CN106413021A - 基于蚁群算法的无线传感网络路由方法 - Google Patents
基于蚁群算法的无线传感网络路由方法 Download PDFInfo
- Publication number
- CN106413021A CN106413021A CN201610828046.1A CN201610828046A CN106413021A CN 106413021 A CN106413021 A CN 106413021A CN 201610828046 A CN201610828046 A CN 201610828046A CN 106413021 A CN106413021 A CN 106413021A
- Authority
- CN
- China
- Prior art keywords
- node
- ant
- pheromone
- routing
- path
- 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.)
- Granted
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
- H04W40/02—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
- 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)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种基于蚁群算法的无线传感网络路由方法,包括如下步骤:(10)网络初始化:将无线传感网络划分为网格,广播报文及跳数,对前向蚂蚁和后向蚂蚁定义不同的报文结构;(20)路径搜索:前向蚂蚁出发,向下一节点运动,确定启发信息的重要程度的值;(30)信息素值确定:确定前向蚂蚁在经过某路径时释放的信息素值;(40)路由建立:对路径上的信息素进行迭代搜索,后向蚂蚁沿着反向信息素表返回源节点,路由建立成功;(50)数据传输:各节点获得其邻居节点到sink节点的路由情况,定期广播各个节点的邻居节点的路由表信息,进行数据传输。本发明的路由方法,数据传输效率高、网络能量消耗均衡、网络寿命更长。
Description
技术领域
本发明属于无线传感网络技术领域,具体涉及一种数据传输效率高、网络能量消耗均衡、网络寿命长的基于蚁群算法的无线传感网络路由方法。
背景技术
无线传感网络是由大量低成本低功耗的传感器以自组织和多跳的方式构成的无线网络,具有大规模、自组织、可靠性、以数据为中心等特点。无线传感网络综合了传感器技术、通信技术、嵌入式技术和分布式信息处理技术,能够协作的感知、采集、处理网络覆盖区域内对象的信息。其在军事、环境监测、医疗健康、智能家居等领域有着广泛的应用前景。
无线传感网络路由协议的目的是将分组数据从源节点发送到目的节点,即需要完成两大内容:选择合适的优化路径,和沿着选定的优化路径正确的转发数据。通常,传统的无线传感网络或Ad hoc网络为提高服务质量QoS提出多种路由协议,常见的路由协议如基于聚簇的LEACH协议、以数据为中心的SPIN协议、基于地理位置的GPSR协议等,这些路由协议往往旨在追求端到端的延迟最小、网络利用率最高等,而无线传感网络自身多跳路由、动态拓扑的特点使得路由的能量消耗和开销很大。
由于无线传感网络节点能量有限的特点,对路由协议的设计具有极大的挑战。将蚁群算法应用于无线传感网络路由方法中,利用蚁群算法的自组织、自动寻优、个体简单而群体智能的特点均衡网络负载,延长网络寿命。
然而,现有基于基本蚁群算法的无线传感网络路由方法仍然存在如下不足:前向蚂蚁和后向蚂蚁定义相同的数据结构导致数据传输效率不够高;网络节点的数量众多、不必要的路径搜索导致能量消耗不够均衡;剩余能量较小的节点由于过多的转发导致网络寿命不够长。
发明内容
本发明的目的在于提出一种基于蚁群算法的无线传感网络路由方法,数据传输效率高、网络能量消耗均衡、网络寿命更长。
实现本发明目的的技术方案为:
一种基于蚁群算法的无线传感网络路由方法,包括如下步骤:
(10)网络初始化:将无线传感网络划分为多个大小相等的正方形网格,sink节点在全网范围内广播报文及跳数,并对路由中的前向蚂蚁和后向蚂蚁定义不同的报文结构,将蚂蚁在路径搜索过程中释放的信息素初始浓度设为0;
(20)路径搜索:前向蚂蚁从源节点出发,向下一节点运动,下一节点的位置,根据概率选择公式确定,确定启发信息的重要程度的值;
(30)信息素值确定:确定前向蚂蚁在经过某路径时释放的信息素值;
