CN108738029B - 无线传感器网络中参考节点的移动路径动态规划方法 - Google Patents
无线传感器网络中参考节点的移动路径动态规划方法 Download PDFInfo
- Publication number
- CN108738029B CN108738029B CN201710245381.3A CN201710245381A CN108738029B CN 108738029 B CN108738029 B CN 108738029B CN 201710245381 A CN201710245381 A CN 201710245381A CN 108738029 B CN108738029 B CN 108738029B
- Authority
- CN
- China
- Prior art keywords
- node
- sensor
- synchronous point
- reference node
- sensor nodes
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000001360 synchronised effect Effects 0.000 claims abstract description 37
- 238000004891 communication Methods 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 3
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 239000003016 pheromone Substances 0.000 description 11
- 230000008859 change Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 241000257303 Hymenoptera Species 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W56/00—Synchronisation arrangements
- H04W56/001—Synchronization between nodes
-
- 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
本发明公开一种无线传感器网络中参考节点的移动路径动态规划方法,其能根据传感器节点的分布情况,自动搜索出同步点坐标集,从而达到规划动态路径的效果;本发明所设计的同步点模型中,同步点个数较少,使得最终规划路径时能取得最短移动路程,节省了移动参考节点的移动能量开销;又由于参考节点在同步点坐标处的通信覆盖重叠率低,这也均衡了整个网络中传感器节点的能量消耗,延长了网络寿命。
Description
技术领域
本发明涉及无线传感器网络技术领域,具体涉及一种无线传感器网络中参考节点的移动路径动态规划方法。
背景技术
无线传感器网络(Wireless Sensor Networks,WSN)是一个由大量低能耗、小尺寸、有无线通信能力的传感器节点组成的无线自组织网络。这些传感器节点通常部署在恶劣的环境中,用来感知、采集和传递监控区域的环境数据,协作完成指定任务,实现客观物理世界、网络世界和人类社会的连通。
对于无线传感器网络来说,需要对可移动的数据收发器(即移动参考节点)的遍历路径做出合理的规划,使得移动参考节点能节省能量消耗,也使得网络中各个传感器节点消耗的能量大致相等,从而达到延长网络工作寿命的目的。公告号为CN103338507A的中国发明专利“基于移动参考节点的无线传感器时钟同步方法”中公开了一种MRN-CS算法,其将参考节点在同步点的广播圆等效成圆内接正六边形,对同步区域进行单次无缝覆盖。由于这个方法没有考虑到传感器节点的分布密度,旨在对目标区域进行全面覆盖,因此导致区域内同步点数量过多,且其规划的移动路径是静态的、不能根据传感器分布情况进行优化,具有一定的局限性。
发明内容
本发明所要解决的技术问题是现有无线传感器网络路径规划方法所规划的移动路径是静态的、不能根据传感器分布情况进行优化的问题,提供一种无线传感器网络中参考节点的移动路径动态规划方法。
为解决上述问题,本发明是通过以下技术方案实现的:
无线传感器网络中参考节点的移动路径动态规划方法,包括如下步骤:
步骤1.在二维平面ROI中,按照一定的密度随机部署N个传感器节点,每个传感器节点都生成各自的临时簇;
步骤2.计算所有传感器节点的包含属性值,按包含属性值递减的顺序对传感器节点进行排列,并生成节点列表;
步骤3.从当前节点列表中,选择包含属性值最大的传感器节点,并将该传感器节点对应的坐标标记为同步点;
步骤4.将已标记的传感器节点所对应的临时簇内的其他传感器节点从节点列表中删除;
步骤5.重复步骤3-4,筛选出下一个同步点坐标,直到节点列表为空;
步骤6.输出所有同步点坐标集合,即可得到同步点选址模型;
步骤7.在确定了移动参考节点在网络中的同步点选址模型后,直接利用蚁群算法求解移动参考节点的最优路径问题,即可规划出移动参考节点的路径。
