CN105979539B - 移动自组织网络中基于模糊逻辑的分簇方法 - Google Patents
移动自组织网络中基于模糊逻辑的分簇方法 Download PDFInfo
- Publication number
- CN105979539B CN105979539B CN201610298932.8A CN201610298932A CN105979539B CN 105979539 B CN105979539 B CN 105979539B CN 201610298932 A CN201610298932 A CN 201610298932A CN 105979539 B CN105979539 B CN 105979539B
- Authority
- CN
- China
- Prior art keywords
- node
- cluster
- mobility
- network
- cluster head
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- 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
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种移动自组织网络中基于模糊逻辑的分簇方法,命名为FLEACH分簇方法,主要解决LEACH算法无法适用移动自组织网络的问题,以及簇首选择未考虑节点本身特性和分簇规模限制。实现步骤是:对场景建模,设置节点的具体参数,在原有算法基础上为每个节点增加移动性,以适用于移动自组织网络;基于模糊逻辑对算法进行改进,主要是考虑节点的剩余能量和移动性选择簇首;设置最佳簇成员个数变量,对分簇大小进行控制,将规模较大和较小的簇结构均分,均衡网络负载。仿真结果表明,本发明使得簇首间负载平衡,整个网络的能量分布更均匀,延长了整个网络的生命周期,提高了网络稳定性和可靠性,能够更好地适用于移动自组织网络中。
Description
技术领域
本发明属于无线通信技术领域,更进一步涉及移动自组织网络中基于模糊逻辑提出的分簇和簇首选取方法,具体是一种移动自组织网络中基于模糊逻辑的分簇方法,将该方法命名为FLEACH分簇方法。由于节点的移动性和簇首节点的可变性,该方法具有较好的抗摧毁性可被广泛应用于军事战争和车联网领域。
背景技术
分簇算法是为了实现网络的校制和管理而被应用到移动自组织网络中。当网络包含大量移动的通信节点时,网络的处理能力下降。目前分簇是解决大规模通信的一种有效方法。然而分簇算法本身会带来计算和维护的开销,分簇次数和簇首数过多都会降低网络的通信效率。现有的分簇算法大多通过周期性地交换控制信息来选择簇首,不仅要考虑网络节点的移动性还要考虑网络结构的时变性。合理的分簇算法对网络拓扑结构的稳定性和连通性是至关重要的。
目前较为经典的分簇算法是最小ID分簇算法和LEACH分簇算法。最小ID分簇算法是由Grela和Tsai提出的一种简单的分簇算法,该算法为每个节点分配唯一的ID,相邻节点中ID最小的节点作为簇首。该算法计算量小、收敛快,但是这种算法无法控制簇首的数目同时倾向选择ID较小的节点为簇首,这些节点将消耗更多的电量导致提前死亡,从而缩短了网络的生存时间。为了解决最小ID算法无法控制簇首数目的问题,chandrakasan等人提出了低功耗自适应集群分层型协议(LEACH),该协议是为无线传感器网络设计的低功耗自适应聚类路由算法,与一般的平面路由协议和静态的聚类算法相比,LEACH算法可以将网络的生命周期延长15%。LEACH算法的基本思想是随机循环地选择簇首节点,保证所有的节点在1/p轮内都充当一次簇节首点,从而将整个网络的能量负载平均分配到每个传感器节点中,达到降低网络能源消耗、提高网络整体生存时间的目的。然而这种随机选取簇首的机制忽略了每个节点本身的特性,如当前的剩余能量等,这样有可能选择剩余能量较少的节点为簇首,簇首节点开销较大会使该节点能量过早耗尽进而影响整个网络的寿命。目前也有一些基于LEACH算法改进的分簇算法,如异构感知的SEP协议,该协议假定每个节点知道网络的总能量,然后根据节点的剩余能量计算出簇首的最佳概率。SEP中根据节点的剩余能量把节点分为高级节点和普通节点,通过设定不同的门限值使高级节点成为簇首的概率更大。该算法通过均衡能源消耗延长了网络的稳定期,增加了网络可靠传输的时间。但是该算法笼统的把节点分为两类,不能很好的描述节点的特性,而且没有考虑节点的移动性对网络拓扑结构稳定性造成的影响。
