e s sS e n s o rN e t w o r k s[J].M i c r o c o n t r o l l e r a n dE m b e d d e dS y s t e m A p p l i c a t i o n,2022,22(4):24-28.) [6]许知博,段新.考虑网络吞吐量的异构无线传感器网络分簇路由算法[J].沈阳工业大学学报,2022,44(3):326-330.(X U Z B,D U A N X.C l u s t e r i n g R o u t i n g A l g o r i t h m f o r H e t e r o g e n e o u s W i r e l e s sS e n s o r N e t w o r k sC o n s i d e r i n g N e t w o r kT h r o u g h p u t [J ].J o u r n a l o f S h e n y a n g U n i v e r s i t y o fT e c h n o l o g y ,2022,44(3):326-330.)[7] 李虹飞,申玉霞.无线传感器网络中一种能耗均衡的分簇路由算法[J ].火力与指挥控制,2022,47(10):159-165.(L IHF ,S H E N YX.A nE n e r g y -B a l a n c e dC l u s t e r i n g R o u t i n g A l g o r i t h mf o rW i r e l e s s S e n s o rN e t w o r k s [J ].F i r eC o n t r o l&C o mm a n dC o n t r o l ,2022,47(10):159-165.)[8] 孙爱晶,李世昌,张艺才.基于P S O 优化模糊C 均值的W S N 分簇路由算法[J ].通信学报,2021,42(3):91-99.(S U N AJ ,L ISC ,Z HA N G Y C .W S N C l u s t e r i n g R o u t i n g A l g o r i t h m B a s e do nP S O -O p t i m i z e dF u z z y C -m e a n s [J ].J o u r n a l o fC o mm u n i c a t i o n s ,2021,42(3):91-99.)[9] 任拴哲,张怀德,王坚,等.基于梯田通信模型的无线传感器网络通信方法[J ].探测与控制学报,2021,43(5):79-85.(R E NSZ ,Z HA N G HD ,WA N GJ ,e t a l .W i r e l e s sS e n s o rN e t w o r kC o mm u n i c a t i o n M e t h o dB a s e do n T e r r a c eC o mm u n i c a t i o n M o d e l [J ].J o u r n a l o fD e t e c t i o na n dC o n t r o l ,2021,43(5):79-85.)[10] 邢冰倩,韦再雪.基于3G P PT R 38.901信道模型的时变信道建模与仿真[J ].北京邮电大学学报,2021,44(1):45-51.(X I N G B Q ,WE IZ X.T i m e -V a r y i n g C h a n n e l M o d e l i n g a n d S i m u l a t i o n B a s e do n3G P P T R 38.901C h a n n e lM o d e l [J ].J o u r n a l o fB e i j i n g U n i v e r s i t y o fP o s t s a n dT e l e c o mm u n i c a t i o n s ,2021,44(1):45-51.)[11] 季伟东,倪婉璐.一种基于欧氏距离的种群规模动态控制方法[J ].电子与信息学报,2022,44(6):2195-2206.(J IW D ,N I W L .A D y n a m i cP o pu l a t i o nS i z eC o n t r o l M e t h o dB a s e do n E u c l i d e a n D i s t a n c e [J ].J o u r n a lo f E l e c t r o n i c s&I n f o r m a t i o nT e c h n o l o g y ,2022,44(6):2195-2206.)[12] 封硕,刘琨.融合差分进化思想的自适应人工蜂群算法[J ].郑州大学学报(理学版),2021,53(3):72-78.