基于模糊理论的无线传感器网络路由优化算法

针对无线传感器网络中能耗不均的问题,在非均匀分簇的基础上,本文提出一种基于模糊理论的无线传感器网络路由优化算法。在分簇阶段,将节点的相对剩余能量、向心率、成功发送率作为各层簇首选举指标,运用模糊逻辑推理选择簇首。在簇间路由阶段,由熵权法确定簇首节点指标的权重后采用模糊综合评判法得出簇首的转发概率值,选择概率值较大的簇首节点作为转发节点,逐层完成信息传输。仿真表明,该算法在降低能耗与延长网络生命周期方面性能较优。     

基于动态可调簇的无线传感网络能量感知数据存取算法

针对无线传感网中数据收集、存储和查询的需要,提出了一种基于动态可调簇的能量感知数据存取算法ACEDBA(Adjusted Cluster-based energy-aware Data Brokerage Algorithm).该算法将网络节点分成许多簇结构,簇内节点负责数据采集,簇首节点负责簇内数据的收集、汇聚和转发,数据可以集中存储,也可以分布存储在各簇首节点或本地存储.算法引入能量分级消耗机制,可动态选择和调整簇首节点,保证各簇首节点簇内数据存储和簇间数据转发查询的能量平衡.实验结果表明,与典型数据存取算法相比,该算法的节点能耗均衡、生命周期和查询成功率方面具有优势.     

无线传感器网络多重覆盖成簇算法

在传统的无线传感器网络簇生成算法中,簇首的选择没有考虑其剩余能量,也没有分析簇首为簇内节点提供数据转发服务存在服务失败的问题,为此提出了一个新的无线传感器网络簇生成算法———多重覆盖成簇算法,该算法以待选簇首节点的剩余能量和节点初始能量的比值作为簇首服务的失败率,在此基础上算法选择的簇首通过对关键节点进行多重覆盖,以保障关键节点数据的可靠传输.最后,通过仿真实验验证了算法的有效性和正确性.     

无线传感器网络中基于HEED的多层分簇路由算法

基于HEED算法中簇首与基站通信能量消耗过大的问题,提出了一种新的成簇路由算法.在参考HEED路由算法的基础上,整合多层分簇的思想,通过在网络拓扑的底层构建多个簇头节点的簇集合、在拓扑的顶层构建多跳转发机制,提出基于HEED的多层分簇路由算法.实验表明,该算法在簇头节点分布和网络生存时间方面较已有的算法有较大的提高.     

异构网络中基于DEEC的非均匀分簇路由算法

针对异构无线传感器网络中分布式节能分簇路由(DEEC)存在的能量空洞现象,提出一种改进算法EIDEEC。该算法一方面在簇头选举阶段,通过调整簇头选举概率,实现非均匀分簇;另一方面在簇形成阶段,通过将节点与sink的距离与距离阈值进行比较,判断节点是单跳或者经过簇头转发的形式进行数据传输。通过两方面的改进,克服能量空洞现象。经仿真验证,EIDEEC算法的网络生存周期、基站数据接收量和节点平均剩余能量较DEEC算法均有所提高。     

一种基于正六边形分簇的WSN拓扑控制研究

本文针对LEACH算法存在的不足之处提出一种基于正六边形分簇的WSN拓扑控制算法。该算法将正六边形作为监测区域,分簇保持均匀状态,簇首节点也依赖于节点剩余能量和地理位置两个因素生成,从而建立起簇首节点依靠中继节点进行数据转发并降低与BS节点通信能耗的新机制。改进后的算法具备均衡化的节点能量,节点和网络生命周期得以延长,吞吐量有显著提升。     

一种基于正六边形分簇的WSN拓扑控制研究

本文针对LEACH算法存在的不足之处提出一种基于正六边形分簇的WSN拓扑控制算法.该算法将正六边形作为监测区域,分簇保持均匀状态,簇首节点也依赖于节点剩余能量和地理位置两个因素生成,从而建立起簇首节点依靠中继节点进行数据转发并降低与BS节点通信能耗的新机制.改进后的算法具备均衡化的节点能量,节点和网络生命周期得以延长,吞吐量有显著提升.     

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.     