现有分簇算法应用在移动自组织网络中都存在一些不足之处,最小ID分簇算法倾向选择节点ID较小的节点成为簇首,因此网络中部分节点能量将会提前耗尽使得网络寿命减少,LEACH分簇算法随机选取簇首,没有考虑到节点本身的性能而且无法控制簇结构的大小,不能较好地均衡网络的负载。异构感知的SEP算法虽然考虑了节点本身的特性但只将节点划分为两种情况,对节点的刻画粒度不够细致,而且没有考虑节点的移动性对网络造成的影响。
发明内容
本发明的目的在于克服上述技术忽略节点本身特性,无法控制簇结构大小的不足,提出一种延长网络生命周期,更加节能的移动自组织网络中基于模糊逻辑的FLEACH分簇方法。
本发明是一种移动自组织网络中基于模糊逻辑的分簇方法,其特征在于,考虑节点的移动性和剩余能量使其更加适用于移动自组织网络中,实现包括有如下具体步骤:
1)首先对场景进行建模,设置节点和网络的参数,首先设置网络中的节点总数、簇首个数、节点发射和接受单位报文的能耗、节点的初始能量等参数,然后在LEACH协议的基础上为每个节点增加移动性参数,为节点随机设置速度的大小和方向值,节点增加了移动性参数,也就是网络增加了移动性参数,使该方法更加适用于移动自组织网络。
2)构造节点剩余能量和移动性的隶属度函数,在使用模糊逻辑制定规则前,需要构造节点剩余电量的模糊隶属度函数,用XS,S,M,L,XL顺序表示剩余能量较少、剩余能量少、剩余能量一般、剩余能量多、剩余能量很多,节点移动性的隶属度函数用A、B、C顺序表示节点移动性低、移动性一般、移动性高。
3)根据经验和测试结果制定模糊逻辑规则,根据测试结果,节点的剩余能量越多、移动性越小节点成为簇首的合理值越高,首先将节点的剩余能量和移动性作为输入变量,根据模糊逻辑规则得到的节点成为簇首的合理值q,用XS、S、M、L、XL顺序表示节点非常不适合成为簇首、节点不适合成为簇首、节点适合成为簇首、节点很适合作为簇首、节点非常适合成为簇首。
4)将节点成为簇首的合理值随机化后与门限值对比选出簇首,节点合理值q的取值范围为0到1,q值越大说明该节点越适合作为簇首,由于大部分q值集中于0.5附近,需要对合理值q随机化得到对比值e,将对比值e与门限值进行比较即可选出簇首。
5)为每个簇首节点设置最佳簇成员个数Mm,为了弥补算法无法控制簇结构规模的缺点,在分簇过程中簇成员个数应有所限制,假设第m个簇首节点拥有Mm个簇成员是最理想的状况,在该种情况下簇首负载平衡。
6)根据不同簇首节点的最佳簇成员数来控制和调整簇结构大小,为了均衡网络负载需要对分簇大小进行控制,规模较大的分簇将其簇成员均分到其他簇中,规模较小的分簇请求毗邻簇成员加入,毗邻簇根据自身簇结构情况决定是否接受均分的簇成员。
7)建簇成功节点间进行通信,在调整网络簇结构大小后网络建簇成功,网络进入数据传输阶段,节点间开始通信,随着节点位置和能量的变化网络重新构建簇结构。
本发明的技术思路是:在LEACH协议的基础上首先为节点加入移动性参数,结合节点的剩余能量作为选择簇首的依据。通过模糊逻辑将这两个因素作为输入变量,再通过制定相关的规则得到节点是否适合作为簇首的参数,再将其随机化后与门限值比较选择簇首。查看簇成员个数是否为该簇首可控制的最佳簇首个数,进行调配。
本发明与现有技术相比具有以下优点:
1、本发明提出的FLEACH分簇算法是在现有LEACH分簇算法的基础上进行改进而成,FLEACH分簇算法为节点增加了移动性,在选择簇首时以节点的剩余能量和移动性为依据通过模糊逻辑制定规则选择簇首,选择性能较好的节点成为簇首,节点在一定轮次内轮流成为簇首。该方法可使得网络的负载更具均衡,延长了网络寿命,使其更适应于移动自组织网络的动态特性。
2、本发明通过引入最佳簇成员个数,根据簇首节点的本身性能控制簇结构的大小,更好的将普通节点均分到附近合适的簇首,使得簇首间负载相对平衡。在网络节点较多时,该算法更加节能而且可显著提高网络的稳定性,延长网络的生命周期。
附图说明
图1为本发明的总流程图;
图2为本发明具体实现的步骤;
图3为本发明制定的模糊逻辑规则的三维图表示图;
图4为本发明FLEACH算法与LEACH算法剩余能量的对比仿真图;
