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.     

MWSN基于簇的覆盖感知节点调度算法

本文介绍了移动无线传感器网络(Mobile Wireless Sensor Networks,MWSN)基于簇的覆盖感知节点调度算法,其中在每个集群中,选择主簇头和副簇头,它作为主簇头的备份,以防主簇头的剩余能量变为低于阈值或失败.并且该算法实现了能源效率和通过选择每个簇中的主动节点的最小数量的网络的覆盖,以及支持传感器节点的移动性.实验结果表明,基于簇的覆盖感知节点调度算法比现有的基于集群的覆盖节点调度计划具有低10%左右的网络的能耗和高10%左右的网络寿命.     

利用蚁群优化的非均匀分簇无线传感器网络路由算法

针对无线传感器网络路由非均匀分簇中随机簇首选举路由的可靠性和实时性问题,提出一种新的无线传感器网络路由算法.该算法的核心是:通过蚁群优化来改变非均匀分簇算法的周期性簇首选举方式,即只在第一轮执行簇首选举和路径搜索,其他轮次采用簇内调整和路由更新;通过引入路由可靠性和实时性指标达到自组织、自适应和动态优化来建立和维护路由.簇首选举采用竞选,所有节点参与竞选,并且将节点剩余能量和节点到汇聚点的距离作为评价标准,以保证簇内能量效率最高的节点成为新簇首.路径搜索采用蚁群算法进行,即搜索网络中所有的簇首和汇聚点,以寻找从各个簇首到汇聚点代价最小的多跳路由.仿真结果表明,所提算法在能耗和链路可靠性方面比非均匀分簇算法的性能更好,即在较长的时间内具有更多的存活节点,网络丢包率小.     

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．     

基于距离划分与剩余能量的无线传感器网络分簇算法

提出一种基于距离划分和剩余能量的无线传感器网络分簇算法,以使簇头节点分布更加合理.以网内各个节点与sink节点的距离为标准,首先将网络分为三个区域,每个区域中选择剩余能量最大的节点为簇头节点,其次在已有簇头的一跳范围外,依次取两个剩余能量最大的节点为簇头节点.经仿真验证,该改进算法在存活节点数目方面存在明显的优势.     

基于轴面对称机制的物联网节点覆盖算法

为解决物联网部署过程中存在的节点覆盖强度低、传输盲区面积大,以及簇头节点受限等不足,提出了一种基于轴面对称机制的物联网节点覆盖算法.首先,采用等距分割方案,设计了一种基于轴面对称机制的区域覆盖方法,通过对称分布簇头节点来实现网络区域的初级分割,提高网络初始化覆盖效率.随后,鉴于主备机制难以进行节点动态更新,通过预热方式来部署多个镜像节点,构建了基于热备机制的簇头轮询方法,降低网络因簇头节点受限而出现传输受阻现象.最后,对初始化分割区域进行非等距优化,提出了一种基于量化部署机制的传输优化方法,增强网络传输能力,提升簇头节点对数据的传输效率.仿真实验表明,与改进的蚁狮算法的无线传感器网络覆盖优化和基于改进粒子群算法的无线传感器网络覆盖策略等方案相比,本文算法具有更高的拥塞控制能力和节点覆盖效率高,以及更低的簇头受限概率.     

一种具有成员限制的移动自组网络簇生成算法

在移动自组网络中,许多应用都依赖层次结构的支持.簇结构是移动自组网络中应用最为广泛的层次结构.然而,由于受节点的资源限制,当节点密度较高时,簇首不可能服务所有邻居节点.基于max-degree算法提出一种具有成员限制的簇生成算法CMLA,根据簇首节点选择成员的方式不同,提出了最小权值、最大权值以及随机簇成员选择策略.模拟实验表明,在节点密度较高的移动自组网络中,采用最小权值簇成员选择策略的CMLA算法在簇首节点数量以及负载均衡度等方面均优于其他策略和算法.     

无线传感器网络的一种负载均衡的组簇模型

为了保证无线传感器网络的簇头节点的能量有效、避免网络拥塞,提出了一种负载均衡的组簇模型 (load balanced join cluster model,LBJCM).在网络完成簇头节点的选举后,对属于多个簇头簇半径内的普通节点,根据LBJCM选择最终簇头加入.LBJCM综合考虑了簇头节点的局部密度和距离候选簇头的距离,使得属于多个簇范围的普通节点被合理地分配到各个簇头.仿真实验表明,与其他常用的组簇模型相比,利用LBJCM进行组簇能获得更好的簇间负载均衡性能.     

基于密度峰值和网络嵌入的重叠社区发现

密度峰值是一种基于密度的聚类算法,该算法假设类簇中心点具有较高的密度且被密度较小的节点包围.由于图结构的性质,密度峰值无法直接适用于网络结构,现有的基于密度峰值的社区发现算法大部分是基于图的拓扑结构或者邻接矩阵度量节点近似度,这种方法往往引入较大的计算复杂度.文中结合网络嵌入方法通过低维向量表示网络中的节点信息,提出了...     

异构无线传感器网络节点部署算法研究

无线传感器节点将收集到的数据传输到簇头,簇头将数据包聚合后再发送到基站.离基站较远的簇头在发送数据过程中会因为能源消耗过高而提前死亡从而导致出现能量空洞的问题.为此,本文对异构传感器网络的节点部署进行研究,将网络监控区域划分成圆环,提出一种传感器簇头最大化生命周期模型.该模型以传感器簇头能耗均衡为基础并通过分析每层圆环传感器节点能量消耗情况计算出每层圆环的宽度,提出一种基于圆环的非均匀节点部署算法,得出了节点部署的密度函数.使用MATLAB对节点均匀部署、非均匀部署和随机部署进行了模拟仿真实验,通过对实验结果分析,该算法能在延长传感器网络的生命周期方面有着比较明显的优势.