CN104394565A - 基于最大最小距离法的分簇多跳路由方法 - Google Patents

基于最大最小距离法的分簇多跳路由方法 Download PDF

Info

Publication number
CN104394565A
CN104394565A CN201410621932.8A CN201410621932A CN104394565A CN 104394565 A CN104394565 A CN 104394565A CN 201410621932 A CN201410621932 A CN 201410621932A CN 104394565 A CN104394565 A CN 104394565A
Authority
CN
China
Prior art keywords
bunch
node
head
sink
clustering
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410621932.8A
Other languages
English (en)
Inventor
周晓明
龙承志
向满天
陆枭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanchang University
Original Assignee
Nanchang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanchang University filed Critical Nanchang University
Priority to CN201410621932.8A priority Critical patent/CN104394565A/zh
Publication of CN104394565A publication Critical patent/CN104394565A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明涉及一种基于最大最小距离法的分簇多跳路由方法，采用最大最小法选取簇中心，根据簇中心重新分簇，簇头的选举按照权值最大的原则，根据节点到簇头的距离形成新簇，改善了LEACH协议簇头随机选取的不足，使网络的能耗均匀的消耗在各个节点上。采用连续Hopfield神经网络在簇头和Sink间产生一条通信路径最短的链路，对所述链路进行优化形成以Sink为中心的多跳树簇式链路，降低了采用单跳方式导致的长距离通信所产生的能耗。本发明改善无线传感器网络能量异构环境下LEACH协议中簇头选举和节点单跳机制的不足，在延长网络的稳定期和能量均衡方面比LEACH算法都有了明显的改善。

Description

基于最大最小距离法的分簇多跳路由方法
技术领域
本发明涉及无线路由技术领域，特别是涉及基于最大最小距离法的分簇多跳路由方法。
背景技术
无线传感网络(WSN)被认为是21世纪最重要的技术之一，是一种新型的信息获取和处理技术。WSN是综合了基于微电子的传感器技术、分布式信息处理技术和无线通信技术，通过网络节点之间协作实时监测和感知和采集网络发布区域内的各种环境或监测对象信息，可以被广泛应用在如医疗卫生、环境监测、交通管理、国防军事等领域。由于传感器节点的电源能量、计算能力和通信能力非常有限，所以必须有一个好的路由协议以尽量延长网络的生存时间和网络性能。
无线传感器网络采用能量优先的选择，需要考虑节点能量消耗以及网络能量均衡使用问题。分簇算法已经被证明能够有效的节约能量，LEACH是一种比较成熟的分簇算法，其基本思想是减少了与基站直接通信的节点数目，并通过数据融合减少了通信量，采用节点轮流随机担任簇头的方式均衡网络能耗。但网络中簇头节点的产生与节点的分布无关，容易造成节点稀疏区域簇头节点很少或者没有的情况，这样该区域的普通节点直接与Sink通信，导致普通节点能量大量消耗提前死亡，直接影响网络的生存时间。簇头与Sink通信采用了单跳通信机制，对于远距离通信所消耗的巨大能量并没有什么有效的减免措施。因此基于上述问题提出一种基于最大最小距离法的分簇多跳路由方法有效均衡了网络的能耗，延长了网络的稳定期，并保证了簇头分布的均衡性。
发明内容
本发明的目的是提供一种基于最大最小距离法的分簇多跳路由方法，以解决现有技术中LEACH算法中节点之间采用单跳方式导致的长距离通信能耗高和簇头随机性所导致的簇头分布不均的问题。
为解决上述技术问题，作为本发明的一个方面，提供了一种基于最大最小距离法的分簇多跳路由方法，其特征在于，包括：步骤1，将节点采用最大最小距离法产生K个簇中心；步骤2，根据节点到簇中心的距离形成K个簇，簇头的选举按照权值最大的原则；步骤3，根据节点到簇头的距离形成新簇，簇头自动当选下一轮通信的簇中心；步骤4，采用连续Hopfield神经网络在簇头和Sink间产生一条通信路径最短的链路；步骤5，对所述链路进行优化形成以Sink为中心的多跳树簇式链路；步骤6，使节点数据通过分层多跳并通过数据融合传递给Sink节点，经过预定的通信时间后，若存在节点死亡，跳转执行步骤1，否则跳转执行步骤2。
进一步地，所述步骤1中采用最大最小的方法可以取尽可能离得远的节点为聚类中心。
进一步地，所述步骤2中记录下节点的剩余能量等信息，在每个簇内链路上按照权值最大的原则选取簇头。这里定义权值
    
