无线传感器网络中一种基于标号的贪婪转发算法

针对传统地理路由存在的路由空洞问题,提出一种新的路由算法:基于标号的贪婪转发LBGF算法。算法将网络中的节点组织为一个带环树,在构建树的同时,父节点依据子节点的位置信息为其分配隐含节点间亲缘关系的标号,从而形成一个树型标号系统,并设计相应的贪婪转发算法。分析与仿真结果表明:相对于GPSR,LBGF算法具有空洞避免、容错性强、通信与存储开销低、计算简便等优点,适于节点稀疏或障碍物较多的无线传感器网络。     

一种分布式无线传感器网络能量均衡路由算法

针对无线传感器网络的能量均衡问题,基于一种度量局部能量均衡性能指标,提出了一种基于预测的分布式能量均衡路由(Predicting-based Distributed Energy Balancing Routing,PDEBR)算法。PDEBR基于地理位置信息,结合功率控制,以分布式方式达到能量有效性的目标。最后,对PDEBR的性能进行了仿真分析,结果表明PDEBR可以有效延长网络寿命。     

基于簇的无线传感器网络能量平衡策略

分簇被认为是延长无线传感器网络寿命的最有效的方法之一。本文首先说明根据节点数目以及分布区域特征,确定合理的成簇数目是分簇算法设计的核心;算法EBCO（Energy Balance Cluster Optimize）按照无线传感器网络运行过程中相邻簇簇头能量消耗速度信息来调整簇的大小,并且从能耗大的簇＂驱逐＂一些节点到能耗低的簇,从而平衡簇头之间的能量消耗。仿真结果表明,采用该能量平衡的传输策略时,能有效地平衡簇头间的能量消耗,较好地解决＂热区＂问题,延长网络生存时间。     

一种基于能量感知的无线传感器网络混合路由协议

针对无线传感器网络的资源局限性、自组织性和网络拓扑结构的不确定性,提出了一种基于能量感知的平面路由和层次路由的混合路由协议。该协议可根据节点剩余能量的表现来判断节点的当前状态和路由选择,网络中各节点以"尽力而为"传输数据和"不得已"动态建立自适应簇头的方式进行网络通信。仿真结果比较表明:该协议具有较高簇头生成率和可靠的数据交付率,能更有效降低网络能量消耗。     

无线传感器网络中节点调度算法的能量平衡研究

针对无线传感器网络能量分布不均匀的特点,提出一种基于能量平衡的节能机制。在随机性睡眠节点调度机制基础上,引入了反映网络能量状态的概念——能量平衡度。依据能量平衡度来修正节点睡眠概率使网络能量平衡。仿真结果显示机制可以保证较高覆盖率下并使网络能量平衡。     

一种无线传感器网络的能量平衡调度算法

在一种位置无关且计算简单的节点调度算法的基础上,提出一种基于能量平衡的调度算法,该算法的目的在于保证整个网络中的大部分节点能量的平衡。分析和仿真结果表明,该算法在保证能量平衡的同时可以延长整个网络的寿命。     

无线传感器网络能量平衡融合算法

针对目前已有网络层数据融合算法的不足,在LEACH分簇协议的基础上,基于线性规划方法,提出了一种能量平衡融合算法BECA.BECA算法从降低传感器网络整体能耗的角度出发,兼顾了算法复杂度和融合算法对网络时延的影响.实验证明,BECA算法是一种快速、可靠、有效的方法,具有广泛的现实意义.     

无线传感器网络椭圆绕洞路由算法

针对已有关于洞路由的文献没有给出由于减少数据包沿洞边界传送导致洞边界节点的能量过度消耗和数据碰撞,以及避免局部最优现象的好方法的缺陷,提出HRAEM算法,根据数据源和目标出现在无线传感器网络中位置的不同采用不同的转发策略。仿真结果表明,该算法优化了洞路由路径,在数据包投递、平均延时和网络生命周期等方面具有良好的性能。     

无线传感器网络中基于能量探测的节点调度算法

针对无线传感器网络（WSNs）能量分布不均匀的特点,在邻居信息随机调度算法基础上,提出了一种能量探测调度算法。通过探测区域能量并修正网络能量,使网络能量平衡。仿真结果显示：在保证一定覆盖率和能量平衡的同时可以延长整个网络的寿命。     

能量高效的无线传感器网络分簇路由协议

无线传感器网络的路由协议设计要同时关注单个节点的能耗及整个网络能量的均匀消耗。在分析现有分簇路由协议的基础上,提出一种能量高效的分簇路由协议,通过结合节点能量选举簇头,采用限制簇规模的优化簇形成算法和改进的多跳簇间转发方式,节约节点能量,平衡簇间负载。仿真结果表明,该协议能有效降低网络能量消耗,延长网络生存周期。     

