CN111263325A - 动态分簇异构无线传感器网络的路由方法、装置及介质 - Google Patents
动态分簇异构无线传感器网络的路由方法、装置及介质 Download PDFInfo
- Publication number
- CN111263325A CN111263325A CN202010053595.2A CN202010053595A CN111263325A CN 111263325 A CN111263325 A CN 111263325A CN 202010053595 A CN202010053595 A CN 202010053595A CN 111263325 A CN111263325 A CN 111263325A
- Authority
- CN
- China
- Prior art keywords
- node
- heterogeneous
- nodes
- cluster
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- 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
-
- 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
Abstract
本申请公开了一种动态分簇异构无线传感器网络的路由方法、装置及计算机可读存储介质。方法包括按照异构节点部署方法在网络中部署多个异构节点;异构节点部署方法为利用奔走步长和围攻步长可变的狼群算法获取网络中所有普通节点到汇聚节点距离和的最小值;利用动态分簇方法从普通节点中选择簇首并分簇,簇内成员节点将采集数据发送给所在簇簇首,并基于其与各异构节点或汇聚节点的距离确定数据传输方式;动态分簇方法为将簇首与各异构节点或汇聚节点的距离满足预设距离条件作为簇首选举的阈值参数的DEEC方法;当检测到簇首节点能量消耗至当选簇首时能量的设定比率值时,重新选举簇首并分簇,使得网络中各节点的能量消耗更加均衡,提高网络生命周期。
Description
技术领域
本申请涉及无线传感器网络监测数据传输路由领域,特别是涉及一种动态分簇异构无线传感器网络的路由方法、装置及计算机可读存储介质。
背景技术
无线传感器网络(Wireless Sensor Network,WSN)为物联网工程中承担智能感知的重要环节,通过传感器节点对指定区域进行实时监控,并采用无线多跳方式将获取的数据发送到汇聚节点,在国防安全、环境监测、灾害预警等领域具有十分广泛的应用前景。其中,路由技术作为WSN的核心技术之一,主要用于寻找传感器节点到汇聚节点的最优路径,并将监测数据沿指定的路径精确转发,以降低网络能耗,延长生命周期。由于无线传感器网络资源的局限性使其和传统的有线网络相比有很大的不同,许多传统的有线路由技术并不适合它,因此根据其自身特点研究合理有效的WSN路由方法具有更高的科研价值。
无线传感器网络路由方法的设计目标主要包括:寻找能量高效的数据传输路径、最大化延长网络的生命周期、提高路由的鲁棒性和可靠性、支持数据融合和数据转发等。另外,根据不同的监测环境和应用条件,需要一些其他的要求,如网络的安全性、自适应性等。在WSN中,根据节点的计算能力、感测能力、通信能力和能量因素的不同可以将WSN分为4种不同的异构类型:计算能量异构型、节点能量异构型、链路异构型以及网络协议异构型。
给节点配置不同初始能量的能量异构传感器网络在降低网络能耗,提高网络生命周期方面具有更直接的作用和现实意义。相关技术已经证明利用传感器网络的小世界特性,在节点密集区域部署能与sink节点(汇聚节点)直接通信的异构节点,并形成超级无线通信链路,将会使异构无线传感器网络同时拥有较小的平均路径长度以及较高的聚类系数,从而可以通过调整异构节点的发射功率改变其通信距离,提高节点的能量利用率,减少网络通讯开销,使网络能量消耗更加均衡,延长网络生命周期。
在实际设计中,可以给适当的无线传感器节点设置电源构成异构无线传感器网络,从而延长WSN的网络寿命。这种设计在环境恶劣的区域内更具有优势,同时也是无线传感器网络设计方案的总体趋势。即使在同构无线传感器网络中也存在着能量异构的异构无线传感器网络特征,例如,当无线传感器网络工作了一段时间后,为了延长网络的使用时间,会增加新的无线传感器节点,此时新节点比旧节点拥有更多的能量。但是异构节点的造价比较昂贵,考虑到无线传感器网络的成本,所以不能在WSN中无限制地部署异构节点。因此,如何优化部署异构节点使无线传感器网络达到最优的网络性能为本领域技术人员需要解决的问题。
为了降低网络能耗,提高网络生命周期,许多有效的路由方法已经被提出。其中分簇路由方法凭借其良好的扩展性和优秀的网络性能,已经成为WSN路由方法研究的重心。传统的分簇路由方法如DEEC(Distributed Energy-efficient Clustering Routing,分布式能量有效的分簇路由)方法常用于多级异构网络,该方法使用网络平均能量和节点剩余能量的比值控制节点成为簇首的概率,尽管可使拥有更多初始能量和剩余能量的节点更易成为簇首,但是由于在簇首选举过程中未考虑到节点的位置因素,如果大量簇首分布在监测区域边缘,簇首距异构节点或者sink节点较远,则会在数据传输过程中消耗过多能量,造成簇首快速死亡,这些缺点导致节点能量消耗不均衡,网络稳定周期和生命周期不长。
为了改善DEEC方法的缺点,相关技术改进了传统DEEC方法的簇首选举并考虑了节点的位置分布,使靠近基站的节点更容易成为簇首,但是由于没有对初始能量低的节点进行保护,容易造成基站附近的节点因反复成为簇首而加速死亡,这种现象的存在仍会导致网络稳定周期和生命周期不长。
鉴于此,如何均衡无线传感器网络中各节点的能量消耗,提高无线传感器网络的生命周期和稳定周期,是本领域技术人员需要解决的问题。
发明内容
本申请提供了一种动态分簇异构无线传感器网络的路由方法、装置及计算机可读存储介质,使得网络各节点能量消耗均衡,有效提高了网络生命周期和稳定周期。
为解决上述技术问题,本发明实施例提供以下技术方案:
本发明实施例一方面提供了一种动态分簇异构无线传感器网络的路由方法,包括:
按照异构节点部署方法在无线传感器网络中部署多个异构节点;所述异构节点部署方法为利用奔走步长和围攻步长不为固定值的狼群算法获得所述无线传感器网络中所有普通节点到汇聚节点距离和的最小值;
利用动态分簇方法从所述无线传感器网络的普通节点中选择多个簇首并分簇,当前簇的簇内成员节点将采集的数据发送给所在簇簇首,并根据所在簇簇首与各异构节点或所述汇聚节点的距离确定数据传输方式以使数据最终传输至所述汇聚节点;所述动态分簇方法为将簇首与各异构节点或所述汇聚节点的距离满足预设距离条件作为簇首选举的阈值参数的DEEC方法;
每当检测到簇首节点的能量消耗至当选簇首时的能量的设定比率值时,则利用所述动态分簇方法重新进行簇首选举并分簇。
可选的,各异构节点从所述无线传感器网络的普通节点中选择,且汇聚节点为已知位置坐标的异构节点,所述利用奔走步长和围攻步长不为固定值的狼群算法计算所述无线传感器网络中所有普通节点到汇聚节点距离和的最小值为:
利用所述奔走步长和所述围攻步长不为固定值的狼群算法计算异构节点部署关系式的最优解,所述异构节点部署关系式为:
其中,f为距离和最小值,di,j为普通节点vi通过处于vi∈L处的异构节点转发数据到所述汇聚节点时,所述普通节点vi与所述汇聚节点的距离,N为所述无线传感器网络中普通节点的总个数,L为所述无线传感网络中所有节点的集合;p0=1,pj∈{0,1},zi,j∈{0,1},zi,j≤pj,α为异构节点总个数,若所述普通节点vi的数据经过vj处的异构节点转发至所述汇聚节点,则zi,j为1,否则zi,j为0;若在vj处设置异构节点则pj为1,否则pj为0。
可选的,所述奔走步长根据奔走步长关系式来确定当前迭代过程中的奔走步长值,所述奔走步长关系式为:
式中,stepb为当前迭代过程中的奔走步长值,Tmax为最大迭代此处,T为当前迭代次数。
可选的,所述围攻步长根据围攻步长关系式来确定围攻步长值,所述围攻步长关系式为:
可选的,所述簇首选举的阈值参数O(νi)为:
式中,G为1/pi轮所有未担任簇首的普通节点,pi为普通节点vi成为簇首的概率,K为边缘度,r是当前轮数,A和B为控制因子、取值范围均为(0,1)且两者和为1,Ei(r)为第r轮所述普通节点vi的剩余能量,为第r轮所有普通节点平均能量,dtoBS为所有簇首到所述汇聚节点的平均距离,di,j为所述普通节点vi通过处于vj∈L处的异构节点转发数据到所述汇聚节点时,所述普通节点vi与所述汇聚节点的距离。
可选的,所述利用动态分簇方法从所述无线传感器网络的普通节点中选择多个簇首并分簇:
根据簇首概率关系式计算各普通节点成为簇首的概率pi,所述簇首概率关系式为:
根据簇首总数最优值关系式计算所述无线传感器网络中选择普通节点作为簇首的总个数nCH,所述簇首总数最优值关系式为:
式中,popt为簇首总数与节点总数的比值,λ为异构节点总数与节点总数的比值,k为异构节点与普通节点总的初始能量的比值,N为所述无线传感器网络中普通节点的总个数。
可选的,所述根据所在簇簇首与各异构节点或所述汇聚节点的距离确定数据传输方式以使数据最终传输至所述汇聚节点包括:
确定与所在簇簇首距离最近的目标异构节点或所述汇聚节点的目标距离;
基于所述目标距离,若所在簇簇首在一跳之内可直接将数据传输至所述目标异构节点或所述汇聚节点,则所在簇簇首将数据传输至所述目标异构节点或所述汇聚节点;若所在簇簇首在一跳之内无法将数据传输至所述目标异构节点或所述汇聚节点,则所在簇簇首通过簇首层节点多跳转发至所述目标异构节点或所述汇聚节点。
本发明实施例另一方面提供了一种动态分簇异构无线传感器网络的路由装置,包括:
异构节点部署模块,用于按照异构节点部署方法在无线传感器网络中部署多个异构节点;所述异构节点部署方法为利用奔走步长和围攻步长不为固定值的狼群算法获得所述无线传感器网络中所有普通节点到汇聚节点距离和的最小值;
动态分簇路由模块,用于利用动态分簇方法从所述无线传感器网络的普通节点中选择多个簇首并分簇,当前簇的簇内成员节点将采集的数据发送给所在簇簇首,并根据所在簇簇首与各异构节点或所述汇聚节点的距离确定数据传输方式以使数据最终传输至所述汇聚节点;所述动态分簇方法为将簇首与各异构节点或所述汇聚节点的距离满足预设距离条件作为簇首选举的阈值参数的DEEC方法;每当检测到簇首节点的能量消耗至当选簇首时的能量的设定比率值时则利用所述动态分簇方法重新进行簇首选举并分簇。
本发明实施例还提供了一种动态分簇异构无线传感器网络的路由装置,包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如前任一项所述动态分簇异构无线传感器网络的路由方法的步骤。
本发明实施例最后还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有动态分簇异构无线传感器网络的路由程序,所述动态分簇异构无线传感器网络的路由程序被处理器执行时实现如前任一项所述动态分簇异构无线传感器网络的路由方法的步骤。
本申请提供的技术方案的优点在于,利用奔走步长和围攻步长可变的狼群算法对异构节点进行优化部署,提高传统狼群算法的全局搜索能力,使得计算得到的异构节点的位置部署更加均衡;在簇首选举过程中考虑节点位置因素,避免由于大量簇首分布在监测区域边缘导致在进行数据传输过程中簇首距异构节点或者汇聚节点太远消耗过多能量而造成簇首快速死亡的现象发生,使得各节点能量消耗更加均衡,有利于延长网络生命周期;从网络的普通节点中选取簇首,并基于簇首与异构节点或汇聚节点的距离确定数据传输方式,解决规模较大的静态分簇网络存在非异构簇首节点死亡过快、网络的生命周期和稳定周期较短以及传输数据冗余度大、网络能耗高的问题,保证所有的节点在更长时间内保持存活状态,有效避免了簇首过早死亡的现象,使节点的死亡时间更加集中,从而有效延长了网络的稳定周期和生命周期,提高了稳定周期在生命周期中的占比。
此外,本发明实施例还针对动态分簇异构无线传感器网络的路由方法提供了相应的实现装置、及计算机可读存储介质,进一步使得所述方法更具有实用性,所述装置及计算机可读存储介质具有相应的优点。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
为了更清楚的说明本发明实施例或相关技术的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种动态分簇异构无线传感器网络的路由方法的流程示意图;
图2为本发明实施例提供的一种狼群算法的流程示意图;
图3为本发明实施例提供的一种节点数据传输示意图;
图4为本发明实施例提供的另一种动态分簇异构无线传感器网络的路由方法的流程示意图;
图5为本发明实施例提供的多种路由技术的稳定周期对比结果示意图;
图6为本发明实施例提供的多种路由技术的生命周期对比结果示意图;
图7为本发明实施例提供的多种路由技术的节点存活数量对比结果示意图;
图8为本发明实施例提供的多种路由技术的能量消耗标准差对比结果示意图;
图9为本发明实施例提供的多种路由技术的能量消耗对比结果示意图;
图10为本发明实施例提供的多种路由技术的数据传输延迟对比结果示意图;
图11为本发明实施例提供的动态分簇异构无线传感器网络的路由装置的一种具体实施方式结构图;
图12为本发明实施例提供的动态分簇异构无线传感器网络的路由装置的另一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后,下面详细的说明本申请的各种非限制性实施方式。
首先参见图1,图1为本发明实施例提供的一种动态分簇异构无线传感器网络的路由方法的流程示意图,本发明实施例可包括以下内容:
由于能量异构的无线传感器节点需要长期运行并且节点位置相对固定。本申请异构无线传感器网络模型,为不失一般性,假设监测区域为二维方形区域,区域范围为R×R,将一定数量的传感器节点非均匀随机分布在监测区域内,节点周期性地将监测数据传输至汇聚节点(可称为sink节点)。在本申请中,该异构无线传感器网络模型具有以下特点:
所有节点都静止不动或仅微小移动,sink节点和异构节点可以部署在任何位置,且监测区域内有且只有一个sink节点;
普通节点个数为N,节点位置坐标已知为(xi,yj),其中1≤i≤N,0≤xi≤R-1,0≤yi≤R-1;
异构节点在接收到周围普通节点的监测数据后,通过一条没有带宽限制的超级链路与sink节点直接通信;
所有节点都具有一定的数据融合能力并且拥有唯一ID。
基于上述无线传感器网络,本申请采用射频自由空间通信的能耗模型用于衡量网络中各节点的能量消耗情况,如普通节点和异构节点。无线传感器网络的能耗模型关系式可表示为:
ERx(k)=k×Eelec(2)
Ec=(M+1)×k×EDA(3)
式中,k为发送数据的大小,ETx(k,d)为发送端的能量消耗,ERx(k)为接收端的能量消耗,Ec为数据融合时的能量消耗,Eelec为单位比特数据在发射或接收过程中的能量消耗,εfs和εmp均为常数分布,用来表示电路信号放大器的放大系数,d表示发送端和接收端之间的距离,EDA为单位比特数据融合过程中的能量消耗,d0为节点通信距离阈值,M为簇内节点数。
基于上述无线网络模型的结构特征以及各节点能量消耗模型,下述介绍本申请各节点传输数据过程中的路由确定方法。
S101:按照异构节点部署方法在无线传感器网络中部署多个异构节点。
可以理解的是,无线传感器网络中的能量消耗主要与数据传输时的路径长度有关,因此对异构节点进行优化部署的问题可以转化为求解所有普通节点到sink节点距离和的最小值问题。该优化问题的目标函数f可以由下述关系式表示:
式中,N表示无线传感网络中的普通节点总个数,di表示普通节点经多跳转发到sink节点的距离。
在随机分布的异构无线传感器网络中,关系式(5)表示的异构节点优化部署问题实际上是一个NP-hard问题。为了便于确定异构节点优化部署方法,本申请在基于关系式(5)的基础上还设置了下述条件:
添加的异构节点数目为α并且只能从普通节点的位置中进行选择;sink节点用v0表示,其位置坐标为(x0,y0);网络中所有节点的总集合为L,其位置集合为(X,Y),也即有L={vi,0≤i≤N};(X,Y)={(xi,yi),0≤i≤N};将sink节点看作是一个位置坐标为(x0,y0)的异构节点,记h0=(u0,v0);异构节点的集合为H,其位置集合为(U,V),则有H={ht,0≤t≤α},(U,V)={(ut,vt),0≤t≤α};用di,j表示普通节点vi通过处于vj∈L处的异构节点h=(u,v)转发数据到sink节点时,普通节点到sink节点的距离,又因为h与vj共享位置信息,即u=xj,v=yj,则:
基于上述设置的各条件,本申请可采用异构节点部署关系式(6)来解决异构节点的优化部署问题:
式中,约束条件①表示网络中异构节点总数为α+1;约束条件②表示任一普通节点可通过某个异构节点发送数据至sink节点;约束条件③表示若不在vj处部署异构节点,则任一普通节点都不可能从vj处直接发送数据到sink节点;约束条件④表示pj为0-1变量,当pj等于1时在节点vj处部署异构节点,否则pj为0;约束条件⑤表示zi,j是0-1变量,当zi,j等于1时普通节点vi的数据经过vj处的异构节点转发至sink节点,否则zi,j为0;目标函数f表示在上述约束条件下,所有普通节点到sink节点距离和的最小值。
可以理解的是,狼群算法作为一种新颖的群体智能优化算法,已被成功用于优化许多线性规划模型和大规模非线性规划模型。狼群算法也在求解许多不同类型的最优化问题中获得了很好的效果,所以,本申请采用狼群算法用于异构节点的优化部署问题,也即采用狼群算法关系式的最优解。然而,传统的狼群算法在求解最优化问题的过程中容易陷入局部最优,造成算法早熟。而狼群算法中的参数较多,算法对一些参数的设置较为敏感,所以参数的设置会对算法的性能带来影响。基于此,本申请在利用狼群算法的全局搜索能力寻求异构节点优化部署方法的最优解,使对奔走步长和围攻步长进行改进,使得奔走步长和围攻步长值在算法迭代过程中均不为固定值,以增强算法搜索能力,防止算法进入局部最优。也就是说,本申请利用奔走步长和围攻步长不为固定值的狼群算法计算无线传感器网络中所有普通节点到汇聚节点距离和的最小值,具体算法实现流程可参阅图2所示。
S102:利用动态分簇方法从无线传感器网络的普通节点中选择多个簇首并分簇,当前簇的簇内成员节点将采集的数据发送给所在簇簇首,并根据所在簇簇首与各异构节点或汇聚节点的距离确定数据传输方式以使数据最终传输至汇聚节点。
可以理解的是,在异构无线传感器网络中,异构节点成为了簇首不会由于能量消耗导致节点过早死亡,但对于规模较大的传感器网络,静态分簇网络存在非异构簇首节点死亡过快、网络的生命周期和稳定周期较短以及传输数据冗余度大,网络能耗高等问题。为了克服静态分簇网络的不足,本申请采用对异构无线传感器网络进行动态分簇处理。具体来说:首先预设数量为α的异构节点,按照S101中的异构节点部署方法对异构节点进行部署;然后对网络中普通节点根据动态分簇方法进行分簇并选择簇首;分簇后,簇内成员节点将数据发送至所在簇的簇首;最后基于所在簇簇首与各异构节点或汇聚节点的距离确定数据传输方式,以使数据最终传输至汇聚节点。可选的,簇首的数据传输过程为:确定与所在簇簇首距离最近的目标异构节点或汇聚节点的目标距离;基于目标距离,若所在簇簇首在一跳之内可直接将数据传输至目标异构节点或汇聚节点,则所在簇簇首将数据传输至目标异构节点或汇聚节点;若所在簇簇首在一跳之内无法将数据传输至目标异构节点或汇聚节点,则所在簇簇首通过簇首层节点多跳转发至目标异构节点或汇聚节点。也就是说,簇首节点将自身数据和接收到的数据进行相应处理,将处理后的数据通过簇首层节点多跳转发至sink节点或相应的异构节点。由于普通节点能量受限,若普通节点在异构节点或sink节点一跳之内,也即普通节点和异构节点或sink节点之间的距离小于60m,则直接传输至异构节点或sink节点;若普通节点不在异构节点或sink节点一跳之内,则必须将其传输至所在簇的簇首,由簇首经过一跳或多跳传输至异构节点或sink节点,簇首传输方式可见上文描述的簇首的数据传输过程;由于异构节点的能量不受限,异构节点在接收到普通节点或簇首数据后,可将数据传输至sink节点。其中,网络中各节点的数据传输方式可如图3所示。
S103:每当检测到簇首节点的能量消耗至当选簇首时的能量的设定比率值时则利用动态分簇方法重新进行簇首选举并分簇。
在本申请中,每当无线传感器网络中存在一个簇首节点的能量消耗至其当选簇首时的能量的设定比率值时,则利用S102中的方法重新对无线传感器网络进行簇首选举和分簇处理,然后按照分簇后的无线传感器网络进行数据传输。其中,所属技术人员可根据具体应用环境的设置比率值的具体数值,当选簇首节点时的能量和初始节点能量不是同一个概念,如果能量用的少,则比率值可相对设置小一些,若能量用的多,也即采集数据多,则比率值相对设置大一些。在本发明实施例提供的技术方案中,利用奔走步长和围攻步长可变的狼群算法对异构节点进行优化部署,提高传统狼群算法的全局搜索能力,使得计算得到的异构节点的位置部署更加均衡;在簇首选举过程中考虑节点位置因素,避免由于大量簇首分布在监测区域边缘导致在进行数据传输过程中簇首距异构节点或者汇聚节点太远消耗过多能量而造成簇首快速死亡的现象发生,使得各节点能量消耗更加均衡,有利于延长网络生命周期;从网络的普通节点中选取簇首,并基于簇首与异构节点或汇聚节点的距离确定数据传输方式,解决规模较大的静态分簇网络存在非异构簇首节点死亡过快、网络的生命周期和稳定周期较短以及传输数据冗余度大、网络能耗高的问题,保证所有的节点在更长时间内保持存活状态,有效避免了簇首过早死亡的现象,使节点的死亡时间更加集中,从而有效延长了网络的稳定周期和生命周期,提高了稳定周期在生命周期中的占比。
可以理解的是,狼群算法(Wolf pack Algorithm,WPA)是通过模拟狼群(包括头狼、猛狼、探狼)捕食行为以及猎物分配方式,抽象出三种智能行为(游走、召唤和围攻)以及“胜者为王”的头狼产生规则和“强者生存”的狼群更新机制,从而保证狼群的繁衍及发展。WPA的具体流程如下:
(1)狼群初始化:设置算法基本参数,狼群规模Sn,最大迭代次数Tmax,待搜寻空间的维数为D,狼群搜索方向数目g,探狼最大游走次数Wmax,搜寻步长stepa,奔走步长stepb,围攻步长stepc,第i匹狼在D维决策空间内第n维的初始位置可表示为:
Xi,j=Xmin+rand(Xmax-Xmin)(7)
式中,1≤i≤Sn;1≤j≤D;rand表示[0,1]区间内均匀分布的随机数;Xmin,Xmax分别为Xi,j取值的上限与下限。计算所有狼所在位置的目标函数值和适应度值,选取适应度值最大的狼为头狼,头狼只指引狼群的游走、召唤和围攻行为并不直接参与,直到被其他目标函数值更佳的狼替代。
(2)游走行为:狼群为了生存,必须在大自然中进行捕食,为了提高捕猎效率,探狼要向它所在位置的四面八方进行游走。除头狼外,选取q匹精锐的探狼执行游走行为,探狼向它周围g个方向进行游走,并记录探狼当前位置的适应度值,然后选择适应度值较大的方向继续游走,并更新探狼当前位置,探狼i向第e(1≤e≤g)个方向前进后所在的位置关系式可表示为:
Xi,j(e)=Xi,j+stepa×Rand(8)
式中,Rand为区间[-1,1]上均匀分布的随机数;stepa为搜寻步长。重复上述行为,直到找到适应度值大于头狼的猎物或者达到最大游走次数Wmax,结束游走行为,开启召唤行为。
(3)召唤行为:探狼搜索到猎物后,头狼通过嚎叫召唤附近的猛狼,猛狼听到头狼的召唤后,以较大奔走步长stepb快速向头狼靠近并进行信息交换。那么,猛狼i在第T+1次迭代奔走后的位置关系式可表示为:
(4)围攻行为:如果猛狼在奔走过程中找到适应度大于头狼适应度的猎物,则该猛狼转为头狼,指挥狼群行动,否则当猛狼奔走至与头狼的距离小于判定距离时,头狼通过嚎叫通知猛狼进行围攻。猛狼以围攻步长stepc进行围攻,围攻行为关系式如下:
这里的判定距离可由关系式(11)计算得到:
式中,[maxj,minj]为狼所在位置的第j维变量的取值范围;ω是距离控制因子。
探狼在围攻行为后若目标适应度值大于当前,则替代当前位置。否则,保持不变。
(5)种群更新:分配食物更新狼群,淘汰函数值最差的狼,并根据初始化狼群位置关系式(7)随机生成同样数量的狼替代,直到迭代次数达到最大值Tmax,输出异构节点最优部署的适应度函数值及其位置信息,否则执行(2)游走行为。
