基于曼哈顿距离模糊C聚类及粒子群优化的中继车辆选择算法

针对车辆自组织网络中的多跳广播通信场景,基于曼哈顿距离模糊C聚类(Manhattan distance-based FCM,简称MFCM)和粒子群优化(particle swarm optimization,简称PSO),提出中继车辆选择算法.该算法先用MFCM对广播网络中的车辆进行初始分簇,再用PSO优化簇心位置.通过仿真实验对多种算法进行比较,结果表明:相对于其他算法,所提算法的信干噪比分布最优、簇维护开销最低、数据包接收率最高.     

一种基于MAC层时延上限的VANET自适应分簇算法

为提高车辆自组织网络(VANET)中媒体接入控制(MAC)协议在车辆密集情况下的性能,提出了一种基于MAC层时延上限的自适应(MDBA)分簇算法,该算法包括簇头选举算法和簇维护算法.在MAC层消息传输的时延上限制约下,簇头选举算法通过综合考虑车辆节点的速度、加速度、位置和目的地4种因素来选取簇头;针对网络拓扑的变化,簇维护算法对分簇进行自适应调整.利用交通流仿真软件VISSIM创建仿真场景,以考察MDBA分簇算法的性能.仿真结果表明,与传统无线传感器网络和移动自组织网络中的典型分簇算法相比,MDBA分簇算法中簇头和簇成员的生存时间较长,算法性能更优,更加适用于车辆自组织网络.     

VANETs中基于分簇算法的广播协议

针对现有车载自组织网络(vehicle ad hoc networks,VANETs)中广播消息不能及时传输的问题,提出了基于分簇算法的广播协议,并提出了一种基于多权值的分簇算法.该算法综合考虑了车辆节点度数、链路剩余时间和信道的信噪比等因素.在该分簇算法的基础上,基于车辆消息的紧急程度,对现有802.11p协议中的退避算法进行改进.仿真结果表明,基于此分簇算法的广播协议,能够有效地减小广播消息的传输时延,增大广播消息的吞吐量和时隙利用率.     

高性能无线传感器网络分簇算法

为解决无线传感器网络中经典低能量自适应分簇算法产生的簇头数量分布不稳定,从而导致网络生存时间变短问题,提出一种基于双重选举机制的分簇算法(TSSCH).仿真结果表明,与经典低能量自适应分簇算法(LEACH)相比,TSSCH算法可保证无线传感器网络的簇头数量更加合理地分布在最优值周围,从而能够更好地均衡无线传感器网络负载,达到延长无线传感器网络生命期的目的.     

基于最优簇头数的环形无线传感器网络分簇算法

基于无线传感器网络中每个环能量消耗最小原则, 提出一种基于最优簇头数的环形无线传感器网络分簇算法. 首先计算出网络中每个环的最优簇头数, 然后在最优簇头数的基础上, 将网络划分为若干不同大小的簇, 最后在选择簇头时, 考虑了每个环的最优簇头数与相应环中节点数目的比值、 节点的剩余能量以及簇成员节点到簇头节点的最短距离与簇头节点到基站距离的关系. 解决了无线传感器网络簇内节点通信能量消耗过多的问题, 均衡了网络节点的能耗. 仿真结果表明, 该算法提高了网络能效和扩展性, 平衡了网络能耗, 延长了网络的生命周期.     

基于最优簇头数的环形无线传感器网络分簇算法

基于无线传感器网络中每个环能量消耗最小原则, 提出一种基于最优簇头数的环形无线传感器网络分簇算法. 首先计算出网络中每个环的最优簇头数, 然后在最优簇头数的基础上, 将网络划分为若干不同大小的簇, 最后在选择簇头时, 考虑了每个环的最优簇头数与相应环中节点数目的比值、 节点的剩余能量以及簇成员节点到簇头节点的最短距离与簇头节点到基站距离的关系. 解决了无线传感器网络簇内节点通信能量消耗过多的问题, 均衡了网络节点的能耗. 仿真结果表明, 该算法提高了网络能效和扩展性, 平衡了网络能耗, 延长了网络的生命周期.     

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.     

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.     

基于距离和分布的无线传感器网络分簇算法

考虑随机分布节点的剩余能量以及节点相对基站的位置,针对基站位置的非均匀无线传感器网络,提出了一种基于节点位置和分布密度的多跳自组织分簇算法．该算法在分簇准备阶段,根据节点分布密度和相对基站的距离确定分簇的半径,均衡分簇能耗;在簇头选举阶段,利用节点的剩余能量和节点连接密度信息,选择最优的节点成为簇头;在分簇建立阶段,限制分簇跳数,有效降低簇内通信量．通过一系列的仿真实验,验证了算法在节点均匀和非均匀分布情况下均能取得较好的性能,建立更为均衡的分簇结构,显著提高网络生存周期．     

基于正六边形网格划分的改进非均匀分簇算法

针对非均匀分簇路由算法中频繁簇头选举带来的簇内和簇间能耗、网络部署密集易造成数据冗余等问题,提出一种基于正六边形网格划分的改进非均匀分簇算法(HGUC)。首先,将网络正六边形网格划分,遍历选举每个网格能量最大的节点作为备选簇头;其次,考虑最优簇头数、剩余能量和节点密度确定最终簇头和修改竞争半径,从而减少能耗,降低数据冗余。仿真结果表明,HGUC算法与LEACH算法、非均匀成簇EEUC算法对比,网络生存寿命分别延长了58.84%、51.68%.     

