基于改进蚁群优化算法的无线传感器网络路由研究

无线传感器网络为能量受限系统,为了促使网络节点能量消耗相对均衡,将蚁群优化(ACO)算法应用于无线传感器网络的路由选择,提出一种基于能量均衡的无线传感器网络路由算法。该算法将节点能量作为转移概率规则启发因子,通过计算转移概率和适应度值找到最优路径。仿真结果表明:该算法可以显著减低网络总能耗,从而延长无线传感器网络的生命周期。     

一种无线传感器网络蚁群优化路由算法

如何在资源受限的无线传感器网络中进行高效的数据路由是无线传感器网络研究的热点之一.将蚁群优化算法(ACO)应用于无线传感器网络的路由,提出一种无线传感器网络蚁群优化路由算法.该算法利用蚁群的自组织、自适应和动态寻优能力进行网络优化路径的建立与维护,采用Stigmergy的概念来减少控制信息的流量,以实现网络数据的高效传输.仿真分析表明,该算法和DD算法相比在传输延时方面性能相当,在路由代价方面效果显著.另外,该算法还具有可靠性高、适应性强等优点,并能够根据需要实现网络的拥堵控制和能量均衡等综合优化.     

蚁群优化的传感器网络路由算法

研究优化无线传感器设计,由于无线传感器通信能力、节点能量有限,远程环境下无法更换能源,节点能耗引起网络生命过短.在综合考虑了传感器节点剩余能量,为了延长网络生命周期,提出一种蚁群优化的无线传感器路由算法.算法根据节点当前剩余能量进行簇头选举,然后通过蚁群算法根据传感器节点距离和能量信息进行路由选择,并不断的更新簇头间的...     

基于改进蛙跳算法的WSNs路由协议

在分析已有的各类分簇方法后,提出了一种改进蛙跳算法的无线传感器网络(WSNs)路由协议.将模拟退火(SA)算法的Metropolis判别准则引入到蛙跳算法中,改进蛙跳算法的局部搜索能力.该协议结合传感器节点本身剩余能量和位置建立适应度函数,通过改进蛙跳算法实现适应度函数的最优求解,从而获得合适的分簇,并在簇头节点数据传输时采用新的路由方式.仿真实验表明:该方法在降低网络能耗,延长网络的生存周期方面有明显的优势.     

基于蚁群优化的无线传感器网络能量均衡路由算法

如何有效使用无线传感器节点有限的能量来最大化网络的寿命是无线传感器网络研究的重要问题.网络能量是否均衡消耗对网络寿命有着决定性的影响.本文将蚁群优化算法应用于无线传感器网络的路径选择,提出一种基于蚁群优化的无线传感器网络能量均衡路由算法.该算法利用蚁群的动态适应性和寻优能力在网络最短路径和能量均衡消耗之间进行平衡,以达到网络能量的优化均衡消耗,进而延长整个网络的寿命.仿真实验表明,该算法在延长网络寿命方面效果较显著,与最短路径路由算法相比网络寿命延长超过33%.     

基于蚁群优化的无线传感器网络路由算法

如何在资源受限的无线传感器网络中进行高效的数据路由是无线传感器网络研究的热点之一。基于群智能优化技术的蚁群优化算法被广泛应用于网络路由算法。提出一种无线传感器网络蚁群优化路由算法,能够保持网络的生存时间最长,同时能找到从源节点到基站节点的最短路径;采用的多路数据传输也可提供高效可靠的数据传输,同时考虑节点的能量水平。仿真结果表明:提出的算法延长了无线传感器网络的寿命,实现无线传感器网络在通信过程中快速、节能的路由。     

依托路由规则的自适应能量优化分簇无线传感器网络路由算法

针对分簇无线传感器网络中节点能量负载不均衡导致簇头在任务较多的情况下过早死亡,以及路由能量损耗较大等问题,提出一种自适应能量优化分簇的路由算法。在簇头选举和竞争半径的计算上通过权衡系数充分考虑了竞选节点的剩余能量与距离情况,延长了簇头的生命周期。以路由规则的形式来制定簇头间转发数据是采用单跳路由还是多跳路由,在保证簇头不会过早死亡的情况下最大化减少路由的能量损耗。实验仿真结果表明,自适应能量优化分簇的路由算法可以延长网络节点的生命周期,减少能量损耗。     

基于蚁群优化的无线传感器网络路由算法

路由问题是无线传感器网络的核心问题。该文介绍了一种新的基于蚁群优化的路由算法。解决了无线传感器网络路由过程中节点能量消耗和拥塞控制问题,能够达到更好的负载平衡能力和延长网络生命周期。新算法结合了多蚁群的信息素释放机制和节能策略,还引进多蚁群之间的竞争机制以避免算法的单一收敛,在控制网络拥塞和平衡能量消耗上非常有效。实验结果表明,该新算法和基本的蚁群算法比较有更好的性能。     