(F E N GS ,L I U K.A d a p t i v e A r t i f i c i a lB e eC o l o n y A l go r i t h m B a s e do n D i f f e r e n t i a lE v o l u t i o n [J ].J o u r n a lo f Z h e n g z h o uU n i v e r s i t y (S c i e n c eE d i t i o n ),2021,53(3):72-78.)[13] 张彦虎,鄢丽娟.一种通过剩余能量过滤进行簇头选举的低能耗无线路由算法[J ].计算机与现代化,2021(5):83-87.(Z HA N G Y H ,Y A N LJ .A L o w -E n e r g y W i r e l e s sR o u t i n g A l g o r i t h m f o rC l u s t e r H e a d E l e c t i o nb y R e s i d u a l E n e r g y F i l t e r i n g [J ].C o m p u t e r a n d M o d e r n i z a t i o n ,2021(5):83-87.)[14] 陈辉,高岩.基于双簇头的W S N s 非均匀分簇路由算法[J ].计算机工程,2022,48(10):184-192.(C H E N H ,G A O Y.N o n -u n i f o r m C l u s t e r i n g R o u t i n g A l g o r i t h m o f W S N sB a s e do nD o u b l eC l u s t e r H e a d s [J ].C o m p u t e r E n g i n e e r i n g ,2022,48(10):184-192.)[15] 张豪.基于能耗均衡的改进分簇路由算法研究[J ].哈尔滨商业大学学报(自然科学版),2022,38(6):678-685.(Z HA N G H.R e s e a r c ho nI m p r o v e d C l u s t e r i n g R o u t i n g A l g o r i t h m B a s e do n E n e r g y Ba l a n c e [J ].J o u r n a lo f H a rb i nU n i v e r s i t y o fC o mm e rc e (N a t u r a l S c i e n c eEd i t i o n ),2022,38(6):678-685.)[16] 王璨,骆坚,张大方,等.一种基于移动性的无线传感器网络分簇路由协议[J ].计算机工程与科学,2012,34(3):6-12.(WA N GC ,L U OJ ,Z HA N GDF ,e t a l .AC l u s t e r i n g -B a s e dR o u t i n g P r o t o c o lf o rW i r e l e s s S e n s o r N e t w o r k sB a s e do n M o b i l i t y [J ].C o m p u t e rE ng i n e e r i n g a n dS c i e n c e ,2012,34(3):6-12.)(责任编辑:韩 啸)7441 第6期 潘继强,等:基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法。
改进的FCM算法在UASN分簇中的应用JIANG Meng-meng;LIU Guang-zhong【摘要】分簇路由算法是水声传感器网络的关键技术之一,在具有严格能量约束的水声传感器网络中,如何达到节点在网络中均匀分布并且延长网络寿命一直是水声传感器网络路由协议中的难题.针对改善网络中的能量消耗和延长网络生命周期这两个目的,将水声传感器节点分簇路由问题建模为样本空间的模糊聚类划分问题,采用一种基于改进的模糊C-均值聚类算法竞选簇头节点完成分簇,在计算初始化聚类中心过程中充分考虑节点能量衰减和节点的距离这两个因素,有效解决了原算法中初始聚类中心的随机性问题,避免陷入局部最优.同时结合聚类粒度原理选取最佳簇头个数.仿真结果表明,与基于模糊控制的CEFL算法相比,该算法明显改善了网络中能耗的均衡性,有效地生成了合理的簇结构,并且延长了网络生命周期.【期刊名称】《计算机技术与发展》【年(卷),期】2018(028)012【总页数】5页(P147-151)【关键词】水声传感器网络;分簇算法;簇头;模糊聚类;能量【作者】JIANG Meng-meng;LIU Guang-zhong【作者单位】;【正文语种】中文【中图分类】TP390 引言水声传感器网络(underwater acoustic sensor networks,UASN)由于水下环境的潜在利益和独特的挑战而受到学术界和工业界的高度重视。
UASN允许大量的应用程序变得可行又有效,包括商业开发,海洋学数据收集和海岸线保护关于水声传感器网络方面的一些重要技术的研究引起了广泛重视[1-2]。
UASN由大量便宜的便携式传感器节点以自组织的方式组成,具有有限的功率,存储和计算能力。