作为改进,在步骤6之后还一步包括如下步骤:
若已得到的同步点选址模型中,所有传感器节点均被包含在参考节点的通信范围内,则该同步点选址模型作为最终的同步点选址模型;
若已得到的同步点选址模型中,还存在某些剩余的传感器节点没有被包含在参考节点的通信范围内,则需要在已得到的同步点选址模型之后添加新的同步点,并将添加了新的同步点的同步点选址模型作为最终的同步点选址模型。
上述添加新的同步点的方法为:
首先,计算剩余的传感器节点的包含属性值,按包含属性值递减的顺序对传感器节点进行排列,并生成剩余节点列表;
接着,从剩余节点列表中,选择包含属性值最大的传感器节点,并将该传感器节点对应的坐标标记为同步点;
之后,将已标记的传感器节点所对应的临时簇内的其他传感器节点从剩余节点列表中删除;
最后,重复上述步骤,筛选出下一个同步点坐标,直至到剩余节点列表为空。
与现有技术相比,本发明的优势如下:
1.本发明能根据传感器节点的分布情况,自动搜索出同步点坐标集,从而达到规划动态路径的效果;
2.本发明设计的同步点模型中,同步点个数较少,使得最终规划路径时能取得最短移动路程,节省了移动参考节点的移动能量开销;又由于参考节点在同步点坐标处的通信覆盖重叠率低,这也均衡了整个网络中传感器节点的能量消耗,延长了网络寿命。
附图说明
图1为本发明同步点示意图。
图2为本发明节点包含属性示意图。
图3为本发明同步点选址模型示意图。
图4为MRN-CS算法的移动轨迹的仿真结果。
图5为本发明的参考节点路径规划的仿真结果。
图6为本发明的参考节点移动距离的仿真结果。
具体实施方式
本发明提出一种基于包含属性优先的动态路径规划方案DIAP(A Dynamic PathPlanning Scheme Based on Inclusion-Attribute Priority),即无线传感器网络中移动参考节点的动态路径规划方法,首先根据网络区域中无线传感器节点的分布情况,按基于包含属性优先的同步点优选机制,设计出移动参考节点在网络中进行通信的坐标点选址模型,然后利用蚁群算法求解出经过所有坐标点的最短回路。
(1)同步点选址模型的设计。
在本发明中,定义同步点为在无线传感器网络目标区域内,移动参考节点T直接与其通信范围内的传感器节点进行通信的坐标点,如图1所示。在网络中选取最优的同步点是一个NP问题。从数学模型上看,移动参考节点的通信覆盖范围可以看成是以同步点为圆心的圆形区域,因此同步点的选址模型其实就是要在二维平面网络区域中找到一组坐标点的集合,并满足以下两个原则:
1)以这些坐标点为圆心、R为半径的一组圆,能够覆盖目标区域内所有的传感器节点。
2)坐标点的个数尽可能少,且其形成的一组圆尽可能均匀分布,尽量避免相互重叠。
无线传感器节点网络中临时簇概念和包含属性的概念。临时簇及包含(Include)属性的定义为:假设目标区域的传感器节点集合为U={1,2,3,...,M},Mi代表第i(i=1,2,…,M)个节点,Mi的通信半径设为移动参考节点T的通信半径RT,(Xi,Yi)表示二维平面上节点Mi的坐标。本发明定义:对目标区域中的任意节点Mi,以该节点坐标(Xi,Yi)为圆心,R为半径所生成的圆形区域为该节点生成的临时簇Ci。当区域中其它节点都生成各自的临时簇时,节点Mi就有可能同时被其他临时簇包含在内。于是,就引申出节点的Include属性定义:节点Mi同时被其它节点生成的临时簇所包含的次数。如图2所示,节点A的Include属性值是2,B和C的Include属性值是1。D的Include属性值是0。
在目标区域范围内随机部署M个传感器节点,每个传感器节点都保存了各自的信息,其中包括节点编号ID、节点坐标(X,Y)。本发明设计的基于包含属性优先的同步点选址算法的中心思想就是要计算出每个传感器节点的Include属性值,其中Include属性值最大的节点优先成为同步点。
一种无线传感器网络中参考节点的移动路径动态规划方法,包括如下步骤:
步骤1.在二维平面ROI中,按照一定的密度随机部署N个传感器节点S={s1,s2,s3,...,sn},每个传感器节点si都生成各自的临时簇。上述N为大于1的正整数。
步骤2.建立列表List:计算所有节点的Include属性值,按递减的顺序进行排列且对应各自的ID编号。
步骤3.优先选择同步点:由K覆盖及包含属性概念可知,当某个节点拥有最大Include属性值时,该点生成的临时簇内包含着数量最多的传感器节点,即参考点T移动到该点时,以RT为通信半径,可以和目标区域内尽可能多的传感器节点进行单跳通信。此时,将该点对应的坐标位置标记为同步点。
步骤4.删除冗余节点:当一个节点对应的坐标位置被标记为同步点之后,该节点生成的临时簇内所包含的所有传感器节点将不再参与同步点的竞争,此时,将该临时簇内的其他节点从列表中删除。
步骤5.重复3~4的工作,筛选出下一个同步点坐标,直到列表为空。
步骤6.输出所有同步点坐标集合,即可得到同步点模型。
步骤7.判断所有传感器节点是否均被包含在参考节点的通信范围内:
若在输出的同步点选址模型中,所有传感器节点均被包含在参考节点的通信范围内,则该同步点选址模型作为最终的同步点选址模型;
若在输出的同步点选址模型中,还存在某些剩余的传感器节点没有被包含在参考节点的通信范围内,则为了满足上文两个原则,需要添加新的同步点。其中添加新的同步点采取的方式是:即重新建立一个新的列表(剩余列表),将计算剩余的传感器节点的Include属性值,然后按照Include属性值从大到小的次序将节点信息存放在新的列表中。接下来从新的列表中选择Include属性值最大的节点,并将该节点对应的坐标点标记为同步点,保留该节点的编号和坐标信息。同时,将已标记的节点所对应的临时簇内的其他节点从列表中删除。以此类推,直至新的列表为空。
本发明提出的基于包含属性优先的同步点选址算法,可以根据目标网络中传感器节点的部署情况动态地选取最优的同步点。首先计算出每个传感器节点的Include属性值,然后建立一个列表,把所有节点信息存入列表当中并进行排序,其中Include属性值最大的节点优先成为同步点。通过以上步骤可以得到网络区域中的最优同步点集合,例如图3所示。
(2)蚁群算法求解移动路径。
步骤8.在确定了移动参考节点在网络中的同步点的选址模型后,直接利用蚁群算法求解移动参考节点的最优路径问题,就可以规划出移动参考节点的路径。
在第一阶段中确定了移动参考节点在网络中的同步点的选址模型后,根据本发明提出的DIAP路径规划方案,接下来将利用蚁群算法求解移动参考节点的最优路径问题,让移动参考节点在同步点上移动。
然而,在基于移动参考节点的各种研究中,若路径的起止点不相同,处于路径中心同步点附近的传感器节点的同步周期相当于参考节点的移动周期,而处于路径起止同步点附近的传感器节点的同步周期最长可以达到2倍的参考节点移动周期。如果是应用在时钟同步场景中,会导致网络中某些传感器节点的时钟偏移比其他节点增加1倍,这样做就背离了研究的目的。所以,在DIAP路径规划方案中,可以将移动参考节点的移动路径问题转化为常见的TSP旅行商问题,这样就使得网络中的传感器节点有相同的同步周期,符合我们研究的目的。
蚁群算法是一种用来在图中寻找优化路径的机率型算法。蚁群算法寻找优化路径时,每只蚂蚁是一个独立的用于构造路径的过程,若干只蚂蚁过程之间通过自适应的信息素值来交换信息,合作求解,不断优化。
应用蚁群算法规划同步点模型中的路径,主要是要解决蚁群算法中状态转移概率和信息素更新公式的计算,下面分别说明。
其中,τij(t)用来记录下一步蚂蚁可以选择的节点集;τij(t)表示t时刻路径段(i,j)上的信息量;ηij(t)=1/dij为启发函数,其中dij表示路段(i,j)的距离;α表示残留信息的相对重要程度;β表示启发信息的相对重要程度。
2)在每只蚂蚁各自完成一次周游后,各路径上的信息素根据式(2)、(3)进行更新。由此,t+n时刻在路径(i,j)上的信息量可按照如下规则进行调整,其更新规则如式
τij(t+n)=(1-ρ)·τij(t)+Δτij(t) (2)
由于信息素的更新策略的不同,以及节点规模在恰当范围内取值时,全局搜索能得到更优的解,因此采用全局信息素更新规则,如式(4)所示。
式中,Q表示正常数;/m2表示本次循环中,蚂蚁K所走路段的长度。
蚁群算法中各个参数的设置以及信息素的变化会对最终的结果产生影响。因此,要根据网络区域中实际的同步点数量来优化蚁群算法中的参数组合并调整信息素的变化来求解最优路径。
在Matlab环境下,将本发明方法(DIAP)与背景技术中的方法(MRN-CS)进行仿真测试,测试条件同表1所示。
表1:实验参数
根据测试条件,在目标区域中随机部署256个普通传感器节点,1个通信半径R=15m的可移动参考节点。MRN-CS算法的移动轨迹如图4所示。该算法在同样范围的实验区域上,同步点固定为23个,旨在对区域进行全面覆盖,不随普通节点的分布变化而改变,是一种静态的规划方法。由图4可知,参考节点在MRN-CS算法中的两个相邻同步点间的距离均为整个移动过程将经过所有的同步点(每个同步点仅经过一次)且参考点的移动距离无法优化,即S为移动距离,N为同步点个数。
基于包含属性优先的DIAP规划算法的仿真图形如图5和6所示。由图5可以看到,DIAP算法可以根据传感器节点的分布变化而动态地选择最优的同步点集合。在用蚁群算法计算移动路径的长度时,各参数的设置为:最大迭代次数NC_max=50次,信息素挥发系数ρ=0.1,残留信息的相对重要程度α=1.5,启发信息的相对重要程度β=2。此时蚁群寻找的最优路径将会达到稳定状态,即如图6所示,路径长度为361m。因此相比现有的MRN-CS算法,本发明提出的DIAP路径规划方案,在计算复杂度较低的情况下,不仅优化了同步点的选取方案,使原来的静态选取变成动态选取,还优化了同步点的数量,大大缩减了移动参考节点在一个移动周期内的移动距离,从而节省了能量消耗,达到了预期的实验效果。
Claims (3)
1.无线传感器网络中参考节点的移动路径动态规划方法,其特征是,包括如下步骤:
步骤1.在二维平面ROI中,按照一定的密度随机部署N个传感器节点,每个传感器节点都生成各自的临时簇;
步骤2.计算所有传感器节点的包含属性值,按包含属性值递减的顺序对传感器节点进行排列,并生成节点列表;其中包含属性值为节点同时被其它节点生成的临时簇所包含的次数;
步骤3.从当前节点列表中,选择包含属性值最大的传感器节点,并将该传感器节点对应的坐标标记为同步点;
步骤4.将已标记的传感器节点所对应的临时簇内的其他传感器节点从节点列表中删除;
步骤5.重复步骤3-4,筛选出下一个同步点坐标,直到节点列表为空;
步骤6.输出所有同步点坐标集合,即可得到同步点选址模型;
步骤7.在确定了移动参考节点在网络中的同步点选址模型后,直接利用蚁群算法求解移动参考节点的最优路径问题,即可规划出移动参考节点的路径;
上述N为大于1的正整数。
2.根据权利要求1所述的无线传感器网络中参考节点的移动路径动态规划方法,其特征是,在步骤6之后还一步包括如下步骤:
若已得到的同步点选址模型中,所有传感器节点均被包含在参考节点的通信范围内,则该同步点选址模型作为最终的同步点选址模型;
若已得到的同步点选址模型中,还存在某些剩余的传感器节点没有被包含在参考节点的通信范围内,则需要在已得到的同步点选址模型之后添加新的同步点,并将添加了新的同步点的同步点选址模型作为最终的同步点选址模型。
3.根据权利要求2所述的无线传感器网络中参考节点的移动路径动态规划方法,其特征是,添加新的同步点的方法为:
首先,计算剩余的传感器节点的包含属性值,按包含属性值递减的顺序对传感器节点进行排列,并生成剩余节点列表;
接着,从剩余节点列表中,选择包含属性值最大的传感器节点,并将该传感器节点对应的坐标标记为同步点;
之后,将已标记的传感器节点所对应的临时簇内的其他传感器节点从剩余节点列表中删除;
最后,重复上述步骤,筛选出下一个同步点坐标,直到剩余节点列表为空。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710245381.3A CN108738029B (zh) | 2017-04-14 | 2017-04-14 | 无线传感器网络中参考节点的移动路径动态规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710245381.3A CN108738029B (zh) | 2017-04-14 | 2017-04-14 | 无线传感器网络中参考节点的移动路径动态规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108738029A CN108738029A (zh) | 2018-11-02 |
CN108738029B true CN108738029B (zh) | 2021-06-11 |
Family
ID=63924456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710245381.3A Expired - Fee Related CN108738029B (zh) | 2017-04-14 | 2017-04-14 | 无线传感器网络中参考节点的移动路径动态规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108738029B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101459914A (zh) * | 2008-12-31 | 2009-06-17 | 中山大学 | 基于蚁群算法的无线传感器网络节点覆盖优化方法 |
CN101471766A (zh) * | 2007-12-28 | 2009-07-01 | 中国科学院软件研究所 | 无线传感器网络的时间同步方法 |
CN101493518A (zh) * | 2009-02-16 | 2009-07-29 | 中国科学院计算技术研究所 | 无线传感器网络节点定位方法及装置 |
CN103260264A (zh) * | 2013-05-09 | 2013-08-21 | 哈尔滨工程大学 | 基于双融合节点蚁群优化的无线传感器网络数据融合方法 |
CN104135749A (zh) * | 2014-08-20 | 2014-11-05 | 河海大学常州校区 | 基于网络密度分簇的无线传感器网络移动信标路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI398182B (zh) * | 2009-09-01 | 2013-06-01 | Univ Nat Taiwan | 應用於無線感測器網路之多跳路由演算法 |
-
2017
- 2017-04-14 CN CN201710245381.3A patent/CN108738029B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101471766A (zh) * | 2007-12-28 | 2009-07-01 | 中国科学院软件研究所 | 无线传感器网络的时间同步方法 |
CN101459914A (zh) * | 2008-12-31 | 2009-06-17 | 中山大学 | 基于蚁群算法的无线传感器网络节点覆盖优化方法 |
CN101493518A (zh) * | 2009-02-16 | 2009-07-29 | 中国科学院计算技术研究所 | 无线传感器网络节点定位方法及装置 |
CN103260264A (zh) * | 2013-05-09 | 2013-08-21 | 哈尔滨工程大学 | 基于双融合节点蚁群优化的无线传感器网络数据融合方法 |
CN104135749A (zh) * | 2014-08-20 | 2014-11-05 | 河海大学常州校区 | 基于网络密度分簇的无线传感器网络移动信标路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108738029A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hussain et al. | Genetic algorithm for hierarchical wireless sensor networks. | |
Hamidouche et al. | An efficient clustering strategy avoiding buffer overflow in IoT sensors: A bio-inspired based approach | |
CN110989612A (zh) | 一种基于蚁群算法的机器人路径规划方法及装置 | |
CN108075975B (zh) | 一种物联网环境中的路由传输路径的确定方法及确定系统 | |
CN111163477B (zh) | 一种广域三维环境下一体化智能基站自动部署方法 | |
CN109960279B (zh) | 一种基于启发式算法的无人机盘旋半径优化方法 | |
CN110430579B (zh) | 基于果蝇优化的非均匀环境的无线ap部署优化方法 | |
CN109905881A (zh) | 一种基于人工蜂群算法确定基站选取方案的方法及系统 | |
Qu et al. | An energy-efficient dynamic clustering protocol for event monitoring in large-scale WSN | |
CN112752320A (zh) | 一个基于双层分簇的高能效无线传感器网络拓扑控制方法 | |
CN106162663A (zh) | 一种基于改进蜂群算法的传感节点覆盖方法 | |
CN110225569A (zh) | 一种基于改进粒子群算法的WSNs分簇多跳路由协议的方法 | |
Byun | Mobile collector-based cost balancing scheme for uniform data gathering delay and energy consumption in wireless sensor actuator networking systems | |
Tuba et al. | Energy efficient sink placement in wireless sensor networks by brain storm optimization algorithm | |
CN114827931B (zh) | 基于多智能体增强学习的wsn能量效率优化路由方法 | |
CN103987102A (zh) | 一种基于非合作博弈的水下无线传感器网络拓扑控制方法 | |
Zangeneh et al. | An energy-based clustering method for WSNs using artificial bee colony and genetic algorithm | |
Bharany et al. | Energy Efficient Clustering Protocol for FANETS Using Moth Flame Optimization. Sustainability 2022, 14, 6159 | |
CN117939569A (zh) | 基于MR-WSNs移动Sink节点的路径规划方法 | |
CN116916475B (zh) | 一种基于多策略改进蜜獾算法的无线传感器网络部署方法 | |
CN108738029B (zh) | 无线传感器网络中参考节点的移动路径动态规划方法 | |
Shahbazi et al. | Density-based clustering and performance enhancement of aeronautical ad hoc networks | |
CN110868730B (zh) | 一种基于非合作博弈的移动传感器覆盖增强方法 | |
Khan et al. | An efficient optimization technique for node clustering in VANETs using gray wolf optimization | |
Pei et al. | UAV swarm for connectivity enhancement of multiple isolated sensor networks for Internet of things application |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210611 |