图5为本发明FLEACH算法与LEACH算法存活节点数目的对比仿真图。
具体实施方式
下面结合附图对本发明详细说明
实施例1
目前应用在移动自组织网络中的分簇算法都存在一些不足之处,最小ID分簇算法随机选取簇首忽略节点本身特性,LEACH分簇算法由于门限值的设定对簇首有一定筛选作用,但没有考虑到节点本身特性和簇结构大小对网络的影响,无法很好的均衡网络负载。异构感知的SEP算法根据节点能量将节点划分为两种情况,对节点的刻画粒度不够细致,而且没有考虑节点的移动性对网络造成的影响。为此本发明提供了根据节点本身特性,考虑节点移动性对移动自组织网络的影响,通过模糊逻辑细化节点分类选择簇首,最后通过控制簇结构大小使得网络负载更加均衡。
本发明是一种移动自组织网络中基于模糊逻辑的分簇方法,由于LEACH分簇算法是目前无线网络中应用较为广泛的一种方法,参见图1,本发明是对LEACH分簇方法的一种改进,也是在LEACH分簇协议基础上实现的,考虑节点的移动性和剩余能量使其更加适用于移动自组织网络,实现的步骤的流程参见图2,包括如下具体步骤,:
1)首先对场景进行建模,设置网络中的节点总数、簇首个数、节点发射和接受单位报文的能耗、节点的初始能量等参数,然后在LEACH协议的基础上为每个节点增加移动性参数,为节点随机设置速度的大小和方向值,节点增加了移动性参数,也就是网络增加了移动性参数,使该方法更加适用于移动自组织网络,具体参数设置如下:
(1)节点总数n:100
(2)发射单位报文损耗能量:500nJ/bit
(3)接收单位报文损耗能量Er:500nJ/bit
(4)自由空间能量Efs:100pJ/bit
(5)多径衰落能量Emp:0.0013pJ/bit
(6)节点初始能量:1J
(7)节点成为簇首的概率p:0.1
(8)为节点设置移动性参数
(9)轮次N:500
2)构造节点剩余能量和移动性的隶属度函数,在使用模糊逻辑制定规则前,需要构造节点剩余电量的模糊隶属度函数,用XS,S,M,L,XL顺序表示剩余能量较少、剩余能量少、剩余能量一般、剩余能量多、剩余能量很多,节点移动性的隶属度函数用A、B、C顺序表示节点移动性低、移动性一般、移动性高。
3)根据经验和测试结果制定模糊逻辑规则,测试结果表明,节点的剩余能量越多、移动性越小节点成为簇首的合理值越高,首先将节点的剩余能量和移动性作为输入变量,根据模糊逻辑规则得到节点成为簇首的合理值q,用XS、S、M、L、XL顺序表示节点非常不适合成为簇首、节点不适合成为簇首、节点适合成为簇首、节点很适合作为簇首、节点非常适合成为簇首。
4)将节点成为簇首的合理值随机化后与门限值对比选出簇首,节点合理值q的取值范围为0到1,q值越大说明该节点越适合作为簇首。由于大部分q值集中于0.5附近不是一个随机的分布,无法控制每轮次内簇首的数目,因此需要对合理值q随机化得到对比值e,将对比值e与门限值进行比较即可选出簇首。
5)为每个簇首节点设置最佳簇成员个数Mm,为了弥补算法无法控制簇结构规模的缺点,在分簇过程中簇成员个数应有所限制,假设第m个簇首节点拥有Mm个簇成员是最理想的状况,在该种情况下可使簇首负载平衡。
6)根据不同簇首的最佳簇成员数来控制和调整簇结构大小,为了均衡网络负载需要对分簇大小进行控制,控制大小的依据就是步骤5中设定的Mm,控制的目的是尽量使分簇大小在簇首节点最佳簇成员个数附近。如果分簇规模较大,将其簇成员均分到其他簇中,分簇规模较小,则请求毗邻簇成员加入,毗邻簇根据自身簇结构情况决定是否接受均分的簇成员。
7)建簇成功节点间进行通信,在调整网络簇结构大小后网络建簇成功,网络进入数据传输阶段,节点间开始通信,随着节点位置和能量的变化网络重新构建簇结构。
本发明提出的FLEACH分簇算法为节点增加了移动性,通过模糊逻辑选择簇首可同时考虑节点的剩余能量和移动性作为选择簇首的标准。这种方法能够选择性能较好的节点成为簇首,在一定轮次内节点轮流成为簇首,可使得网络的负载更具均衡,延长了网络寿命,使其更适应于移动自组织网络的动态特性。
实施例2
移动自组织网络中基于模糊逻辑的分簇方法同实施例1,其中步骤3中所述的模糊逻辑规则,根据经验和测试结果表明节点移动性越低,剩余能量越多越适合作为簇首。本发明采用Sugeno模糊模型中模糊规则的形式,具体规则的三围表示如图3所示。输出结果为节点成为簇首的可能性记为:XS、S、M、L、XL分别表示的映射为0、0.25、0.5、0.75、1.0,具体包括如下:
如果节点的剩余能量为XS,移动性为C,则输出为XS;
如果节点的剩余能量为XS,移动性为B,则输出为XS;
如果节点的剩余能量为XS,移动性为A,则输出为XS;
如果节点的剩余能量为S,移动性为C,则输出为XS;
如果节点的剩余能量为S,移动性为B,则输出为S;
如果节点的剩余能量为S,移动性为A,则输出为S;
如果节点的剩余能量为M,移动性为C,则输出为M;
如果节点的剩余能量为M,移动性为B,则输出为M;
如果节点的剩余能量为M,移动性为A,则输出为L;
如果节点的剩余能量为L,移动性为C,则输出为L;
如果节点的剩余能量为L,移动性为B,则输出为L;
如果节点的剩余能量为L,移动性为A,则输出为XL;
如果节点的剩余能量为XL,移动性为C,则输出为XL;
如果节点的剩余能量为XL,移动性为B,则输出为XL;
如果节点的剩余能量为XL,移动性为A,则输出为XL。
本发明在建簇的过程中需要考虑节点本身的特性选择簇首,节点多元特性与节点成为簇首的关系很难用常规的数学解析式表示。然而模糊逻辑可较好将该问题表示为数学模型,为网络选出合适的簇首。在不同的通信系统中还可调整两个因素的权重,可更好的适应不同的通信环境,这种簇首选择机制可较好的均衡网络节点的负载,降低网络整体能耗,延长网络寿命和节点存活时间,有效提升移动自组织网络的性能。
实施例3
移动自组织网络中基于模糊逻辑的分簇方法同实施例1-2,其中步骤4中对比的门限值选用LEACH分簇算法中的门限值Tn,门限值也称为阈值,设置如下:
其中,p表示簇首占这个传感网络所有节点的百分比,r表示当前轮数,G表示在过去的1/p轮中未当选簇首的节点集合。这种的簇首选举方法保证了所有的节点在1/p轮内都充当一次簇首节点,以达到均衡整个网络的能量消耗,延长生命周期。
门限值中包含簇首占网络的比率p,因此可将网络中簇首控制在理想范围内,随着轮次的变化门限值也会发生变化。该门限值避免了单个节点在一定轮次内重复成为簇首,从而延长了整个网络的生命周期,降低节点早期死亡的概率。
实施例4
移动自组织网络中基于模糊逻辑的分簇方法同实施例1-3,其中步骤5中所述的最佳簇成员个数Mm计算方法如下:
nm=numlive×p
其中numlive是目前网络中存活的节点数目,p为网络中簇首所占节点总数的概率,qm为节点m成为簇首的合理值,nm为网络中的簇首个数。
本发明根据不同簇首节点的多元特性,为节点设置个性化的簇结构的大小Mm,这样可准确地为不同簇首设置簇结构规模,使得簇首节点间负载均衡,从而延长了节点的寿命,延长了网络可靠通信的时间。
实施例5
移动自组织网络中基于模糊逻辑的分簇方法同实施例1-4,其中步骤6中控制和调整簇结构大小,参加图2,具体方法包括如下:
6.1簇首节点m周期性的广播一张表,在广播的表中加入簇首的最佳成员个数Mm;
6.2若簇首节点的簇成员个数小于簇首的最佳簇成员个数Mm,则查看毗邻节点中是否有其他簇首的簇成员,若有则向该簇首请求将该簇成员加入自己的簇中;
6.3接到请求的簇首查看自己的簇成员个数是否大于最佳簇成员个数Mm,若大于Mm则同意该请求,若等于或小于Mm不接受请求,如果簇首同时接受到多个毗邻簇首的请求,而且请求的是同一节点,则将该节点分给合理值最大的毗邻簇首,完成对簇结构的调整,网络开始通信。
本发明根据最佳簇成员个数,将普通节点均分到附近合适的簇首,使得簇首间负载相对平衡。在网络节点较多时,该算法更加节能而且可显著提高网络的稳定性,延长网络的生命周期。
实施例6
移动自组织网络中基于模糊逻辑的分簇方法同实施例1-5,为了验证FLEACH分簇方法的性能,在构造的移动自组织网络中设置了100个随机节点,系统分别应用LEACH分簇方法和FLEACH分簇方法进行通信,然后对比网络中全部节点的存活数目和剩余能量来对比LEACH和FLEACH分簇算法的性能。
在比较两种算法的节点剩余能量性能时,为了结果的科学性,通过三次比较分析评价这两个分簇方法在节能方面的性能,节点剩余能量的对比如图4所示,其中红色虚线代表本发明提出的FLEACH算法,黑色实线代表LEACH算法。通过对比两条曲线可知,LEACH分簇方法在轮次接近150时能量即将耗尽,此时系统无法进行通信,而本发明的FLEACH分簇方法在轮次接近300时能量才基本耗尽,FLEACH提高了的节点在系统中的剩余能量,特别是在轮次从100到200时对系统的性能改良达到最大。通常,系统剩余20%电量时理论上系统无法正常通信,为了更加准确的比较系统剩余20%电量时,系统的轮次数,对两种协议方法进行了3次比较,其结果如表1所示。
