CN113727412A - 异构无线传感器网络分簇路由方法、装置、介质及设备 - Google Patents
异构无线传感器网络分簇路由方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN113727412A CN113727412A CN202111068266.6A CN202111068266A CN113727412A CN 113727412 A CN113727412 A CN 113727412A CN 202111068266 A CN202111068266 A CN 202111068266A CN 113727412 A CN113727412 A CN 113727412A
- Authority
- CN
- China
- Prior art keywords
- cluster head
- ideal
- node
- communication
- list
- 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
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种异构无线传感器网络分簇路由方法,包括:获取异构无线传感器网络中每个簇头节点之间的通信距离;根据所述通信距离获取每个所述簇头节点的通信列表;根据每个所述簇头节点的能耗和所述通信列表计算得到目标函数;采用改进黑洞算法求解所述目标函数,得到簇头节点的通信路径;根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并计算每个所述普通节点的第一理想工作时长和所述可连接簇头列表的第二理想工作时长;基于所述第一理想工作时长和所述第二理想工作时长的比较结果,对普通节点进行分簇。本发明实施例能够更好地均衡节点能耗,从而降低无线传感器网络节点在通信中的能量损耗,使得网络生存周期延长。
Description
技术领域
本发明涉及无线传感网络技术领域,尤其涉及一种异构无线传感器网络分簇路由方法、装置、介质及设备。
背景技术
智慧城市的概念自2008年提出以来,在国际上引起广泛关注,并持续引发了全球智慧城市的发展热潮。无线传感网络在智慧城市中得到了极大应用,无线传感器网络是指对目标区域大量布撒传感节点,从而完成对待监测区域的信息采集。早期对无线传感器网络的研究主要集中在同构网络上,但现实环境下,同构网络的作用并不好,相对而言,异构网络的发展更具有现实意义。
然而,在异构无线传感器网络中,选用高能节点作为网络的簇头节点可延长网络整体的生命周期,但是,随着网络中节点数的增多及监测区域的增大,靠近基站的簇头接收转发更多的数据包,导致能量损耗大,因此,亟待研究一种异构无线传感器网络分簇路由方法,以降低通信过程中节点的能量损耗。
发明内容
本发明实施例的目的是提供一种异构无线传感器网络分簇路由方法、装置、介质及设备,能够更好地均衡节点能耗,从而降低无线传感器网络节点在通信中的能量损耗,使得网络生存周期延长。
为实现上述目的,本发明实施例提供了一种异构无线传感器网络分簇路由方法,包括:
获取异构无线传感器网络中每个簇头节点之间的通信距离;
根据所述通信距离获取每个所述簇头节点的通信列表;
根据每个所述簇头节点的能耗和所述通信列表计算得到目标函数;
采用改进黑洞算法求解所述目标函数,得到簇头节点的通信路径;
根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并计算每个所述普通节点的第一理想工作时长和所述可连接簇头列表的第二理想工作时长;
基于所述第一理想工作时长和所述第二理想工作时长的比较结果,对普通节点进行分簇。
进一步地,所述根据每个所述簇头节点的能耗和所述通信列表计算得到目标函数,包括:
根据下式计算得到目标函数:
Q(j)=ERNIN(gi)+(NIN(gi)+1)ET(gi,NextHop(gi))表示第j个簇头节点在每轮通信中的能耗,ER为接收数据的能耗,NIN(gi)为簇头节点gi接收到的来自其他簇头节点的数据包的数目,ET(gi,NextHop(gi))为簇头节点gi发送至它下一跳簇头节点的能耗。
进一步地,所述采用改进黑洞算法求解所述目标函数,得到簇头节点的通信路径包括:
初始化参数,包括星体范围,最大寻优次数,星体的个数,新产生星体距离黑洞的最小距离,星体的维数;
基于等欧氏距离产生N个初始星体,得到初始星体位置;
将所述目标函数作为适应度函数,计算初始星体的自适应度值,选择最优的自适应度值确定初始黑洞;
根据黑洞位置更新星体的位置;
比较黑洞与星体的自适应值,若星体的自适应值优于黑洞,交换星体和黑洞的位置,否则不更新黑洞;
计算黑洞的半径,若一个星体与黑洞表面相交,则这个星体将被吸收,同时,在搜索空间内产生一个与黑洞欧式距离大于所述最小距离的新星体;
当满足预设的迭代终止条件时,输出所述目标函数的最优解,步骤根据黑洞位置更新星体的位置。
