无线传感器网络改进引力搜索算法的设计与实现
发布时间：2021-01-29 08:35
为了高效利用有限的无线传感器网络节点能量,延长网络的生命周期,提出了一种应用于无线传感器网络协议中的改进引力搜索算法（IMPGSA）来更新簇头节点的位置。该算法使用分数阶微积分对引力搜索算法（GSA）进行优化,使用多目标适应度函数对簇头节点更新后的位置进行评估,这些目标包括距离、延迟、链路生命周期和能量。仿真结果表明:本文提出的改进算法与人工蜂群算法（ABC）、引力搜索算法（GSA）和粒子群免疫协同算法（MPSICA）相比,网络生命周期分别提高了10.7%、22.4%和13.1%。可见,该算法通过在网络中不断进行迭代以更新簇头节点的位置,有效延长了网络节点的生命周期,进而有效延长了网络本身的生命周期。
【文章来源】：天津工业大学学报. 2019,38(03)北大核心
【文章页数】：8 页
【部分图文】：
无线传感器网络模型示意图Fig.1AmodelforthewirelesssensornetworksHC1HC2HCh……
第3期4仿真分析在仿真分析环节中，仿真实验的硬件环境为：CPU：IntelCorei564002.7GHz；内存：4GB；操作系统：Windows10×64；软件平台：MATLABR2012；仿真实验参数如表1所示。为了分析改进算法的性能，通过与3种现存算法（ABC[18，19，20]、GSA、MPSICA）进行比较，并从存活节点数目和网络能量两方面对改进算法的性能进行了分析。仿真实验中所有节点的网络能量均符合第1部分中定义的网络节点能量模型，实验过程中的每一轮迭代表示算法对无线传感器网络中所有簇头节点的一次位置及能量更新。对比实验采用4种算法（本文改进算法和3种现存算法）对无线传感器网络迭代一定的轮数后，通过对网络内存活节点数目和网络能量的比较分析说明改进算法相较于3种现存算法而言是如何高效延长网络生命周期的。4.1影响网络生命周期的因素一般情况下，无线传感器网络中的节点能量变为0时，认为该节点为死节点，当节点数量小于10%时，认为网络不能继续工作。节点的能量受通信节点间距离的影响，节点间的距离越大，能量损耗就越严重，网络内通信大多集中在普通节点与簇头节点之间，因此，通过更新簇头节点的位置，使其与自身普通节点之间的距离最优，便可降低能量损耗，从而延长无线传感器网络的生命周期。更新簇头节点位置操作产生的延迟也应足够小，该延迟与节点消耗的能量成正比，因此，降低更新簇头节点位置操作的延迟，也可有效延长无线传感器网络的生命周期。在每个簇中，链路普遍存在于普通节点与其对应的簇头节点之间，链路生命周期表示了每个簇的最大传输时长，链路生命周期越长，无线传感器网络的生命周期就越长。基于对影响网络生命周期因
通节点总数H100普通节点初始能量G00.5可用空间与多路径衰减模型能量损失1/（pJ·bit-1·m-2）Gfs10可用空间与多路径衰减模型能量损失2/（pJ·bit-1·m-2）Gpa0.0013硬件发射器能量损失/（nJ·bit-1·m-2）Gtxr50数据收集能量损失/（nJ·bit-1·signal-1）GDA10适应度函数加权参数αβδη0.20.30.40.11009080706050403020100存活节点数目/个0轮数（a）改进算法存活节点数目变化图8001200160020004001009080706050403020100存活节点数目/个0轮数（b）四种算法存活节点数目变化对比图800120016002000400图4存活节点数目变化图Fig.4ComparativeperformancebasedonnumberofalivenodesGSA算法MPICA算法ABC算法改进算法万振凯，等：无线传感器网络改进引力搜索算法的设计与实现71--
【参考文献】：
期刊论文
[1]万有引力搜索算法的分析与改进[J]. 马力,刘丽涛. 微电子学与计算机. 2015(09)
[2]基于新的适应度函数的多目标进化算法[J]. 代才,王宇平. 华中科技大学学报(自然科学版). 2013(07)