其中，为节点的当前能量，为节点的初始能量，为所有节点中和基站的最远距离，节点和Sink的距离。该公式说明簇头节点能量越大，距离基站越近，权值就越大，而权值越大的节点越有资格担任簇头。
进一步地，所述步骤3中根据选举产生簇头，并对剩余节点根据到簇头的距离重新分簇，簇头记录为下一轮簇中心。
进一步地，所述步骤4中簇头节点选举结束后，记录下簇头和节点坐标，放入矩阵和中，按照连续Hopfield神经网络算法的原理，在簇头和Sink间产生一条通信路径最短的链路。成链流程：
1)  初始化：簇头和Sink的节点数、簇头和Sink坐标、网络参数；
2)  用随机数初始化换位阵及状态阵； 
3)  对状态阵及换位证，进行1000步同步更新，得最终换位阵的解V；
4)  判断所得V的合法性，若为合法解，给出访问次序，旅行的路线图及总长度，程序结束；否则，转到第2）步。
进一步地，在所述步骤5中，按照所述链路的顺序依次对簇头与簇头之间、以及簇头与Sink节点之间这两种通信方式的能耗进行分析，如果簇头与上级簇头通信的能耗小于簇头直接与Sink节点的通信的耗能，则该簇头维持原始通信路由；反之，则该簇头与Sink直接通信，从而降低消耗能量。
进一步地，在所述步骤6中的所述经过预定的通信时间后，若存在节点死亡时，网络才重新根据最大最小法产生簇中心，否则本轮的簇头为下一轮的簇中心。
由于本发明采用最大最小法选取簇中心，根据簇中心重新分簇，簇头的选举按照权值最大的原则，根据节点到簇头的距离形成新簇，改善了LEACH协议簇头随机选取的不足，使网络的能耗均匀的消耗在各个节点上。进一步地对簇头到Sink的数据传输采用多跳通信，不仅节省了网络能耗，同样也使能量的消耗更加均衡，降低了LEACH算法中节点之间采用单跳方式导致的长距离通信所产生的能耗。
附图说明
图1是LEACH与新方法节点能量均方差比较；
图2 是LEACH与新方法仿真生命周期对比。
具体实施方式
以下对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
基于背景技术中的描述，为了改善LEACH算法存在的上述不足，本发明提出了基于最大最小距离法的分簇多跳路由方法。
本发明采用最大最小距离法分簇，选取簇内权值最大值当选簇头，根据节点到簇头的距离重新分簇，避免了LEACH协议中由于随机选择簇头而导致整个网络的能量不均衡。簇头选举结束之后，按照连续Hopfield神经网络算法的原理，在簇头和Sink间产生一条通信路径最短的链路，并对链路进行优化形成以Sink为中心的多跳树簇式链路。
       步骤1，将节点采用最大最小距离法产生K个簇中心；
       步骤2，根据节点到簇中心的距离形成K个簇，簇头的选举按照权值最大的原则。
       步骤3，根据节点到簇头的距离形成新簇，簇头自动当选下一轮通信的簇中心；
       步骤4，采用连续Hopfield神经网络在簇头和Sink间产生一条通信路径最短的链路；
       步骤5，对所述链路进行优化形成以Sink为中心的多跳树簇式链路；
       步骤6，使节点数据通过分层多跳并通过数据融合传递给Sink节点，经过预定的通信时间后，若存在节点死亡，跳转执行步骤1，否则跳转执行步骤2，网络进入新的一轮。
由于本发明采用最大最小法选取簇中心，根据簇中心重新分簇，簇头的选举按照权值最大的原则，根据节点到簇头的距离形成新簇，改善了LEACH协议簇头随机选取的不足，使网络的能耗均匀的消耗在各个节点上。进一步地对簇头到Sink的数据传输采用多跳通信，不仅节省了网络能耗，同样也使能量的消耗更加均衡，降低了LEACH算法中节点之间采用单跳方式导致的长距离通信所产生的能耗。
优选地，所述步骤1中最大最小距离法过程如下：
1）有N个节点，
2）任取一个节点，例如，把作为第一个簇的中心，从集合中找出距离最大的节点作为。
3）逐个计算中的节点分别到之间的距离，令其中较小的那个为。
4）计算；
若，则当选为新的簇中心。通常取（1/2<m<1）。
5）若存在,则分别计算到的距离，重复同样的处理，直到找不到符合条件的新的簇中心。
m为最大最小距离算法的参数，m的取值大小与簇中心的数量成反比，通过大量实验仿真本发明中m取值为0.28。
优选地，所述步骤2中的权值根据下式计算：
    