由上述记载的实现过程可知,WPA算法搜索策略多样,全局搜索能力强,但是在求解最优化问题上仍存在一些不足。比如在召唤行为和围攻行为中,奔走步长和围攻步长为固定值,降低了算法的全局搜索能力,使得算法过早的陷入局部最优,造成算法早熟。针对上述问题,上述实施例并未限制奔走步长和围攻步长的计算方法。本申请还针对奔走步长和围攻步长的计算方法进行了限定,可包括下述内容:
在传统WPA算法中,召唤行为采用的奔走步长为固定值,降低了算法局部搜索能力以及搜索策略的多样性,使狼群算法极易过早的陷入局部最优。因此,本申请可采用logistic函数来修正奔走步长。logistic函数为一个有界、连续、可导并具有严格的单调性的函数:当x趋近于负无穷时,y趋近于0;当x趋近于正无穷时,y趋近于1;当x=0时,y=0.5。关系式如式(12):
召唤行为开始的时候,猛狼需要大步的向头狼位置奔走并随着距离的减少逐渐减小奔走步长,缓慢向猎物方向移动。通过logistic函数可以将奔走步长转化为变量,并映射到区间(0,1)内,使奔走步长在区间(0,1)内递减,更加精确地搜索最优解。基于此,奔走步长关系式可如(13)所示:
式中,Tmax表示最大迭代次数,T表示当前迭代次数,stepb表示奔走步长。
经过调研发现,许多动物和昆虫在捕食过程中的飞行行为表现出了具有幂律规律的莱维飞行,即长时间的短距离来回搜索轨迹与短时间的长距离搜索轨迹相互穿插,这是莱维飞行的主要特点。学者们也证实了自然界中有很多鸟类的飞行也遵循莱维飞行,尤其是在一个较大的空间以及有限的搜索者条件下进行目标搜索时,莱维飞行是最有效的搜索策略之一。
在狼群算法的基本围攻行为中,固定的围攻步长使算法搜索能力降低。将莱维飞行应用到围攻行为中,围攻前期的大步长用于发现目标,扩大了搜索范围避免算法陷入局部最优;围攻后期的小步长用于精确搜索,使得狼群在小范围内搜索全局最优解。改进后的狼群算法围攻步长关系式如式(14)所示:
式中,Xi(T)是第i个围攻狼在第T代的位置;Xbest(T)为当前狼群最优解;s为莱维飞行的随机步长,可由式(15)计算得到。
s=μ/υ1/β(15)
其中,参数μ,υ符合正态分布,μ~(0,σ2),υ~(0,1),σ可由式(16)得到:
式中,Γ为伽玛函数,也叫欧拉第二积分,是阶乘函数在实数与复数上扩展的一类函数。
由式(14)~式(16)可以看出该围攻行为的步长是随机的,没有固定的大小和方向。在搜索迭代过程中,局部最优解附近出现的新解使得狼群算法能够轻松的跳出局部最优,提高了最优解的质量,增强了算法的搜索能力。
上述实施例在确定簇首选举的阈值参数时考虑了节点的位置关系,也即将簇首与各异构节点或汇聚节点的距离满足预设距离条件作为簇首选举的阈值参数,但至于如何考虑位置关系,并没有进行限定,下述内容为本申请提供的一种基于传统的DEEC方法,且在选举簇首过程中考虑节点位置关系的动态分簇方法,可包括下述内容:
对无线传感器网络进行动态分簇可以减少节点之间的通信距离,降低传输数据冗余度,减少网络的能量消耗。相比经典的LEACH、SEP路由方法,DEEC方法在簇首的选举过程中考虑了节点的初始能量以及节点当前剩余能量,使高初始能量节点和高剩余能量节点成为簇首的概率增加,均衡了网络负载,延长了网络生命周期。但是DEEC方法在簇首选举过程中未考虑到节点的位置因素,如果大量簇首分布在监测区域边缘,簇首距异构节点或者sink节点较远,则会在数据传输过程中消耗过多能量,造成簇首快速死亡。针对这一缺点,本申请引入边缘度的概念改进簇首选举的阈值函数O(vi),也即本申请无线传感器网络的簇首选举的阈值参数可表示为式(17):
式中,G为1/pi轮所有未担任簇首的普通节点,pi为普通节点vi成为簇首的概率,K为边缘度,r是当前轮数,A和B为控制因子、取值范围均为(0,1)且两者和为1,Ei(r)为第r轮普通节点vi的剩余能量,为第r轮所有普通节点平均能量,dtoBS为所有簇首到汇聚节点的平均距离,di,j为普通节点vi通过处于vj∈L处的异构节点转发数据到汇聚节点时,普通节点vi与汇聚节点的距离。由于能量异构传感器网络不需要考虑异构节点的能量消耗,所以簇首节点从普通节点中选择,每个普通节点成为簇首的概率可由簇首概率关系式计算得到,簇首概率关系式可表示为:
式中,popt为簇首总数与节点总数的比值,λ为异构节点总数与节点总数的比值,k为异构节点与普通节点总的初始能量的比值。根据式(17)和(19),可以得出每一轮簇首数的最优值nCH,也即簇首总数最优值关系式可表示为:
由于节点均匀分布在监测区域内,因此簇内节点与簇首的距离平方的期望可以用关系式(21)计算得到:
为计算簇首到sink节点的平均距离,若sink节点的坐标值可表示为(x0,y0)=(λR,ψR),0≤λ,ψ≤1,任意簇首坐标为(x,y)并且在监测区域内均匀分布,概率密度分布ρ(x,y)=1/R2,则簇首到sink节点距离平方的期望可表示为:
由上可知,对已部署异构节点的传感器网络进行动态分簇,利用边缘度改进DEEC方法中簇首选举的阈值函数,避免簇首大量分布在监测区域边缘使数据传输消耗更多的能量、加速簇首的死亡。
基于上述实施例,本申请还提供了另外一种实施方式,请参阅图4所示,可包括下述内容:
Step1:按照上述实施例中的异构节点部署方法对α个异构节点进行优化部署;
Step2:按照上述实施例中动态分簇方法在普通节点中选择nCH个簇首,并进行分簇;
在该步骤中,根据剩余能量计算节点成为簇首的概率,如果当前节点成为簇首的概率值大于预设阈值,则成为簇首并在无线传感器网络中广播簇首信息,创建簇首时分多址并将其发送到网络集群中的节点;如果当前节点成为簇首的概率值小于预设阈值,则向所在簇的簇首发送入簇请求。其中,预设阈值可根据实际应用场景进行选择,本申请对此不作任何限定。
Step3:簇内成员节点γ在给定的时隙内将采集的数据单跳传输至所在簇的簇首γch,并由簇首γch对数据进行处理;
Step4:簇首γch计算自己到网络中各异构节点的距离,若簇首γch到最近的异构节点的距离在一跳之内则直接将数据发送至该异构节点;否则,簇首γch通过簇首层节点多跳转发至距离最近的异构节点;
Step5:簇首节点的能量消耗至当选簇首时的能量的设定比率值时,重新进行簇首选举并分簇,簇内节点和簇首的传输方式不变。
为了验证本申请技术的有效性,采用Matlab2018-b进行仿真对比测试。假设通信信道理想,忽略信号碰撞等随机因素的影响,监测区域的网络模型和能耗模型如前所示,节点由人工随机分布在仿真区域内,sink节点只有一个且位于监测区域外部。实验中各项实验参数如表1所示。
表1参数类型及取值
为了便于表述,对比相关路由技术均使用大写字母简称来代表,本申请路由方法在图中简称为CLWPA。监测网络中有4个能量异构节点,对于作为实验对比的路由方法EDDEEC和KCA,分别按照其技术思想部署异构节点的位置。在本申请CLWPA方法中,异构节点按照S101中的异构节点部署方法进行部署,然后根据式(17)和式(19)计算簇首数目最优值并对普通节点进行分簇。由于传感器节点随机分布在监测区域内,所以进行50次实验,取平均值作为实验结果。
在仿真实验中,无线传感器网络从开始运行到第一个节点死亡时所经历的轮数称为网络的稳定周期。图5表示在网络仿真区域边长增加的情况下,四种异构网络路由方法的稳定周期变化曲线。实验结果表明,本申请CLWPA方法的稳定周期最长,其次是路由方法HRMIP和KCA,EDDEEC方法稳定周期最短。本申请技术方案的稳定周期与HRMIP相比平均增加了约33.2%,而HRMIP方法的稳定周期与KCA相比增加了约22.2%。EDDEEC方法将异构节点直接布置在簇首,增加了数据传输路径长度,从而导致能量消耗过快,稳定周期变短。
图6表示在网络仿真区域边长增加的情况下,四种异构网络路由方法的生命周期变化曲线。在仿真中,当传感器网络中有10%的节点死亡时则认定传感器网络失效。仿真结果表明,传感器网络生命周期与稳定周期情况类似。本申请技术方案在异构节点优化部署的基础上,采用了动态分簇的方法进行数据传输,因此普通节点的能量消耗更少并且更均衡,所以传感器网络生命周期明显增加。与HRMIP方法相比,生命周期平均增加了约25.3%,而HRMIP对异构节点进行了优化部署,所以HRMIP方法的生命周期比KCA方法平均增加了约16.0%,而EDDEEC方法并未对异构节点进行优化部署,所以生命周期最短。
图7表示在网络区域大小相同条件下,节点存活数量和轮数的关系。在仿真中,当节点消耗完99%的初始能量后则认定节点死亡。仿真结果表明,本申请技术方案的第一个节点死亡出现在1167轮,HRMIP方法的第一个节点死亡出现在882轮,而KCA和EDDEEC分别出现在701轮和398轮。从图7可以看出,本申请在更长的时间内保证了所有节点的存活。由于网络的能量消耗比较均衡,节点的剩余能量都很少所以在仿真后期节点的死亡速度会突然加快。
图8表示在大小相同的仿真环境下,路由运行时节点剩余能量的标准差和轮数的关系。从图中可以看出,在任何环境下,EDDEEC中各个节点的能量消耗差异都是最大的,因为异构节点没有经过优化并且sink节点附近的节点反复成为簇首导致节点剩余能量不均衡。在KCA和HRMIP方法中,异构节点的优化部署降低了节点的平均路径长度,但网络的数据传输结构固定导致了节点间的能量消耗不均衡。而在本申请中,距离较远的节点通过簇首进行数据转发,而簇首节点又处于动态更新的状态,所以能量消耗更加均匀。
图9显示了四种方法在不同轮数情况下的能量消耗,随着仿真轮数的增加,网络出现了更多的数据传输,这使得EDDEEC方法和KCA方法的平均能耗大于另外两个算法。由于本申请需要完成动态分簇来平衡节点能耗,同时可能不会选择数据传输的最短路径,导致CLWPA的平均能耗略高于HRMIP。仿真结果表明,HRMIP方法的平均能耗比本申请降低了8.3%,本申请的平均能耗比KCA方法降低了约31.9%。
数据传输延时是衡量路由技术性能的重要标准之一,平均延时越小,数据传输时的稳定性就越好。图10表示四种方法平均传输延时与轮数的关系。从图中可以看出,HRMIP和本申请在通过最短路径传输数据时,数据传输延时要小于KCA和EDDEC方法。但是由于本申请需要对簇首进行选举并且采用动态分簇的方法导致本申请的传输数据延时要略大于HRMIP方法。仿真结果表明,HRMIP的平均延时与本申请相比降低了18.0%,本申请与KCA方法相比平均延时降低了35.1%。
由上可知,本申请为了有效延长网络的稳定周期和生命周期,首先利用改进的狼群算法对异构节点进行优化部署,随后将DEEC与异构网络路由相结合进行动态簇首选举和节点路径计算,最后通过仿真实验与三种典型的相关路由技术进行性能比较。仿真结果表明,本申请使节点的能量消耗更加均匀,保证所有的节点在更长时间内保持存活状态,有效避免了簇首过早死亡的现象,使节点的死亡时间更加集中,所以本申请有效延长了网络的稳定周期和生命周期,提高了稳定周期在生命周期中的占比。本申请以其出色的性能,可以广泛应用于铀尾矿库放射性监测、深井矿山的地压灾害监测、智能电网的环境和设备监测等一系列复杂恶劣的监测环境。
需要说明的是,本申请中各步骤之间没有严格的先后执行顺序,只要符合逻辑上的顺序,则这些步骤可以同时执行,也可按照某种预设顺序执行,图1和图4只是一种示意方式,并不代表只能是这样的执行顺序。
本发明实施例还针对动态分簇异构无线传感器网络的路由方法提供了相应的装置,进一步使得所述方法更具有实用性。其中,装置可从功能模块的角度和硬件的角度分别说明。下面对本发明实施例提供的动态分簇异构无线传感器网络的路由装置进行介绍,下文描述的动态分簇异构无线传感器网络的路由装置与上文描述的动态分簇异构无线传感器网络的路由方法可相互对应参照。
基于功能模块的角度,参见图11,图11为本发明实施例提供的动态分簇异构无线传感器网络的路由装置在一种具体实施方式下的结构图,该装置可包括:
异构节点部署模块111,用于按照异构节点部署方法在无线传感器网络中部署多个异构节点;异构节点部署方法为利用奔走步长和围攻步长不为固定值的狼群算法计算无线传感器网络中所有普通节点到汇聚节点距离和的最小值;
动态分簇路由模块112,用于利用动态分簇方法从无线传感器网络的普通节点中选择多个簇首并分簇,当前簇的簇内成员节点将采集的数据发送给所在簇簇首,并根据所在簇簇首与各异构节点或汇聚节点的距离确定数据传输方式以使数据最终传输至汇聚节点;动态分簇方法为将簇首与各异构节点或汇聚节点的距离满足预设距离条件作为簇首选举的阈值参数的DEEC方法;每当检测到簇首节点的能量消耗至当选簇首时的能量的设定比率值时则利用动态分簇方法重新进行簇首选举并分簇。
可选的,在本实施例的一些实施方式中,所述动态分簇路由模块112例如具体可用于确定与所在簇簇首距离最近的目标异构节点或汇聚节点的目标距离;基于目标距离,若所在簇簇首在一跳之内可直接将数据传输至目标异构节点或汇聚节点,则所在簇簇首将数据传输至目标异构节点或汇聚节点;若所在簇簇首在一跳之内无法将数据传输至目标异构节点或汇聚节点,则所在簇簇首通过簇首层节点多跳转发至目标异构节点或汇聚节点。
本发明实施例所述动态分簇异构无线传感器网络的路由装置的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例使得网络各节点能量消耗均衡,有效提高了网络生命周期和稳定周期。
上文中提到的动态分簇异构无线传感器网络的路由装置是从功能模块的角度描述,进一步的,本申请还提供一种动态分簇异构无线传感器网络的路由装置,是从硬件角度描述。图12为本申请实施例提供的另一种动态分簇异构无线传感器网络的路由装置的结构图。如图12所示,该装置包括中控主机、汇聚节点、异构节点和普通节点,其中上述各实施例中所述簇首从普通节点中选取,且汇聚节点、异构节点、普通节点或簇首的硬件端可设置有应用程序软件包,用户可通过应用程序软件包提供的人机界面对节点进行操作,处理器通过执行应用程序软件包中存储的应用程序实现相应功能。中控主机、汇聚节点、异构节点和普通节点的硬件结构可如下所述:
中控主机可包括存储器120、处理器121、显示屏122、输入输出接口123、通信接口124、非能量受限电源125以及传输总线126。其中,存储器120,用于存储计算机程序;处理器121,用于执行计算机程序时实现如上述实施例提到的动态分簇异构无线传感器网络的路由方法的步骤。
汇聚节点可包括存储器220、处理器221、显示屏222、输入输出接口223、通信接口2241、无线通信收发器2242、非能量受限电源225、传输总线226以及传感器227。其中,存储器220用于存储应用程序;处理器221用于执行应用程序时实现如上述实施例提到的动态分簇异构无线传感器网络的路由方法的步骤。
异构节点可包括存储器320、处理器321、显示屏322、输入输出接口323、无线通信收发器324、非能量受限电源325、传输总线326以及传感器327。其中,存储器320用于存储应用程序;处理器321用于执行应用程序时实现如上述实施例提到的动态分簇异构无线传感器网络的路由方法的步骤。
普通节点或簇首可包括存储器420、处理器421、显示屏422、输入输出接口423、无线通信收发器424、能量受限电源425、传输总线426以及传感器427。其中,存储器420用于存储应用程序;处理器421用于执行应用程序时实现如上述实施例提到的动态分簇异构无线传感器网络的路由方法的步骤。
需要说明的是,本申请要解决的技术问题是均衡无线传感器网络中各节点的能量消耗,从而提高无线传感器网络的生命周期和稳定周期。无线传感器网络中的普通节点的能量有限,所以普通节点采用能量受限电源425,也即无线传感器普通节点的供电电源是电池,这是为了便于抛洒布置在危险、人不便到达的监测场所,例如有核放射性、有毒、悬崖、深水等恶劣环境中,所以电池一般是不可或不易更换的,即电源是能量受限的,电池能量的使用时间也即是普通节点的寿命长度,若网络节点能耗不均衡,某些节点能耗过高,电源提前耗尽成为死亡节点或者是说节点失效,造成出现监测盲区较多使网络监测系统无效,也即网络寿命终结。通过本申请技术方案可实现减少和均衡普通节点的能耗,延长了网络寿命。中控主机、汇聚节点和异构节点属于个别或少数节点,且是位置固定不变的传输主干设备,供电电源是有线工频电源,可长期供电,即电源能量不受限,异构节点的通信距离较普通节点更远些且更稳定可靠,不会应电源耗尽而死亡。也就是说,中控主机、异构节点或汇聚节点的能量是不受限的,可采用非能量受限电源,例如图12中的非能量受限电源125、非能量受限电源225和非能量受限电源325。
