基于混沌小生境狼群算法的高密度无线传感器网络高能效分簇方法

无线传感器网络节点能量通常由能量有限的电池供应,如何在对节点进行分簇的同时减小通信能耗是研究中的一个重要问题。提出了一种基于混沌小生境狼群算法的高密度无线传感器网络能量高效分簇方法,通过智能选取簇头位置来降低无线传感器网络的单轮通信能耗。在不同节点数和簇头比例的条件下,分别采用了粒子群算法、量子遗传算法、模拟退火算法和混沌小生境狼群算法进行了无线传感器网络分簇。仿真结果表明,基于混沌小生境狼群算法的无线传感器网络分簇能够有效降低无线传感器网络的整体单轮通信能耗和平均节点通信能耗,有效提升了能量利用效率。     

基于混沌-量子粒子群的分簇路由算法

针对粒子群分簇路由优化算法存在的收敛速度慢、 易陷入局部最优等问题, 提出一种混沌-量子粒子群 的双子粒子群分簇路由算法。 该算法以簇头的能量、 簇头与汇聚节点的距离以及与簇内成员节点的距离构造 最优簇头的代价函数, 主粒子群利用混沌粒子群寻优, 辅粒子群利用量子粒子群寻优, 加入量子波动理论, 使 算法具有较好的全局收敛性。 双子粒子群采用收敛速度快的凹函数递减策略优化权重。 仿真结果验证了该算 法可使无线传感网络节点能量消耗均衡化, 显著延长网络生命周期, 与 LEACH(Low-Energy Adaptive Clustering Hierarchy)协议、 PSO-C(Cluster setup using Particle Swarm Optimization algorithm)协议相比生命周期分别延长了 80. 1%和 41. 4%。     

一种能量高效的无线传感器网络分簇路由算法

分析了无线传感器网络的分簇路由算法,针对现有算法存在的热点问题,提出一种基于分簇思想的能量高效路由算法.采用簇首轮转及局部竞争优化节点簇内通信的能量消耗,采用粒子群优化算法均优化簇首节点的簇间通信负载和能量消耗,从而延长网络的生命期.仿真结果表明,该算法能够有效提高无线传感器网络生存期以及节点与网络的能量利用率.     

混沌逃逸粒子群优化算法在WSN覆盖优化中的应用

为了寻找最优的无线传感器网络(wireless sensor networks,WSN)覆盖优化算法,保持整个网络能量的平衡,提高无线传感器网络覆盖率,在基本粒子群优化算法的基础上,提出一种基于混沌逃逸粒子群优化算法(chaotic escape particle swarm optimization,ECPSO)的WSN节点覆盖优化方法。ECPSO算法以覆盖率为优化目标,建立WSN覆盖优化数学模型来描述节点覆盖问题,利用混沌逃逸粒子群算法对数学模型进行求解,实现节点覆盖优化。仿真结果表明,ECPSO算法加快了WSN覆盖优化速度,节点分布更加均匀,提高了传感器节点的覆盖率,是一种高效的WSN节点覆盖算法。     

WSN中融合多跳路由和休眠机制的改进型LEACH-C协议

无线传感器网络(WSN)中的LEACH-C路由协议性能严重依赖于基站位置,为此提出一种融合了多跳路由和智能休眠机制的改进型LEACH-C协议(LEACH-CMS).首先,利用LEACH-C协议选择簇头,并构建分簇结构;然后,通过蚁群算法(ACO)在考虑路由距离和簇头能量下,寻找簇头到基站的最优多跳路径,并传输数据到基站;最后,基站根据传输数据的质量,利用休眠机制使不重要地区的节点休眠,以此节约能耗.实验结果表明,LEACH-CMS比LEACH-C协议提高约35%的网络寿命和20%的延迟性能.     

一种鲁棒的中等规模分簇结构水下传感器网络

针对现有水下传感器网络分簇算法负载不均衡和生命周期较短的问题,基于粒子群优化算法和遗传算法的基本思想,提出一种全局优化的智能分簇算法.为了使粒子初始化编码较为合理公平,根据节点近期当选过簇首的次数动态调整节点选举概率;通过对粒子整个编码区域进行循环搜索来捕获一个优良的随机交叉片段,保证了交叉后的粒子含有一定数量的历史较优簇首信息;通过节点编码位的变异提高算法的探索性,并确保解空间的存在性;在粒子评价函数中综合考虑簇首能量、负载均衡和分簇范围3个优化子目标.仿真结果表明,提出的算法更好地均衡了簇首负载,同时有效减少了网络能耗,延长了网络生命周期.     