(40)路由建立:根据信息素挥发机制,对路径上的信息素进行迭代搜索,在前向蚂蚁到达目标节点后,确定后向蚂蚁在返回源节点时路径上的信息素值,后向蚂蚁沿着反向信息素表返回源节点,路由建立成功;
(50)数据传输:各节点获得其邻居节点到sink节点的路由情况,同时通过信息素广播机制定期广播各个节点的邻居节点的路由表信息,并进行数据传输。
本发明与现有技术相比,其显著优点在于:
1、数据传输效率高:通过设计前向蚂蚁和后向蚂蚁不同的报文结构来提高传输效率;
2、网络能量消耗均衡:在前向蚂蚁的报文结构设计中增加禁忌表,大大避免回路的产生;
3、网络寿命长:在确定概率选择公式中,考虑各邻居节点剩余能量的大小,达到均衡网络能量消耗、延长网络寿命的目的。
附图说明
图1是本发明基于蚁群算法的无线传感网络路由方法的主流程图。
图2是前向蚂蚁报文结构示例。
图3是后向蚂蚁报文结构示例。
图4是是节点分布的仿真场景示意图。
图5是本发明方法法与现有技术方法的性能比较表。
具体实施方式
如图1所示,本发明基于蚁群算法的无线传感网络路由方法,其包括如下步骤:
(10)网络初始化:将无线传感网络划分为多个大小相等的正方形网格,sink节点在全网范围内广播报文及跳数,并对路由中的前向蚂蚁和后向蚂蚁定义不同的报文结构,将蚂蚁在路径搜索过程中释放的信息素初始浓度设为0;
所述(10)网络初始化步骤中,
所述前向蚂蚁报文结构如图2所示,包括:源节点地址、各邻居节点的剩余能量、信息素强度、避免回路的禁忌表、节点跳数,所述避免回路的禁忌表用于记录所经过的路径,避免回路的产生;
所述后向蚂蚁报文结构如图3所示,包括:信息素的更新值、后向蚂蚁的目的节点地址、后向蚂蚁距离Sink节点的路径长度。
(20)路径搜索:前向蚂蚁从源节点出发,向下一节点运动,下一节点的位置,根据概率选择公式确定,确定启发信息的重要程度的值;
所述(20)路径搜索步骤中,下一节点j的位置根据如下概率选择公式确定:
式中,表示蚂蚁k由节点i转移到节点j的概率,k=1,2,3,···,m,ε(i,j)k表示节点i到节点j的信息素强度与剩余能量的相对大小的运算因子,β为启发信息的重要程度,
其中,τ(i,j)表示节点i到j的信息素强度,E(j)表示下一个节点j的剩余能量,表示邻近节点的剩余能量的总和;
η(i,j)=1/di,j (3),
di,j表示节点i到节点j的距离;Jk(i)表示邻居节点位置的集合。
(30)信息素值确定:确定前向蚂蚁在经过某路径时释放的信息素值;
所述(30)信息素更新步骤中,前向蚂蚁在经过路径l时,信息素强度的值为:
τ(i,j)=1/Pl (4),
所述的Pl表示经过传输路径l的总代价,路径l为蚂蚁所经过的路径。
(40)路由建立:根据信息素挥发机制,对路径上的信息素进行迭代搜索,在前向蚂蚁到达目标节点后,确定后向蚂蚁在返回源节点时路径上的信息素值,后向蚂蚁沿着反向信息素表返回源节点,路由建立成功;
所述(40)路由建立步骤中,根据信息素挥发机制,后向蚂蚁返回源节点时的信息素值为:
τ(i,j)(t+Δt)=(1-ρ)τ(i,j)(t)+∑kτ(i,j)(k) (5),
所述的ρ为信息素挥发参数,ρ∈(0,1),所述的τ(i,j)(k)表示在时间间隔Δt内第k只蚂蚁经过路径l释放的信息素。
在此步骤(30)、(40)中引入信息素挥发机制避免因信息素浓度相差太大,出现系统停滞状态,陷入局部最优的情况,所以设定ρ的取值范围为0<ρ<1,ρ为信息素挥发参数,但是当值过大时,信息素的挥发速率太快,会使以前已经搜索过的路径被再次选择的可能性增大;而当值过小时,虽然可以提高全局搜索能力,但算法的收敛性便降低了,所以应该选择合适的ρ值。公式(5)中τ(i,j)(k)是在Δt时间间隔内第k只蚂蚁经过路径l释放的信息素值。
(50)数据传输:各节点获得其邻居节点到sink节点的路由情况,同时通过信息素广播机制定期广播各个节点的邻居节点的路由表信息,并进行数据传输。
经过多次迭代之后,各个节点已经获得从源节点到目的节点的路由信息情况,已经可以选择出最优路径进行数据传输。
路径搜寻的具体过程为:
在初始阶段,赋予每条路经上的信息素强度为0,前向蚂蚁从源节点出发,根据公式(1)概率选择公式选择下一个节点j,并根据公式(5)更新挥发机制后路径上的信息素强度;当中间节点j收到来自邻居节点的蚂蚁节点时,检·查是否已经收到比该蚂蚁节点更合适的节点,若是则丢弃;若不是,则代替原来的蚂蚁节点,并将跳数加1;依次进行迭代搜索路径,当前向蚂蚁到达目的节点后,立即转化为后向蚂蚁,并沿着反向信息素强度表回到源节点。
