CN113453305A - 基于粒子群和狮群的环形无线传感器网络分簇路由算法 - Google Patents

基于粒子群和狮群的环形无线传感器网络分簇路由算法 Download PDF

Info

Publication number
CN113453305A
CN113453305A CN202110629134.XA CN202110629134A CN113453305A CN 113453305 A CN113453305 A CN 113453305A CN 202110629134 A CN202110629134 A CN 202110629134A CN 113453305 A CN113453305 A CN 113453305A
Authority
CN
China
Prior art keywords
node
ring
nodes
network
algorithm
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.)
Withdrawn
Application number
CN202110629134.XA
Other languages
English (en)
Inventor
王宏志
刘清雪
武莎莎
鲁晓帆
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.)
Jilin University of Architecture and Technology
Original Assignee
Jilin University of Architecture and Technology
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 Jilin University of Architecture and Technology filed Critical Jilin University of Architecture and Technology
Priority to CN202110629134.XA priority Critical patent/CN113453305A/zh
Publication of CN113453305A publication Critical patent/CN113453305A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/124—Shortest path evaluation using a combination of metrics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/46—Cluster building
    • 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
    • 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
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及环形无线传感器网络分簇路由算法，特别是基于粒子群和狮群的环形无线传感器网络分簇路由算法(Cluster routing algorithm for ring wireless sensor network based on particle swarm optimization and lion’s algorithm，CRPL)。该算法包括系统模型、簇头选举、选择路由路径三个部分。提出的CRPL分簇路由算法以减少网络能耗，延长网络生命周期为目的，首先基于狮群算法建立的簇头节点选择的适应度函数，选出每个环的最优簇头节点，同时在数据传输过程中采用粒子群算法建立了一种多目标适应度函数来寻找下一跳中继节点，获得最佳路由路径。

Description

基于粒子群和狮群的环形无线传感器网络分簇路由算法
技术领域
本发明涉及环形无线传感器网络分簇路由算法，特别是基于粒子群和狮群的环形无线传感器网络分簇路由算法。
背景技术
无线传感器网络在环境观察、军事、建筑监控、医疗保健、家居等方面起着重要的作用，但是无线传感器网络的发展仍然受到很多因素的限制，如：组成无线传感器网络的传感器节点通常部署在人类难以操作或无法操作的区域；传感器节点的能量有限，而且不能及时补充能量；传感器节点的分布具有随机性，导致传感器网络的拓扑结构不同。
目前已经提出大量关于分簇路由的算法，同时随着仿生群体智能优化算法的发展，粒子群优化（PSO）、遗传算法（GA）、人工蜂群（ABC）、蚁群算优化（ACO）、磷虾群算法（KHA）等在解决无线传感器网络中节点能量消耗不均匀问题上得到了大量的应用。
发明内容
本发明主要针对如何解决环形无线传感网络分簇路由的簇头选择不合理、路由性能不好、能量消耗不均匀等问题，提出基于粒子群和狮群的环形无线传感器网络分簇路由算法。
本发明由三部分构成，即系统模型、簇头选举、寻找路由路径。系统模型具体包括网络模型和能量模型；簇头选举基于狮群算法设置适应度函数；寻找路由路径基于粒子群算法设置适应度函数。
所述系统模型中网络模型为半径为R的环形区域，其中有N个传感器节点随机分布在整个环形区域内，环形区域被划分为n个具有相同宽度的同心环，BS位于环形区域的圆心处。整个环形网络具有如下属性：所有节点都是同构的；每个节点具有唯一的ID；每个节点具有相同的初始能量和相同的通信半径
Figure DEST_PATH_IMAGE001
。所述系统模型中能量模型采用自由空间模型，计算节点之间发送和接收数据的能量消耗，以及簇头融合、发送数据的能量消耗。
所述簇头选举基于狮群算法，适应度函数考虑了节点的剩余能量、节点到BS的距离、CH节点占环中的比例以及节点通信范围内覆盖的邻居节点数量这四个因素，网络中所选择的CH节点都应满足适应度函数所提供的最大值。
所述路由路径寻找采用粒子群算法，采用了CH节点到BS的距离、簇成员节点数、下一跳CH节点的剩余能量以及下一跳CH节点到当前CH节点与BS连线的垂线段的距离四个因素来设置适应度函数，最佳路由路径满足适应度函数所提供的最小值。
附图说明
图1是本发明的环形无线传感网络模型图；
图2是本发明的无线传感器网络分簇路由算法流程结构框图；
图3是本发明最佳路由路径选择路线图；
图4是本发明的网络节点死亡轮数示意图；
图5是本发明的网络存活节点数目的变化图；
图6是本发明的网络的总能耗的示意图；
图7是本发明的网络中平均节点剩余能量示意图。
具体实施方式
下面结合附图对本发明作进一步详细说明，本发明由三部分构成，即系统模型、簇头选举、寻找路由路径。系统模型具体包括网络模型和能量模型；簇头选举基于狮群算法设置适应度函数；寻找路由路径基于粒子群算法设置适应度函数。
系统模型具体包括网络模型和能量模型，网络模型如图1所示为半径为R的环形区域；其中有N个传感器节点随机分布在整个环形区域内，每个节点具有唯一ID,网络初始化后节点位置不再发生变化；环形区域被划分为n个具有相同宽度的同心环；BS位于环形区域的圆心处。能量模型采用自由空间模型，计算节点之间发送和接收数据的能量消耗，以及簇头融合、发送数据的能量消耗。假设网络区域中a环中的第i个CM节点把数据传输到相应环中第j个CH节点所消耗的能量为
Figure 69982DEST_PATH_IMAGE002
，其表达式如公式(1):
Figure 94570DEST_PATH_IMAGE003
(1)
其中，Ee表示无线传感器网络电子电路的能量消耗可以用公式（2）表示。m表示传感器节点发送或者接收的数据包大小，
Figure DEST_PATH_IMAGE004
表示采用自由空间模型时的放大参数，
Figure 974801DEST_PATH_IMAGE005
表示采用多路衰减模型时的放大参数。CM节点到CH节点的距离阈值
Figure DEST_PATH_IMAGE006
如公式（3）：
Figure 615998DEST_PATH_IMAGE007
(2)
Figure DEST_PATH_IMAGE008
(3)
Figure 472833DEST_PATH_IMAGE009
表示传感器节点传输数据所需能量，
Figure 476561DEST_PATH_IMAGE010
表示传感器节点融合数据所需能量。
Figure DEST_PATH_IMAGE011
表示网络中a环中第j个CH节点接收mbit数据所消耗的能量，其表达式如公式（4）：
Figure 668640DEST_PATH_IMAGE012
=
Figure DEST_PATH_IMAGE013
(4)
网络中的节点发送数据或者接收数据后，根据公式(5)和公式(6)更新能量：
Figure 531553DEST_PATH_IMAGE014
(5)
Figure 552599DEST_PATH_IMAGE015
(6)
其中，
Figure 519156DEST_PATH_IMAGE016
表示a环中第i个普通节点的更新能量，
Figure 475610DEST_PATH_IMAGE017
表示a环中第i个普通节点在t时的能量，
Figure 419296DEST_PATH_IMAGE018
表示a环中第i个普通节点在t时刻前消耗的能量，
Figure 853819DEST_PATH_IMAGE019
表示a环中第j个CH节点的更新能量，
Figure 832139DEST_PATH_IMAGE020
表示a环中第j个CH节点在t时处的能量，
Figure 428337DEST_PATH_IMAGE021
表示a环中第j个CH节点在t时刻前消耗的能量。
所述簇头选举基于狮群算法，如图2所示适应度函数考虑了节点的剩余能量、节点到BS的距离、CH节点占环中的比例以及节点通信范围内覆盖的邻居节点数量这四个因素。网络中所选择的CH节点都应满足适应度函数所提供的最大值，其适应度函数表示如下所示：
Figure 859318DEST_PATH_IMAGE023
(7)
其中，
Figure 330489DEST_PATH_IMAGE025
表示网络中第a环中的第i个节点的剩余能量
Figure 897736DEST_PATH_IMAGE026
与其初始能量
Figure 664835DEST_PATH_IMAGE027
的比值,
Figure 583113DEST_PATH_IMAGE028
表示第i个节点所在的a环中的内环边界到BS的距离
Figure 359439DEST_PATH_IMAGE029
与节点到BS的距离
Figure 781193DEST_PATH_IMAGE030
的比值，
Figure 984772DEST_PATH_IMAGE031
表示a环中最优CH节点数
Figure 124766DEST_PATH_IMAGE032
与相应环中节点数
Figure 203319DEST_PATH_IMAGE033
之比，
Figure 745158DEST_PATH_IMAGE034
表示a环中的节点i通信范围内覆盖的邻居节点的数量
Figure 119639DEST_PATH_IMAGE035
与i节点所在环中节点数
Figure 12509DEST_PATH_IMAGE036
之比,其中(
Figure 130637DEST_PATH_IMAGE037
Figure 526984DEST_PATH_IMAGE038
、
Figure 72366DEST_PATH_IMAGE039
以及
Figure 186952DEST_PATH_IMAGE040
的值为0到1之间的常数，且
Figure 341728DEST_PATH_IMAGE041
。
Figure 999105DEST_PATH_IMAGE043
、
Figure 840022DEST_PATH_IMAGE030
、
Figure 317271DEST_PATH_IMAGE044
以及
Figure 901836DEST_PATH_IMAGE034
的表达式依次为：
Figure 679299DEST_PATH_IMAGE046
由于网络中每个环中CH节点的选择都是最优，因此增加了传感器节点的寿命留出更长的时间执行数据传输。
所述路由路径寻找基于粒子群算法，如图2所示适应度函数考虑了CH节点到BS的距离、簇成员节点数、下一跳CH节点的剩余能量以及下一跳CH节点到当前CH节点与BS连线的垂线段的距离四个因素。最佳路由路径满足适应度函数所提供的最小值，其适应度函数表示如下所示：
Figure 65019DEST_PATH_IMAGE048
(12)
其中，假设当前CH节点位于网络中的a环中，所有节点之间的通信均在节点的通信半径rc之内，
Figure 295143DEST_PATH_IMAGE049
表示a环中第k个CH节点
Figure 355503DEST_PATH_IMAGE050
到(
Figure 721893DEST_PATH_IMAGE051
)环中第p个CH节点
Figure 904613DEST_PATH_IMAGE052
的距离
Figure 397867DEST_PATH_IMAGE053
与a环中第k个CH节点
Figure 199600DEST_PATH_IMAGE050
到BS的距离
Figure 545131DEST_PATH_IMAGE054
的比值，用公式表示为：
Figure 39698DEST_PATH_IMAGE055
(13)
当一个CH节点所在的簇越小时，成员节点的数就越少，这个簇的数据传输的延迟就越小。
Figure 978835DEST_PATH_IMAGE056
表示以
Figure 974473DEST_PATH_IMAGE057
节点所在簇的成员节点数
Figure DEST_PATH_IMAGE058
与
Figure 954936DEST_PATH_IMAGE059
环中所有成员节点数
Figure DEST_PATH_IMAGE060
的比值，用公式表达为：
Figure 417141DEST_PATH_IMAGE062
(14)
Figure DEST_PATH_IMAGE063
表示网络(
Figure 640312DEST_PATH_IMAGE064
)环中第
Figure 547963DEST_PATH_IMAGE065
个CH节点
Figure 477873DEST_PATH_IMAGE066
到
Figure 704455DEST_PATH_IMAGE059
环中第
Figure DEST_PATH_IMAGE067
个CH节点
Figure 24709DEST_PATH_IMAGE068
与BS连线的垂线段的距离
Figure 96570DEST_PATH_IMAGE069
与第
Figure 176259DEST_PATH_IMAGE067
个CH节点
Figure 183529DEST_PATH_IMAGE068
到BS的距离
Figure 584555DEST_PATH_IMAGE070
的比值，如图3所示，当
Figure 194528DEST_PATH_IMAGE069
越小时，
Figure 630188DEST_PATH_IMAGE068
节点把数据通过中继节点转发到BS的路由路径越接近
Figure 306895DEST_PATH_IMAGE070
，根据两点之间直线段最短，可知此时数据传输所消耗的能量越少，平衡了网络的能量消耗。其中BS的坐标为（
Figure 195217DEST_PATH_IMAGE071
），
Figure 15405DEST_PATH_IMAGE072
的坐标为
Figure 39993DEST_PATH_IMAGE073
,
Figure 779279DEST_PATH_IMAGE068
的坐标为
Figure 387852DEST_PATH_IMAGE074
,则
Figure 480573DEST_PATH_IMAGE075
，
Figure 625247DEST_PATH_IMAGE076
，
Figure 269855DEST_PATH_IMAGE063
表达式如公式（15）：
Figure 867189DEST_PATH_IMAGE077
(15)
Figure 262136DEST_PATH_IMAGE078
可以表示(
Figure 261316DEST_PATH_IMAGE051
)环中第
Figure 342405DEST_PATH_IMAGE079
个CH节点的当前剩余能量
Figure 427036DEST_PATH_IMAGE080
与其初始能量
Figure 861559DEST_PATH_IMAGE081
之比，其表达式为：
Figure 213781DEST_PATH_IMAGE082
(16)
最佳路由路径的选择取决于中继节点的选择，在选择中继节点时采用改进的PSO算法适应度函数来寻找最佳路径，选择到BS距离短、簇成员节点少、剩余能量多的CH节点充当中继节点，同时根据两点之间直线度最短原则，选择下一环中的CH节点时，其路由路径尽量接近当前CH节点与BS的连线，减少数据传输过程中因较长传输距离所带来的能量消耗。
为了验证本发明一种基于粒子群和狮群的环形无线传感器网络分簇路由算法CRPL的性能，使用MATLAB仿真工具，对CRPL性能与EMRA、CAROC算法进行比较分析，仿真参数如表1所述。
表1仿真参数设置 。
Figure 606716DEST_PATH_IMAGE083
首先将本发明CRPL算法与EMRA算法、CAROC算法的网络节点死亡轮数与网络存活节点数目进行了比较分析，结果如图4、5所示。EMRA算法、CAROC算法分别在CH轮换次数达到374轮、702轮时，网络出现第一个节点死亡，CRPL算法的第一个节点死亡轮数出现在1852轮，比EMRA算法、CAROC算法分别晚了1478轮、1150轮。由图5可知EMRA算法、CAROC算法在出现节点死亡后，网络存活节点数量急剧减少。在925轮和1252轮时，CAROC算法和EMRA算法出现一半节点死亡，到1406轮和2195轮时，CAROC算法和EMRA算法的网络区域中存活节点数为0，而CRPL算法的一半节点死亡发生在2632轮，全部节点死亡出现在3312轮。以上表明CRPL算法具有更长的生命周期。
然后将本发明CRPL算法与EMRA算法、CAROC算法的网络总能耗进行了比较分析，结果如图6所示，随着网络中CH轮换次数的增加，网络能耗不断增加，EMRA算法和CAROC算法的网络能耗曲线比CRPL算法的曲线陡，CAROC算法和EMRA算法分别在CH轮换轮数达到474轮和636轮时网络能耗达到50%，而CRPL算法在CH轮换轮数为1303轮时网络能耗才达到50%，且在CH轮换轮数为2500时，网络仍有剩余能量。
最后将本发明CRPL算法与EMRA算法、CAROC算法的节点平均剩余能量进行比较分析，结果如图7所示，随着CH轮换次数的增加，CRPL算法、EMRA算法以及CAROC算法中网络的平均节点剩余能量曲线呈直线下降，直到网络中出现节点死亡，网络的平均节点剩余能量曲线的下降速度才减缓，主要是因为网络中存活节点数开始减少。同时从图7中明显可以看出，CRPL算法中节点平均剩余能量曲线始终在EMRA算法和CAROC算法的节点剩余能量曲线的上方。这进一步说明CRPL算法在减少网络节点能耗、均衡网络能耗以及延长网络生命周期上具有更优越的性能。

Claims (4)

1.基于粒子群和狮群的环形无线传感器网络分簇路由算法，其特征在于：包括系统模型、簇头选举、路由路径选择三个部分。
2.根据权利要求1所述，基于粒子群和狮群的环形无线传感器网络分簇路由算法，其特征在于：所述系统模型中网络模型为环形网络，其中有N个传感器节点随机分布在整个环形区域内，环形区域被划分为n个具有相同宽度的同心环，BS位于环形区域的圆心处，所述系统模型中能量模型为自由空间多径模型。
3.根据权利要求1所述，基于粒子群和狮群的环形无线传感器网络分簇路由算法，其特征在于：基于狮群算法设置适应度函数来优化簇头选举，适应度函数的设置基于节点的剩余能量、节点到BS的距离、同一环中CH占环中节点数的比值以及节点通信范围内覆盖的邻居节点数这四个因素，网络中所选择的CH节点都应满足适应度函数所提供的最大值，其适应度函数表示如下所示：
Figure 396399DEST_PATH_IMAGE001
其中，
Figure 415170DEST_PATH_IMAGE002
表示网络中第
Figure 499801DEST_PATH_IMAGE003
环中的第i个节点的剩余能量
Figure 465483DEST_PATH_IMAGE004
与其初始能量
Figure 83284DEST_PATH_IMAGE005
的比值，
Figure 210640DEST_PATH_IMAGE006
表示第
Figure 48146DEST_PATH_IMAGE007
个节点所在的
Figure 83098DEST_PATH_IMAGE003
环中的内环边界到BS的距离
Figure 119187DEST_PATH_IMAGE008
与节点到BS的距离
Figure 948603DEST_PATH_IMAGE009
的比值，
Figure 303098DEST_PATH_IMAGE010
表示
Figure 610583DEST_PATH_IMAGE003
环中最优CH节点数
Figure 970020DEST_PATH_IMAGE011
与相应环中节点数
Figure 235916DEST_PATH_IMAGE012
之比，
Figure 516856DEST_PATH_IMAGE013
表示
Figure 424769DEST_PATH_IMAGE003
环中的节点
Figure 606090DEST_PATH_IMAGE007
通信范围内覆盖的邻居节点的数量
Figure 777308DEST_PATH_IMAGE014
与
Figure 545544DEST_PATH_IMAGE007
节点所在环中节点数
Figure 194831DEST_PATH_IMAGE012
之比,其中(
Figure 496237DEST_PATH_IMAGE015
；
Figure 369515DEST_PATH_IMAGE016
、
Figure 625047DEST_PATH_IMAGE017
以及
Figure 609184DEST_PATH_IMAGE018
的值为0到1之间的常数，且
Figure 532140DEST_PATH_IMAGE019
；
Figure 12538DEST_PATH_IMAGE002
、
Figure 817683DEST_PATH_IMAGE009
、
Figure 543194DEST_PATH_IMAGE020
以及
Figure 851815DEST_PATH_IMAGE013
的表达式依次为：
Figure 66896DEST_PATH_IMAGE021
由于网络中每个环中CH节点的选择都是最优，因此增加了传感器节点的寿命留出更长的时间执行数据传输。
4.根据权利要求1所述，基于粒子群和狮群的环形无线传感器网络分簇路由算法，其特征在于：基于粒子群算法设置适应度函数来寻找最佳路由路径，采用CH节点到BS的距离、簇成员节点数、下一跳CH节点的剩余能量以及下一跳CH节点到当前CH节点与BS连线的垂线段的距离四个因素所改进的PSO适应度函数来寻找最佳路径，最佳路由路径满足适应度函数所提供的最小值，其适应度函数表示如下所示：
Figure 828178DEST_PATH_IMAGE022
其中，假设当前CH节点位于网络中的
Figure 855915DEST_PATH_IMAGE023
环中，所有节点之间的通信均在节点的通信半径
Figure 19043DEST_PATH_IMAGE024
之内，
Figure 139446DEST_PATH_IMAGE025
表示
Figure 653604DEST_PATH_IMAGE023
环中第
Figure 517655DEST_PATH_IMAGE026
个CH节点
Figure 535289DEST_PATH_IMAGE027
到(
Figure 357752DEST_PATH_IMAGE028
)环中第p个CH节点
Figure 592162DEST_PATH_IMAGE029
的距离
Figure 259903DEST_PATH_IMAGE030
与
Figure 132044DEST_PATH_IMAGE023
环中第
Figure 859829DEST_PATH_IMAGE026
个CH节点
Figure 83000DEST_PATH_IMAGE027
到BS的距离
Figure 492116DEST_PATH_IMAGE031
的比值，用公式表示为：
Figure 484343DEST_PATH_IMAGE032
当一个CH节点所在的簇越小时，成员节点CM的数就越少，这个簇的数据传输的延迟就越小，
Figure 893282DEST_PATH_IMAGE033
表示以
Figure 338170DEST_PATH_IMAGE034
节点所在簇的CM节点数
Figure 347714DEST_PATH_IMAGE035
与
Figure 725606DEST_PATH_IMAGE036
环中所有CM节点数
Figure 529614DEST_PATH_IMAGE037
的比值，用公式表达为：
Figure 727377DEST_PATH_IMAGE038
Figure 275033DEST_PATH_IMAGE039
表示网络(
Figure 241852DEST_PATH_IMAGE040
)环中第
Figure 918559DEST_PATH_IMAGE041
个CH节点
Figure 603618DEST_PATH_IMAGE042
到
Figure 954965DEST_PATH_IMAGE036
环中第
Figure 776291DEST_PATH_IMAGE043
个CH节点
Figure 453260DEST_PATH_IMAGE044
与BS连线的垂线段的距离
Figure 360036DEST_PATH_IMAGE045
与第
Figure 249494DEST_PATH_IMAGE043
个CH节点
Figure 689441DEST_PATH_IMAGE044
到BS的距离
Figure 6153DEST_PATH_IMAGE046
的比值，当
Figure 603487DEST_PATH_IMAGE045
越小时，
Figure 296637DEST_PATH_IMAGE044
节点把数据通过中继节点转发到BS的路由路径越接近
Figure 92554DEST_PATH_IMAGE046
，根据两点之间直线段最短，可知此时数据传输所消耗的能量越少，平衡了网络的能量消耗，其中BS的坐标为（
Figure 845747DEST_PATH_IMAGE047
），
Figure 727115DEST_PATH_IMAGE048
的坐标为
Figure 456911DEST_PATH_IMAGE049
,
Figure 372915DEST_PATH_IMAGE044
的坐标为
Figure 297008DEST_PATH_IMAGE050
,则
Figure 868935DEST_PATH_IMAGE051
,
Figure 903887DEST_PATH_IMAGE052
,
Figure 674397DEST_PATH_IMAGE039
表达式为：
Figure 471190DEST_PATH_IMAGE053
Figure 592729DEST_PATH_IMAGE055
可以表示(
Figure 369056DEST_PATH_IMAGE028
)环中第
Figure 259651DEST_PATH_IMAGE056
个CH节点的当前剩余能量
Figure 525547DEST_PATH_IMAGE057
与其初始能量
Figure 806487DEST_PATH_IMAGE058
之比，其表达式为：
Figure 212935DEST_PATH_IMAGE059
在数据传输过程网络中第一环中的CH节点可以直接与BS进行通信（其中
Figure 692458DEST_PATH_IMAGE060
）,除了第一环外，其他环中的CH节需要通过网络中下一环中的CH节点(即，中继节点)进行转发数据进而与BS通信。
CN202110629134.XA 2021-06-06 2021-06-06 基于粒子群和狮群的环形无线传感器网络分簇路由算法 Withdrawn CN113453305A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110629134.XA CN113453305A (zh) 2021-06-06 2021-06-06 基于粒子群和狮群的环形无线传感器网络分簇路由算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110629134.XA CN113453305A (zh) 2021-06-06 2021-06-06 基于粒子群和狮群的环形无线传感器网络分簇路由算法

Publications (1)

Publication Number Publication Date
CN113453305A true CN113453305A (zh) 2021-09-28

Family

ID=77810852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110629134.XA Withdrawn CN113453305A (zh) 2021-06-06 2021-06-06 基于粒子群和狮群的环形无线传感器网络分簇路由算法

Country Status (1)

Country Link
CN (1) CN113453305A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114125986A (zh) * 2021-11-30 2022-03-01 长春工业大学 一种基于最佳中继角的无线传感器网络分簇路由协议
CN115412485A (zh) * 2022-08-22 2022-11-29 中国电信股份有限公司 容灾备份方法及装置、计算机存储介质、电子设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114125986A (zh) * 2021-11-30 2022-03-01 长春工业大学 一种基于最佳中继角的无线传感器网络分簇路由协议
CN114125986B (zh) * 2021-11-30 2023-09-19 长春工业大学 一种基于最佳中继角的无线传感器网络分簇路由方法
CN115412485A (zh) * 2022-08-22 2022-11-29 中国电信股份有限公司 容灾备份方法及装置、计算机存储介质、电子设备

Similar Documents

Publication Publication Date Title
Khan et al. Fuzzy-TOPSIS based cluster head selection in mobile wireless sensor networks
CN107295569B (zh) 一种基于多移动汇聚节点的能量高效的路由协议
CN113453305A (zh) 基于粒子群和狮群的环形无线传感器网络分簇路由算法
CN110167097B (zh) 基于加权度量转发和路径规划的移动机器人中继路由方法
Meelu et al. Energy efficiency of cluster‐based routing protocols used in wireless sensor networks
KR101560523B1 (ko) 에너지 효율성을 고려한 무선센서 네트워크 운영방법
Abidi et al. Fuzzy cluster head election algorithm based on LEACH protocol for wireless sensor networks
Mostafa et al. A multi-agent ad hoc on-demand distance vector for improving the quality of service in MANETs
Bouzid et al. Efficient routing protocol for wireless sensor network based on reinforcement learning
He et al. A fuzzy logic reinforcement learning-based routing algorithm for flying ad hoc networks
CN111818553A (zh) 基于模糊逻辑的无线传感器网络改进多跳leach协议
CN112929940B (zh) 一种基于链路生存时间预测的无人机自组网组播路由方法
CN108235402B (zh) 一种基于改进树型分簇的无线传感器网络路由协议
Liu et al. Energy-efficient guiding-network-based routing for underwater wireless sensor networks
Pavai et al. Study of routing protocols in wireless sensor networks
CN114339936A (zh) 基于q学习的飞行器自组织网络优化链路状态路由机制
Hussain et al. Co-DLSA: Cooperative delay and link stability aware with relay strategy routing protocol for flying Ad-hoc network
Adhikary et al. An energy aware unequal clustering algorithm using fuzzy logic for wireless sensor networks
El Khediri et al. Clustering algorithm in wireless sensor networks based on shortest path
CN111970744A (zh) 一种基于改进ap和遗传算法的能量感知分簇路由协议
Kumar et al. Clustering protocol for wireless sensor networks based on Rhesus Macaque (Macaca mulatta) animal's social behavior
CN112423356B (zh) 基于能量均衡的无人装备集群aodv路由方法
CN114980253A (zh) 一种采用粒子群和狮群的环形无线传感器网络分簇路由方法
Rahmani et al. CAT: the new clustering algorithm based on two-tier network topology for energy balancing in wireless sensor networks
CN113708953A (zh) 一种基于节点重要性均衡的水声传感器网络抗毁方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210928