分布式能量高效的WSN非均匀分簇路由多跳算法

针对无线传感器网络路由存在能量空洞的问题,提出一种分布式非均匀分簇路由算法.该算法在选择候选簇首时引入位置因子和平均能量因子来平衡全网节点的剩余能量;网络运行过程中,候选簇首通过自适应校正其竞争半径进行非均匀分簇.采用基于能量和距离的能耗函数入簇机制以均衡全网能量消耗,利用多跳动态路由以避免稳定传输阶段转发节点因能耗过大而快速死亡.通过构建网络模型,采用Matlab对文中算法和UCR算法进行仿真分析比较.仿真结果表明:文中算法簇首消耗能量的方差波动不大较稳定,相比UCR更好地均衡了簇首能量消耗,并且能够有效避免能量空洞,均衡网络负载,网络生命周期较UCR算法提高了约34%.     

自组网络的分簇算法

当自组网络（ad hoc）的规模增大时，控制分组在网络中的传输急剧增多，这大大降低了路由和转发的性能．分簇是提高ad hoc网络可扩展性的重要手段．针对已有分簇算法的缺陷以及静态和动态ad hoc网络的特性，分别提出了新的静态分簇算法SACA和动态分簇算法DACA．其中SACA算法将分簇数量减小到已有算法的大约一半，但不增加簇成员数量，提高了分簇效率，减少了分簇时间；DACA算法将簇间的公共节点数目大大降低，从而有效降低了分簇结构的维护开销，提高了网络运行的效率、路由和转发性能．     

物联网中一种面向聚集点的机会路由算法

物联网中感知设备可以随身携带,具有明显的社会属性.在设计转发策略的时候,需要考虑感知设备的社会属性对路由算法性能的影响.针对人们在日常生活、工作当中展现出的群聚行为,提出了一种面向聚集点的机会路由算法.该算法结合传统的多备份路由机制以及直接等待传输策略,通过在聚集区域内放置一个静态节点来辅助移动节点进行数据转发,解决移动网元之间以及移动网元于静态网元之间的数据转发问题,进而改善了传统机会路由算法的性能.     

DTN中基于转发概率的散发和等待路由

针对DTN中散发和等待路由中继节点的选择存在盲目性的问题,提出了一种基于转发概率的散发和等待路由协议R-SW.该协议采用"基于转发概率散发+控制拷贝数量"的原则,选择中继节点时进行转发概率的比较,只将报文转发给转发概率较大的中继节点;其次,转发报文数目根据转发概率动态确定,即转发概率高的节点获得较多的转发;另外,加入拥塞控制机制.使用NS2网络模拟软件对算法进行测试,结果表明:所提出的算法可以减少开销和时延,提高报文的投递率,适合在DTN中应用.     

分层的无线传感器网络非均匀分簇路由算法

为解决无线传感器网络分簇路由算法因簇间长距离通信而带来的高能耗以及路由寻址复杂的问题,提出了一种基于分层的非均匀分簇路由算法。该算法对非均匀分簇算法进行了改进,在竞争半径的计算上同时考虑了节点的位置和剩余能量,以使簇头的负载更加均衡。采用层间多跳通信方式进行数据传输,不仅避免了节点的长距离通信问题,而且简化了数据转发过程。仿真实验表明：与低功耗自适应分簇路由算法和非均匀分簇算法相比,该算法能够有效地节约簇头的能耗,减少网络的系统能量开销,延长网络的工作周期。     

可演化网络中移动代理的性能分析及优化方法

针对以移动代理软件方式实现的可演化网络的性能问题,提出了一种快速激活及加载方法.通过对移动代理非执行转发、执行转发及执行各步骤的详细性能测量及分析,发现网络节点的执行环境为移动代理执行所做的准备工作时间消耗较大.该快速方法首先解开移动代理包中的所有程序代码并进行预先加载,在加载主程序时优先搜索已预先加载的代码,从而能够较快地找到程序代码.快速方法通过优化代码加载时的搜索顺序,有效地加快了可演化网络中移动代理的执行过程.测试结果表明,采用快速方法使典型的移动代理平均启动加载时间缩短了3.26 ms,网络节点的吞吐率提高了58%.     

