基于人工势场的水下传感器网络部署优化策略

对水下传感器网络移动节点的位置进行调整以提高传感器网络的有效覆盖率具有重要现实意义.根据水下传感器网络的特点,提出基于人工势场的分布式水下传感器网络部署优化算法UPFA(Underwater deployment based on Potential Field Approach).混合传感器网络部署优化问题可以转化为漏洞修复问题,覆盖的漏洞会对移动节点产生虚拟吸引力.仿真结果表明,UPFA算法能够引导水下的移动节点修复水下传感器网络的覆盖漏洞,显著提高水下传感器网络的有效覆盖率.     

基于 Voronoi 网格传感网络近似最少连通覆盖值算法

基于并行处理理念使用Voronoi网格可将平面区域划分为几何体集合的性质,提出了传感器网络正六边形剖分的近似连通最少覆盖算法(ACA-RH).Sink节点将信息收集区域进行正六边形网格剖分,然后让传感器节点与各个正六边形网格的位置进行比较来决定自己是工作还是睡眠,从而构造近似连通最少覆盖集.经过理论分析与仿真实验表明,ACA-RH算法时间复杂度和所需要节点的数量少于SCR-CADS算法、SoYe算法.     

监测奶牛无线传感器网络的连通支配集构造

基于一个对奶牛行为特征监测的自组织无线传感器网络,构造骨干网以解决节点多跳通信问题,并采用图的连通支配集来实现。提出了一个基于极大独立集的最小连通支配集的分布式构造算法,并证明了该算法的正确性。采用计算机程序仿真的实验结果表明,此算法简单有效、适应于节点移动和网络拓扑变化的环境、且构造的连通支配集占节点的比例为30%左右,有效减少冗余的转发节点,可节省宝贵的网络资源。     

基于最小连通支配集移动的WSANs连接恢复算法

在无线传感器与执行器网络(wireless sensor-actor networks,简称WSANs)关键任务应用中,单个或多个节点的失效可能造成内执行器节点产生网络分隔,自动检测和快速恢复来保持内执行器网络的连接性显得非常重要.论文提出了一种基于最小连通支配集移动的连接性恢复算法(minmal CDS motion-based connectivity recovery,简称MCDSR),该算法主动探测影响网络连通的割点,并为其指定最小的连通支配集.一旦检测到节点失效,备份的支配集初始化恢复进程直到网络连接恢复.并通过实验与现有的恢复算法进行比较,发现MCDSR算法在移动的节点数目、总的移动距离、覆盖度减少等方面有更好性能.     

基于无线传感器网络的优化点集覆盖算法

针对无线传感器网络对目标区域覆盖过程中会产生大量冗余节点,从而导致网络能量消耗过快以及节点覆盖的不完全性等不足,提出了一种基于优化点集覆盖算法.该算法利用高斯正态密度函数和覆盖区域的概率函数对点集进行优化,通过节点感知半径与节点数之间的定量关系给出满足一定覆盖率要求下最优节点集,进而优化了网络资源,提高了网络生存周期和...     

EHWSNs中面向吞吐量和能耗优化的时隙分配算法研究

针对在具有移动汇聚结点(Sink)的能量收集无线传感器网络中,如何在数据收集时提升网络吞吐量和降低能耗的问题,分析了Sink移动距离与节点数据传输的时间周期之间的关系,将面向吞吐量和能耗优化的数据收集问题建模为基于混合整数线性规划的优化问题,并提出了一种基于有效传输周期的时隙分配算法来对其进行求解。算法主要分2个阶段进行：移动Sink在每个时间周期内识别出可进行数据传输的邻居节点,并为其分配时隙;移动Sink根据数据可用性对节点进行排序,并最终决定哪些节点在各个时隙期间发送数据。理论分析和仿真实验结果表明,所提算法在吞吐量和能耗方面的性能优于当前典型算法,且计算复杂度更低。     

基于遗传算法的无线传感器网络最小覆盖集算法

降低能耗以延长网络生存时间是无线传感器网络设计中的一个研究热点.提出一种利用遗传算法实现的"密度控制"策略.该策略利用无线传感器工作节点的最小节点子集(最小覆盖集),达到覆盖整个传感器网络区域的目的.所提出的算法能够较好地调和无线传感器网络寿命和网络覆盖率之间的矛盾,仿真实验证明了算法的有效性.     

基于PSO的WSN路由控制算法

针对具有节点低冗余度的网络区域的路由控制问题,提出了一种基于粒子群算法的无线网络路由控制算法。首先,建立网络模型和能量函数。然后,采用LEACH协议来选举簇头和生成簇,最后,采用粒子群算法优化簇头到Sink节点的多跳路由。仿真实验表明,方法简单有效,同时具有网络覆盖率高和网络生命周期长的优点,是一种适合节点密度低的网络区域的路由控制算法。     

基于PSO的WSN路由控制算法

针对具有节点低冗余度的网络区域的路由控制问题,提出了一种基于粒子群算法的无线网络路由控制算法。首先,建立网络模型和能量函数。然后,采用LEACH协议来选举簇头和生成簇,最后,采用粒子群算法优化簇头到Sink节点的多跳路由。仿真实验表明,方法简单有效,同时具有网络覆盖率高和网络生命周期长的优点,是一种适合节点密度低的网络区域的路由控制算法。     

移动自组网UL—WMCDS和PLA—CDS两种算法分析

森林火灾的灾后救援是移动自组网重要的应用领域之一。移动自组网中节点移动是网络快速变化的主要原因。快速变化的网络拓扑给移动自组网,尤其是路由设计带来了巨大挑战。基于最小连通支配集算法是一种有效的分层路由算法,它将路由搜索集中在连通支配集内。分析了两种具有代表性的连通支配集算法,分别指出它们的不足之处,并进行了初步验证。     

一种在无线传感器网络中构造有效连通支配集的算法

构造连通支配集是解决数据收集问题的一种较有效方法,现有算法在构造连通支配集时只考虑支配集的大小,造成支配集有效期短,易产生盲点及传输数据能耗大.针对如上缺陷,综合考虑支配集的大小、节点能量及节点到基站的路径,提出了一个基于广度优先搜索生成树的算法.模拟实验表明,该算法的系统生命期比现有算法提高20%左右,延迟缩短17%左右.     

