基于改进蚁群算法的无线传感器网络路由

为了降低节点能量消耗,延长网络生存的时间,提出了一种改进蚁群算法的无线传感器网络路由机制.首先将无线传感器网络服务质量分为3类,然后利用蚁群算法可以自适应网络状况动态性的优势,构建传感器节点转移函数、信息素更新规则和自适应构建数据路由.最后采用仿真模拟实验对算法性能进行检验.实验结果表明,相对于现有无线传感器路由算法,通过引入蚁群优化机理挖掘传感器节点之间的关联性,数据传输延迟、可靠性和能量开销上具有更好的性能,使整个网络性能保持最优.     

基于蚁群的无线传感器网络概率路由算法

针对多数无线传感器网络路由算法易在网络中形成关键节点,而节点的失效往往导致整个网络的失效问题,提出了将随机思想与蚁群算法的特征相结合的一种新的概率路由计算方法.实验表明,该算法对延长整个网络的有效生存时间的效果较好.     

一种基于蚁群优化的无线传感器网络路由算法

提出了一种基于蚁群优化的无线传感器网络路由算法.根据无线传感器网络路由策略和蚁群优化的特点,构造了人工蚂蚁,设计了基于蚁群优化的路由算法框架,对算法收敛性进行了理论分析,并在NS仿真平台下进行了实验验证.结果表明,与SPIN,DD,HREEMR,SAR和GEAR路由算法相比,作者算法具有较好的节能性和全局寻优能力.     

基于蚁群算法的无线多媒体传感器网络路由研究

通过对蚁群算法(ACO)的研究,设计了一种适合无线多媒体传感器网络的路由协议.该算法模拟自然界蚂蚁群体在寻找路径的方式,在节点发送数据包时,以该路径之前发送数据包的频率以及通过该路径的代价为参数,计算选择该节点为下一跳的转发概率.仿真结果表明,采用该算法时,节点的平均寿命要比采用传统的定向投递算法时的节点寿命高20%,数据包成功发送速度也远远高于传统算法.     

基于路由代价的无线传感器网络蚁群路由算法

能耗最小化和能耗均衡是无线传感器网络路由算法的两个主要问题.文中从无线传感器网络蚁群路由算法出发,分析了启发式因子的各种构建方式对能耗最小化和能耗均衡的影响,提出了无线传感器网络的路由代价模型,并以此构建启发式因子.对比各种构建方式的仿真结果可以看出,使用路由代价构建启发式因子更为合理,该构建方式在网络寿命和均衡性方面...     

基于蚁群算法的无线传感器网络数据聚合路由算法

传感器网络为减少冗余数据的传输耗能。降低延迟,需要在路由过程中采用数据聚合技术。文中采用定向传输方式,在消息路由机制基础上提出了一种基于蚁群算法的数据聚合路由算法。该算法主要思想在于将节点能耗、传输距离与聚合收益3方面作为启发因子,通过一组称为“蚂蚁”的人工代理寻找到达汇聚节点的最优路径。该算法利用蚁群算法的正反馈效应来达到数据汇集的目的,不需要网络节点维护全局信息,因此是一种实现数据聚合在能量与时延上折中的分布式路由算法。理论分析和仿真结果说明了新算法的有效性。     

基于蚁群-遗传的无线传感器网络路由算法

提出了一种基于蚁群 - 遗传的无线传感器网络路由算法.通过有限寿命的蚂蚁在源节点与目的节点之间的运动获取多个备选路径,然后把每一个备选路径视为一个基因序列,通过选择、交叉和变异操作获得路径的优化,并适时进行路由维护.仿真结果表明,本算法减少了能耗,延长了网络生存时间,提高了网络的可靠性和自适应性.     

蚁群算法在无线传感器网络路由中的应用研究

无线传感器网络路由问题是无线传感器网络研究中核心问题之一,本文提出了一种改进的蚁群路由算法,在保证网络资源利用率的前提下避免停滞,使系统能迅速收敛。仿真结果表明,本文算法在平均递交率、路由算法的开销和端到端的平均延迟等方面表现优异,验证了该算法的可行性和有效性。     

优化的蚁群算法在无线传感器网络中的应用

蚁群算法是一种新型的用于求解组合优化或函数优化问题的启发式算法,其基本思想是借用生物界的蚂蚁群体觅食机理,将每个蚂蚁看作一个智能体,作为智能群体的蚁群,其觅食过程显现出高度的并行性、正反馈性和鲁棒性,以此为基础的蚁群算法也具有这样一些特点。蚁群算法在路径选择方面的优势正好应用于无线传感器网络中源节点到目标节点的最优路径的建立。     

一种无线传感器网络能量平衡路由

根据无线传感器网络能量受限的特征,提出一种基于能量平衡的路由思想,即不仅考虑了路径通信能耗,而且考虑了传感器节点剩余能量以及负载等情况,从多角度节能和延长整个网络的寿命.提出一种智能蚁群算法,求解该能量平衡路由问题.该算法中,若蚂蚁走过的当前路径比以往最佳路径更优,则加强当前路径信息素,并用当前路径取代最佳路径,否则减弱当前路径信息素.对路径的信息素采取不挥发策略,以减少路径信息素差异,增加解的多样性.实验验证了该算法的有效性.     

基于蚁群算法的无线传感器网络优化

无线传感器网络（WSN）中的传感器节点由一次性电源供电,能量优化关乎整个网络的寿命.优化网络拓扑结构有利于提高WSN整体的能量利用率.ACO是一种基于种群（population based）的启发式仿生进化算法.提出了基于ACO的WSN的网络优化算法,以16个固定位置节点和20个任意位置节点的WSN为对象进行了仿真研究.实验结果验证了该算法的有效性.     

基于蚁群算法的能量均衡传感网地理信息路由

提出了一种基于蚁群算法的能量均衡传感网地理信息路由算法,用来保证具有生存周期的无线传感器网络能够在不损失其传感能力的情况下,生存更长的时间.实验证明,此算法能够均衡网络中的能量消耗,延长网络生存时间,并能有效提高报文发送成功率,避免拥塞.     

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.     

无线传感器网络多目标路由的改进蚁群算法

提出一种集能耗、时延、鲁棒性和传输效率等于一体的多目标路由,且各目标的权重可以根据实际情况进行调节,具有较强的灵活性,提出一种正反馈和负反馈并存机制的蚁群算法,其主要思想是,若前路径比以往求得的最好路径性能更优,则当前路径信息素将加强,同时用当前路径取代最好路径,否则当前路径信息素减弱.用该改进的蚁群算法求解无线传感器网络多目标路由问题,实验数据表明:改进的蚁群算法的路由各方面性能良好,并优于目前其他典型路由.     

基于蚁群优化的无线多媒体传感网络QoS 路由算法

介绍一种基于蚁群算法的无线多媒体传感器网络WMSNs的QoS路由算法。本文在分析了WMSNs的QoS路由模型的基础上,设计了基于蚁群算法的QoS路由算法,并对节点排队模型进行了分析。仿真结果表明,采用该算法时,在满足网络QoS参数需求的前提下,节点平均寿命和数据包延迟要优于传统的DD算法。     

无线传感器网络的路由算法研究

无线传感器网络能够实时监测和采集网络分布区域内的各种监测对象信息,有着广泛的应用前景。设计有效的路由算法来提高通信连接性、降低能量损耗、延长网络的生命周期成为无线传感器网络的核心问题。本文对无线传感器网络的各种典型路由算法进行分类,分析了各类算法的特点。通过结合各类路由算法的设计特点,提出一种适合于大规模网络的路由算法的设计,但仍需进一步改进和完善。仿真证明了该算法的有效性。     

环境监测无线传感器网络路由算法研究

针对环境监测无线传感器网络中由于监测范围广,引起距离客户端较远的节点耗能大进而先失效,网络覆盖范围随运行时间而快速缩小的问题改进了LEACH路由算法。充分利用网络节点的冗余度,通过让一部分节点先睡眠再唤醒的方式来取得更大的网络覆盖范围。分别应用LEACH算法和改进的算法对同一配置的环境监测无线传感器网络进行路由测试,仿真结果表明：本文提出的改进算法拥有更低的网络能耗、更长的网络生存时间和更大的网络覆盖范围。此改进算法为工程实践提供了解决路由问题的新思路。     

基于蚁群算法的长链状无线传感网络路由算法

针对输电线路监测系统对无线传感器网络实时性和可靠性要求较高的特点,提出了一种用于线路监测传感网络的带信息素负增长的蚁群算法。该算法中不需要网络节点维护全局信息,但需要赋予唯一的编号。启发函数计及了链路的时延、收包率和距离汇聚节点的跳数,并经过试验增加了以参数a的不同选取可以调整跳数在整个选择过程中所占的重要程度。算法还...     

无线传感器网络层次路由协议分析

无线传感器网络是信息感知和采集的一场革命，目前已引起了学术界和工业界的高度重视。作为一个全新的研究领域，许多研究结果还处于起步阶段。本文探讨了传感器网络与ad hoe网络的不同之处，介绍了三种层次路由协议，并对其进行了分析讨论。     

一种基于蚁群算法无线传感器网络负载均衡策略

为了提高室内定位无线传感器网络的生命周期,提出一种基于蚁群算法的网络负载均衡策略.将节点分成多个群集子网,以监测位置数据包为全局蚂蚁,在传递的同时实现信息素的全局更新,通过局部蚂蚁的信息素更新使节点了解邻居信息,以能量、距离、跳数构造启发函数,数据包依据信息素轨迹及启发信息自主选择下一跳节点,无需建立与维护路由表完成整网数据收集.仿真结果表明:该算法能有效均衡网络负载与能耗,网络能耗利用率达88.22%.