无线传感器网络动态κ值簇头选择方法

在低功耗自适应集中分层协议(LEACH-C)基础上,提出了基于LEACH-C的能量均衡路由算法(LEACH-EB),该算法采用1轮全局分簇和κ轮局部簇头更新的方式,以达到进一步延长网络生命周期的目的.鉴于采用固定的κ值时传感器网络难以获得最佳性能,分析了不同κ值下的网络性能,提出一种基于LEACH-C的动态κ值簇头选择方法 LEACH-CK.其核心思想是每次全局分簇后,结合当前分簇情况和节点剩余能量计算出一个较优的κ值.OMNeT++(面向对象的离散事件网络模拟器)仿真结果显示:LEACHCK可以有效推迟网络中第一个节点死亡的时间,同时网络具有较好的稳定性.     

一种可用输电能力量子粒子群优化算法

以量子行为与粒子群优化相融合的量子粒子群算法解决可用输电能力计算的优化问题.利用Matlab软件平台,以IEEE-30节点标准系统为算例进行仿真计算,比较本算法与传统粒子群算法的仿真结果,分析两种算法的寻优性能和收敛速度.仿真结果验证了量子粒子群算法解决可用输电能力优化问题的有效性.     

求解作业车间调度问题的混合QPSO算法

文章使用混合量子粒子群优化算法求解作业车间调度问题,并设计了一种基于工序的编码方式;为了克服量子粒子群优化算法容易陷入局部最优的缺点,将模拟退火算法引入量子粒子群优化算法,使算法具有跳出局部最优的能力并增强其全局搜索能力,形成量子粒子群-模拟退火调度算法;仿真结果表明,混合算法具有良好的全局收敛性能.     

基于量子遗传算法的无线传感网络路由优化

考虑到无线传感网络(WSN)传感器节点的能量有限性,分析了WSN的网络模型和能量模型,提出一种基于改进量子遗传算法的路由优化算法.利用复杂连续函数测试,验证了算法的性能和可行性.经仿真分析,证明该算法应用于WSN路由优化问题时,能更快速和更稳定地求解最小能量代价的数据传输路径,从而减少WSN传感器节点的能量消耗,延长整个WSN网络的使用寿命.     

无线传感网中能量高效自适应Chameleon分簇协议研究

深入研究了LEACH、LEACH-C和SEP协议,提出能量高效自适应Chameleon分簇协议,将网络中的传感器节点稀疏化为k-最近邻图,然后使用多层图划分算法来划分k-最近邻图,最后根据簇间互联性和紧密性合并簇对.Chameleon算法使所有的节点形成簇尺寸分布均匀的分簇,减小了节点与Sink节点之间的平均通信距离,将网络负载均衡到传感器节点上.Matlab仿真实验表明,Chameleon算法缩减了节点与Sink节点之间的通信量,降低了能耗,延长了网络生存期.     

基于协同进化粒子群算法的无线传感器网络节能优化覆盖算法

针对当前无线传感器网络覆盖算法存在能耗较高、节点大量冗余的缺陷,提出一种基于协同进化粒子群算法的WSN节能优化覆盖算法.以WSN的网络覆盖率、剩余能量和冗余程度为优化目标,建立粒子群优化模型.采用遗传算法的交叉变异算子,加强算法寻优能力.仿真结果表明,新的算法在提高能量利用效率的同时维护了良好的网络覆盖率,有效延长了网络生命周期,达到了节能优化覆盖的目标.     

重采样和天牛须协同演化粒子群的WSN覆盖控制算法

为了最大程度提升无线传感器网络(WSN)的覆盖范围并降低能耗,延长网络生命周期,提出了基于重采样技术和天牛须搜索的协同演化粒子群优化(RBASPSO)算法来优化WSN的覆盖控制问题。重采样技术平衡了粒子群算法的全局搜索能力和收敛速度,增加了粒子群整体多样性,防止算法过早收敛,加强粒子在搜索过程中跳出低质量谷底的能力; 天牛须搜索依靠个体的两个触角搜索其邻域,增强了粒子群中单个粒子的搜索能力。RBASPSO算法采用覆盖率和节点休眠率的加权作为优化WSN覆盖控制的目标函数,通过重采样技术和天牛须搜索的协同演化,既加强了单个粒子的搜索能力,又确保粒子群的多样性及活跃性,提升WSN覆盖性能。实验结果表明,RBASPSO算法不仅能有效处理复杂多峰问题; 而且可以有效提高WSN网络覆盖率,延长网络生命周期。     

一种基于WSN的协议改进算法分析

针对无线传感器网络(WSN)路由协议LEACH 算法中簇首分配不均以及簇首与Sink节点直接通信的问题,提出一种新的无线传感器网络LEACH路由算法.该算法通过节点能量分簇,并在簇首的数据发送过程中引入了改进的多跳路由算法.仿真结果表明,改进后的算法在网络生存时间和节省能量上比LEACH 算法有了很大提高.     