表1剩余20%能量时的轮次
LEACH | 本发明(FLEACH) | |
第一次 | 141 | 270 |
第二次 | 110 | 221 |
第三次 | 90 | 250 |
平均 | 114 | 247 |
表1给出了LEACH分簇方法和本发明FLEACH分簇方法在系统剩余20%能量时运行的轮次。通过比较可知本发明提出的FLEACH分簇方法使得在20%剩余能量时,系统运行的轮次平均提高了一倍左右。为系统节省了一半的能量,延长了使用寿命,节约了能量,使得系统更加高效和节能。
系统的存活节点数目将会影响系统安全可靠的通信,存活节点数目越多表明系统的通信越节能、可靠。存活节点对比结果如图5所示,其中红色虚线代表本发明提出的FLEACH算法,黑色实线代表LEACH算法。通过对比两条曲线可知,LEACH分簇算法在100轮次内系统可较好的通信,之后迅速衰减,而FLEACH分簇算法在250轮次都可较好的通信,有图可知FLEACH提高了的节点在系统中的存活率,延长了系统稳定通信的时间,将节点的存活率提高了2倍左右。
在分析评价这两个分簇方法存活节点数目时,采用三个指标来判断。首先是网络中20%节点死亡时刻(FND),这段时间是系统的稳定期通信效果最好。其次是一半节点死亡时刻(HNA),这时系统性能下降迅速。最后比较80%节点死亡时刻(LND),当80%节点死亡时系统基本无法工作。为了结果的科学性,对3次结果进行对比和统计。分别统计以上三种情况系统在FND、HND、LND时刻节点的死亡情况,结果如表2和3所示。
表2 LEACH分簇方法节点死亡情况
LEACH | 第一次 | 第二次 | 第三次 | 平均 |
FND | 82 | 112 | 57 | 84 |
HND | 183 | 183 | 102 | 156 |
LND | 216 | 281 | 157 | 218 |
表3本发明FLEACH分簇方法节点死亡情况
通过对比可知,本发明FLEACH分簇方法将系统稳定工作的平均轮次从84提高到254,稳定的工作时间大约是原来的3倍,改善十分明显。节点死亡一半的平均轮次由156提高到334,大约改善了一倍。节点基本死亡的平均轮次由218提高410,基本改善了一倍左右。显而易见,从各个节点死亡时刻来看,提出的新算法优势明显,使得整个系统的能量分布更加均匀。从整体上来看,本发明提出的FLEACH分簇方法延长了整个网络的整体有效性,提高了移动自组织网络的稳定性和可靠性,延长整个网络的生命周期。
简而言之,本发明公开的移动自组织网络中基于模糊逻辑的FLEACH分簇方法,主要解决现有的LEACH分簇算法无法适用于移动自组织网络的问题,以及簇首选择机制未考虑节点本身的特性和分簇规模限制的技术空白。本发明实现的步骤是:首先对场景进行建模,设置节点的具体参数,在原有算法的基础上为每个节点增加移动性,使其适用于移动自组织网络;基于模糊逻辑对簇首选择机制进行改进,考虑节点的剩余能量和移动性选择簇首;设置最佳簇成员个数变量,对分簇大小进行控制,将规模较大和较小的簇结构进行均分,从而均衡网络负载。仿真结果表明,本发明使得簇首间负载平衡,整个网络的能量分布更加均匀,从而延长了整个网络的的生命周期,提高了网络的稳定性和可靠性,使得LEACH分簇算法更好地适用于移动自组织网络中。
Claims (4)
1.一种移动自组织网络中基于模糊逻辑的分簇方法,命名为FLEACH分簇方法,其特征在于,基于LEACH分簇协议上实现,分簇过程包括有如下具体步骤:
1)首先对场景进行建模,设置节点和网络的参数,设置网络中的节点总数、簇首个数、节点发射和接受单位报文的能耗、节点的初始能量等参数,然后在LEACH协议的基础上为每个节点增加移动性参数,为节点随机设置速度的大小和方向值;
2)构造节点剩余能量和移动性的隶属度函数,在使用模糊逻辑制定规则前,需要构造节点剩余电量的模糊隶属度函数,用XS,S,M,L,XL顺序表示剩余能量较少、剩余能量少、剩余能量一般、剩余能量多、剩余能量很多,节点移动性的隶属度函数用A、B、C顺序表示节点移动性低、移动性一般、移动性高;