基于品质度量的移动自组织网络安全分簇算法

为解决移动自组织网络中分簇存在的恶意簇首和簇首不稳定问题,通过在簇首选择中引入节点品质度量模型和分布式TA选择机制,提出了一种移动自组织网络安全分簇算法。该算法能生成适应不同通信模式、通信距离和移动速度的稳定簇结构,保持可信权威机构TA成员的相对稳定性。仿真分析表明：SCAQM能抵御外部恶意节点的入侵和内部合谋节点的威胁。相比其他分簇算法,SCAQM能有效抑制节点的恶意行为,以较小的算法控制开销生成更稳定的分簇结构。     

基于能量感知的传感网能量中性分簇路由协议

针对能量获取异构的无线传感器网络节点能量利用效率过低和网络无法保证持久运行问题,提出一种基于能量感知的能量中性分簇路由协议,该协议针对太阳能环境下节点获取能量异构的场景,将改进的天气条件移动加权平均算法引入能量收集预测过程,根据获取能量预测构建能量中性约束,在此约束下构建动态簇头集群机制和自适应时隙分配策略,保证了整个网络在能量获取下的持久运行,通过凸优化得到最优的网络分簇数量,最大化了网络数据吞吐量。通过模糊逻辑选择簇头节点,综合节点剩余能量,获取能量预测和节点相对位置等多种因素,提高了簇头选举的合理性。通过仿真分析,该协议能够保持能量获取下网络持久运行,在网络吞吐量和降低簇失败次数方面的性能具有明显优势。     

基于分簇的车载自组网可信路由协议研究

针对较适用于车载自组网的分簇式路由协议的安全问题,提出一种基于分簇的可信路由算法,即在簇头选择过程根据权重因子进行筛选．该算法将节点通信过程中在一定时间内收发数据包的好坏程度作为其信誉值,在选择簇头过程中将节点的信誉值作为重要的权重因子,由于通信过程中信誉值实时更新,可将低于信誉阀值的节点剔除,从而达到安全目的,实现了在车载自组网中的可信路由．实验结果表明,该算法较WCA（weighted clustering algorithm）算法具有较高的抵抗自私节点的能力．     

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.     

异构传感网中一种能量均衡非均匀分簇算法

分簇路由协议是无线传感网中减少能量消耗、延长网络寿命的一种重要手段.大部分分簇路由协议基于均匀分簇算法,却忽略了无线传感网单跳路由协议中远离基站的簇头需要消耗更多能量,从而导致整个网络能量消耗不均匀.针对以上问题,提出异构传感网中一种能量均衡非均匀分簇算法.一方面,簇头选取阶段,在考虑节点剩余能量的同时,引入非均匀竞争机制;另一方面,簇构建阶段,为节点选取簇头时,不仅考虑簇头剩余能量、节点与簇头间距,也考虑节点与基站间距.仿真结果表明,与LEACH,SEP,DEEC分簇算法相比,该算法有效均衡了簇头的能量消耗、延长了网络寿命.     

基于多准则决策方法的WSNs不等簇数据收集算法

针对多对一的无线传感器网络"热点"问题,提出了一种基于多准则决策方法的不等簇数据收集算法(unequal clustering data gathering algorithm based on multiple criteria decision,UCDGAMCD).采用直觉模糊层次分析法和层次模糊积分的多准则决策方法来竞选簇首,提出了一个新的簇首竞争半径,使其能够适应节点能量异构及节点非均匀分布的网络环境.根据邻居簇首的剩余能量和传输能耗,提出了簇首间按比例分配传输数据的路由方式,使其能量消耗更加均衡.仿真结果表明UCDGAMCD在节点均匀和非均匀分布的两种实验场景中都获得了较长的网络寿命.     

基于小波神经网络预测的Ad Hoc网络分簇算法

针对Ad Hoc网络拓扑结构的动态特性,利用小波神经网络预测模型对节点地理位置进行预测.将预测的总保持时间与阈值比较,可以测得簇在下一时刻的稳定性.如果该簇结构在下一时刻趋于不稳定,则在链路失效之前启动路由预修复机制,以避免链路频繁断裂,从而大幅提高了网络性能.仿真结果表明,与传统最小ID算法和未加预测机制的LWCA分簇算法进行比较,所提出的分簇算法分组投递率分别提高了7%和5%,路由中断次数降低了约63%和50%.     

一种基于黑洞算法的模糊C均值文本聚类方法

FCM算法应用于文本聚类时,由于初始聚类中心点选择的随机性,以及容易陷入局部最优的问题,导致文本聚类效果较差.为了提高FCM算法的聚类精度,提出了采用黑洞算法寻找FCM最优初始聚类中心的方法.黑洞算法是一种启发式优化方法,在FCM初始聚类中心寻优的过程中,始终保持黑洞为全局最优解,最终发现FCM的最优初始聚类中心.实验结果表明,基于黑洞算法的FCM文本聚类方法可以解决FCM算法对初始中心点敏感和容易陷入局部最优的问题,聚类精度明显提高.