由于水下信道的复杂性,水声传感器网络环境下的数据传输速率和网络生存时间等都会受到严重影响,同时在水下工作想要更换节点电池是不可行的,所以节点的能量消耗必然引起人们的重视[3]。
提出的分簇路由协议,可以通过仅允许一些节点与基站通信来减少能量消耗。
一种改进的人工蜂群算法研究人工蜂群算法(Artificial Bee Colony Algorithm,ABC)是一种被广泛应用于解决优化问题的启发式算法,它模拟了蜜蜂群体的行为,通过信息交流和协作来寻找最优解。
ABC算法在解决复杂问题时存在着一些问题,例如收敛速度慢、易陷入局部最优解等。
针对这些问题,一种改进的人工蜂群算法被提出并得到了广泛关注和研究。
本文将从算法原理、改进方法和应用实例等方面对一种改进的人工蜂群算法进行研究和分析,以期为相关领域的研究者和开发者提供参考和启发。
一、算法原理人工蜂群算法是一种启发式搜索算法,它模拟了蜜蜂群体的行为,包括蜜蜂的觅食行为、信息传递和选择等。
算法的基本原理包括三个主要步骤:初始化、搜索阶段和更新阶段。
初始化阶段:首先需要初始化一群“蜜蜂”,这些蜜蜂代表了搜索空间中的潜在解。
初始化的方法包括随机生成解或者根据问题特点进行指定初始化。
搜索阶段:在搜索阶段,每只蜜蜂将根据一定的搜索策略在解空间中搜索,并评估搜索到的解的适应度。
搜索策略可以包括随机搜索、局部搜索、全局搜索等。
蜜蜂们会根据搜索到的解的适应度进行信息交流和选择,以寻找最优解。
更新阶段:更新阶段将根据信息交流的结果更新蜜蜂群体和解空间,以使得蜜蜂们更加集中精力寻找最优解。
更新策略包括更新解、更新蜜蜂群体结构等。
二、改进方法针对传统人工蜂群算法存在的问题,研究者提出了一系列改进方法,以提高算法的搜索效率和优化能力。
这些改进方法包括但不限于以下几点:1. 多种搜索策略组合:传统的人工蜂群算法在搜索阶段通常采用单一的搜索策略,然而这种方法可能导致算法陷入局部最优解。
改进的方法是引入多种搜索策略,并对它们进行组合和调整,以提高搜索的多样性和全局搜索能力。
2. 自适应参数更新:传统的人工蜂群算法中,参数通常是固定的,这可能导致算法在某些问题上表现不佳。
改进的方法是引入自适应参数更新机制,根据算法的搜索状态和问题的特征等动态调整参数,使算法具有更好的鲁棒性和适应性。
基于差分变异算子的改进人工蜂群算法人工蜂群算法(Artificial Bee Colony,ABC)是一种基于蜜蜂群体行为的启发式优化算法。
它通过模拟蜜蜂觅食的过程,实现了一种全局优化的策略,具有收敛速度快、适用范围广等优点。
然而,从实际运用的角度来看,ABC算法存在着收敛速度过慢和易陷入局部最优等问题。
因此,为了进一步提高ABC算法的优化能力和性能,本文提出了一种基于差分变异算子的改进人工蜂群算法(DABC)。
差分变异算子(Differential Evolution,DE)是一种常用的进化算法,主要用于解决函数优化问题。
它通过利用遗传算法中的差分变异思想,将一个个体与群体中另外两个个体的差分向量与个体向量相加,生成新的个体。
DE算法具有较好的优化效果和收敛速度。
因此,我们采用了DE算法中的差分变异思想,将其与ABC算法相结合,提出了基于差分变异算子的改进人工蜂群算法(DABC)。
DABC算法的基本思路和ABC算法相似,但在雇佣蜂和观察蜂阶段引入了差分变异算子。
具体来说,DABC算法包括以下几个步骤:(1)初始化阶段:设定种群大小和最大迭代次数。
随机生成初始个体群,并计算各个个体的适应度函数值。
(2)雇佣蜂阶段:对每个雇佣蜂,从它的邻域中随机选择另外两个个体,并进行差分变异操作。
生成新的个体后计算个体的适应度函数值,如果新个体优于原个体,则替换原个体。
对所有雇佣蜂进行上述操作后,得到新的个体群。
(4)侦查蜂阶段:如果某个个体经过一定次数的迭代后仍未被更新,则认为该个体已经失效,将其替换为随机生成的新个体,以增加种群的多样性。
(5)终止迭代:当达到最大迭代次数或满足停止准则时,停止迭代并返回最优解。
DABC算法与ABC算法相比,主要优点在于引入差分变异算子后,增强了个体的搜索多样性和全局搜索能力。
在实验中,我们采用了典型的基准测试函数和工程优化问题,对DABC算法进行了测试。
实验结果表明,DABC算法相对于ABC算法和DE算法能够更快地找到全局最优解,收敛速度和精度均有所提升。
一种基于改进蚁群优化算法的WSNs路由协议史宝会;刘海燕【期刊名称】《中国测试》【年(卷),期】2015(041)009【摘要】面对无线传感网络(wireless sensor network,WSN)路由问题,提出新颖生物激励-自我组织的安全自适应路由协议(biological inspired self-organized secure autonomous routing protocol,BIOSARP).BIOSARP采用改进蚊群优化算法(improved ant colony optimization,IACO),利用端到端传输时延、剩余电量和链路质量计算信息素,并据此信息决策最优转发节点,从而减小广播次数和数据包负担,降低时延、数据包丢失率和功率消耗.