基于QEA优化的WSNs簇间路由策略

无线传感器网络(WSNs)路由协议中采用多跳通信方式在一定程度上解决了单跳方式下簇头节点过早失能的问题,增强了网络通信的稳定性,提高网络能量的利用效率。但多跳方式使距离基站较近的簇头节点由于承担了大量数据转发任务,从而造成其过早死亡,出现网络空洞,缩短了生存周期。针对以上问题,提出基于量子进化算法(QEA)优化的分簇路由策略,通过QEA的多样性、快速收敛性、全局搜索能力强等特点,进行簇间路由的优化,从而有效均衡了簇头节点间的能耗。仿真结果表明:与经典LEACH协议和EEUC协议相比,基于QEA优化的簇间路由策略可以有效均衡簇头节点间能耗,延长网络生存周期。     

一种分布式能量高效的WSNs非均匀分簇路由协议

针对无线传感器网络(WSNs)多跳通信方式中存在的"热区"问题,提出了一种分布式的、能量高效的非均匀分簇(DEEUC)路由协议。该协议将节点的剩余能量作为簇首选择的一个重要指标,候选簇首由上轮簇首根据簇内成员节点的剩余能量指定,候选簇首能否最终成簇首也是其能量竞争的结果。在DEEUC协议中,簇首以多跳的方式与基站进行通信并选择正向单位能耗最小的邻居簇首作为路由节点以节约能耗。仿真实验表明:DEEUC能较好地提高网络能效,延长网络生存时间。     

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。     

无线传感器网络簇头多跳路径路由算法

在LEACH协议特定簇头选取(DCHS)算法的基础上,提出了一种基于蚁群优化(ACO)的簇头间多跳路径(ACO-CHMP)路由算法。该算法先采用DCHS算法分簇,在稳态运行阶段,利用改进的ACO算法找到从距基站最近簇头节点到基站的遍历所有簇头节点的最优路径,然后从该簇头节点开始沿着最优路径进行数据传输到基站。仿真结果表明:与LEACH算法、DCHS算法和ACO算法相比,该算法极大地均衡了网络的能量消耗,延长了无线传感器网络生命周期。     

一种基于聚合度模型的WSNs双簇头分簇路由协议

在无线传感器网络（WSNs）中能量负载不均衡问题,影响了网络的生命周期。提出一种基于聚合度模型的WSNs双簇头分簇路由协议（DCHP）,DCHP协议将节点聚合度与剩余能量作为考虑因素引入阈值计算,从而使高剩余能量且聚合度高的节点优先选为第一簇头。在此基础上,根据簇内节点能量选出第二簇头,完成簇间多跳路由转发数据。仿真实验表明：DCHP协议能更好平衡网络能量负载问题,延长网络生命周期。     

一种基于网格的无线传感器网络分簇路由协议

为延长网络生存时间,提出了一种基于网格的无线传感器网络分簇路由协议.整个网络分成若干个虚拟网格,每个虚拟网格形成一个簇,采用唯一簇头选举法产生簇头,且簇内成员可以根据局部的信息调整簇的大小,达到节省能量的目的.仿真实验和分析表明:该协议能均衡网络能量,延长网络的生存时间.     

大规模无线传感器网络环域多扇区多跳分簇路由算法

无线传感器网络(WSNs)中分簇不均衡会导致一些节点能量过早耗尽,网络生命周期缩短。提出一种环域多扇区多跳分簇路由(MMCR)算法。在RBMC分环模型上,各环域内根据最优分簇数分扇区即分簇,多轮旋转机制产生簇头,簇内单跳通信,簇间根据距离权值、单跳、多跳相结合通信。仿真实验表明:该算法与LEACH,E-LEACH,ERBMC相比,在较大规模网络中,网络生命周期、能量利用率和数据发送效率都具有较好的性能。     

基于能量均衡的WSNs固定分区路由算法

针对LEACH协议簇间通信能耗和控制开销过大,以及簇首数量波动大、簇首分布不均匀等问题,提出一种基于能量均衡的固定分区路由算法。结合多跳算法进行非均匀分簇,在降低簇间通信能耗的同时避免了＂热区＂问题。采用固定分区策略,限制了簇首节点出现的范围与数量。引入簇首能量自检机制,降低了网络的控制开销。同时利用节点能量和位置信息,选取最优节点成为簇首。仿真实验结果表明：该算法在网络的总体能耗、负载均衡和生命周期方面都有较好的表现。     

无线传感器网络中APIT--VP三维定位算法

在研究APIT—3D定位算法思想基础上,提出了一种改进的定位算法APIT—VP。新算法解决了APIT—3D算法在节点分布不均匀的情况下定位精度和定位覆盖率较低的问题;在一定程度上避免了PIT—3D测试中出现的OutToIn和InToOut误判错误;并且利用基于中垂面分割法代替原先的网格扫描算法,降低定位运算复杂度,减少能耗。仿真实验结果表明:在无线传感器网络环境理想、300个节点随机部署在100 m×100 m×100 m的三维区域情况下,APIT—VP算法定位覆盖率可达90%,定位误差控制在25%左右,并且与APIT—3D算法相比有效降低了计算复杂度。