基于K-means++的无线传感网能量高效分簇协议

针对传统无线传感网的分层路由算法中存在着分簇不均匀、簇首数量不固定、簇首位置不合理、节点的可扩展性不足以及数据传输方式比较单一的问题,提出一种无线传感网能量高效分簇协议.该协议在簇的建立阶段基于K-means++聚类算法进行分簇并采用S_Dbw聚类评价指标挑选其最优分簇,在簇的建立阶段,从每个簇中选取簇内剩余能量最高的节点作为簇首;在数据传输阶段,基于节点间的通信代价使用Dijkstra算法来寻找每个簇首到汇聚节点的最优路径.仿真结果表明:该协议可降低节点与汇聚节点之间数据传输的能耗,延长传感网的生命周期,并且在整个网络能量处于较低水平时也可以较好的覆盖整个监测区域.     

云计算环境下关联性大数据实时流式可控聚类算法研究

针对传统聚类算法效率低、效果差和稳定性弱等弊端,提出一种新的云计算环境下关联性大数据实时流式可控聚类算法。介绍了关联性实时流式数据的定义和特点。通过粗聚类对实时抵达的数据元组进行相应的预处理,确定类簇的数量与中心点位置,形成通过存在差异的宏簇构成的集合,粗聚类采用的算法为Canopy算法。将粗聚类得到的宏簇传至K-means算法,给出了K-means算法的详细步骤,通过K-means算法完成细聚类,介绍了整个细聚类详细步骤。实验结果表明,所提算法具有效率高、质量好、稳定性强等优势,可有效实现云计算环境下关联性实时流式大数据聚类。     

基于节点分簇的延迟容忍网络路由策略

延迟容忍网络中路由策略的效率受节点移动特性的影响,为了能够利用节点移动特性制定更加高效的路由策略,提出了基于节点分簇(clustering)的延迟容忍网络路由策略.根据节点接触概率提出了节点分布式分簇算法,将移动特性相似的节点组成簇,并且选择簇内的网关节点;制定了基于节点分簇的消息转发策略.仿真结果表明,相比已有的延迟容忍网络路由策略,所提路由策略能让延迟容忍网络具有更高的消息投递率,更低的平均投递时延以及更低的网络开销比率.因此,利用节点移动特性制定的节点分簇路由策略能够提高延迟容忍网络的性能.     

基于马氏距离的模糊聚类优化算法——KM-FCM

为了解决以欧氏距离作为相似性准则的传统模糊聚类算法对多维数据处理不利的问题,采用马氏距离代替欧氏距离,对基于马氏距离的模糊聚类算法进行优化研究,以增强基于马氏距离的模糊聚类算法的聚类效果和能力。通过构造启发式搜索与k-means算法结合的初始优化方法,利用可以自动调节最佳聚类数的有效性函数,提出了一种优化算法KM-FCM,并将此新算法与FCM,FCM-M,M-FCM聚类算法在3个标准数据集上进行了实验。结果表明,KM-FCM算法有效,聚类精度比FCM,FCM-M,M-FCM高,对高维数据聚类识别能力强,具有全局优化作用,并且聚类个数无需提前设定。新算法可为基于马氏距离的模糊聚类算法的优化提供参考。     

基于方差优化谱聚类的热点区域挖掘算法

为改善交通拥堵的情况,本文利用聚类分析方法对移动轨迹数据进行挖掘,识别居民出行的热点区域。传统的Ng-Jordan-Weiss （NJW）谱聚类算法常使用K-means聚类算法来实现最后的聚类操作,然而K-means聚类算法存在对初始值敏感、容易陷入局部最优的缺陷,影响对热点区域的挖掘结果。因此,本研究将方差优化初始中心的K-medoids聚类算法运用到谱聚类算法最后聚类阶段,提出基于方差优化谱聚类的热点区域挖掘算法（Hot Region Mining algorithm based on improved K-medoids Spectral Clustering,HRM-KSC）,然后在真实的轨迹数据集上进行试验。试验结果发现,HRM-KSC算法聚类结果的轮廓系数更高,表明HRM-KSC算法改善了NJW谱聚类算法,提高了聚类质量。