无线传感器网络路由协议优化算法的研究

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:uirerhj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
无线传感器网络产生于20世纪80年代到90年代,最早应用于军事领域。21世纪至今,无线传感器网络以其自组织、节点设计功耗低等特点,其应用领域越来越广泛。该技术在信息技术、经济生活上的应用对人类的生活和社会进步产生重要的影响。由于无线传感器网络通常工作在无人的监控区域,节点的能源只能依靠电池供电,所以降低能耗,延长网络寿命一直是研究的重点。本论文首先对现有无线传感器网络的经典路由协议算法进行深入的分析,针对无线传感器网络分簇路由协议算法簇头分布不均、能量消耗不均衡等问题,提出了一种基于LEACH路由协议的改进算法,将粒子群算法和蚁群算法引入到路由过程中。本论文提出的改进路由协议算法将监测区域按成簇的百分比划分成若干个小区域,每个小区域内只产生一个簇头节点。因为簇头节点承担的任务比较多,能量消耗比普通节点大,在选择簇头时要尽量选择簇头节点剩余能量高的节点。簇建立后,簇头节点传送数据到汇聚节点时采用路由接力的方法进行路由。论文中将蚁群算法引入寻找最优路径。在选择下一跳节点时,我们不仅考虑距离因素,而且还把能量也考虑进去,这就意味着该路径不仅要尽可能短,还要剩余的能量尽量多。同时针对蚁群算法过度依赖参数的问题,将粒子群算法引入蚁群,训练蚁群的参数,自适应指导参数的选择。最后对比改进后的算法和LEACH算法在网络的平均能耗,节点存活数量,以及可扩展性进行实验分析。结果表明改进后的算法在能量均衡消耗,延长网络寿命方面要比LEACH协议的性能更加优越,而且更适用于监控面积大的区域。由此可见,通过均匀部署簇头和利用粒子群和蚁群混合算法寻找最优路径的方法在节约能量和延长网络生命周期上具有良好的性能。
其他文献
随着云计算的迅速发展,越来越多的数据被存放在云服务器中。云存储作为一种新型的存储服务,所具有的高可扩展性、高可靠性、价格低廉和可随时随地接入访问的特点,为海量数据
随着网络的迅速发展,计算能力与存储能力的不断提高,数据集的规模也有了飞速的增长。为了从大量数据中获取有价值的信息,需要对采集到的数据进行数据挖掘。而特征选择又是数据挖
随着人机交互的发展,形象、生动、直观的手势动作被当作人机自然的交流手段,使用户摆脱了键盘、鼠标等传统输入方式的束缚,在人机交互领域中具有不可估量的意义。从手势的输
时至今日,大数据(BigData)时代已经来临,尤其在电信、金融、互联网行业,数据量的增长已达TB甚至PB级。如何对大数据进行统计分析是我们面临的巨大挑战。云计算的出现和发展,
数字图像处理技术从二十世纪五十年代开始发展到现在,已经在人类生产生活的各个领域取得了广泛的应用。图像分割作为数字图像处理的关键技术之一,不断吸引着众多学者投入到相
随着煤炭开采量增加和开采层位愈来愈深,煤矿井下突水事件发生概率增大,地下水害已成为威胁煤矿安全生产的主要因素。井下明渠流量监测作为煤矿的常规任务为地下水害预警分析提供了重要的基础资料和历史参考依据。但传统的堰式和槽式流量计在井下明渠底部淤泥沉积的情况下测得的流量值与实际值存在严重偏差。为了精确实时测量井下明渠流量,研发精度更高、实时性更强、适合井下环境的明渠流量测量仪具有重要意义。文章研究了各类传
时间序列问题作为数据挖掘中的一类重要问题,其重要性表现在现实世界中大量数据的采集与时间相关,数据具有时间上的关联性。时间序列是指按时间顺序排列的一组有序序列。时间序
在许多机器学习的实际任务中,获得足够的有标记样本是非常昂贵和费时的,而大量的未标记样本容易获得。在少量有标记样本上使用监督式学习方法,训练出的学习器泛化能力不强,容
互联网的迅猛发展,使得国家、企业、高校以及其它关键部门的安全事件呈现的增长趋势,网络安全问题正面临着前所未有的挑战。尤其随着日益增长的网络流量和多样化的攻击手段,对网
随着信息化技术的不断进步,互联网取得了快速发展,作为海量信息载体的图片资源也获得了爆炸式的增长。图像检索的需求日益扩大,但传统的基于内容的图像检索技术无法将图像底