3)根据经验和测试结果制定模糊逻辑规则,首先将节点的剩余能量和移动性作为输入变量,根据模糊逻辑规则得到节点成为簇首的合理值q,用XS、S、M、L、XL顺序表示节点非常不适合成为簇首、节点不适合成为簇首、节点适合成为簇首、节点很适合作为簇首、节点非常适合成为簇首;
4)将节点成为簇首的合理值随机化后与门限值对比选出簇首,节点合理值q的取值范围为0到1,q值越大说明该节点越适合作为簇首,由于大部分q值集中于0.5附近,需要对合理值q随机化得到对比值e,将对比值e与门限值进行比较选出簇首;
5)为每个簇首节点设置最佳簇成员个数Mm,在分簇过程中簇成员个数应有所限制,假设第m个簇首节点拥有Mm个簇成员是最理想的状况,在该种情况下可使簇首负载平衡;
6)根据不同簇首的最佳簇成员数来控制和调整簇结构大小,规模较大的分簇将其簇成员均分到其他簇中,规模较小的分簇请求毗邻簇成员加入,毗邻簇根据自身簇结构情况决定是否接受均分的簇成员,簇结构大小调整完成;
7)簇结构大小调整完成后节点间进行通信,在调整网络簇结构大小后网络建簇成功,网络进入数据传输阶段,节点间开始通信,随着节点位置和能量的变化网络重新构建簇结构。
2.根据权利要求1所述的移动自组织网络中基于模糊逻辑的分簇方法,其特征在于:步骤3中所述的模糊逻辑规则,具体包括如下:
如果节点的剩余能量为XS,移动性为C,则输出为XS;
如果节点的剩余能量为XS,移动性为B,则输出为XS;
如果节点的剩余能量为XS,移动性为A,则输出为XS;
如果节点的剩余能量为S,移动性为C,则输出为XS;
如果节点的剩余能量为S,移动性为B,则输出为S;
如果节点的剩余能量为S,移动性为A,则输出为S;
如果节点的剩余能量为M,移动性为C,则输出为M;
如果节点的剩余能量为M,移动性为B,则输出为M;
如果节点的剩余能量为M,移动性为A,则输出为L;
如果节点的剩余能量为L,移动性为C,则输出为L;
如果节点的剩余能量为L,移动性为B,则输出为L;
如果节点的剩余能量为L,移动性为A,则输出为XL;
如果节点的剩余能量为XL,移动性为C,则输出为XL;
如果节点的剩余能量为XL,移动性为B,则输出为XL;
如果节点的剩余能量为XL,移动性为A,则输出为XL。
3.根据权利要求1所述的移动自组织网络中基于模糊逻辑的分簇方法,其特征在于:步骤5中所述的最佳簇成员个数Mm计算方法如下:
nm=numlive×p
其中numlive是目前网络中存活的节点数目,p为网络中簇首所占节点总数的概率,qm为节点m成为簇首的合理值,nm为网络中的簇首个数。
4.根据权利要求1所述的移动自组织网络中基于模糊逻辑的分簇方法,其特征在于:步骤6中控制和调整簇结构大小的具体方法包括如下:
6.1簇首节点m周期性的广播一张表,在广播的表中加入簇首的最佳成员个数Mm;
6.2若簇首节点的簇成员个数小于簇首的最佳簇成员个数Mm,则查看毗邻节点中是否有其他簇首的簇成员,若有则向该簇首请求将该簇成员加入自己的簇中;
6.3接到请求的簇首查看自己的簇成员个数是否大于最佳簇成员个数Mm,若大于Mm则同意该请求,若等于或小于Mm不接受请求,如果簇首同时接受到多个毗邻簇首的请求,而且请求的是同一节点,则将该节点分给合理值最大的毗邻簇首,完成对簇结构的调整,网络开始通信。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610298932.8A CN105979539B (zh) | 2016-05-06 | 2016-05-06 | 移动自组织网络中基于模糊逻辑的分簇方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610298932.8A CN105979539B (zh) | 2016-05-06 | 2016-05-06 | 移动自组织网络中基于模糊逻辑的分簇方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105979539A CN105979539A (zh) | 2016-09-28 |
CN105979539B true CN105979539B (zh) | 2019-04-23 |
Family
