海洋牧场WSN中移动Sink节点的路径规划

针对静态部署的海洋牧场无线传感网络在数据多跳传输过程中近Sink节点区域易出现能量空洞的问题,提出一种基于改进蚁群算法的移动Sink节点可靠通信路径规划方法。首先,对于传统蚁群算法,采用非均匀分配初始信息素浓度,解决算法初期盲目搜索的问题;修改状态转移概率函数,增加拥挤度因子,避免死锁现象的同时加快收敛速度;采用改进的信息素更新规则,保证算法后期的收敛能力。其次,利用LEACH协议对网络进行分簇,根据簇头节点的位置和通信覆盖区情况,构建移动Sink遍历节点集。最后,将移动Sink节点路径规划问题看成旅行商问题,并通过改进蚁群算法和构建的骨干节点集求出移动Sink节点的最优路径。仿真实验结果表明,在275个网络节点规模内,该方法与其他算法相比,在路径长度方面依次减少了41.9%、20.3%、30.4%,数据传输时延依次降低了42%、38.5%、46.7%,网络吞吐量依次提高了10%、10.6%、16.4%,验证了该方法的优越性。文章所提出的方法通过引入移动Sink节点并利用其移动路径的合理性可以有效优化海洋牧场无线传感网络数据接收的可靠性、网络的能耗特性与生命周期。

带移动sink节点的WSN节能路由算法

针对无线传感网移动路由算法中能量消耗大且消耗不均衡等问题,引入移动sink节点,提出一种带sink节点的WSN节能路由算法(MSEERP)。该算法基于网格思想来分割网络,根据节点的剩余能量和离簇重心距离的加权和选举簇头,避免了剩余能量低的节点被选为簇头;通过可控移动策略调度sink节点接收簇头所收集的数据,可以节省网络能耗。通过仿真,详细分析了sink节点的移动速度、移动sink节点的数量以及加权系数α对MSEERP算法性能的影响。分析结果显示,sink节点的移动速度为5、加权系数α为0.6且移动sink节点的数量为1时,MSEERP算法性能最佳;MSEERP算法在网络的生命周期、总能耗和sink节点接收数据量3个方面都优于GAF和TTDD算法。

基于移动Sink节点剩余能量树路由算法

在深入研究了异步可延伸能效(SEAD)算法和MintRoute算法的基础上,提出了剩余能量树路由算法,该算法将网络中的节点分成能量相近的区域,再利用SEAD算法的思想,在每个能量相近的区域中构建以采样节点为根,传递节点作为枝叶的树状网络结构模型,将树最末端的节点作为代理节点,Sink节点移动时,只需要保持同代理节点的通信,便可以保证Sink节点同整个网络连通。运用该路由算法可以很好地解决无线传感器网络中的因某个节点过早死亡而导致网络路由"瓶颈"问题和节点间的信息泛洪问题。采用剩余能量树路由算法,可以使网络能量得到更均衡合理充分的利用,仿真实验结果表明,该算法可以很好地延长网络寿命。

基于移动sink节点的WSN节能路由协议

针对无线传感器网络中能量消耗不均引起的热区问题,提出一种基于移动sink节点的WSN节能路由协议MSERP,将整个网络分成若干个虚拟网格,根据节点剩余能量和到网格重心距离选举簇头。通过PSO算法来确定sink的下一个移动位置,粒子适应值函数由簇头到sink节点的距离和sink节点周围簇头能量因素定义。仿真结果表明,该协议有效地解决了热区问题,提高了网络的生存周期。

Sink节点移动的无线传感网生存时间优化算法

为提高网络最大生存时间,提出Sink节点移动的无线传感网生存时间优化算法(LOAMSN)。该算法分析Sink节点移动时的流量平衡约束、最大传输速率约束、节点能耗约束等约束条件,将生存时间优化问题转化成优化模型。提出Sink节点的移动方法,即Sink节点利用节点的度值构建其移动路径,按照此路径循环移动收集数据。将Sink节点的移动认为是离散运动,Sink节点移动的生存时间优化模型分解成若干个Sink节点静止的生存时间优化模型,采用牛顿法求解每个Sink节点静止的优化模型,获得网络最大生存时间和节点发送数据量的最优值。仿真结果表明:LOAMSN算法能减少Sink节点停留位置上的节点能耗,平衡网络负载和节点能耗,提高网络最大生存时间。在一定条件下,LOAMSN算法比Sink节点静止时更优。

一种无线传感网的Sink节点移动路径规划算法研究

为寻找传感节点均匀分布时Sink节点的最优移动路径和最大网络生存时间,提出一种无线传感网的Sink节点移动路径规划算法(MPOA)。在MPOA算法中,将Sink节点的数据收集范围分解成多个圆环,将监测区域分解成多个网格。根据Sink节点的停留位置和多跳通信方式,采用数学公式表示每一个网格的单位节点能耗,从而获得Sink节点移动的网络生存时间优化模型。采用修正的混合粒子群算法求解该优化模型,获得网络生存时间、Sink节点的停留位置和移动路径的最优方案。仿真结果表明:MPOA算法可寻找到Sink节点的最优移动路径,从而平衡网络能耗,提高网络生存时间。在一定的条件下,MPOA算法比Circle,Rect和Rand算法更优。

无线传感网中基于sink节点的目标位置选择移动算法

在深入研究k-means算法和连续Hopfield神经网络算法的基础上,提出一种目标位置选择移动算法,该算法先利用k-means算法的原理,将网络中能量相近的节点进行聚簇,并选取每个簇的质心作为sink节点可以安放的目标位置,再利用连续Hopfield神经网络算法的思想,为sink节点的前进预设一条最优路径。Matlab仿真结果显示,该路由算法可以有效地抑制能量空洞的现象,对延长网络寿命具有重大意义,同时对解决能源问题也做出了一定贡献。

Sink节点自适应位置更新在无线传感器网络中节能的优化

在无线传感器网络中,移动Sink节点可用于平衡无线传感器网络节点的能量消耗,降低无线传感器网络中的能量消耗;但是,Sink节点频繁的位置更新又会导致传感器网络节点的能量消耗和数据流传输中的阻塞;提出了一种新的解决方案——自适应移动Sink节点的位置更新算法(ALURP),以解决此问题;当一个Sink节点移动时,它只需要在一定小范围空间中进行信息更新而不是以往的在整个网络中;理论分析和研究表明,这种设计方案会减少消耗在每个传感器节点上的能量,也缓解了无线传输数据流中的拥挤,可在大型无线传感网络中使用。

带移动节点的无线传感器网络节能路由算法

为解决无线传感器网络(WSN)的"热点"问题,避免因网络局部突发事件造成网络过早失效,提出一种带移动节点的WSN节能路由算法。该算法基于网格思想,根据节点的剩余能量以及节点到簇重心坐标距离的加权和来选举簇头,通过可控移动策略调度sink节点接收簇头所收集的数据,节省网络能耗。同时引入能量不受限的中继节点,调度该节点服务于信息传输大的区域,延长网络生存时间。通过仿真实验分析sink节点的移动速度以及加权系数对算法性能的影响,结果表明,该算法在网络的生存时间、总能耗和sink节点接收数据量3个方面均优于TTDD和MSEERP算法。当sink节点的移动速度为5m/s、加权系数为0.6时,算法性能最佳。

工业无线传感器网络物理层移动节点的抗干扰Stackelberg博弈模型

针对工业无线传感网络中物理层干扰攻击问题,研究一种移动环境下的博弈功率控制方案。为提高移动sink节点的抗干扰能力,利用Bayesion-Stackelberg博弈模拟移动sink节点和干扰节点的对抗交互行为,通过求出参与博弈的节点最优策略,即sink节点和干扰节点的最佳传输功率,达到合法节点抗干扰的最佳效果,提高通信系统物理层的安全性。Matlab仿真结果表明,相比移动sink节点的其他博弈功率控制算法,本文方案能更有效地提高合法节点抗干扰能力且能耗更低。

大规模传感网移动多Sink生物超启发式路径规划

大规模无线传感器网络节点数量多、部署范围广、数据传输时延长。针对上述问题,提出移动多Sink生物超启发式路径规划算法,采用蚁群优化作上层算子,根据网络运行过程中的变化,即节点数量和能量变化,实时优选下层算子集,选中的下层算子集规划各移动Sink节点的路径。仿真研究表明,所提算法有效解决多Sink节点的路径规划问题,减小网络时延。

WSN中基于Stateless Weight的移动代理路由设计

为了使移动代理的路由不再过分依赖于网络结构,提出了一种应用在无线传感器网络(WSN)中的移动代理的路由设计(SWR-MA)。在SWR-MA中,引入了一个与节点位置有关的参数Weight,通过比较Weight值,移动代理可以自主的确定自己的路径。SWR-MA可以应用在拓扑改变的网络中,比如带有移动Sink节点的网络中。最后,对该路由算法进行了仿真评价。

无线传感器网络数据收集算法研究

对于无线传感器网络而言,可靠的数据收集是推进其大规模应用的关键,本文引入了移动传感器网络解决静态传感网络中的通信中断问题。针对移动传感器网络的数据收集,提出了数据收集的分类,分析了移动节点不同移动模式对网络数据收集的影响,比较了移动节点受控移动路径对比固定移动模式的优势,最后介绍了典型的移动节点受控移动的路径规划算法。

基于人工势场方法的WSN传感覆盖率提高算法

感覆盖率是WSN系统中重要的性能指标之一。Sink节点的移动性能提高系统的传感覆盖率,人工势场能描述普通节点与Sink节点之间的关系。提出了一种利用人工势场方法有效的Sink节点移动控制策略,通过Sink节点的移动能够提高系统的传感覆盖率。普通节点搜集的数据能通过多跳的方式传送给Sink节点。在最初的随机部署之后,由人工势场产生的力迫使移动Sink节点移动到整个环境中的平衡点以获得更高的传感覆盖率。在整个算法执行过程中无需事先了解环境的情况,此方法能在实时的环境中采用。给出了具体的算法步骤,最后利用一个仿真实例对控制效果进行了说明。