最后,对本发明基于蚁群算法(Ant Colony Routing Optimization of WirelessSensor Network,ACROWSN)的无线传感网络路由方法进行测试,如图3所示为节点分布的仿真场景,图中标明了源节点和Sink节点的位置,传感器节点随机部署在正方形的网格交点上。通过随机部署的传感器节点可能比较均匀的分布在区域中,也可能不太均匀的分布在区域中,从而距离Sink节点较远的传感器节点能量的消耗而失效,所以在设计算法时更要将能量消耗考虑其中。
在如图4的仿真场景中,取参数β=4.5,ρ=0.5,节点数目设置为20个,仿真次数为20次,初始能量为100J,图5为ACROWSN算法与BACA算法的性能比较图。从图5中可以清晰看出,当时间呈递增趋势时,ACROWSN算法比BACA算法的节点减少速率更平缓且更少,BACA算法由于没有考虑节点剩余能量的情况,造成节点能耗的不均衡而过早失效;由于BACA算法需要通过多次迭代运算建立完成,增加了网络时延,所以ACROWSN算法的平均网络时延要小于BACA算法的平均网络时延;因为ACROWSN算法通过概率选择公式选择下一个节点,很大程度上减少了各节点能量的消耗,所以ACROWSN算法的节点剩余能量要比BACA算法的剩余能量多。
Claims (5)
1.一种基于蚁群算法的无线传感网络路由方法,其特征在于,包括如下步骤:
(10)网络初始化:将无线传感网络划分为多个大小相等的正方形网格,sink节点在全网范围内广播报文及跳数,并对路由中的前向蚂蚁和后向蚂蚁定义不同的报文结构,将蚂蚁在路径搜索过程中释放的信息素初始浓度设为0;
(20)路径搜索:前向蚂蚁从源节点出发,向下一节点运动,下一节点的位置,根据概率选择公式确定,确定启发信息的重要程度值;
(30)信息素值确定:确定前向蚂蚁在经过某路径时释放的信息素值;
(40)路由建立:根据信息素挥发机制,对路径上的信息素进行迭代搜索,在前向蚂蚁到达目标节点后,确定后向蚂蚁在返回源节点时路径上的信息素值,后向蚂蚁沿着反向信息素表返回源节点,路由建立成功;
(50)数据传输:各节点获得其邻居节点到sink节点的路由情况,同时通过信息素广播机制定期广播各个节点的邻居节点的路由表信息,并进行数据传输。
2.如权利要求1所述的路由方法,其特征在于,所述(10)网络初始化步骤中,
所述前向蚂蚁报文结构包括:源节点地址、各邻居节点的剩余能量、信息素强度、避免回路的禁忌表、节点跳数,所述避免回路的禁忌表用于记录所经过的路径,避免回路的产生;
所述后向蚂蚁报文结构包括:信息素的更新值、后向蚂蚁的目的节点地址、后向蚂蚁距离Sink节点的路径长度。
3.如权利要求2所述的路由方法,其特征在于,所述(20)路径搜索步骤中,下一节点j的位置根据如下概率选择公式确定:
式中,表示蚂蚁k由节点i转移到节点j的概率,k=1,2,3,···,m,ε(i,j)k表示节点i到节点j的信息素强度与剩余能量的相对大小的运算因子,β为启发信息的重要程度,
其中,τ(i,j)表示节点i到j的信息素强度,E(j)表示下一个节点j的剩余能量,表示邻近节点的剩余能量的总和;
η(i,j)=1/di,j,
di,j表示节点i到节点j的距离;Jk(i)表示邻居节点位置的集合。
4.如权利要求3所述的路由方法,其特征在于,所述(30)信息素更新步骤中,前向蚂蚁在经过路径l时,信息素强度的值为:
τ(i,j)=1/Pl,
所述的Pl表示经过传输路径l的总代价,路径l为蚂蚁所经过的路径。
5.如权利要求4所述的路由方法,其特征在于,所述(40)路由建立步骤中,根据信息素挥发机制,后向蚂蚁返回源节点时的信息素值为:
τ(i,j)(t+Δt)=(1-ρ)τ(i,j)(t)+Σkτ(i,j)(k),
所述的ρ为信息素挥发参数,ρ∈(0,1),所述的τ(i,j)(k)表示在时间间隔Δt内第k只蚂蚁经过路径l释放的信息素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610828046.1A CN106413021B (zh) | 2016-09-18 | 2016-09-18 | 基于蚁群算法的无线传感网络路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610828046.1A CN106413021B (zh) | 2016-09-18 | 2016-09-18 | 基于蚁群算法的无线传感网络路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106413021A true CN106413021A (zh) | 2017-02-15 |
CN106413021B CN106413021B (zh) | 2019-06-04 |
Family
ID=57997623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610828046.1A Active CN106413021B (zh) | 2016-09-18 | 2016-09-18 | 基于蚁群算法的无线传感网络路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106413021B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107124747A (zh) * | 2017-04-12 | 2017-09-01 | 邹霞 | 基于蚁群优化的传感器网络路由方法 |
CN107124692A (zh) * | 2017-05-08 | 2017-09-01 | 上海喆之信息科技有限公司 | 一种医疗信息无线传输系统 |
CN107144723A (zh) * | 2017-05-08 | 2017-09-08 | 上海耐相智能科技有限公司 | 一种电力系统智能检测报警系统 |
CN108156643A (zh) * | 2017-12-26 | 2018-06-12 | 中国联合网络通信集团有限公司 | 一种路由选择方法及系统 |
WO2018187954A1 (zh) * | 2017-04-12 | 2018-10-18 | 邹霞 | 基于蚁群优化的传感器网络路由方法 |
CN108769946A (zh) * | 2018-07-03 | 2018-11-06 | 深圳众厉电力科技有限公司 | 基于物联网技术的变电站设备监测系统 |
CN108818534A (zh) * | 2018-07-04 | 2018-11-16 | 广东猪兼强互联网科技有限公司 | 一种多功能健身辅助机器人 |
CN108853945A (zh) * | 2018-07-04 | 2018-11-23 | 广东猪兼强互联网科技有限公司 | 一种带有教练功能的智能健身系统 |
CN108881467A (zh) * | 2018-07-04 | 2018-11-23 | 深圳凯达通光电科技有限公司 | 工业生产机器人实时监测系统 |
CN108981807A (zh) * | 2018-07-09 | 2018-12-11 | 梧州市兴能农业科技有限公司 | 一种土木工程建筑智能监测系统 |
CN109120523A (zh) * | 2017-06-23 | 2019-01-01 | 阿里巴巴集团控股有限公司 | 多节点路径选择方法、装置、云平台资源调度方法及装置 |
CN110191413A (zh) * | 2019-05-23 | 2019-08-30 | 大连海事大学 | 一种基于贪婪蚁群算法在移动自组网中进行广播的方法及系统 |
CN110475308A (zh) * | 2019-07-04 | 2019-11-19 | 太原理工大学 | 基于DV-hop的无线传感器网络的蚁群优化任播路由方法 |
CN111695668A (zh) * | 2020-06-16 | 2020-09-22 | 江苏师范大学 | 一种基于反向学习的蚁群算法优化方法 |
CN113068242A (zh) * | 2021-03-29 | 2021-07-02 | 重庆师范大学 | 基于优化量子蚁群算法的路由规划方法及系统 |
CN114024892A (zh) * | 2021-11-05 | 2022-02-08 | 国网四川省电力公司经济技术研究院 | 一种信息敏感度感知的电力敏感信息自适应安全路由方法 |
CN114430581A (zh) * | 2022-01-25 | 2022-05-03 | 电子科技大学 | 基于蚁群策略的ac-olsr路由方法、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1960331A (zh) * | 2006-09-21 | 2007-05-09 | 上海大学 | 全局能量均衡的智能化无线传感网路由算法 |
CN103596235A (zh) * | 2013-01-22 | 2014-02-19 | 江苏大学 | 一种无线传感器网络路由蚁群算法的优化方法 |
CN103826278A (zh) * | 2014-01-28 | 2014-05-28 | 河南科技大学 | 一种基于多生物启发的无线传感网络自适应路由决策方法 |
-
2016
- 2016-09-18 CN CN201610828046.1A patent/CN106413021B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1960331A (zh) * | 2006-09-21 | 2007-05-09 | 上海大学 | 全局能量均衡的智能化无线传感网路由算法 |
CN103596235A (zh) * | 2013-01-22 | 2014-02-19 | 江苏大学 | 一种无线传感器网络路由蚁群算法的优化方法 |
CN103826278A (zh) * | 2014-01-28 | 2014-05-28 | 河南科技大学 | 一种基于多生物启发的无线传感网络自适应路由决策方法 |
Non-Patent Citations (1)
Title |
---|
李思青: "无线传感网低能耗分簇式路由算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018187954A1 (zh) * | 2017-04-12 | 2018-10-18 | 邹霞 | 基于蚁群优化的传感器网络路由方法 |
CN107124747A (zh) * | 2017-04-12 | 2017-09-01 | 邹霞 | 基于蚁群优化的传感器网络路由方法 |
CN107124692A (zh) * | 2017-05-08 | 2017-09-01 | 上海喆之信息科技有限公司 | 一种医疗信息无线传输系统 |
CN107144723A (zh) * | 2017-05-08 | 2017-09-08 | 上海耐相智能科技有限公司 | 一种电力系统智能检测报警系统 |
CN107124692B (zh) * | 2017-05-08 | 2020-05-12 | 杭州迪安生物技术有限公司 | 一种医疗信息无线传输系统 |
CN109120523A (zh) * | 2017-06-23 | 2019-01-01 | 阿里巴巴集团控股有限公司 | 多节点路径选择方法、装置、云平台资源调度方法及装置 |
CN109120523B (zh) * | 2017-06-23 | 2021-12-14 | 阿里巴巴集团控股有限公司 | 多节点路径选择方法、装置、云平台资源调度方法及装置 |
CN108156643B (zh) * | 2017-12-26 | 2020-06-02 | 中国联合网络通信集团有限公司 | 一种路由选择方法及系统 |
CN108156643A (zh) * | 2017-12-26 | 2018-06-12 | 中国联合网络通信集团有限公司 | 一种路由选择方法及系统 |
CN108769946A (zh) * | 2018-07-03 | 2018-11-06 | 深圳众厉电力科技有限公司 | 基于物联网技术的变电站设备监测系统 |
CN108853945A (zh) * | 2018-07-04 | 2018-11-23 | 广东猪兼强互联网科技有限公司 | 一种带有教练功能的智能健身系统 |
CN108881467A (zh) * | 2018-07-04 | 2018-11-23 | 深圳凯达通光电科技有限公司 | 工业生产机器人实时监测系统 |
CN108818534A (zh) * | 2018-07-04 | 2018-11-16 | 广东猪兼强互联网科技有限公司 | 一种多功能健身辅助机器人 |
CN108981807A (zh) * | 2018-07-09 | 2018-12-11 | 梧州市兴能农业科技有限公司 | 一种土木工程建筑智能监测系统 |
CN108981807B (zh) * | 2018-07-09 | 2020-02-18 | 内蒙古万和工程项目管理有限责任公司 | 一种土木工程建筑智能监测系统 |
CN110191413A (zh) * | 2019-05-23 | 2019-08-30 | 大连海事大学 | 一种基于贪婪蚁群算法在移动自组网中进行广播的方法及系统 |
CN110191413B (zh) * | 2019-05-23 | 2021-09-03 | 大连海事大学 | 一种基于贪婪蚁群算法在移动自组网中进行广播的方法及系统 |
CN110475308A (zh) * | 2019-07-04 | 2019-11-19 | 太原理工大学 | 基于DV-hop的无线传感器网络的蚁群优化任播路由方法 |
CN111695668A (zh) * | 2020-06-16 | 2020-09-22 | 江苏师范大学 | 一种基于反向学习的蚁群算法优化方法 |
CN113068242A (zh) * | 2021-03-29 | 2021-07-02 | 重庆师范大学 | 基于优化量子蚁群算法的路由规划方法及系统 |
CN114024892A (zh) * | 2021-11-05 | 2022-02-08 | 国网四川省电力公司经济技术研究院 | 一种信息敏感度感知的电力敏感信息自适应安全路由方法 |
CN114430581A (zh) * | 2022-01-25 | 2022-05-03 | 电子科技大学 | 基于蚁群策略的ac-olsr路由方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106413021B (zh) | 2019-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106413021A (zh) | 基于蚁群算法的无线传感网络路由方法 | |
CN101489276B (zh) | 一种移动Ad Hoc网络多播路由方法 | |
Kamgueu et al. | On design and deployment of fuzzy-based metric for routing in low-power and lossy networks | |
CN105792305B (zh) | 一种超低功耗无线数据传输网络设计方法 | |
CN103327564B (zh) | 基于蚁群算法的无线传感器网络路由方法 | |
CN104093180B (zh) | 一种基于多网关数据传输的无线传感网络路由方法 | |
CN103974367B (zh) | 无线传感器网络中基于heed算法的错误容忍和多路径优化方法 | |
CN106454905B (zh) | 一种改进的无线传感网层次型多链路方法 | |
CN102497679B (zh) | 一种无线传感器网络静态分簇算法 | |
CN106304243A (zh) | 一种基于势博弈的无线传感器网络拓扑控制方法 | |
CN102769885B (zh) | 一种在传感器网络中实现路由的方法和传感器网络 | |
CN107404745A (zh) | 一种基于自组网的火灾探测器远程检测系统 | |
Sebastian et al. | A survey on load balancing schemes in RPL based Internet of Things | |
CN107579758A (zh) | 一种基于g3‑plc的双向交互通信方法 | |
CN104969655B (zh) | 数据发布系统、发布装置、终端装置、数据发布方法 | |
CN106612232A (zh) | 一种适应多变因素的集中器主动抄表路由方法 | |
CN102946649A (zh) | 一种基于生成树的无线传感网拓扑构建方法 | |
Son et al. | A routing scheme with limited flooding for wireless sensor networks | |
CN106937349A (zh) | 基于移动汇聚节点和蚁群算法的无线传感器网路由协议 | |
Li et al. | Optimized AODV routing protocol for vehicular ad hoc networks | |
Chiang et al. | A knowledge-based inference multicast protocol using adaptive fuzzy Petri nets | |
CN106685819A (zh) | 一种基于节点能量划分的aomdv协议节能方法 | |
CN102916876A (zh) | 一种面向主从结构网络单向链路环境的路由方法 | |
Huynh et al. | Energy efficient delay-aware routing in multi-tier architecture for wireless sensor networks | |
CN112533262B (zh) | 一种可充电无线传感器网络的多路径按需路由方法 |
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 |