ID=56992749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610298932.8A Active CN105979539B (zh) | 2016-05-06 | 2016-05-06 | 移动自组织网络中基于模糊逻辑的分簇方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105979539B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109462877A (zh) * | 2018-11-16 | 2019-03-12 | 重庆邮电大学 | 一种基于模糊逻辑的wsn能量中性分簇路由方法 |
CN110536374B (zh) * | 2019-08-13 | 2022-11-18 | 江苏大学 | 一种无线传感器网络中基于功率需求的分簇方法 |
CN111698728B (zh) * | 2020-06-15 | 2021-09-03 | 西安电子科技大学 | 用于动态网络的拓扑控制系统及其控制方法 |
CN114071529B (zh) * | 2021-11-18 | 2023-06-16 | 南京航空航天大学 | 基于Exata与Docker的无线网络仿真方法 |
CN114585047B (zh) * | 2022-02-22 | 2024-02-23 | 西安电子科技大学 | 基于分簇管理信息的无线自组织网络自适应分簇方法 |
CN114641049B (zh) * | 2022-03-16 | 2024-08-27 | 重庆邮电大学 | 一种基于模糊逻辑的无人机自组网分层路由方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101888667B (zh) * | 2010-07-06 | 2013-06-12 | 西安电子科技大学 | 基于公平和避免冲突的协作中继选择方法 |
CN103731854B (zh) * | 2012-10-10 | 2017-10-17 | 华为技术有限公司 | 基于自组网son的网络状态划分方法、装置和网络系统 |
US20150073821A1 (en) * | 2013-09-09 | 2015-03-12 | Primacea, Inc. | Automated systems and methods for real-time review of research and collaboration activities of professionals |
CN103916942B (zh) * | 2014-04-04 | 2017-04-12 | 安徽工程大学 | 一种降低功耗的leach协议改进方法 |
CN104394566B (zh) * | 2014-11-12 | 2017-09-05 | 南京航空航天大学 | 一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法 |
-
2016
- 2016-05-06 CN CN201610298932.8A patent/CN105979539B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105979539A (zh) | 2016-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105979539B (zh) | 移动自组织网络中基于模糊逻辑的分簇方法 | |
Wang et al. | Hypergraph-based wireless distributed storage optimization for cellular D2D underlays | |
CN102036308B (zh) | 一种能量均衡的无线传感器网络分簇方法 | |
CN104080091B (zh) | 分层异构网络中基于负载预测分组的家庭基站频谱分配方法 | |
CN110049526A (zh) | Wsn中基于改进分簇算法的数据收集方法及系统 | |
CN105813161A (zh) | 基于能量差异的微功率无线传感器网络分簇路由方法 | |