进一步地,所述根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并计算每个所述普通节点的第一理想工作时长和所述可连接簇头列表的第二理想工作时长,包括:
根据下式计算每个普通节点的第一理想最长工作时长:
式中,ES为普通节点si的初始能量,l为数据包长度,Eelec为每比特数据在发送电路和接收电路消耗的能量;
根据下式计算每个普通节点的第一理想最短工作时长:
式中,ES为普通节点si的初始能量,l为数据包长度,Eelec为每比特数据在发送电路和接收电路消耗的能量;
根据下式计算可连接簇头列表的第二理想最长工作时长:
式中,EG为簇头节点gi的初始能量,n为簇头节点gi接收转发其他簇头节点数据包的个数,L为数据包大小;
根据下式计算可连接簇头列表的第二理想最短工作时长:
进一步地,所述基于所述第一理想工作时长和所述第二理想工作时长的比较结果,对普通节点进行分簇,包括:
当所述第一理想最长工作时长小于所述第二理想最短工作时长时,将所述普通节点连接到与其通信距离最近的簇头节点上;
当所述第一理想最长工作时长大于所述第二理想最短工作时长时,将所述普通节点归类到接收转发数据包最少的簇头上;
当所述第一理想最长工作时长大于所述第二理想最短工作时长或所述第一理想最短工作时长小于所述第二理想最长工作时长时,将所述普通节点连接到接收转发数据包最少的簇头上;
当所述可连接簇头列表中包括以下至少两种比较结果时,判断至少两种所述比较结果是否包括所述第一理想最长工作时长小于所述第二理想最短工作时长,若是,则将所述普通节点连接到与其通信距离最近的簇头节点上,否则,将所述普通节点归类到接收转发数据包最少的簇头上:
所述比较结果具体为所述第一理想最长工作时长小于所述第二理想最短工作时长:
所述比较结果具体为所述第一理想最长工作时长大于所述第二理想最短工作时长;
所述比较结果具体为所述第一理想最长工作时长大于所述第二理想最短工作时长或所述第一理想最短工作时长小于所述第二理想最长工作时长。
进一步地,所述根据所述通信距离获取每个所述簇头节点的通信列表,包括:
对于每个所述簇头节点,计算得到与其在通信距离范围内且其距离基站最近的簇头节点的通信列表:
gk=Index(PNextHops(gd),n)
式中,Index(PNextHops(gd),n)表示第gk个簇头节点从其通信链路表PNextHops(gd)中选择第n个簇头作为它的下一跳,n的取值为n=Ceiling(Xi,d×|PNextHops(gd)|),Xi,d表示第i个星体第d个簇头在选择下一跳簇头节点时的概率值。
为实现上述目的,本发明实施例还提供了一种异构无线传感器网络分簇路由装置,包括:
通信距离获取模块,用于获取异构无线传感器网络中每个簇头节点之间的通信距离;
通信列表获取模块,用于根据所述通信距离获取每个所述簇头节点的通信列表;
目标函数获取模块,用于根据每个所述簇头节点的能耗和所述通信列表计算得到目标函数;
通信路径获取模块,用于采用改进黑洞算法求解所述目标函数,得到簇头节点的通信路径;
理想工作时长计算模块,用于根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并计算每个所述普通节点的第一理想工作时长和所述可连接簇头列表的第二理想工作时长;
普通节点分簇模块,用于基于所述第一理想工作时长和所述第二理想工作时长的比较结果,对普通节点进行分簇。
为实现上述目的,本发明实施例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包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的异构无线传感器网络分簇路由方法。
为实现上述目的,本发明实施例还提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如上述任一项所述的异构无线传感器网络分簇路由方法。
与现有技术相比,本发明实施例提供的一种异构无线传感器网络分簇路由方法、装置、介质及设备,通过获取异构无线传感器网络中每个簇头节点之间的通信距离;根据所述通信距离获取每个所述簇头节点的通信列表;根据每个所述簇头节点的能耗和所述通信列表计算得到目标函数;采用改进黑洞算法求解所述目标函数,得到簇头节点的通信路径;根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并计算每个所述普通节点的第一理想工作时长和所述可连接簇头列表的第二理想工作时长;基于所述第一理想工作时长和所述第二理想工作时长的比较结果,对普通节点进行分簇。由此可见,本发明实施例为延长异构无线传感器网络的网络寿命提供了一种科学、高效的方法,本发明实施例能够更好地均衡节点能耗,从而降低无线传感器网络节点在通信中的能量损耗,使得网络生存周期延长。
附图说明
图1是本发明实施例提供的一种异构无线传感器网络分簇路由方法的流程图;
图2是本发明实施例提供的一种异构无线传感器网络分簇路由方法的又一流程图;
图3是本发明实施例提供的一种异构无线传感器网络分簇路由装置的结构框图;
图4是本发明实施例提供的一种终端设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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作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。
参见图1,图1是本发明实施例提供的一种异构无线传感器网络分簇路由方法的流程图,所述异构无线传感器网络分簇路由方法包括:
S1、获取异构无线传感器网络中每个簇头节点之间的通信距离;
需要说明的是,在获取异构无线传感器网络中每个簇头节点之间的通信距离前,需要构建异构无线传感器网络模型,以获取所述通信距离;
具体地,设N个普通传感器节点、M个高能节点随机分布在一个二维正方形区域内,各个节点将监测信息发送到基站的过程称为一轮通信。则所述异构无线传感器网络模型传具有以下性质:
(1)普通节点集合定义为S={s1,s2,…,sN};
(2)作为簇头节点的高能节点的集合定义为G={g1,g2,…,gN};
(3)dmax表示节点间通信的最大距离;
(4)dis(si,sj)表示普通节点si与普通节点sj之间的距离;
(5)link(gi)表示簇头节点gi与其他簇头节点或基站的通信集合;
(6)limk(si)表示普通节点si在其通信范围内与可通信的簇头节点的通信集合;
(7)当簇头节点与基站的距离小于其通信距离时,与基站进行单跳通信;
(8)第一个簇头节点死亡时的寿命即网络的工作寿命。
具体地,节点在传输l bit信息经过距离d的过程中,发送端能量消耗公式为:
式中,d0为判决阈值,lεfsd2和lεmpd4为发送数据时放大器的能量消耗,Eelec为发送电路和接收电路消耗的能量。
节点接收l bit数据时的能量消耗公式为:
ER(l)=lEelec
式中,Eelec为发送电路和接收电路消耗的能量。
S2、根据所述通信距离获取每个所述簇头节点的通信列表;
S3、根据每个所述簇头节点的能耗和所述通信列表计算得到目标函数;
S4、采用改进黑洞算法求解所述目标函数,得到簇头节点的通信路径;
S5、根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并计算每个所述普通节点的第一理想工作时长和所述可连接簇头列表的第二理想工作时长;
S6、基于所述第一理想工作时长和所述第二理想工作时长的比较结果,对普通节点进行分簇。
作为上述方案的改进,所述根据所述通信距离获取每个所述簇头节点的通信列表,包括:
对于每个所述簇头节点,计算得到与其在通信距离范围内且其距离基站最近的簇头节点的通信列表:
gk=Index(PNextHops(gd),n)
式中,Index(PNextHops(gd),n)表示第gk个簇头节点从其通信链路表PNextHops(gd)中选择第n个簇头作为它的下一跳,n的取值为n=Ceiling(Xi,d×|PNextHpps(gd)|),Xi,d表示第i个星体第d个簇头在选择下一跳簇头节点时的概率值。
可以理解的是,在[0,1]区间内随机产生N个粒子,设无线传感器中有8个簇头节点,所述簇头节点集合为{g1,g2,…,g8},星体维数与簇头节点的个数相同,每个星体代表一种路由连接策略,Xi,d表示第i个星体第d个簇头在选择下一跳簇头节点时的概率值,对于每个簇头节点,计算与其距离在通信范围内且距离基站最近的簇头点构成的通信列表,具体表示为:
gk=Index(PNextHops(gd),n)
式中,Index(PNextHops(gd),n)表示第gk个簇头从其通信链路表PNextHops(gd)中选择第n个簇头作为它的下一跳,n的取值为:
n=Ceiling(Xi,d×|PNextHops(gd)|)
其中,Xi,d表示第i个星体第d个簇头在选择下一跳簇头节点时的概率值。
由上述公式得出簇头节点的通信列表为:
作为上述方案的改进,所述根据每个所述簇头节点的能耗和所述通信列表计算得到目标函数,包括:
根据下式计算得到目标函数:
Q(j)=ERNIN(gi)+(NIN(gi)+1)ET(gi,NextHop(gi))表示第j个簇头节点在每轮通信中的能耗,ER为接收数据的能耗,NIN(gi)为簇头节点gi接收到的来自其他簇头节点的数据包的数目,ET(gi,NextHop(gi))为簇头节点gi发送至它下一跳簇头节点的能耗。可以理解的,Q(j)包括接收其他簇头节点的能耗、发送其他路由簇头节点数据包的能耗和发送本簇内数据包的能耗。
在本发明实施例中,在异构无线传感器网络中,网络的寿命取决于簇头节点的寿命,而网络中簇头节点的总能量是固定的,因此只有均衡网络能耗差异,才能保证在网络寿命最大化的前提下,最小化网络的总能耗。因此本发明实施例将网络簇头节点的能耗标准差作为改进黑洞算法的目标函数,以保证网络寿命最大化的同时,最小化网络的总能耗。
在一种优选实施例中,所述采用改进黑洞算法求解所述目标函数,得到簇头节点的通信路径包括:
初始化参数,包括星体范围,最大寻优次数,星体的个数,新产生星体距离黑洞的最小距离,星体的维数;
基于等欧氏距离产生N个初始星体,得到初始星体位置;
将所述目标函数作为适应度函数,计算初始星体的自适应度值,选择最优的自适应度值确定初始黑洞;
根据黑洞位置更新星体的位置;
比较黑洞与星体的自适应值,若星体的自适应值优于黑洞,交换星体和黑洞的位置,否则不更新黑洞;
计算黑洞的半径,若一个星体与黑洞表面相交,则这个星体将被吸收,同时,在搜索空间内产生一个与黑洞欧式距离大于所述最小距离的新星体;
当满足预设的迭代终止条件时,输出所述目标函数的最优解,步骤根据黑洞位置更新星体的位置。
可以理解的是,星体维数与簇头节点的个数相同,每个星体代表一种路由连接策略;
黑洞算法是模拟实际黑洞现象,将有限的搜索空间假想成宇宙系统,在搜索空间内随机产生N个随机数充当星体;
为了提高黑洞算法的寻优精度、增强星体的多样性和算法的全局搜索能力,现引入欧式距离。用欧氏距离来表示星体群中两个星体向量之间的相似程度,设来表示两个星体当前的位置向量。则这两个星体之间的欧氏距离公式为:
式中,Xis和Xjs分别为Xi和Xj的第s个分量。
引入欧式距离后星体群中各星体位置公式为:
式中,xi(0)为第i个星体初始位置,xmin、xmax为第i个星体位置的下限和上限,N为星体个数。
星体的自适应值公式为:
式中,fi(t)为t次寻优中第i个星体的目标函数值;Fi(t)为t次寻优中第i个星体自适应值。
黑洞算法中的黑洞具有与自然界黑洞同样的强吸引能力,其他所有星体在搜索域内不断向黑洞靠拢且无法逃逸。星体向黑洞靠近的更新公式为:
xi(t+1)=xi(t)+rand(xBH-xi(t)),t=1,2,…,M
式中,xi(t+1)、xi(t)为第i个星体在t+1和t次寻优中的位置,xBH为黑洞的位置,M为最大寻优次数。
当星体的自适应值Fi(t)优于黑洞的自适应值FBH时,说明当前的黑洞不是最优的,将黑洞和星体互换位置,以新的最优适应值对应的星体为中心形成黑洞,其他星体继续向新形成的黑洞逼近。
黑洞边界计算公式为:
当星体的自适应度值进入黑洞边界以内,即被黑洞吸收,将自动在搜索空间内随机产生新的星体,保证星体的数目不变。
作为上述方案的改进,所述根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并计算每个所述普通节点的第一理想工作时长和所述可连接簇头列表的第二理想工作时长,包括:
根据下式计算每个普通节点的第一理想最长工作时长:
式(1)中,ES为普通节点si的初始能量,l为数据包长度,Eelec为每比特数据在发送电路和接收电路消耗的能量;
根据下式计算每个普通节点的第一理想最短工作时长:
式(2)中,ES为普通节点si的初始能量,l为数据包长度,Eelec为每比特数据在发送电路和接收电路消耗的能量;
根据下式计算可连接簇头列表的第二理想最长工作时长:
式(3)中,EG为簇头节点gi的初始能量,n为簇头节点gi接收转发其他簇头节点数据包的个数,L为数据包大小;
根据下式计算可连接簇头列表的第二理想最短工作时长:
式(4)中,EG为簇头节点gi的初始能量,n为簇头节点gi接收转发其他簇头节点数据包的个数,L为数据包的大小,l为数据包长度,Eelec为每比特数据在发送电路和接收电路消耗的能量,为放大器的最大能耗。
需要说明的是,在完成对簇头节点的通信路径规划后,再对普通节点进行分簇,因为普通节点与簇头节点的距离不同,所以每轮通信中的能耗也不同,其工作寿命也会存在差异,而且接收和融合普通节点发来的信息又会为簇头节点带来一定的能耗,因此本发明实施例能够在保证网络寿命最大化的同时,最大化每个节点的生命时间。
可以理解的是,通信距离越大节点能量损耗越大,通过改进黑洞算法规划最优通信路径以减少通信距离,进而达到减少节点能量损耗的目的。
作为上述方案的改进,所述基于所述第一理想工作时长和所述第二理想工作时长的比较结果,对普通节点进行分簇,包括:
当所述第一理想最长工作时长小于所述第二理想最短工作时长时,将所述普通节点连接到与其通信距离最近的簇头节点上;
当所述第一理想最长工作时长大于所述第二理想最短工作时长时,将所述普通节点归类到接收转发数据包最少的簇头上;
当所述第一理想最长工作时长大于所述第二理想最短工作时长或所述第一理想最短工作时长小于所述第二理想最长工作时长时,将所述普通节点连接到接收转发数据包最少的簇头上;
当所述可连接簇头列表中包括以下至少两种比较结果时,判断至少两种所述比较结果是否包括所述第一理想最长工作时长小于所述第二理想最短工作时长,若是,则将所述普通节点连接到与其通信距离最近的簇头节点上,否则,将所述普通节点归类到接收转发数据包最少的簇头上:
所述比较结果具体为所述第一理想最长工作时长小于所述第二理想最短工作时长:
所述比较结果具体为所述第一理想最长工作时长大于所述第二理想最短工作时长;
所述比较结果具体为所述第一理想最长工作时长大于所述第二理想最短工作时长或所述第一理想最短工作时长小于所述第二理想最长工作时长。
需要说明的是,根据式(1)-(4)对普通节点进行分簇:
第一种情况:max(lifetime(si))<min(lifetime(gi)),此时普通节点寿命低于簇头节点寿命,说明普通节点将先于其簇头节点死亡,则将普通节点连接到与其通信距离最近的簇头节点上;
第二种情况:max(lifetime(si))>min(lifetime(gi)),此时簇头节点的寿命低于普通节点寿命,说明普通节点的理论工作时间将高于其簇头节点,则将普通节点归类到接收转发数据包最少的簇头节点上。
第四种情况:若可连接簇头列表中存在上述三种情况中的两种或三种,则当可连接簇头列表中存在第一种情况时,按照第一种情况进行分簇,否则按第二种情况进行分簇。
示例性,参见图2,一种异构无线传感器网络分簇路由方法包括:
步骤11:获取异构无线传感器网络中每个簇头节点之间的通信距离;
步骤12:根据所述通信距离得到每个簇头节点的通信列表;
步骤13:根据每个簇头节点的能耗和通信列表计算得到目标函数;
步骤14:初始化算法参数,包括星体范围(xmin,xmax),最大寻优次数M,星体的个数N,新产生星体距离黑洞的最小距离J,星体的维数D;
步骤15:基于等欧氏距离产生N个初始星体,得到初始星体位置;
步骤16:计算初始星体的自适应度值,选择最优的自适应度值确定初始黑洞;
步骤17:根据黑洞位置更新星体的位置;
步骤18:比较黑洞的自适应值FBH与星体的自适应值Fi,若星体的自适应值优于黑洞,交换星体和黑洞的位置,否则不更新黑洞;
步骤19:计算黑洞的半径,若一个星体与黑洞表面相交,则这个星体将被吸收,同时,在搜索空间内产生一个与黑洞欧式距离大于所述最小距离的新星体;
步骤20:当达到最大迭代次数或者出现一个最优寻优结果时,寻优结束,输出最优解,即得到簇头节点的通信路径,否则返回步骤17;
步骤21:根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并根据式(1)-(4)对普通节点进行分簇。
参见图3,图3是本发明实施例提供的一种异构无线传感器网络分簇路由装置10的结构框图,所述异构无线传感器网络分簇路由装置10,包括:
通信距离获取模块11,用于获取异构无线传感器网络中每个簇头节点之间的通信距离;
通信列表获取模块12,用于根据所述通信距离获取每个所述簇头节点的通信列表;
目标函数获取模块13,用于根据每个所述簇头节点的能耗和所述通信列表计算得到目标函数;
通信路径获取模块14,用于采用改进黑洞算法求解所述目标函数,得到簇头节点的通信路径;
理想工作时长计算模块15,用于根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并计算每个所述普通节点的第一理想工作时长和所述可连接簇头列表的第二理想工作时长;
普通节点分簇模块16,用于基于所述第一理想工作时长和所述第二理想工作时长的比较结果,对普通节点进行分簇。
值得说明的是,本发明实施例所述的异构无线传感器网络分簇路由装置10中各个模块的工作过程可参考上述实施例所述的异构无线传感器网络分簇路由方法的工作过程,在此不再赘述。
本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述实施例所述的异构无线传感器网络分簇路由方法。
参见图4,图4是本发明实施例提供的一种终端设备20的结构框图,所述终端设备20包括:处理器21、存储器22以及存储在所述存储器22中并可在所述处理器21上运行的计算机程序。所述处理器21执行所述计算机程序时实现上述异构无线传感器网络分簇路由方法实施例中的步骤。或者,所述处理器21执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器22中,并由所述处理器21执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备20中的执行过程。
所述终端设备20可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备20可包括,但不仅限于,处理器21、存储器22。本领域技术人员可以理解,所述示意图仅仅是终端设备20的示例,并不构成对终端设备20的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备20还可以包括输入输出设备、网络接入设备、总线等。
所称处理器21可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器21是所述终端设备20的控制中心,利用各种接口和线路连接整个终端设备20的各个部分。
所述存储器22可用于存储所述计算机程序和/或模块,所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块,以及调用存储在存储器22内的数据,实现所述终端设备20的各种功能。所述存储器22可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述终端设备20集成的模块/单元若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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器21执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本发明实施例提供的一种异构无线传感器网络分簇路由方法、装置、介质及设备,通过获取异构无线传感器网络中每个簇头节点之间的通信距离;根据所述通信距离获取每个所述簇头节点的通信列表;根据每个所述簇头节点的能耗和所述通信列表计算得到目标函数;采用改进黑洞算法求解所述目标函数,得到簇头节点的通信路径;根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并计算每个所述普通节点的第一理想工作时长和所述可连接簇头列表的第二理想工作时长;基于所述第一理想工作时长和所述第二理想工作时长的比较结果,对普通节点进行分簇。由此可见,本发明实施例为延长异构无线传感器网络的网络寿命提供了一种科学、高效的方法,本发明实施例能够更好地均衡节点能耗,从而降低无线传感器网络节点在通信中的能量损耗,使得网络生存周期延长。
以上所述是本发明的优选实施方式,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,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种异构无线传感器网络分簇路由方法,其特征在于,包括:
获取异构无线传感器网络中每个簇头节点之间的通信距离;
根据所述通信距离获取每个所述簇头节点的通信列表;
根据每个所述簇头节点的能耗和所述通信列表计算得到目标函数;
采用改进黑洞算法求解所述目标函数,得到簇头节点的通信路径;
根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并计算每个所述普通节点的第一理想工作时长和所述可连接簇头列表的第二理想工作时长;
基于所述第一理想工作时长和所述第二理想工作时长的比较结果,对普通节点进行分簇。
3.如权利要求1所述的异构无线传感器网络分簇路由方法,其特征在于,所述采用改进黑洞算法求解所述目标函数,得到簇头节点的通信路径包括:
初始化参数,包括星体范围,最大寻优次数,星体的个数,新产生星体距离黑洞的最小距离,星体的维数;
基于等欧氏距离产生N个初始星体,得到初始星体位置;
将所述目标函数作为适应度函数,计算初始星体的自适应度值,选择最优的自适应度值确定初始黑洞;
根据黑洞位置更新星体的位置;
比较黑洞与星体的自适应值,若星体的自适应值优于黑洞,交换星体和黑洞的位置,否则不更新黑洞;
计算黑洞的半径,若一个星体与黑洞表面相交,则这个星体将被吸收,同时,在搜索空间内产生一个与黑洞欧式距离大于所述最小距离的新星体;
当满足预设的迭代终止条件时,输出所述目标函数的最优解,步骤根据黑洞位置更新星体的位置。
4.如权利要求1所述的异构无线传感器网络分簇路由方法,其特征在于,所述根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并计算每个所述普通节点的第一理想工作时长和所述可连接簇头列表的第二理想工作时长,包括:
根据下式计算每个普通节点的第一理想最长工作时长:
式中,ES为普通节点si的初始能量,l为数据包长度,Eelec为每比特数据在发送电路和接收电路消耗的能量;
根据下式计算每个普通节点的第一理想最短工作时长:
式中,ES为普通节点si的初始能量,l为数据包长度,Eelec为每比特数据在发送电路和接收电路消耗的能量;
根据下式计算可连接簇头列表的第二理想最长工作时长:
式中,EG为簇头节点gi的初始能量,n为簇头节点gi接收转发其他簇头节点数据包的个数,L为数据包大小;
根据下式计算可连接簇头列表的第二理想最短工作时长:
5.如权利要求4所述的异构无线传感器网络分簇路由方法,其特征在于,所述基于所述第一理想工作时长和所述第二理想工作时长的比较结果,对普通节点进行分簇,包括:
当所述第一理想最长工作时长小于所述第二理想最短工作时长时,将所述普通节点连接到与其通信距离最近的簇头节点上;
当所述第一理想最长工作时长大于所述第二理想最短工作时长时,将所述普通节点归类到接收转发数据包最少的簇头上;
当所述第一理想最长工作时长大于所述第二理想最短工作时长或所述第一理想最短工作时长小于所述第二理想最长工作时长时,将所述普通节点连接到接收转发数据包最少的簇头上;
当所述可连接簇头列表中包括以下至少两种比较结果时,判断至少两种所述比较结果是否包括所述第一理想最长工作时长小于所述第二理想最短工作时长,若是,则将所述普通节点连接到与其通信距离最近的簇头节点上,否则,将所述普通节点归类到接收转发数据包最少的簇头上:
所述比较结果具体为所述第一理想最长工作时长小于所述第二理想最短工作时长:
所述比较结果具体为所述第一理想最长工作时长大于所述第二理想最短工作时长;
所述比较结果具体为所述第一理想最长工作时长大于所述第二理想最短工作时长或所述第一理想最短工作时长小于所述第二理想最长工作时长。
6.如权利要求1所述的异构无线传感器网络分簇路由方法,其特征在于,所述根据所述通信距离获取每个所述簇头节点的通信列表,包括:
对于每个所述簇头节点,计算得到与其在通信距离范围内且其距离基站最近的簇头节点的通信列表:
gk=Index(PNextHops(gd),n)
式中,Index(PNextHops(gd),n)表示第gk个簇头节点从其通信链路表PNextHops(gd)中选择第n个簇头作为它的下一跳,n的取值为n=Ceiling(Xi,d×|PNextHpps(gd)|),Xi,d表示第i个星体第d个簇头在选择下一跳簇头节点时的概率值。
7.一种异构无线传感器网络分簇路由装置,其特征在于,包括:
通信距离获取模块,用于获取异构无线传感器网络中每个簇头节点之间的通信距离;
通信列表获取模块,用于根据所述通信距离获取每个所述簇头节点的通信列表;
目标函数获取模块,用于根据每个所述簇头节点的能耗和所述通信列表计算得到目标函数;
通信路径获取模块,用于采用改进黑洞算法求解所述目标函数,得到簇头节点的通信路径;
理想工作时长计算模块,用于根据所述通信距离和所述通信路径得到每个普通节点对应的可连接簇头列表,并计算每个所述普通节点的第一理想工作时长和所述可连接簇头列表的第二理想工作时长;
普通节点分簇模块,用于基于所述第一理想工作时长和所述第二理想工作时长的比较结果,对普通节点进行分簇。
8.一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包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1~6任一项所述的异构无线传感器网络分簇路由方法。
9.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1~6任一项所述的异构无线传感器网络分簇路由方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111068266.6A CN113727412B (zh) | 2021-09-13 | 2021-09-13 | 异构无线传感器网络分簇路由方法、装置、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111068266.6A CN113727412B (zh) | 2021-09-13 | 2021-09-13 | 异构无线传感器网络分簇路由方法、装置、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113727412A true CN113727412A (zh) | 2021-11-30 |
CN113727412B CN113727412B (zh) | 2023-09-15 |
Family
ID=78683443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111068266.6A Active CN113727412B (zh) | 2021-09-13 | 2021-09-13 | 异构无线传感器网络分簇路由方法、装置、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113727412B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106550422A (zh) * | 2016-11-08 | 2017-03-29 | 华中科技大学 | 一种基于和声搜索算法的无线传感器网络分簇路由方法 |
CN106658603A (zh) * | 2016-11-17 | 2017-05-10 | 天津大学 | 一种负载均衡的无线传感器网络路由节能方法 |
-
2021
- 2021-09-13 CN CN202111068266.6A patent/CN113727412B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106550422A (zh) * | 2016-11-08 | 2017-03-29 | 华中科技大学 | 一种基于和声搜索算法的无线传感器网络分簇路由方法 |
CN106658603A (zh) * | 2016-11-17 | 2017-05-10 | 天津大学 | 一种负载均衡的无线传感器网络路由节能方法 |
Non-Patent Citations (1)
Title |
---|
毕晓君等: "基于引力搜索算法的异构无线传感器网络路由分簇算法", 《控制与决策》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113727412B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Joint deployment and task scheduling optimization for large-scale mobile users in multi-UAV-enabled mobile edge computing | |
Zivkovic et al. | Wireless sensor networks life time optimization based on the improved firefly algorithm | |
CN108052639A (zh) | 基于运营商数据的行业用户推荐方法及装置 | |
Wei et al. | Wireless sensor network data collection by connected cooperative UAVs | |
CN103023981A (zh) | 云计算系统 | |
CN111988787B (zh) | 一种任务的网络接入和服务放置位置选择方法及系统 | |
Moysen et al. | Learning-based tracking area list management in 4g and 5g networks | |
Tuba et al. | Energy efficient sink placement in wireless sensor networks by brain storm optimization algorithm | |
Parvaresh et al. | A continuous actor–critic deep Q-learning-enabled deployment of UAV base stations: Toward 6G small cells in the skies of smart cities | |
CN109219122A (zh) | 一种发射功率的设置方法及装置 | |
CN110784903A (zh) | 网络数据传输方法、装置、计算机设备和存储介质 | |
CN116989819B (zh) | 一种基于模型解的路径确定方法及装置 | |
Sen | Intelligent admission and placement of O-RAN slices using deep reinforcement learning | |
Dao et al. | A multifactorial evolutionary algorithm for minimum energy cost data aggregation tree in wireless sensor networks | |
Parija et al. | Cost reduction in location management using reporting cell planning and particle swarm optimization | |
CN113727412A (zh) | 异构无线传感器网络分簇路由方法、装置、介质及设备 | |
CN114492849B (zh) | 一种基于联邦学习的模型更新方法及装置 | |
Wang et al. | [Retracted] EMEECP‐IOT: Enhanced Multitier Energy‐Efficient Clustering Protocol Integrated with Internet of Things‐Based Secure Heterogeneous Wireless Sensor Network (HWSN) | |
CN108596778A (zh) | 一种基于兴趣空间的社区划分方法 | |
Han et al. | Opportunistic coded distributed computing: An evolutionary game approach | |
CN109819522B (zh) | 一种平衡能耗与用户服务质量的用户带宽资源分配方法 | |
CN107613456A (zh) | 基于物联网信息管理方法及设备 | |
CN116150612A (zh) | 模型训练的方法和通信装置 | |
CN106506176A (zh) | 一种策略和计费规则生成方法和系统 | |
Bunu et al. | Machine learning-based optimized link state routing protocol for D2D communication in 5G/B5G |
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 |