仿真结果表明:提出的BIOSARP在数据包传递率、能量消耗优于安全实时负荷分配协议(secure real-time load distribution,SRTLD),数据包传递率提高24.75%,能量消耗降低31.8%.【总页数】4页(P106-109)【作者】史宝会;刘海燕【作者单位】北京信息职业技术学院计算机工程系,北京100018;北京信息职业技术学院计算机工程系,北京100018【正文语种】中文【相关文献】1.基于一种蚁群优化算法的农业WSN路由节能研究 [J], 张向宾2.一种改进的基于WSN独立分簇的路由协议 [J], 陶志勇;方宁;胡明3.一种改进的基于蚁群算法的无线传感网络故障容错路由协议 [J], 胡国伟4.WSN中基于改进粒子群优化算法的分簇路由协议 [J], 武小年; 张楚芸; 张润莲; 孙亚平5.一种基于子问题动态消减的改进多目标蚁群优化算法 [J], 宁佳绪;牛玥;纪丹蕾;肖雨婷;杨富燕因版权原因,仅展示原文概要,查看原文内容请购买。
超密集网中一种基于人工蜂群的节能分簇算法周朋光;黄俊伟;张仁迟;徐浩【摘要】超密集网络中,密集部署的低功率基站将会加大系统的能耗,并且造成紧缺频谱资源的浪费.探寻干扰协调和系统节能的可行性方法在超密集网络架构下提出基站的休眠—唤醒—活跃机制,减小了休眠基站直接转为活跃状态的开启时间;另外,提出一种基于人工蜂群染色分簇算法,尽可能使用最少的颜色给拓扑图中的小区染色,并对簇内活跃基站进行优化功率分配.经仿真表明,休眠—唤醒—活跃机制能够提升系统的能源效率,染色分簇算法也可以改善用户的频谱效率和吞吐量.%In ultra dense network (UDN),the dense deployment of low power base station (BS) will increase the system's energy consumption and cause the waste of the scarce spectrum resources.Aiming to explore the feasible method of energy saving system and interference coordination,BS sleeping-waking-active mechanism in UDN was proposed,which would reduce the opening time of the sleeping BS.Also an adjusted artificial bee colony algorithm was proposed which used the least colors to dye the BS in topology,then power allocation of active BS in different cluster was optimized.Simulations show that the sleeping-waking-active mechanism can improve the energy efficiency of the system,and the clustering algorithm can promote the spectrum efficiency and throughput.【期刊名称】《电信科学》【年(卷),期】2017(033)002【总页数】8页(P90-97)【关键词】超密集网络;人工蜂群算法;分簇;节能【作者】周朋光;黄俊伟;张仁迟;徐浩【作者单位】重庆邮电大学通信与信息工程学院,重庆400065;重庆邮电大学通信与信息工程学院,重庆400065;重庆邮电大学通信与信息工程学院,重庆400065;重庆邮电大学通信与信息工程学院,重庆400065【正文语种】中文【中图分类】TN929.5超密集网络(ultra dense network,UDN)是5G的关键技术之一,UDN中通过大量部署低功率的基站来达到改善系统容量和实现无缝覆盖的目的[1]。
一种改进的基于WSN独立分簇的路由协议陶志勇;方宁;胡明【摘要】针对现有WSN分簇路由算法的不足均衡网络能量消耗,引入一种新的基于竞争机制的无线传感器网络分簇路由协议,利用“屏蔽效应”控制簇头在簇中的分布和各簇成员节点数目,同时采用独立的簇头选举制度按轮仅在簇内广播簇头信息来减少簇头选举次数从而进一步节省能量.并采用基于阈值的单跳与多跳相结合的簇间通信方式.当与现有协议比较结果表明,新算法有效解决簇头分布不均的问题,能更好的均衡节点能量负载,其能量有效性也得到了很大的提高,延长了网络寿命.%According to the shortages of existing cluster routing protocols of WSN, we proposes a routing protocol which based on the network energy consumption to balance the energy consumption by using "Shielding effect" to control the distribution and the number of cluster heads. We adopt independent cluster head electoral system and just broadcast the cluster head information in the inner cluster to save energy. Use the combination of single and multiple hops which based on the value to communicate among clusters. When compared with the existing agreement the results indicate that the algorithm can effectively solve the problem of uneven distribution of cluster head and the network load is more balanced. Moreover, the energy—efficiency of the network has been improved greatly and prolonging the network life.【期刊名称】《计算机测量与控制》【年(卷),期】2012(020)007【总页数】3页(P2014-2016)【关键词】无线传感器网络;路由协议;分簇;簇头选举;屏蔽效应【作者】陶志勇;方宁;胡明【作者单位】辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛 125105;辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛 125105;辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛 125105【正文语种】中文【中图分类】TP3930 引言无线传感器网络(wireless sensor network,WSN)[1]是把传感器节点感应的信息通过无线通信的方式处理并发给观察者的智能信息系统。
基于改进蜂群算法及K均值聚类的WSN分簇路由算法
王海玲;杨俊杰
【期刊名称】《计算机应用与软件》
【年(卷),期】2022(39)9
【摘要】为了提高无线传感器网络(WSN)的能量效率并延长其生命周期,提出一种基于改进人工蜂群算法及K均值聚类的能量均衡路由算法(IABCKEB)。
通过改进的蜂群算法优化K均值聚类对网络进行分簇,网络运行期间簇结构保持不变;在簇头选举时综合考虑传感器节点的剩余能量和综合距离,并根据网络状态实时调整其权重;建立簇间层次路由树确定最优通信路径进行数据传输。
仿真结果表明,IABCKEB算法相比LEACH和EAMMH算法明显降低了网络能耗,延长了网络生命周期。
【总页数】6页(P178-182)
【作者】王海玲;杨俊杰
【作者单位】上海电力大学电子与信息工程学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于人工蜂群算法的WSN分簇与路由算法
2.基于CFSFDP聚类算法的WSN高能效分簇路由算法
3.基于遗传算法和模糊C均值聚类的WSN分簇路由算法
4.WSN中基于人工蜂群算法的分簇路由协议
5.基于布谷鸟优化K均值的WSN分簇路由算法
因版权原因,仅展示原文概要,查看原文内容请购买。
一种基于蜂窝结构的改进GAF算法
刘曙;刘林峰;陶军
【期刊名称】《计算机技术与发展》
【年(卷),期】2009(019)001
【摘要】能量问题是无线传感器网络协议设计过程中的核心问题,针对该特点在传统GAF算法基础上提出了基于蜂窝结构的改进GAF算法.该算法提出以蜂窝结构虚拟划分单元格,增加单元格边长,扩大单元格面积,将单元格重叠区域中的节点作为骨干网中转节点来实现簇间的多跳通信.通过理论计算和仿真实验对算法进行了性能分析和验证,仿真结果表明该算法能有效地降低节点平均能量消耗,延长传感器网络生命期.
【总页数】4页(P39-42)
【作者】刘曙;刘林峰;陶军
【作者单位】东南大学,计算机网络和信息集成教育部重点实验室,江苏,南京210096;东南大学,计算机科学与工程学院,江苏,南京210096;东南大学,计算机网络和信息集成教育部重点实验室,江苏,南京210096;东南大学,计算机科学与工程学院,江苏,南京210096;东南大学,计算机网络和信息集成教育部重点实验室,江苏,南京210096;东南大学,计算机科学与工程学院,江苏,南京210096
【正文语种】中文
【中图分类】TP393
【相关文献】
1.一种层次蜂窝结构的负载均衡GAF算法 [J], 陈祖爵;欧阳烨龙
2.无线传感器网络基于相交圆结构的改进GAF算法 [J], 梁青;李卓冉;曹晓民;熊伟
3.基于最优簇首数划分单元格的改进GAF算法 [J], 梁青;李卓冉;韩昊澎;熊伟
4.基于非竞争机制的改进GAF拓扑控制算法 [J], 唐长春;敖志刚;张康益;郭杰;敖卫清
5.一种无线传感器网络改进GAF算法的设计 [J], 孔德川;王建平;陈伟;牛立元
因版权原因,仅展示原文概要,查看原文内容请购买。