其中,中控主机通过通信接口124与汇聚节点的通信接口2241通过通信线缆相连,从而实现中控主机与汇聚节点之间的数据或指令的有线传输。无线通信收发器2242、无线通信收发器324、无线通信收发器424均是用于进行数据无线传输的收发装置;若普通节点(含簇首)与异构节点或汇聚节点的距离在一跳之内,无线通信收发器424可与无线通信收发器324或无线通信收发器242直接无线通信传输数据;否则,普通节点(含簇首)只能通过无线通信收发器424与簇首(其他簇首)无线通信多跳转发传输数据。异构节点的无线通信收发器324将接收簇首或普通节点的数据无线通信上传给汇聚节点2242,将接收汇聚节点的指令无线通信下传给簇首或普通节点424。汇聚节点2242无线接收无线通信收发器324或无线通信收发器424的数据,无线通信收发器2242也可无线发送自身或中控主机的指令给无线通信收发器324或无线通信收发器424。也就是说,汇聚节点、异构节点、普通节点之间通过相应的无线通信收发器进行数据传输,各个节点之间的数据传输基于各节点间的距离确定,结合图3所示,普通节点数据传输路由为:若普通节点与最近的目标异构节点或汇聚节点的目标距离在一跳之内(<60m),则普通节点可将数据直接传输至目标异构节点或汇聚节点;若普通节点在一跳之内无法将数据传输至目标异构节点或汇聚节点,则所在普通节点将数据传输至其所在簇的簇首,通过簇首将数据转发至目标异构节点或汇聚节点。簇首节点数据传输路由为:若簇首与最近的目标异构节点或汇聚节点的目标距离在一跳之内(<60m)可直接将数据传输至目标异构节点或汇聚节点,则所在簇簇首将数据传输至目标异构节点或汇聚节点;若簇首在一跳之内无法将数据传输至目标异构节点或汇聚节点,则所在簇首通过簇首层节点多跳转发至目标异构节点或汇聚节点。也就是说,簇首节点将自身及簇内成员节点数据或接收到的其他簇首数据进行相应处理,将处理后的数据通过簇首层节点多跳转发至sink节点或相应的异构节点。
输入输出接口模块123、输入输出接口模块223、输入输出接口模块323和输入输出接口模块423均用于实现计算机程序或应用程序的读写、监测数据的存取和外接拓展功能硬件设备。传输总线126、传输总线226、传输总线326与传输总线426用于实现各节点设备内部的数据或指令传输,还用于将电源模块的电能输送供给设备内部的各个功能模块。显示屏122、显示屏222、显示屏322和显示屏422用于实现监测数据、时间、功能状态、调整数值、报警等信息的显示。传感器227、传感器327和传感器427用于实现对监测信息的传感数据采集,将非电量信息转换成电量信息,并完成数模转换和信号放大功能。
此外,上述涉及到的各处理器,例如处理器121、处理器221、处理器321和处理器421均可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable GateArray,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central Processing Unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
上述涉及到的各存储器,例如存储器120、存储器220、存储器320和存储器420均可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。本实施例中,存储器120至少用于存储以下计算机程序1201,其中,该计算机程序被处理器121加载并执行之后,能够实现前述任一实施例公开的测试方法的相关步骤。另外,存储器120所存储的资源还可以包括操作系统1202和数据1203等,存储方式可以是短暂存储或者永久存储。其中,操作系统1202可以包括Windows、Unix、Linux等。数据1203可以包括但不限于测试结果对应的数据等。存储器220至少用于存储以下应用程序2201,其中,该应用程序被处理器221加载并执行之后,能够实现前述任一实施例公开的测试方法的相关步骤。另外,存储器220所存储的资源还可以包括操作系统2202和数据2203等,存储方式可以是短暂存储或者永久存储。其中,操作系统2202可以包括Windows、Unix、Linux等。数据2203可以包括但不限于测试结果对应的数据等。存储器320至少用于存储以下应用程序3201,其中,该应用程序被处理器321加载并执行之后,能够实现前述任一实施例公开的测试方法的相关步骤。另外,存储器320所存储的资源还可以包括操作系统3202和数据3203等,存储方式可以是短暂存储或者永久存储。其中,操作系统3202可以包括Windows、Unix、Linux等。数据3203可以包括但不限于测试结果对应的数据等。存储器420至少用于存储以下应用程序4201,其中,该应用程序被处理器421加载并执行之后,能够实现前述任一实施例公开的测试方法的相关步骤。另外,存储器420所存储的资源还可以包括操作系统4202和数据4203等,存储方式可以是短暂存储或者永久存储。其中,操作系统4202可以包括Windows、Unix、Linux等。数据4203可以包括但不限于测试结果对应的数据等。
本领域技术人员可以理解,图12中示出的结构并不构成对动态分簇异构无线传感器网络的路由装置的限定,可以包括比图示更多或更少的组件。
本发明实施例所述动态分簇异构无线传感器网络的路由装置的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例使得网络各节点能量消耗均衡,有效提高了网络生命周期和稳定周期。
可以理解的是,如果上述实施例中的动态分簇异构无线传感器网络的路由方法以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、磁碟或者光盘等各种可以存储程序代码的介质。
基于此,本发明实施例还提供了一种计算机可读存储介质,存储有动态分簇异构无线传感器网络的路由程序,所述动态分簇异构无线传感器网络的路由程序被处理器执行时如上任意一实施例所述动态分簇异构无线传感器网络的路由方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上对本申请所提供的一种动态分簇异构无线传感器网络的路由方法、装置及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (10)
1.一种动态分簇异构无线传感器网络的路由方法,其特征在于,包括:
按照异构节点部署方法在无线传感器网络中部署多个异构节点;所述异构节点部署方法为利用奔走步长和围攻步长不为固定值的狼群算法获得所述无线传感器网络中所有普通节点到汇聚节点距离和的最小值;
利用动态分簇方法从所述无线传感器网络的普通节点中选择多个簇首并分簇,当前簇的簇内成员节点将采集的数据发送给所在簇簇首,并根据所在簇簇首与各异构节点或所述汇聚节点的距离确定数据传输方式以使数据最终传输至所述汇聚节点;所述动态分簇方法为将簇首与各异构节点或所述汇聚节点的距离满足预设距离条件作为簇首选举的阈值参数的DEEC方法;
每当检测到簇首节点的能量消耗至当选簇首时的能量的设定比率值时,则利用所述动态分簇方法重新进行簇首选举并分簇。
2.根据权利要求1所述的动态分簇异构无线传感器网络的路由方法,其特征在于,各异构节点从所述无线传感器网络的普通节点中选择,且汇聚节点为已知位置坐标的异构节点,所述利用奔走步长和围攻步长不为固定值的狼群算法计算所述无线传感器网络中所有普通节点到汇聚节点距离和的最小值为:
利用所述奔走步长和所述围攻步长不为固定值的狼群算法计算异构节点部署关系式的最优解,所述异构节点部署关系式为:
7.根据权利要求1至4任意一项所述的动态分簇异构无线传感器网络的路由方法,其特征在于,所述根据所在簇簇首与各异构节点或所述汇聚节点的距离确定数据传输方式以使数据最终传输至所述汇聚节点包括:
确定与所在簇簇首距离最近的目标异构节点或所述汇聚节点的目标距离;
基于所述目标距离,若所在簇簇首在一跳之内可直接将数据传输至所述目标异构节点或所述汇聚节点,则所在簇簇首将数据传输至所述目标异构节点或所述汇聚节点;若所在簇簇首在一跳之内无法将数据传输至所述目标异构节点或所述汇聚节点,则所在簇簇首通过簇首层节点多跳转发至所述目标异构节点或所述汇聚节点。
