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     

一种基于融合器的多跳能量均衡算法

为了解决现有的分簇算法能量消耗不均衡问题,提出了一种新的基于融合器的多跳能量均衡(MEB)算法.该算法采用定时器并且考虑节点的剩余能量来优化簇头选举,通过选举簇中最多能量的节点作为融合器,对簇头转发的传感数据进行数据融合,然后通过由融合器构建的多跳路由树发送到基站.该算法同时达到了簇内和簇间的能量均衡.仿真结果表明,MEB算法第1个节点死亡的时间比LEACH算法延长了80%左右,比TB-LEACH算法延长了60%左右.MEB算法第1个节点死亡到最后1个节点死亡经历的时间非常短.因此,MEB算法实现了整个网络的能量均衡,提高了网络的稳定度,延长了网络的生命周期.     

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%.     

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.     

基于非均匀分簇和最小能耗的无线传感网络路由算法

摘要：
簇头以多跳方式传输数据到网关时,靠近网关的簇头由于负担较多的转发任务而过早死亡,从而造成了“能量空洞”现象.文中提出了一种基于非均匀分簇的能量有效的无线传感网络路由算法（UCRA）.它包括非均匀分簇算法和最小能耗路由算法2部分.首先提出一种加权的非均匀分簇算法（WUCA）,在分簇时考虑了节点的选票和传输距离.在簇间通信时提出了最小能耗多跳路由算法.它利用位置信息计算最优转发簇头位置,从而指导下一跳簇头的选择.仿真结果表明,UCRA算法能很好地平衡网络能耗,延长网络生命周期.
关键词：
无线传感器网络; 非均匀分簇; 路由算法; 能量效率
中图分类号： TP 212.1
文献标志码： A     

基于能耗预测的WSN单跳路由分簇算法研究

针对分簇是实现WSN拓扑控制、节能、网络寿命的延长有效方式之一,基于LEACH的协议结构和能量消耗模型,提出了一种基于能耗预测的分布式单跳路由分簇算法（FED:forecasted energy dissipation）,定义了由其能耗预测指数和剩余能量比例系数动态地确定的节点竞争簇首门限,给出了基于时间优先、能量优先和比例优先竞争策略的FED算法。节点竞争簇首的参数选择与网络规模无关,且最大时间复杂度为O(1)。对时间优先、能量优先和比例优先竞争策略的FED算法的仿真研究结果表明：与LEACH和EECS算法相比,基于能量优先和比例优先的分簇算法较大地延长了网络寿命和提高了网络能量的利用性能。     

基于能量均衡策略的无线传感器网络LEACH协议改进

分析了经典的分簇通信协议LEACH.针对LEACH中存在将能量较少的节点选为簇头,从而导致节点加快死亡、网络能量利用率降低的问题,通过改变簇头竞争参数的方法杜绝此现象的发生,均衡了网络中能量的消耗,提高了网络能量的利用率,延长了网络寿命.仿真实验结果表明:BCHSA与LEACH协议相比改进后的协议延长了28%的网络寿命,推迟了第一死亡节点出现时间的27%,并缩短了死亡过程的85.7%将更多的能量用于网络开始死亡之前,提高了能量利用率.     

一种基于蜂窝模型改进的分簇路由算法

为进一步提高无线传感器网络的能量有效性、网络可靠性并延长网络寿命,提出了一种基于蜂窝模型改进的无线传感器网络分簇路由算法。该算法引入正六角形蜂窝模型作为网络中传感器节点的分簇结构,并结合节点间的角度比和距离比感知位置自主选择簇头。仿真结果显示,该算法与传统的LEACH分簇算法和基于位置的GAF分簇算法相比,有效地抑制了孤立节点的产生,均衡了网络能量和负载,提高了网络能量有效性,确保了网络可靠性,延长了网络的生命周期。     

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。     

无线传感器分簇网络实验系统设计

针对无线传感器网络分簇算法验证,设计了分簇网络实验系统。系统中无线网络节点计算能量消耗,通信报文传输节点消耗能量值和分簇节点标记,主机节点依据数据实时绘制分簇网络结构和能量消耗分布图,并计算总消耗能量,对分簇算法进行评估。系统经试用,对分簇算法设计与优化有重要的作用。     

面向宽频段频谱感知的WSN架构及其分簇算法

针对动态频谱管理、频谱监测等领域对宽频带频谱感知的需求,提出了一种面向宽频段频谱感知的无线传感器网络系统架构,采用分簇的网络结构、分频段协作感知和分级的感知结果处理机制,实现了对宽频段频谱的有效、高精确度感知。重点研究了该架构下的分簇算法,提出了一种面向感知任务频段特性的分布式分簇算法。算法基于近邻传播模型,通过分布式消息交互积累网络结构信息,实现将信噪比相似的节点分在较少簇中的分簇目标。仿真表明,提出的分簇算法生成的簇数目随着节点数量的增加线性增长,簇结构在簇首与簇成员信噪比标准差和能量差等指标上均优于现有算法,说明了算法在可扩展性、支持感知结果融合和提高网络工作时间等方面的优越性。     

基于PSO的神经网络在分光光度法同时测定As（Ⅲ）和As（Ⅴ）中的应用

针对干扰严重的两组分体系——As（Ⅲ）和As（Ⅴ）难以利用分光光度法实现同时测定的问题,采用粒子群优化算法训练多层前向神经网络权值,有效地克服了传统反向传播算法误差收敛速度慢、易陷入局部极小值的缺点。结果表明,基于PSO的神经网络方法显著增强了数据处理的准确性和稳定性。     

