改进蛙跳算法的WSN路由协议研究

来源 :上海海洋大学 | 被引量 : 0次 | 上传用户:pennyboys
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
随着无线通信和微电子机械系统(MEMS)以及人工智能技术的飞速发展,人类已经逐渐步入互联网+的时代。无线传感器网络很快地应用于物联网领域中,引起了国内外学术科研机构商界和商界的广泛关注,主要归因于无线传感器网络的自我组织能力、动态的网络拓扑结构以及大规模网络等特点。无线传感器网络就是由大量廉价、无处不在的、具备无线通信和计算能力的微小型传感器节点构成的无线自组织网络。主要是通过整个网络各处的传感器节点分布合作式接收、汇聚和处理节点的数据信息。然而,无线传感器节点自身有限的能量是其致命的弱点,影响整个网络的生命周期,所以设计合适的无线传感器网络路由协议是至关重要的,合理有效的分簇路由协议算法对减少无线传感器节点能耗提高节点能量利用率是十分必要的。本文简介蛙跳算法的原理,并分析总结他人研究成果上得出蛙跳算法应用于WSN路由协议中的优势,同时也指出了蛙跳算法的缺陷,进而对其进行改进。为了改进蛙跳算法的族群内部局部最优能力,本文引进了模拟退火算法的Metropolis判别准则,并且提出一种双向环迁移机制以提高该算法跳出局部最优能力改善了蛙跳算法,提出了一种新的算法SFSLA算法。通过MATLAB软件对高维单峰函数和高维多峰函数进行求解分析,实验结果表明SFSLA比SFLA、ISFLA在迭代速度还有精度方面更胜一筹,同时在“早熟”现象上也表现不俗。验证了SFSLA算法的优越性,为下文提出改进的路由协议打下扎实的理论基础。论文最后总结已有的各类分簇路由协议后,提出了一种改进蛙跳算法的无线传感器网络路由协议。该算法结合传感器节点本身剩余能量和位置建立适应度函数,通过改进蛙跳算法实现适应度函数的最优求解,从而获得合适的分簇,并且在簇头节点数据传输时采用单跳与多跳路由混合的新的路由方式。使用OPNET仿真软件对LEACH协议、SFLA协议进行模拟仿真实验。对比分析实验结果表明改进后的路由协议在簇头分布、降低网络能耗,延长网络的生存周期、提高能耗均衡度、降低网络时延方面有明显的优势。
其他文献
在嵌入式系统飞速发展的今天,各种嵌入式系统正广泛应用于生产和生活的各个领域。面对嵌入式系统功能的复杂化,对性能要求、功耗要求的不断提高,越来越多的嵌入式应用需要基于异
随着计算机技术的发展,社会信息化程度的不断提高,计算机水平成为考核个人能力的一个重要标志,计算机考试也已经深入到每一个行业。尤其在教育行业中,传统手工阅卷已经逐渐走向计
移动Ad Hoc网络是一种不需要基础设施的多跳无线网络,网络中的节点既具有无线终端的收发功能又具有为其它节点转发信息的功能。网络中所有节点地位平等、功能相同,没有中心控
嵌入式系统的应用越来越广泛,随着嵌入式系统与网络的日益结合,在嵌入式实时操作系统中引入TCP/IP协议栈,以支持嵌入式设备接入网络,成为嵌入式领域重要的研究方向。作为嵌入
当前,嵌入式系统已经成为人们生活中的一部分。可以在很多应用中找到它们,如家用电器、工业设备、医疗设备、通信设备以及汽车应用等。有些嵌入式系统位于远离其使用者或操作者
聚类和分类是当前计算机人工智能领域的研究热点之一。人们渴望快速而准确地获取并处理信息,可是互联网上数据不但数量庞大,而且结构各异。信息自动聚类和分类技术,成为充分
信息技术和网络的迅速发展,各个应用领域之间的合作越来越频繁,数据的互操作性越来越重要。由于各领域生产方式的高度自治,导致了数据模式的异构性,为实现数据共享和使用,解
海冰是高纬度海域最为突出的海洋灾害之一。与常规遥感技术相比,高光谱监测海冰最大的特点就是光谱分辨率高,蕴含接近连续的光谱信息和丰富的空间信息,可以更加精确地区分海水和不同类型的海冰。高光谱海冰图像一般使用监督分类提高分类精度,典型的方法是基于支持向量机进行分类。对于高光谱海冰遥感图像,受条件限制,实测资料非常稀少,对样本进行标注需要耗费大量的时间和成本。但是如果只使用少量的标签样本训练海冰分类器模
智能优化算法作为新兴的搜索算法,一般是指利用自然界的生物系统与优化过程的某些相似性而逐步发展起来的优化算法,如遗传算法、粒子群算法、蚁群算法等,它们通过对搜索空间
随着数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累的数据越来越多,激增的数据背后隐藏着许多重要的信息,人们希望能够对其进行更高层次的分析,以便更好地利用