一种基于马尔可夫博弈的能量均衡路由算法

针对无线传感器网络中耗能不均问题,引入马尔可夫博弈理论,构建了无线传感器网络的马尔可夫博弈模型.在能量均衡路由分析的基础上,给出了一种基于马尔可夫博弈的能量均衡路由算法,该算法从无线传感器网络整体耗能出发,兼顾节点之间的合作.定义了能量和信誉值的二元收益函数,给出了节点转发的状态转移概率,根据收益函数进行能量调节,求解出能量和收益之间的均衡系数——纳什均衡,实现了节点能量的均衡消耗,延长了网络的生命周期.使用PRISM概率仿真工具进行仿真,验证了该博弈模型存在纳什均衡点,同时表明该模型能促进节点之间合作,最大化无线传感器网络的生命周期.     

无线传感器网络移动代理路由算法的仿真研究

路由选择问题是无线传感器网络中的核心问题.针对无线传感器网络节点能景、计算能力和通信能力有限等特点,为了降低能量开销和延长网络的生命周期,将蚁群算法和移动代理技术结合.提出一种新的无线传感器路由算法.考虑节点之间距离、路径能量消耗和节点剩余能量情况,使网络中的能量消耗更加均衡,同时对蚁群信息素更新规则进行了改进,加快了蚁群算法收敛到最优解的速度.仿真结果表明,与其它移动代理路由算法相比,算法在全局性和收敛速度方面都有所提高,有效地减少冗余数据传输,降低通信消耗,延长网络的生存周期,为路由传感器设计提供了参考.     

基于AGNES聚类的能耗均衡WSNs优化路由算法

无线传感器网络的生命周期与节点的能耗直接相关。为解决能量消耗分布不均,影响网络寿命的问题,提出一种基于AGNES聚类的能耗均衡WSNs优化路由算法(EBRAA)。通过AGNES聚类算法获得网络均匀分簇,根据簇内节点的剩余能量和节点与基站距离及两者权重因子,完成分布式簇头选举,采用改进后的Dijkstra算法产生簇头间最短路径的多跳路由。仿真结果表明,与LEACH和KBECRA算法相比,EBRAA算法的簇分布更加合理,能耗更加均衡,延长了网络生命周期。     

多约束条件下能耗均衡的WSN路由算法的研究

无线传感器网络WSN节点自身的特点决定了能量的消耗成为评价网络路由协议优劣的重要指标。但如果仅仅从总能量消耗最少的目标来设计路由,可能会使得部分节点被过度地使用而过早死亡,从而影响整个网络的寿命。同时还可能由于一些可扩展性较差的节点被频繁地使用而造成整个网络路由的可扩展性较差。由此可见,WSN路由的设计需要考虑多个约束条件,如总能量的消耗、能量消耗的均衡性和路径的可扩展性。提出一种基于遗传算法的WSN路由算法,综合考虑约束条件,结合约束条件设计适应度函数,利用遗传算法求得最优解。仿真结果证实该算法的有效性。     

基于改进ACO的WSN感知数据传输策略研究

无线传感器网络(WSN)能够利用传感器节点快速准确地获取物理世界的信息从而作为物联网的感知层在监控领域得到了广泛的应用,而能量利用率是能量受限无线传感器网络的一个关键属性,直接影响网络的生命周期.经典的分层路由LEACH(及其变种)算法是无线传感器网络中最常见的节能路由协议.该文提出了一种改进的LEACH算法,由sin...     

基于改进粒子群的农田WSN路由优化方法

农田无线传感器网络（WSN）应用环境复杂,影响网络传输的因素包括环境变化、作物生长等。路由协议作为网络数据采集过程中的重要环节,其能耗优化是近年来农田WSN领域的研究热点。传统的能耗优化路由算法多数只针对静态网络环境,难以适用于动态变化的农田监测场景。为此,提出一种基于改进粒子群（PSO）的路由优化算法RD-PSO。将不同的路由传输路径抽象为粒子,根据农田网络能耗、剩余能量、网络传输跳数、链路质量等关键因子构建适应度函数,以提高路径寻优的环境适应性。同时,针对PSO路由随机初始化时迭代效率低的问题,采用反向探测方法确定网络节点的初始化拓扑位置,缩短初始位置与最优解的距离,从而提高算法的收敛速度。实验结果表明,相较ELMR、EEABR和MR-PSO路由算法,RD-PSO算法具有更快的收敛速度,在网络生命周期、能耗均衡效果以及平均传输跳数等方面性能较优,其能提高路由算法在农田动态场景中的适配性。     