[3]不同适应度函数的遗传算法在桥梁结构传感器布设中的应用[J]. 刘寒冰,吴春利,程永春. 吉林大学学报(工学版). 2012(01)
[4]分数阶微积分及其应用[J]. 祝奔石. 黄冈师范学院学报. 2011(06)
[5]分数阶微积分的一些性质及证明[J]. 张慧琛. 忻州师范学院学报. 2010(02)
本文编号：3006596
【文章来源】：天津工业大学学报. 2019,38(03)北大核心
【文章页数】：8 页
【部分图文】：
无线传感器网络模型示意图Fig.1AmodelforthewirelesssensornetworksHC1HC2HCh……
第3期4仿真分析在仿真分析环节中，仿真实验的硬件环境为：CPU：IntelCorei564002.7GHz；内存：4GB；操作系统：Windows10×64；软件平台：MATLABR2012；仿真实验参数如表1所示。为了分析改进算法的性能，通过与3种现存算法（ABC[18，19，20]、GSA、MPSICA）进行比较，并从存活节点数目和网络能量两方面对改进算法的性能进行了分析。仿真实验中所有节点的网络能量均符合第1部分中定义的网络节点能量模型，实验过程中的每一轮迭代表示算法对无线传感器网络中所有簇头节点的一次位置及能量更新。对比实验采用4种算法（本文改进算法和3种现存算法）对无线传感器网络迭代一定的轮数后，通过对网络内存活节点数目和网络能量的比较分析说明改进算法相较于3种现存算法而言是如何高效延长网络生命周期的。4.1影响网络生命周期的因素一般情况下，无线传感器网络中的节点能量变为0时，认为该节点为死节点，当节点数量小于10%时，认为网络不能继续工作。节点的能量受通信节点间距离的影响，节点间的距离越大，能量损耗就越严重，网络内通信大多集中在普通节点与簇头节点之间，因此，通过更新簇头节点的位置，使其与自身普通节点之间的距离最优，便可降低能量损耗，从而延长无线传感器网络的生命周期。更新簇头节点位置操作产生的延迟也应足够小，该延迟与节点消耗的能量成正比，因此，降低更新簇头节点位置操作的延迟，也可有效延长无线传感器网络的生命周期。在每个簇中，链路普遍存在于普通节点与其对应的簇头节点之间，链路生命周期表示了每个簇的最大传输时长，链路生命周期越长，无线传感器网络的生命周期就越长。基于对影响网络生命周期因
通节点总数H100普通节点初始能量G00.5可用空间与多路径衰减模型能量损失1/（pJ·bit-1·m-2）Gfs10可用空间与多路径衰减模型能量损失2/（pJ·bit-1·m-2）Gpa0.0013硬件发射器能量损失/（nJ·bit-1·m-2）Gtxr50数据收集能量损失/（nJ·bit-1·signal-1）GDA10适应度函数加权参数αβδη0.20.30.40.11009080706050403020100存活节点数目/个0轮数（a）改进算法存活节点数目变化图8001200160020004001009080706050403020100存活节点数目/个0轮数（b）四种算法存活节点数目变化对比图800120016002000400图4存活节点数目变化图Fig.4ComparativeperformancebasedonnumberofalivenodesGSA算法MPICA算法ABC算法改进算法万振凯，等：无线传感器网络改进引力搜索算法的设计与实现71--
【参考文献】：
期刊论文
[1]万有引力搜索算法的分析与改进[J]. 马力,刘丽涛. 微电子学与计算机. 2015(09)
[2]基于新的适应度函数的多目标进化算法[J]. 代才,王宇平. 华中科技大学学报(自然科学版). 2013(07)
[3]不同适应度函数的遗传算法在桥梁结构传感器布设中的应用[J]. 刘寒冰,吴春利,程永春. 吉林大学学报(工学版). 2012(01)
[4]分数阶微积分及其应用[J]. 祝奔石. 黄冈师范学院学报. 2011(06)
[5]分数阶微积分的一些性质及证明[J]. 张慧琛. 忻州师范学院学报. 2010(02)
本文编号：3006596
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3006596.html
