基于时序感知优化机制的无线传感网数据投递算法

为解决无线传感网数据投递算法存在的链路选取质量不高,且节点重投递现象严重,容易降低网络传输质量等不足,本研究提出一种基于时序感知优化机制的无线传感网数据投递算法。首先,算法通过感知节点接近状态的时序情形,设计了基于时序效应的链路筛选方法,通过优选中继节点的方式提升链路投递率,以降低网络链路丢包概率,进而增强数据传输质量。随后,算法通过自感知方式获取节点转发数据,设计了基于投递优选的拥塞控制方法,以提高多跳链路的稳健性,降低节点碰撞效应带来的拥塞现象,进而改善网络数据投递质量。仿真实验结果表明,本研究算法与当前无线传感网中常用的虫洞-路径投递算法和神经卷积深度投递算法相比,能够显著降低网络平均投递时延,且网络累计拥塞频次较低,网络数据投递成功率较高,具有较高的实际部署价值。     

基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法

无线传感器网络(WSN)路由中,节点未充分考虑路径剩余能量及链路状况进行的路由会造成网络中部分节点网络寿命减少,严重影响网络的生存时间。为此,将蚁群优化算法与非均匀分簇路由算法相结合,提出一种基于蚁群优化算法的无线传感器非均匀分簇路由算法。该算法首先利用考虑节点能量的优化非均匀分簇方法对节点进行分簇,然后以需要传输数据的节点为源节点,汇聚节点为目标节点,利用蚁群优化算法进行多路径搜索,搜索过程充分考虑了路径传输能耗、路径最小剩余能量、传输距离和跳数、所选链路的时延和带宽等因素,最后选出满足条件的多条最优路径,完成源目的节点间的信息传输。实验表明,该算法充分考虑路径传输能耗和路径最小剩余能量、传输跳数及传输距离,能有效延长无线传感器网络的生存期。     

基于服务拓扑切分机制的无线传感网虚拟映射算法

为解决无线传感网部署过程中存在资源调度困难、映射成功率较低及传输性能不佳等问题,提出了一种基于服务拓扑切分机制的无线传感网虚拟映射算法。首先,基于图论思想,构建了物理网络与虚拟网络的映射关系,将网络按能耗、带宽、时延等指标进行切分,再构建多约束评估机制,达到整合优化评估网络映射的效果。随后,将业务请求拆分为若干个拓扑服务片,对传输链路进行逐项映射,并结合时延最小化原则对链路匹配排序,将业务进行精准匹配并优化传输质量。依据节点能耗及节点剩余能量最优匹配原则,选取服务能力最佳的节点。最后,构建多参数评估机制,将带宽较高且时延较低的链路置于较高优先级别并进行匹配带宽映射,进而提高网络传输及服务承载性能。仿真实验表明,与常用的网络虚拟映射算法相比,所提算法具有更高的节点链路映射成功率和网络传输带宽,以及更低的节点能耗。     

水下无线传感网络中一种地理-机会的混合路由

为了提高水下无线传感网络(UWSNs)的数据采集效率,提出基于地理-机会的水下无线传感网的混合路由(GOHR)。当源节点需要转发数据包时,首先计算候选转发节点集,并依据集内节点的归一化权重进行排序,形成转发簇;然后分析每个簇的期望权重值;最终由最大期望权重值的簇内节点转发数据包。同时,引用时延机制,抑制冗余数据包。仿真结果表明,提出的GOHR协议提高了数据包传递率,降低了数据包传输时延。     

水下传感网络中有效选择转发节点的协作路由

协作通信充分利用了无线信道的广播特性,提高了水下传感网络USNs(Underwater Sensor Networks)的链路质量和数 据传输的可靠性,为此,提出基于链路质量和物理距离选择转发节点的协作路由SRCR(Selecting Relays based link quality in dicator and physical distances Cooperative Routing)。当源节点有数据要传输时,它就利用链路质量的指标(信噪比和到达时间) 以及离目的节点的物理距离(跳数),从邻居节点中选择转发节点和协作节点,与传统的非协作路由相提出的SRCR路由有效地降低端到端时延和能耗,并提高了数据包传递率。     

Sink节点移动的三维无线传感网数据收集算法研究

为克服三维静态无线传感网中的能量空穴问题和提高网络生存时间,考虑Sink节点移动,提出一种Sink节点移动的三维无线传感网数据收集算法(DCA-TWSN),在DCA-TWSN中,提出三维环境下的正方体网格划分方法,建立包括Sink 移动路径选择约束、数据流量约束、能耗约束、链路约束等约束条件的数据收集优化模型,采用最优化方法求解已知Sink节点移动路径的数据收集优化问题,采用修正的蚁群算法求解Sink节点的移动路径问题,获得最优方案。仿真结果表明:不管Sink节点的最大数据收集跳数和传感节点数量如何变化,DCA-TWSN都能寻找到较优的移动路径和数据传输方案,从而提高了网络生存时间和传感节点的平均数据传输率,降低了移动路径长度、平均节点能耗方差和丢包率,比RAND、GREED和EDG-3D更优。     

基于熵权系数法的无线传感器网络自适应QoS路由算法

针对无线传感器网络中不同业务对服务质量（QoS）指标的不同要求,以及QoS指标在网络运行过程中实时变化的特点,提出一种基于熵权系数法的自适应QoS路由（EAQR）算法。算法将路由建立过程抽象成多指标加权评分的问题,选取节点负载、平均能量势、通信时延作为QoS评价指标,采用熵权系数法自适应地确定指标的权重,选择最优节点转发数据。仿真实验显示,与有序分配路由(SAR)、能量感知QoS路由(EQR)算法相比,EAQR算法可以有效降低网络平均端到端延迟,减少丢包率,延长网络寿命。     

基于蚁群算法的无线传感器网络节点可信安全路由

针对无线传感器网络内部恶意节点可能产生的攻击,提出一种基于蚁群算法的节点可信安全路由协议,将节点信任评估模型引入到蚁群路由算法中,提高无线传感器网络的节点可信度,以节点可信度为依据隔离恶意节点,增强网络安全性。仿真结果显示,算法在网络丢包率、端到端时延、吞吐量和全网能耗等评价指标上都得到了显著的改善,对黑洞攻击具有较好的抵抗性能。     

mesh网络中基于效用转发的网络编码算法

在已有的无线Mesh网络路由算法的基础上,针对网络的动态变化性和差异性等因素带来的问题进行了研究,提出一种基于效用转发的网络编码算法.首先利用节点间的历史通信数据,动态获取不同网络环境下影响效用值的各因素所占的权重值;然后在簇头节点和汇聚节点处进行二维随机线性网络编码,结合节点的剩余能量、效用值和丢包率判断节点能否进行编码,并且采用编码包优先传输的策略转发数据包;最后综合利用网络时延、效用值和节点间的跳数,选择最优的下一跳转发节点.仿真结果表明,该算法能更好地提升数据包的转发效率,降低传输时延,提高网络的性能.     

基于Lyapunov优化的时变无线传感网路由研究

针对无线传感网应用中监测环境具有随机性和不可预测性等因素使得节点感知速率通常是时变的且某些时刻会超出链路容量的实际问题,设计了一种时变路由算法.在该算法中,将时变感知速率下的路由问题建立成以时均的网络能耗与丢弃感知数据代价的加权和最小为目标的随机优化模型,并利用Lyapunov优化技术求解该模型,进而得到一种路由策略来实时决策每条链路上的数据流量以及由于节点感知速率持续超出链路容量而不得不丢弃的数据量.进一步,讨论感知数据不被丢弃的条件,建立目标函数与感知信息最大传输时延之间的权衡关系.最后,通过仿真实验,验证了本文算法在能耗、感知数据的丢弃量及传输时延之间的均衡关系.还在不同的最大数据感知速率下,比较了本文算法与AVE算法的性能.     

基于蚁群的无线传感网最大化生存时间路由

为提高无线传感网的生存时间,对基于蚁群算法的最大化生存时间路由(MLRAC)进行了研究。该路由利用链路能耗模型和节点发送数据概率,计算一个数据收集周期内节点总能耗。同时考虑节点初始能量,建立了最大化生存时间路由的最优模型。为求解该最优模型,在经典蚁群算法的基础上,提出修正的蚁群算法。该算法采用新的邻居节点转发概率公式、信息素更新公式和分组探测方法,经过一定的迭代计算获得网络生存时间的最优值和每个节点的最优发送数据概率。最后,Sink节点洪泛通知网络中所有节点。节点根据接收到的最优概率,选择数据分组未经过的邻居节点发送数据。仿真实验表明,经过一定时间的迭代,MLRAC的生存时间可以收敛到最优值。该算法能延长网络生存时间,在一定的条件下,MLRAC算法比PEDAP、LET、Ratio-w、Sum-w等算法更优。     

WSN中利用蚁群路径优化的时隙选择重排算法

针对无线传感器网络(WSN)汇聚传输中的数据传输时间和功耗问题,提出了考虑时间同步和唤醒延迟的汇聚传输时隙选择重排算法。将时分多址接入(TDMA)用作介质访问协议,并允许每个节点在传输时隙期间可以发送或接收数据;设计新的WSN数据收集树模型,将传感器节点生成的数据通过无线链路形成的多跳网络发送到汇聚节点,在数据收集树的每条链路上分析时隙顺序,优化时隙选择,并基于蚁群算法优化路径选择,减少传输能量消耗和均衡簇头能量。实验结果表明,提出的算法可以实现显著的数据传输性能提高和功耗节约。     

基于Grid-VFACO的数字化车间WSNs路由算法

针对数字化车间中无线传感器网络(WSNs)对数据采集频率高,能量消耗快,提出了基于网格和虚拟力导向的蚁群优化(Grid-VFACO)高能效WSNs路由算法。该算法根据最优簇首数将数据采集区划分成网格,在网格中采用基于候选者的机制选择簇首,实现簇首均匀分布。在簇首形成的上层网络中,利用节点间的虚拟吸引力作为蚁群算法中转移概率规则启发因子,寻找最优数据转发路径。仿真实验结果表明:该算法能够有效减少网络能耗,保证数字化车间WSNs长时间稳定地工作。     

基于蚁群优化的无线传感器网络能耗均衡路由算法

针对无线传感器网络中节点能量受限的特点,将蚁群优化算法(ACO)应用于无线传感器网络,同时考虑了通信路径长度和节点剩余能量等因素,提出了具有能量意识的无线传感器网络路由算法,从多方面解决了节点间的能耗不均衡问题。该算法在OMNET++平台下仿真结果表明,与Ant-Net、ACRA算法相比在能耗不均衡和传输延迟等方面有了较大改进,实现了全网节点的能耗均衡,有效延长了网络生命期,减小了传输时延。     

改进的异构无线传感器网络路由能量算法

阈值稳定选举协议（Threshold-Stable Election Protocol,TSEP）没有考虑节点的剩余能量和节点到基站的距离,导致部分低能量节点当选簇头而过早死亡。而且簇头将数据直接发送给基站,也导致节点能量耗尽而过早死亡。针对以上问题,提出了一种改进的异构无线传感器网络节能路由算法。新算法通过考虑节点到基站的距离、节点的邻居节点数、节点的剩余能量以及节点与邻居节点的平均距离来改进阈值公式,通过改进的蚁群算法对双层簇头模型的数据转发路径进行优化。仿真结果表明,该算法延长了网络的生命周期,提高了整个网络的稳定性。     

一种基于蚁群优化的WSN拥塞控制算法*

针对无线传感器网络中由于拥塞引起的丢包和能量过度消耗等问题,提出了一种基于蚁群优化的拥塞控制算法以减轻WSN中的拥塞和改进网络性能。该算法充分考虑了给定时刻WSN的拥塞状况,分成三个阶段在源节点和sink节点间寻找一条最佳的路径,并及时地消除拥塞。仿真实验结果表明,该算法在网络吞吐量、丢包率、时延和能耗方面具有较好的综合网络性能。     

改进遗传算法的WSN节点最优路由选择策略

针对无线传感器节点数据传输过程中的能量消耗问题,为了提高节点数据传输实时性,提出一种改进遗传算法的无线传感器网络节点最优路由选择策略。根据无线传感器网络的拓扑结构将监测区域划分不同大小的簇,并根据节点剩余能量选择每一个簇的簇头节点,然后将簇头节点编码成遗传算法的个体,根据数据转发能量耗能和延迟时间构建个体的适应度函数,并通过模拟自然界生物进化过程中的选择、交叉、变异等操作,找到节点数据转发的最优路径,在Matlab 2012平台上对数据路由算法的性能进行仿真测试。仿真结果表明,相对其他路由选择策略,提出的路由选择策略不仅可以均衡各个传感器节点的剩余能量,而且大幅度减少了数据转发路由过程中的能量消耗和延迟时间。     

无线多媒体传感器网络能量均衡的QoS路由算法

为保障能量受限的无线多媒体传感器网络(WMSNs)多服务质量(QoS)需求,提出了一种能量均衡的QoS路由(EBQR)算法。该算法通过蚁群优化将网络带宽、时延、丢包率和能量等因素作为目标函数,并根据函数值大小动态调整蚁群信息素的挥发系数和浓度增量,提供网络业务中满足不同QoS需求的最优路径。仿真结果表明:与AntWMSNs算法和ASAR算法相比,EBQR算法平均端到端时延降低了16%,丢包率减少22%,生命周期延长了近50%,有效实现了网络中节点能耗的均衡性。