无线传感器网络中目标连通覆盖算法

为了同时保障无线传感器网络的连通性和覆盖率,提出了目标连通覆盖(TCC)算法。在充分考虑网络延时和负载均衡的情况下,通过部署最少量的中继节点保证目标位置与汇聚节点连通。将部署在各目标位置周围的有向感知节点组成多个满足要求的覆盖集,保证各目标位置都被某个覆盖集覆盖,进而达到连通覆盖的目的。仿真结果表明,该算法中各目标位置到汇聚节点的最大和平均路径跳数优于已有算法,并且使得网络生命周期较长。     

全向传感器网络中基于虚拟力的三维覆盖增强算法

针对全向传感器网络中的三维覆盖增强问题,简单的把二维覆盖增强算法扩展到三维空间,会存在覆盖性能不稳定、能耗大等缺陷,提出了一种基于虚拟力的三维覆盖增强算法.该算法通过传感器之间的节点斥力和节点引力以及传感器与目标区域边界之间的边界斥力来确保传感器的均匀分布,并使用覆盖因子来消除传感器的无效移动.仿真结果表明,所提算法不仅具有较好的收敛性,还能够显著地提高无线传感器网络的覆盖率.     

基于能量区域代理机制的移动Sink路由算法

文章提出基于能量区域代理机制的移动Sink路由算法。该算法使用剩余能量扫描算法将系统划分为若干个能量相近的区域,再在每个能量区域内构建路由信息,根据已构建的路由信息选择代理节点作为能量区域内信息存储和与Sink通信的节点,根据代理节点的分布制定Sink最小移动路径策略。仿真实验表明,在网络中使用该算法可以使网络能量得到更均衡合理充分的利用,可以很好地延长网络寿命。     

基于串行最大独立集的连通支配集构造及分析

针对传感器网络最大独立集的构造方法中并行构造算法生成的连通支配集尺寸没有明确的上界且难以确定边界节点的问题,在串行最大独立集构造算法的基础上,提出了基于权重和时序的触发式连通支配集构造算法.仿真结果表明:该算法无需构造生成树,降低了计算时延和通信开销;此外,由于最大独立集节点存在时间上的先后关系,因而使得边界节点的数量显著减少,最终求得的连通支配集存在明确的上界.     

基于差分算法的异构移动节点分布优化策略

针对监测区域中目标非均匀分布的情况,提出一种解决异构移动无线传感网络环境中节点布局的差分优化策略.该策略以网络的有效覆盖率为优化目标,指导种群进化,加快算法收敛速度.仿真结果表明差分优化算法能快速有效地实现异构移动无线传感节点布局优化.与虚拟力算法相比,差分优化策略不仅网络覆盖率高,且收敛速度快,耗时少.     

基于移动节点的无线传感器网络覆盖优化

为了提高无线传感器网络监测区域的覆盖率,研究了节点随机部署的无线传感器网络的覆盖优化问题．在含有移动节点的混合无线传感器网络中,采用更符合实际情况的基于误警率的概率探测感知模型,以区域覆盖率评价覆盖效果．通过计算节点的联合探测概率寻找覆盖空洞,提出了基于最佳概率的移动节点优化策略．仿真结果表明：所提方法能够有效探测覆盖...     

基于免疫粒子群的最小连通支配集求解算法

为解决复杂网络最小连通支配集(MCDS)求解算法复杂度高、速度慢及解的精确度差等问题,采用一种免疫粒子群优化(IPSO)算法进行求解.该算法将连通支配集的支配规则转化为基于邻接矩阵的并集约束,并结合图连通分支约束设计优化目标,采用二进制粒子群算法对MCDS进行求解.在求解过程中引入免疫机制,依据网络关键节点与支配节点之间的重叠关系,设置抗原因子,指导粒子群搜索方向、加快算法收敛速度.在随机网络上的仿真实验表明:相较于传统算法,所提算法能够找出网络的MCDS,并且在保证解精度的前提下提高了求解速度.     

无线传感器网络中能量均衡参数可控覆盖算法

针对目标节点进行k度覆盖的过程中会出现大量数据冗余迫使网络出现拥塞并导致网络通信能力和覆盖能力降低、网络能量快速消耗等问题,提出了一种能量均衡参数可控的覆盖算法(energy balance parameters-controlled coverage,EBPCC)。该算法利用节点之间的位置关系构造出覆盖网络模型,通过分析网络模型给出监测区域内节点覆盖期望值及对整个监测区域覆盖所需最少节点数的求解过程;在能耗方面给出了工作节点和邻居节点之间的能量转换函数比例关系,利用函数比例关系完成低能量节点的调度,进而达到全网能量平衡。实验结果表明:该算法不仅可以提高网络覆盖质量,还可以有效抑制网络节点能量快速消耗,在相同的监测环境下,该算法的网络生存周期比能量有效的目标覆盖ETCA算法延长了12.91%,覆盖率比事件概率驱动机制EPDM算法提高了7.06%。     

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。