能量均衡的WSN非均匀分簇路由算法

针对现有无线传感器网络（WSN）分层分簇路由算法存在的能耗不均衡问题,提出一种能耗均衡的WSN非均匀分簇路由算法。该算法通过在已划分的非均匀区域中构建中间层达到均衡簇首和其他节点能耗的目的,实现WSN整体能耗均衡。实验结果表明,该算法能均衡WSN能耗负载,提高WSN的能量效率,延长100轮～200轮WSN生命周期。     

基于PSO的非均匀分簇双簇头路由算法

针对无线传感器网络中分簇路由算法簇头负载过重,同时为了提高无线传感器网络的能量利用效率,提出了一种基于PSO的非均匀分簇双簇头路由算法。该算法首先通过候选簇头节点与基站距离的远近构造出几何规模不等的簇,然后根据簇的规模引进PSO优化算法最终选择出主簇头与副簇头。主簇头主要负责簇内节点数据的采集跟数据融合,副簇头主要完成簇内及簇间数据转发任务,实现数据的单跳与多跳传输。仿真结果表明,该算法有效的减少了簇头节点的能耗,在很大程度上均衡了整个网络的能耗,实现了网络生存周期的延长。     

一种基于分簇蚁群策略的无线传感器网络路由算法

如何最大化地延长网络的生存时间是无线传感器（WSN）网络研究的核心问题.基于分簇策略,提出一种能量有效的路由算法（EEA）.该算法利用分簇原理减少了参与寻找最优路径的节点数,从而降低了系统的能耗.同时设计一种改进的最优路径评价标准,该标准兼顾了传输路径上各节点的剩余能量和最优路径上总的能量消耗.仿真结果表明,与其他蚁群策略的路由算法（如：基于蚁群算法的路由算法（ARA）和EEAWSN）相比,该算法能在寻找最优路径时避开剩余能量少的节点,使最优路径上各节点的能量呈整体性衰落,从而沿长了网络的寿命.     

大规模无线传感器网络中基于P2P的路由模型研究

自适应系统是一类复杂系统,如何有效地支持此类系统的工程化开发,一直是软件工程领域的关注焦点。提出了一个基于Agent的模型驱动软件开发方法,试图将主流软件工程中的MDA技术与软件Agent技术相结合,从而为高效、高质量地开发复杂自适应多Agent系统提供方法学指导。该方法将基于组织抽象和ODAM+方法学所建立起来的模型视为平台无关模型,将基于SADE平台的实现模型视为平台相关模型,通过建立这两个不同抽象层次元模型间的映射关系,来实现从平台无关模型到平台相关模型以及最终代码框架的转换。介绍了集成MDA和Agent技术的软件方法学ODAM+,阐述了复杂自适应系统模型驱动开发的一组关键技术,包括不同层次的元模型以及它们之间的映射关系、模型转换规则和模型转换算法,最后分析了相应的支撑软件工具和应用验证情况。     

多目标进化策略在无线传感器网络中的优化设计

无线传感器网络是由大量受能耗约束的节点组成,兼顾规模和节能的路由协议是无线传感器网络的重要部件。提出了基于多目标进化算法的无线传感器网络的路由优化设计,针对无线传感器网络的能耗、带宽、及时延等指标进行优化。在多目标进化算法中,通过对种群进行初始化、选择、交叉、变异等操作构建非支配集,并使用小生境技术保证种群的分布性。通过与LEACH及SSSL协议的比较,可知基于多目标进化算法可以有效地降低节点的能量消耗,减少网络带宽消耗,降低时延,延长网络的生存时间。     

传感器网络分簇时间跨度优化聚类算法

针对无线传感器网络（WSN）簇头节点能效低、网络能量负载不均衡问题,提出一种传感器网络分簇时间跨度优化（CTSO）聚类算法。该算法首先在簇头选举方式上关注了簇内成员数量和簇头间距的约束问题,尽可能地避免各个簇之间发生覆盖重叠,优化簇内节点能量;接着对簇头的选举周期进行优化,以任务执行周期大小作为一个时间跨度并分为多个轮,通过最小化簇头选举的轮数来减少用于选择簇头而花费在广播消息上的能量,提升簇头节点的能量利用率。实验仿真结果表明,对比基于多Agent的同质态数据汇聚路由方案以及自适应数据汇聚路由策略,CTSO算法的平均能量效率分别提高了62.0%和138.4%,节点寿命则分别提高了17%和9%。CTSO算法在提升无线传感器网络簇头能效及均衡节点能量上具有较好的效果。