8.一种动态分簇异构无线传感器网络的路由装置,其特征在于,包括:
异构节点部署模块,用于按照异构节点部署方法在无线传感器网络中部署多个异构节点;所述异构节点部署方法为利用奔走步长和围攻步长不为固定值的狼群算法获得所述无线传感器网络中所有普通节点到汇聚节点距离和的最小值;
动态分簇路由模块,用于利用动态分簇方法从所述无线传感器网络的普通节点中选择多个簇首并分簇,当前簇的簇内成员节点将采集的数据发送给所在簇簇首,并根据所在簇簇首与各异构节点或所述汇聚节点的距离确定数据传输方式以使数据最终传输至所述汇聚节点;所述动态分簇方法为将簇首与各异构节点或所述汇聚节点的距离满足预设距离条件作为簇首选举的阈值参数的DEEC方法;每当检测到簇首节点的能量消耗至当选簇首时的能量的设定比率值时,则利用所述动态分簇方法重新进行簇首选举并分簇。
9.一种动态分簇异构无线传感器网络的路由装置,其特征在于,包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7任一项所述动态分簇异构无线传感器网络的路由方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有动态分簇异构无线传感器网络的路由程序,所述动态分簇异构无线传感器网络的路由程序被处理器执行时实现如权利要求1至7任一项所述动态分簇异构无线传感器网络的路由方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010053595.2A CN111263325B (zh) | 2020-01-17 | 2020-01-17 | 动态分簇异构无线传感器网络的路由方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010053595.2A CN111263325B (zh) | 2020-01-17 | 2020-01-17 | 动态分簇异构无线传感器网络的路由方法、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111263325A true CN111263325A (zh) | 2020-06-09 |
CN111263325B CN111263325B (zh) | 2021-03-09 |
Family
ID=70954277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010053595.2A Active CN111263325B (zh) | 2020-01-17 | 2020-01-17 | 动态分簇异构无线传感器网络的路由方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111263325B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112506215A (zh) * | 2020-11-18 | 2021-03-16 | 广州工程技术职业学院 | 物联网数据采集方法和无人机 |
CN112888041A (zh) * | 2020-12-30 | 2021-06-01 | 电子科技大学 | 一种基于非均匀节点部署的无线传感器网络通信方法 |
CN112911585A (zh) * | 2021-02-02 | 2021-06-04 | 北京工商大学 | 一种无线传感器网络抗毁性增强方法 |
CN113626489A (zh) * | 2021-08-10 | 2021-11-09 | 深圳市玄羽科技有限公司 | 传感器数据的搜索方法、系统及计算机介质 |
CN114554505A (zh) * | 2022-01-10 | 2022-05-27 | 山东师范大学 | 一种无线传感器网络节点分簇方法及系统 |
CN114584620A (zh) * | 2022-02-24 | 2022-06-03 | 中用科技有限公司 | 一种工业互联网数据传输交换方法 |
CN114630402A (zh) * | 2021-11-23 | 2022-06-14 | 杭州安脉盛智能技术有限公司 | 一种无线传感器数据同步采集系统及方法 |
CN115297497A (zh) * | 2022-10-08 | 2022-11-04 | 中国人民解放军海军工程大学 | 一种基于生物启发算法的高效节能分簇方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101489275A (zh) * | 2009-02-27 | 2009-07-22 | 山东大学 | 基于能量均衡与距离协同中继无线传感器网络路由方法 |
CN102510572A (zh) * | 2011-11-18 | 2012-06-20 | 浙江工业大学 | 一种面向异构无线传感器网络的分簇路由控制方法 |
CN107277782A (zh) * | 2017-08-15 | 2017-10-20 | 苏州健雄职业技术学院 | 一种异质无线网络传输节能预测模型的建模方法 |
US20190098578A1 (en) * | 2017-09-26 | 2019-03-28 | King Fahd University Of Petroleum And Minerals | Node placement for pipeline monitoring |
CN110087247A (zh) * | 2019-05-30 | 2019-08-02 | 吉林大学 | 一种虚拟力嵌入莱维飞行的灰狼搜索的无线传感器网络覆盖优化算法及应用 |
-
2020
- 2020-01-17 CN CN202010053595.2A patent/CN111263325B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101489275A (zh) * | 2009-02-27 | 2009-07-22 | 山东大学 | 基于能量均衡与距离协同中继无线传感器网络路由方法 |
CN102510572A (zh) * | 2011-11-18 | 2012-06-20 | 浙江工业大学 | 一种面向异构无线传感器网络的分簇路由控制方法 |
CN107277782A (zh) * | 2017-08-15 | 2017-10-20 | 苏州健雄职业技术学院 | 一种异质无线网络传输节能预测模型的建模方法 |
US20190098578A1 (en) * | 2017-09-26 | 2019-03-28 | King Fahd University Of Petroleum And Minerals | Node placement for pipeline monitoring |
CN110087247A (zh) * | 2019-05-30 | 2019-08-02 | 吉林大学 | 一种虚拟力嵌入莱维飞行的灰狼搜索的无线传感器网络覆盖优化算法及应用 |
Non-Patent Citations (1)
Title |
---|
伊廷华 等: "利用分布式狼群算法进行三维传感器优化布置的方法研究", 《振动工程学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112506215A (zh) * | 2020-11-18 | 2021-03-16 | 广州工程技术职业学院 | 物联网数据采集方法和无人机 |
CN112888041A (zh) * | 2020-12-30 | 2021-06-01 | 电子科技大学 | 一种基于非均匀节点部署的无线传感器网络通信方法 |
CN112888041B (zh) * | 2020-12-30 | 2022-04-15 | 电子科技大学 | 一种基于非均匀节点部署的无线传感器网络通信方法 |
CN112911585A (zh) * | 2021-02-02 | 2021-06-04 | 北京工商大学 | 一种无线传感器网络抗毁性增强方法 |