云滴优化的路由选择方法分析

针对无线传感器网络(WSN)节点路由估计问题,提出一种云滴优化的估计方法.在考虑节点簇头传输延迟的情况下,建立精确的WSN路由估计模型,并在粒子滤波的框架内进行优化估计的实现.为了克服粒子退化问题,采用差分进化进行粒子优化选择,并通过云滴优化方法改善全局优化能力.对建立的通信模型进行了仿真分析,结果表明,该方法具有较高的节点剩余能量估计精度和节点生存能力,生存概率保持在90%以上.     

基于嵌套细菌觅食优化算法的WSN分簇路由协议研究

针对现有的用于无线传感器网络(WSN)的分簇路由协议,存在着所有簇头直接与汇聚节点通信、远离汇聚节点的簇头能量消耗过快等一系列的问题,根据嵌套细菌觅食算法(NBFA)及WSN分簇路由算法的特点,对NBFA进行改进并引入到WSN分簇路由机制中,提出一种基于改进细菌觅食算法的WSN分簇路由算法;该算法将到汇聚节点的距离设定为启发函数以找到簇头下沉的最佳路径和提高细菌觅食算法的效率,同时考虑该节点的剩余能量,在数据传输过程中,减少簇头节点的能量消耗,进而实现节点能量的高效利用,增强网络的使用寿命,以实现网络通信的高效。通过仿真,结果表明,该算法是可行的、有效的。     

基于深度森林算法的分布式WSN入侵检测模型

针对现有的特征选择算法和分类算法在无线传感器网络(WSN)入侵检测系统中检测性能表现不佳、检测实时性差、模型复杂度高等问题,提出一种基于随机森林和深度森林算法的分布式WSN入侵检测模型.该模型首先对传感器节点流量数据进行预处理;然后将轻量级随机森林分类器部署到传感器节点和簇头节点,传感器节点和簇头节点合作对流量数据进行处理,并在基站上采用深度森林算法从大量流量数据中发现攻击行为;最后对WSN中的入侵行为进行实时分类入侵检测.使用无线传感器数据集WSN-DS和NSL-KDD数据集来评估所提出的模型性能.实验结果表明,该模型与现有的入侵检测模型相比,具有良好的检测性能,实时性较高,可避免模型过度拟合.     

量子遗传优化粒子滤波的WSN目标跟踪算法

在无线传感器网络(WSN)目标跟踪应用中,传统粒子滤波算法存在多样性退化问题。为提高WSN目标跟踪精度,提出一种基于量子遗传算法优化粒子滤波的WSN目标跟踪方法。量子遗传算法不仅增加粒子多样性,防止粒子退化现象出现,有效缩短了计算时间且改善粒子跟踪能力。测试结果表明,所提出算法很好地减轻了粒子退化对目标跟踪精度影响,提高了WSN目标跟踪精度和跟踪的实时性,跟踪结果令人满意。     

基于BQPSO的无线传感器网络节点调度算法

在多目标跟踪中,要求无线传感器网络在满足跟踪精度的前提下,最大限度地降低对传感器资源的使用。基于这一目的,适当选择节点避免共线度过高,并采用APIT实现精确定位,同时考虑跟踪簇总能耗设计节点调度目标函数,采用二进制量子粒子群优化算法解决传感器资源冲突问题。仿真结果表明:虽然基于BQPSO的节点调度算法比基于PSO的节点调度算法在能耗上增加了17.47%,但定位精度可以提高31.84%。算法在提高定位精度的同时最大限度地降低了对资源的使用,有效延长了无线传感器网络的工作寿命。     

融合信任机制和HBMO算法的WSN能耗均衡分簇方法

针对无线传感器网络(WSN)中的能耗和安全问题,提出一种融合蜜蜂交配优化(HBMO)算法和轻量级信任机制的WSN分簇方法(LWT-HBM).首先,将WSN分成若干个小区,通过HBMO算法选择各自最优的簇头;然后,构建分簇结构,根据簇头和基站的距离设置簇的大小.在簇头能量消耗殆尽前,会利用HBMO选择替代簇头,以此均衡网络能源.在选择簇头的同时,融入轻量级信任机制,根据直接信任和间接信任值来评估节点的可信任度,避免恶意节点被选择为簇头.同时给出了一种精确能耗模型用来计算系统的整体能耗.通过实验将此方法与LEACH和TBCMA方法进行比较,结果表明LWT-HBM方法具有更低的能耗,有效的延长了网络寿命.