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.     

改进LEACH的传感器网络分簇路由算法

针对当前无线传感器网络分簇路由算法存在的节点能耗不平均、 节点过早死亡等缺陷, 提出一种改进低功耗自适应分簇(LEACH)的无线传感器网络路由算法. 首先针对无线传感器节点过早死亡的问题, 引入簇半径动态确定方式, 将整个无线传感器网络划分为多个不均匀的簇; 然后考虑簇首能量消耗过快的问题, 结合簇首所在位置和节点剩余能量选择每轮中的簇首; 最后改进数据传输机制保证节点能量消耗均衡, 并在MATLAB 2014平台上对无线传感器网络分簇路由算法的性能进行测试. 测试结果表明, 改进LEACH算法较好地解决了节点过早死亡的难题, 延长了无线传感器网络的寿命, 平衡了各节点能量消耗, 整个无线传感器网络的性能显著优于其他对比算法.     

移动自组织网中一种平均节点度分簇算法

针对移动adhoc网络现有分簇算法容易造成通信瓶颈的现象,在最高节点度分簇算法的基础上提出了基于平均节点度的分簇方法,通过选举具有合适节点度大小的节点作为簇头来平衡网络负载,应用Glomosim做的仿真结果显示该算法能较好维持网络的稳定性。     

无线传感器网络中改进的HEED分簇算法

在无线传感器网络中,基于分簇的路由协议在能量消耗、拓扑控制以及数据融合等方面具有优势。采用完全分布式产生簇头的HEED协议具有分簇速度快、簇头均匀等优点。但是HEED协议没有考虑网络中节点的移动性,当邻居节点距离发生变化时,通过簇内最小平均功率（AMRP）决定节点属于哪个簇会导致簇头能量开销过大,网络生命周期减小等问题。针对HEED分簇算法存在的问题,提出了一种基于稳定性的S HEED分簇算法。S HEED协议以稳定性作?问淳龆ń诘愕乃舸兀饩隽艘蛭贫源吹拇啬诮诘愫痛赝纺芰肯墓呶侍狻７抡媸笛橹っ鳎琒 HEED算法有效的减少了簇头节点的能耗,延长了网络寿命。     

移动自组织网中一种平均节点度分簇算法

针对移动ad hoc网络现有分簇算法容易造成通信瓶颈的现象,在最高节点度分簇算法的基础上提出了基于平均节点度的分簇方法,通过选举具有合适节点度大小的节点作为簇头来平衡网络负载,应用Glomosim做的仿真结果显示该算法能较好维持网络的稳定性.     

基于簇头选举和节点位置优化的WSN分簇路由算法

针对分簇路由协议稳定期和半数存活节点期过短,以及存在簇头选举不稳定和出现零簇头情况等问题进行改进,提出了一种基于簇头选举和节点位置优化的分簇路由算法。通过改进簇头选举流程,修改候选簇头节点集合的更新策略来保障簇头选举的稳定性。增加节点与基站的距离和节点与簇头的距离2个参数作为阈值调节因子,调节节点当选簇头的概率以均衡网络能耗延长稳定期和半数存活节点期。仿真结果表明,该算法能够保障每一轮选举出最佳数量的簇头并且避免零簇头情况的出现,同时在网络寿命上能有效延长无线传感器网络(WSN)的稳定期和半数节点死亡期。     

移动ad hoc网络多参数加权分簇算法

网络分簇支持资源空间复用,能增大系统容量;簇头构成虚拟骨干网,能降低路由开销;但簇生成和维护涉及信息交互,会增加通信开销,良好的分簇算法是维持簇稳定的关键。针对移动ad hoc网络,提出一种多参数加权分簇算法。该算法综合考虑节点剩余能量、邻居节点数和节点移动性,分别针对随机步行移动网络和参考点群组移动网络设计不同的节点稳定性参数,在随机步行移动网络中利用剩余能量参数、邻居节点参数和相对稳定性参数加权构成稳定性参数,而在参考点群组移动网络中采用剩余能量参数、邻居节点参数和移动相关性参数加权构成稳定性参数。仿     

一种基于CGSR的Ad Hoc网络分簇路由协议改进

针对CGSR分簇路由协议中,簇头负担重和能量消耗大的问题,提出了一种改进的分簇路由协议——CSGSR。CSGSR使用改进的最小簇变化分簇算法,在分簇过程中选出多个节点成立簇头组,由簇头组成员协调工作完成簇头的任务,减少了单个簇头的负担,平衡了节点能量的消耗,增加了簇的稳定性。通过NS-2仿真实验,验证了改进后的协议能有效延长网络的寿命。     

基于能量、节点密度的LEACH-TYC拓扑控制算法的研究

网络拓扑控制是无线传感器网络研究和应用中的一个关键问题。针对LEACH算法及基于LEACH改进DBCP算法存在的问题,文章提出了一种新的改进拓扑控制算法：LEACH-TYC。该算法采用与LEACH算法相同的前提假设,借鉴DBCP算法的优点,进行了如下改进：一是允许担任过簇首节点的还可以继续当选,但是必须满足限定在一定的次数和剩余能量达到一定的值的基础之上。二是利用节点密度改进簇首的选举阀值。三是非簇首节点加入簇时综合考虑节点间剩余能量和节点间距离。仿真结果表明,LEACH-TYC算法使得簇规模更均衡、网络生存时间更长、节点能耗更少。     

基于簇头距离和能量的优化LEACH协议

LEACH(low energy adaptive clustering hierachy)路由协议通过循环随机选举簇头节点的方式均衡网络能耗.但当选簇头的节点能量剩余较少或距离基站较远时会过早死亡,从而导致网络运行不稳定,通过在簇头选择过程中加入待选簇头节点的剩余能量平均值及标准差、节点与基站距离等参数对其改进处理,可提高网络稳定性.但若出现极大簇或极小簇,则会导致网络生命周期缩短.针对这一问题提出一种基于簇头距离和能量的优化LEACH算法,在成簇过程中加入簇头节点的能量和节点距各簇头的距离等参考量对成簇过程进行优化.MATLAB仿真结果表明,在节点均匀分布的网络中,该改进算法能够在提高网络稳定性的基础上有效延长网络生存周期.     

基于节点划分的无线传感器网络自适应分簇算法

为延长网络的生命周期,针对随机部署的无线传感器网络节点均匀分布和能量有限的特点,提出了一种基于节点划分的分布式自适应分簇算法.通过节点的划分均衡簇内负载,利用节点的剩余能量与通信距离信息的自适应加权来优化调整节点竞选簇头的概率.模拟实验结果表明,该算法可有效延长网络的稳定周期和生存时间,数据传输量比LEACH-E算法增加了近20%.     

一种基于权重的动态分簇算法

基于分簇算法,提出了一种基于权重的动态分簇算法(WDCA).该算法综合考虑了节点与其邻居节点的相对速度,节点到其邻居节点的平均距离,节点的能量以及节点的邻居数等因素来选择簇头;同时取消了一般加权分簇算法中簇成员到簇头只有一跳的限制,而是根据簇内成员数动态调整.模拟结果表明,与经典的加权分簇算法(WCA)相比,该算法的簇头稳定性、网络的负载均衡都有很大提高.     

基于改进粒子群算法的BP神经网络在边坡稳定性评价中的应用

边坡稳定性分析与评价是边坡工程的核心内容,具有高度非线性和不确定性特征。首先,选取了多个边坡工程实例构成学习样本集,以土体重度、内摩擦角、粘聚力、坡角、坡高、孔隙比六个主要影响因素作为土坡稳定性的评价判别指标;然后,采用改进的粒子群算法优化BP神经网络模型,将网络权值和阈值粒子化,通过引入粒子群进化度和粒子群聚合度实现惯性权重的动态变化,利用粒子群算法的全局搜索性实现网络权值和阈值的更新,从而增强算法对非线性问题的处理能力,加快了收敛速度;最后,通过与其它边坡稳定性评价算法进行比较分析,表明了本文研究算法的可行性与合理性。     

能耗均衡的低功耗自适应集分区路由改进算法

针对LEACH算法簇头选取不佳、网络寿命过短问题,提出一种基于分区的LEACH改进算法。该算法根据节点剩余能量、邻居节点数及距基站距离对簇头选举产生的影响,对簇头选举函数进行优化;对监测区域进行分区,不同分区采取不同的数据传输方式,减少基站附近簇头节点转发信息的负载量,有效避免基站附近“能量空洞”现象的发生。实验结果表明,相比于LEACH和LEACH-EDP算法,本文改进算法第一死亡节点出现轮次分别推迟了23.32%、18.44%,网络寿命分别延长了32.27%、21.49%。     

基于Fiedler矢量的分布式自适应分簇算法

针对无线传感器网络分簇(clustering)问题,提出一种基于Fiedler矢量的分布式分簇改进算法.该算法利用Fiedler矢量的元素符号特性对网络进行递归分簇处理,引入网络拓扑信息,根据网络自身的内部连接自适应决定分簇数目,通过Fiedler矢量的元素数值选出簇头,并且算法给簇头子集筛选合适的网关节点以确保簇头子集的连通性.仿真实验表明,在共识频谱感知的基础上,该算法生成的簇头子集与全网络共识所收敛的结果相同,簇头子集共识收敛速度相对更快,耗时短,能够以更好的时效性、更高的能效达到与全网络共识收敛相同的效果.     

一种基于复杂网络属性值的K-means聚类算法

传统-means聚类算法的性能依赖于初始聚类中心的选择.本文将复杂网络节点的属性值作为节点的度、聚集度与聚集系数的加权值,通过计算所有节点的加权综合聚集特征值,选取综合聚集特征值高,并且彼此之间无高聚集性特征的K个节点作为聚类的初始聚类中心,然后进行聚类迭代过程.实验结果表明,新算法对初始聚类中心的选取更迅速有效,避免了传统K-means算法初始聚类节点选取的敏感性,进而提高K-means算法的聚类质量.     

基于双簇头聚类分簇和数据融合的无线传感器网络路由算法

针对无线传感器网络中基于低能量自适应聚类层次(LEACH)算法进行分簇时出现的簇分布不均匀及路由能量消耗过快问题,提出一种基于双簇头聚类和数据融合的分簇算法.该算法在分好的簇中选择两个级别的簇头,两个簇头履行不同职责,能更好地均摊能量消耗,提高了分簇均匀性.仿真实验结果表明,该算法降低了网络能耗,提升了网络生命周期.