CN112911585B (zh) * | 2021-02-02 | 2022-08-09 | 北京工商大学 | 一种无线传感器网络抗毁性增强方法 |
CN113626489A (zh) * | 2021-08-10 | 2021-11-09 | 深圳市玄羽科技有限公司 | 传感器数据的搜索方法、系统及计算机介质 |
CN114630402A (zh) * | 2021-11-23 | 2022-06-14 | 杭州安脉盛智能技术有限公司 | 一种无线传感器数据同步采集系统及方法 |
CN114554505A (zh) * | 2022-01-10 | 2022-05-27 | 山东师范大学 | 一种无线传感器网络节点分簇方法及系统 |
CN114554505B (zh) * | 2022-01-10 | 2024-03-29 | 山东师范大学 | 一种无线传感器网络节点分簇方法及系统 |
CN114584620A (zh) * | 2022-02-24 | 2022-06-03 | 中用科技有限公司 | 一种工业互联网数据传输交换方法 |
CN115297497A (zh) * | 2022-10-08 | 2022-11-04 | 中国人民解放军海军工程大学 | 一种基于生物启发算法的高效节能分簇方法 |
CN115297497B (zh) * | 2022-10-08 | 2023-02-03 | 中国人民解放军海军工程大学 | 一种基于生物启发算法的高效节能分簇方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111263325B (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111263325B (zh) | 动态分簇异构无线传感器网络的路由方法、装置及介质 | |
Zivkovic et al. | Wireless sensor networks life time optimization based on the improved firefly algorithm | |
US11477666B2 (en) | Methods and systems for network self-optimization using deep learning | |
CN110247793B (zh) | 一种移动边缘云中的应用程序部署方法 | |
Xiu-Wu et al. | A clustering routing algorithm based on wolf pack algorithm for heterogeneous wireless sensor networks | |
Sahoo et al. | A light weight trust based secure and energy efficient clustering in wireless sensor network: honey bee mating intelligence approach | |
Huang et al. | An improved LEACH routing algorithm for wireless sensor network | |
Idrees et al. | Energy-saving distributed monitoring-based firefly algorithm in wireless sensors networks | |
Raj et al. | A survey on cluster head selection and cluster formation methods in wireless sensor networks | |
Verma et al. | A survey on hierarchical based routing protocols for wireless sensor network | |
Ding et al. | An enhanced cluster head selection of LEACH based on power consumption and density of sensor nodes in wireless sensor networks | |
Panbude et al. | Clustering solutions and analysis for cognitive radio Wireless Sensor Networks | |
Jayaraj et al. | AFSORP: Adaptive Fish Swarm Optimization-Based Routing Protocol for Mobility Enabled Wireless Sensor Network | |
Azar et al. | Energy-and delay-efficient algorithm for large-scale data collection in mobile-sink WSNs | |
Biradar et al. | Security and energy aware clustering-based routing in wireless sensor network: hybrid nature-inspired algorithm for optimal cluster head selection | |
Reyes et al. | Game of Sensors: An Energy-Efficient Method to Enhance Network Lifetime in Wireless Sensor Networks Using the Game of Life Cellular Automaton | |
KR101565694B1 (ko) | 무선 센서 네트워크에서 인공벌군집 클러스터링 설계 방법 및 시스템 | |
Meenakshi et al. | Energy efficient hierarchical clustering routing protocol for wireless sensor networks | |
Alisa et al. | Minimizing energy consumption in wireless sensor networks using modified genetic algorithm and an energy balance filter | |
Liu et al. | Enhanced fireworks algorithm for dynamic deployment of wireless sensor networks | |
Srinivasalu et al. | Cluster Based Routing Protocol Using Energy Centric Multi Objective Salp Swarm Algorithm for WSNs. | |
de Oliveira Matos et al. | A GRASP based algorithm for efficient cluster formation in wireless sensor networks | |
Yuvaraja et al. | Lifetime enhancement of WSN using energy-balanced distributed clustering algorithm with honey bee optimization | |
CN114217630A (zh) | 一种基于注意力机制的动态时空无人机充电方法 | |
Cheng | Modified particle swarm optimization for hybrid wireless sensor networks coverage |
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 |