基于无监督学习的实时公交动态调度的研究

针对广州智能公交调度的优化问题,提出一种基于无监督学习的实时公交动态调度算法,结合乘客利益和公交公司利益总体最优为目标,通过无监督学习方法学习到公交客流出行特征表达的提取,利用吸引子传播(affinity propagation,AP)聚类算法的优化数据集与支持向量机(support vector machine,SVM)的训练样本集相结合建立预测模型训练,运用公交线网发车间隔和加权系数的目标函数优化调度数学模型,将多源信息融合及多策略的实时公交动态调度算法引入到求解模型中,利用深度学习的异常突发事件分类检测方法实现调度优化模型的实时调整。实验结果表明,AP聚类算法程序运行耗时16 s、高峰发车间隔5 min,比遗传算法运行效率更高、时间间隔更精确,实例证明模型和算法具有实用性和可靠性。     

基于小波包分析与BP神经网络的氧化铝熟料检测

利用小波包分析与BP(Back Propagation)神经网络相结合的算法,对氧化铝熟料检测的应用进行了研究.通过采集回转窑中氧化铝熟料下落碰撞窑壁产生的声音信号,利用小波包分析提取特征向量,根据氧化铝的烧结状况与声音信号特征向量的对应关系,提出建立BP神经网络模型.利用MATLAB对测试样本进行验证,结果表明BP神经网络模型在氧化铝熟料检测中具有可行性,而且具备一定的准确率.     

基于非均匀分布双融合节点的WSN数据融合算法

针对无线传感器网络中层次型融合算法的单跳路由造成网络能量消耗不均衡的问题,提出了一种利用非均匀思想在LEACH（low energy adaptive clustering hierarchy）算法基础上进行改进的混合型融合算法．该算法首先利用LEACH进行分簇和融合节点的选择,融合节点主要用于簇内数据的接收和融合处理．然后基于融合节点到基站距离的不同,非均匀的选择出网内的副融合节点,副融合节点主要用于转发网内融合节点发来的数据．仿真结果显示,该算法综合了平面型融合算法和层次型融合算法的优点,既均衡了网络能量的消耗又有利于网络的扩展,并且算法简单、适应性强．     

基于时分频分的无线传感器分簇网络MAC层协议

针对无线传感器网络节点能量有限的特点,提出了一种应用于簇结构的媒质接入控制（MAC）协议．即FT-MAC协议．该协议在簇内使用分时通信,利用粒子群算法优化时隙分配,减小状态转换的能量消耗,为了消除网络通信中的簇间干扰,FT-MAC使用启发式搜索算法为相邻簇分配不同的频率,在仅需保持簇内时间同步的条件下,FT-MAC通过网关节点的特殊工作模式实现了簇间通信,避免了全网时间同步所造成的大量能耗．仿真结果表明,与其他媒质接入控制协议相比,FT-MAC具有能耗小、网络数据包延迟时间短的优点．能满足大规模无线传感器网络应用的需要．     

异构无线传感器网络能量均衡簇头选举算法

从"均衡网络的能量消耗"这一角度,研究了异构环境下基于分簇路由的SEP算法,提出了一种基于SEP的改进算法——能量均衡簇头选举(EBCHS)算法.仿真结果表明,改进后的路由算法在异构网络环境下能够有效延长网络的生存时间、提高网络的数据吞吐量.     

无线传感器网络多目标关联覆盖

针对多目标网络覆盖中传感器节点和目标的关联关系,依据数据挖掘中的关联规则挖掘技术,设计了多目标关联覆盖算法MTACA．考虑到能量的有效性,利用关联规则挖掘方法动态地确定目标集合和传感器节点集合,通过节点集合工作状态的转换完成目标的完全覆盖,延长了网络使用寿命．同时,改进了适应区域覆盖的PEAS算法,使其适应多目标覆盖的应用．通过仿真对MTACA和改进的PEAS算法进行了性能分析．结果表明：MTACA算法和改进的PEAS算法在目标完全覆盖能力和网络使用寿命上明显优于随机部署网络;MTACA算法在目标完全覆盖能力、网络使用寿命、网络剩余能量以及节点间能量消耗均匀性上明显优于改进PEAS算法．     

基于免疫退火的WSN簇首节点选择方法研究

针对无线传感器网络中簇首节点选择的问题,基于免疫退火提出了一种新的算法CHSIA（Clusterheadnodeselectionalgo—rithmbasedonimmuneannealing）。该算法结合节点能量消耗和剩余能量建立了目标函数f=max（a/elt＋bE（t-1）,并且利用免疫退火方法实现该目标函数的最优求解。同时,通过OPENT进行仿真实验深入研究了网络存活周期、变异概率和交叉概率等关键因素对该算法的影响。对于实验中50％节点失效时的性能状况,CHSIA算法能够延续到162轮,而LEACH算法只能延续到119轮,结果表明CHSIA具有较好的适应性。     

基于预测模型和自主计算的网络资源管理

为解决综合网络系统中的自主管理问题，以气象水文业务系统为背景，对自主网络管理中的设备状态预测机制和DEN-ng策略模型扩展机制以及结合这两种机制处理网络通信系统中的自主管理问题进行了深入研究，提出了NAR-BP（Nonlinear Auto Regressive-Back Propagation）状态预测模型，并根据观探测设备的测量数据，对该模型进行了实验测试。实验结果表明，NAR BP状态预测模型的各项误差指标较传统的AR(Auto Regressive) 模型算法减少了约4/5。基于DEN ng策略模型扩展了管理决策组件，使其适应应用层的系统状态预测，通过一个策略驱动的多信道数据通信管理实例展示了DEN-ng扩展策略模型在自主网络管理中应用的可行性。