这里，为节点的当前能量，为节点的初始能量，为所有节点中和基站的最远距离，节点和Sink的距离。该公式说明簇头节点能量越大，距离基站越近，权值就越大，而权值越大的节点越有资格担任簇头。
优选地，所述步骤4中连续Hopfield神经网络成链过程如下：
1）  初始化：簇头和Sink的节点数、簇头和Sink坐标、网络参数；
2）  用随机数初始化换位阵及状态阵；
3）  对状态阵及换位证，进行1000步同步更新，得最终换位阵的解V；
4）  判断所得V的合法性，若为合法解，给出访问次序，旅行的路线图及总长度，程序结束；否则，转到第2步。
优选地，在所述步骤2中，只有当所述第一链路内的任何一个节点死亡后才重新构造新的第一链路。
优选地，在所述步骤5中，在所述链路上，按照所述链路的顺序依次对簇头与簇头之间、以及簇头与Sink节点之间这两种通信方式的能耗进行分析，如果簇头与上级簇头通信的能耗小于簇头直接与Sink节点的通信的耗能，则该簇头维持原始通信路由；反之，则该簇头与Sink直接通信，从而降低消耗能量。
在一个实施例中，按下以方式改造链路：
（1）链路上簇头与Sink直接通信，整个网络的能耗E1为：
（2）链路上簇头与簇头通信，整个网络的能耗E2为：
      
（3）当时簇头选择与Sink直接通信从而改变链路，而当时该簇头依旧保持原始通信路由，与上级簇头通信。
以上各式中：是接收或发送一比特所消耗的能量，而每处理一比特的数据所消耗的能量则是由传感器的硬件所决定的，一般只有的十分之一。而则取决于传感器所用的传输放大器模型。假设链路上的随机一个簇头直接与Sink相连的距离为，与其链路上的上级簇头的距离为。
优选地，在所述步骤6中，一轮通信结束后若存在节点死亡则剔除死亡节点，对剩余节点采用最大最小法产生簇中心。
通过MATLAB仿真分析，仿真环境的参数如下：区域大小为100m*100m的正方形区域，节点数量为100，普通节点的能量为，高级节点所占比例，高级节点所带的额为能量比例，Sink位于（50,175）。请参考图1与图2，本发明在延长网络的稳定期和能耗均衡方面比LEACH协议有了明显的提高，改善了大规模无线传感器网络能量异构环境下的LEACH路由协议中簇头选举和节点单跳机制的不足。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于最大最小距离法的分簇多跳路由方法，其特征在于，包括：
       步骤1，将节点采用最大最小距离法产生K个簇中心；
    步骤2，根据节点到簇中心的距离形成K个簇，簇头的选举按照权值最大的原则；
    步骤3，根据节点到簇头的距离形成新簇，簇头自动当选下一轮通信的簇中心；
    步骤4，采用连续Hopfield神经网络在簇头和Sink间产生一条通信路径最短的链路；
    步骤5，对所述链路进行优化形成以Sink为中心的多跳树簇式链路；
    步骤6，使节点数据通过分层多跳并通过数据融合传递给Sink节点，经过预定的通信时间后，若存在节点死亡，跳转执行步骤1，否则跳转执行步骤2。
2.根据权利要求1所述的基于最大最小距离法的分簇多跳路由方法，其特征在于，所述步骤1中采用最大最小的方法可以取尽可能离得远的节点为聚类中心。
3.根据权利要求1所述的基于最大最小距离法的分簇多跳路由方法，其特征在于，所述步骤2中记录下节点的剩余能量等信息，在每个簇内链路上按照权值最大的原则选取簇头；这里定义权值
    
这里，为节点的当前能量，为节点的初始能量，为所有节点中和基站的最远距离，节点和Sink的距离。
4.根据权利要求1所述的基于最大最小距离法的分簇多跳路由方法，其特征在于，所述步骤3中根据选举产生簇头，并对剩余节点根据到簇头的距离重新分簇，簇头记录为下一轮簇中心。
5.根据权利要求1所述的基于最大最小距离法的分簇多跳路由方法，其特征在于，所述步骤4中簇头节点选举结束后，记录下簇头和节点坐标，放入矩阵和中，按照连续Hopfield神经网络算法的原理，在簇头和Sink间产生一条通信路径最短的链路；成链流程：
初始化：簇头和Sink的节点数、簇头和Sink坐标、网络参数；
用随机数初始化换位阵及状态阵； 
对状态阵及换位证，进行1000步同步更新，得最终换位阵的解V；
判断所得V的合法性，若为合法解，给出访问次序，旅行的路线图及总长度，程序结束；否则，转到第2）步。
6.根据权利要求1所述的基于最大最小距离法的分簇多跳路由方法，其特征在于，在所述步骤5中，按照所述链路的顺序依次对簇头与簇头之间、以及簇头与Sink节点之间这两种通信方式的能耗进行分析，如果簇头与上级簇头通信的能耗小于簇头直接与Sink节点的通信的耗能，则该簇头维持原始通信路由；反之，则该簇头与Sink直接通信。
7.根据权利要求1所述的基于最大最小距离法的分簇多跳路由方法，其特征在于，在所述步骤6中的所述经过预定的通信时间后，若存在节点死亡时，网络才重新根据最大最小法产生簇中心，否则本轮的簇头为下一轮的簇中心。
CN201410621932.8A 2014-11-07 2014-11-07 基于最大最小距离法的分簇多跳路由方法 Pending CN104394565A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410621932.8A CN104394565A (zh) 2014-11-07 2014-11-07 基于最大最小距离法的分簇多跳路由方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410621932.8A CN104394565A (zh) 2014-11-07 2014-11-07 基于最大最小距离法的分簇多跳路由方法

Publications (1)

Publication Number Publication Date
CN104394565A true CN104394565A (zh) 2015-03-04

Family

ID=52612383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410621932.8A Pending CN104394565A (zh) 2014-11-07 2014-11-07 基于最大最小距离法的分簇多跳路由方法

Country Status (1)

Country Link
CN (1) CN104394565A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105245370A (zh) * 2015-10-13 2016-01-13 湘潭大学 一种物联网中自适应分层跨媒体数据融合方法
CN105898821A (zh) * 2016-05-17 2016-08-24 北京邮电大学 一种基于主动门限设置的自适应分簇方法
CN108684066A (zh) * 2018-05-15 2018-10-19 扬州大学 基于K-medoids的无线传感器网络分簇方法
CN109067654A (zh) * 2018-09-27 2018-12-21 深圳友讯达科技股份有限公司 网络通信最佳路径选择方法和装置
CN116543909A (zh) * 2023-06-27 2023-08-04 东莞理工学院 医疗监护系统、方法、设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103826282A (zh) * 2014-02-24 2014-05-28 南昌大学 基于剩余能量的集合划分多跳路由方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103826282A (zh) * 2014-02-24 2014-05-28 南昌大学 基于剩余能量的集合划分多跳路由方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
周涓: "基于最大最小距离法的多中心聚类算法研究", 《中国优秀博硕士学位论文全文数据库信息科技辑》 *
徐克圣: "一种自动获得k值的聚类算法", 《大连交通大学学报》 *
杨伟伟: "一种基于LEACH的高效节能协议", 《传感技术学报》 *
熊忠阳: "一种有效的K-means聚类中心初始化方法", 《计算机应用研究》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105245370A (zh) * 2015-10-13 2016-01-13 湘潭大学 一种物联网中自适应分层跨媒体数据融合方法
CN105245370B (zh) * 2015-10-13 2019-03-19 湘潭大学 一种物联网中自适应分层跨媒体数据融合方法
CN105898821A (zh) * 2016-05-17 2016-08-24 北京邮电大学 一种基于主动门限设置的自适应分簇方法
CN105898821B (zh) * 2016-05-17 2019-04-12 北京邮电大学 一种基于主动门限设置的自适应分簇方法
CN108684066A (zh) * 2018-05-15 2018-10-19 扬州大学 基于K-medoids的无线传感器网络分簇方法
CN108684066B (zh) * 2018-05-15 2022-03-29 扬州大学 基于K-medoids的无线传感器网络分簇方法
CN109067654A (zh) * 2018-09-27 2018-12-21 深圳友讯达科技股份有限公司 网络通信最佳路径选择方法和装置
CN116543909A (zh) * 2023-06-27 2023-08-04 东莞理工学院 医疗监护系统、方法、设备和存储介质

Similar Documents

Publication Publication Date Title
Kuila et al. A novel evolutionary approach for load balanced clustering problem for wireless sensor networks
CN107529201A (zh) 一种基于leach协议的无线传感器网络数据传输方法
CN104394565A (zh) 基于最大最小距离法的分簇多跳路由方法
CN104410997B (zh) 一种用于无线传感器网络的层次型拓扑结构构建方法
Ci et al. Adaptive clustering in wireless sensor networks by mining sensor energy data
Daanoune et al. Improved LEACH protocol for increasing the lifetime of WSNs
CN104284386A (zh) 基于点介数的无线传感器网络簇头选择方法
Rostami et al. Wireless sensor network clustering using particles swarm optimization for reducing energy consumption
Jain et al. Development of energy efficient modified LEACH protocol for IoT applications
Chaudhary et al. Review paper on energy-efficient protocols in wireless sensor networks
Maurya et al. Improved chain based cooperative routing protocol in wsn
CN103929778B (zh) 数据分级传输方法
CN103249109B (zh) 基于不规则元胞自动机的无线传感网络的节能路由方法
Ghosh et al. A dominating set based modified LEACH using Ant Colony Optimization for data gathering in WSN
CN102983948B (zh) 一种无线传感网络自适应聚类传输方法及其装置
Singh et al. Augmenting network lifetime for heterogenous WSN assisted IoT using mobile agent
Ruan et al. A distance clustering routing algorithm considering energy for wireless sensor networks
Wang et al. An improved stable election based routing protocol with mobile sink for wireless sensor networks
CN103813406B (zh) 基于区域划分的分层链树路由方法
Ahir et al. Energy efficient clustering algorithm for data aggregation in wireless sensor network
Shinde et al. Optimal cluster head selection and clustering for WSN using PSO
CN105959991A (zh) 一种基于等量线模型的能量优化路由方法
Bouarafa et al. Reduction of energy consumption in WSN using the Generalized Pythagorean Theorem
CN103686916A (zh) 一种基于剩余能量和期望传输次数的工业无线传感网多路径数据传输方法
Shekh et al. Improved energy-efficient chain-based routing protocol for edge-based wireless sensor networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150304