CN109041162B (zh) | 一种基于势博弈的wsn非均匀拓扑控制方法 | |
Ayoub et al. | MAHEE: Multi-hop advance heterogeneity-aware energy efficient path planning algorithm for wireless sensor networks | |
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 | |
El Khediri et al. | Clustering algorithm in wireless sensor networks based on shortest path | |
CN103826282B (zh) | 基于剩余能量的集合划分多跳路由方法 | |
Saidu et al. | An enhanced leach routing algorithm for energy conservation in a wireless sensor network | |
Liu et al. | A balanced and energy-efficient clustering algorithm for heterogeneous wireless sensor networks | |
Zhongdong et al. | Energy balanced adaptive clustering routing protocol for heterogeneous wireless sensor networks | |
Xu et al. | Clustering routing algorithm for heterogeneous WSN with energy harvesting | |
El Khediri et al. | A novel connectivity algorithm based on shortest path for wireless sensor networks | |
Zou et al. | An improved weight-based clustering algorithm in MANETs | |
CN113242587A (zh) | 基于六边形质心的簇头选举和动态时隙分配的簇路由方法 | |
Rahdar et al. | A schedule based MAC in wireless Ad-hoc Network by utilizing Fuzzy TOPSIS | |
Jiao et al. | Energy-Efficient Cooperative Scalable Video Distribution and Sharing in Mobile Social Networks | |
Yao et al. | Research on channel allocation game algorithm for improving robustness in WSN | |
El Khediri et al. | An optimal clustering mechanism based on K-means for wireless sensor networks | |
Zhang et al. | Multi-channel allocation algorithm based on congestion avoidance in wearable wireless sensor network | |
Sikarwar et al. | A New Approach for Wireless Sensor Networks based on Tree-based Routing using Hybrid Fuzzy C-Means with Genetic Algorithm | |
Song et al. | Evolutionary computation and power control for radio resource management in CDMA cellular radio 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |