WSN中基于梯度和群体智能算法的分簇拓扑算法研究

发布时间：2017-12-19 09:10

  本文关键词：WSN中基于梯度和群体智能算法的分簇拓扑算法研究

  更多相关文章： 无线传感器网络 分簇拓扑算法 梯度 双簇头 粒子群算法 蚁群算法

【摘要】：无线传感器网络(Wireless Sensor Network,WSN)是涉及多种学科的前沿研究领域,具有非常广阔的应用前景,已经受到各界的广泛关注。传感器节点体积小,一般工作于环境恶劣之地,能量和计算能力有限,因此均衡能量消耗、延长生命周期在WSN的路由设计中占有非常大的重量。随着应用的发展,WSN的路由协议逐渐由平面协议向分层协议倾斜,呈现出层次化的趋势。而分簇拓扑控制算法作为分簇协议的基础,有着能量高效、可扩展性强等特点,得到了较为广泛的研究和应用。本文首先介绍一种基于梯度的拓扑控制算法(energy-aware topology control protocol based on gradient,ETBG)。该算法利用节点的通信半径将整个监测区域划分成各个梯度,有效降低了簇树的高度,减小了数据传输时延。但是簇头位置常常较偏,簇内紧凑性不好,且在选择网关时没有充分考虑能量和位置问题,使网关成为簇树的薄弱点。针对ETBG算法中存在的问题,本文提出一种基于梯度和群体智能算法的分簇拓扑算法(Gradient and Swarm Intelligence Based Clustering Topology Algorithm,GSIA)。针对簇内紧凑性问题,在簇中建立双簇头模式,结合簇头的能量、簇头与成员之间的平均距离构建适应度函数,利用粒子群搜寻最佳节点分任主副簇头。针对网关问题,构造新的路径评估函数和信息素更新模型,利用改进的变异蚁群算法对每个簇头建立路径,形成较为强壮的簇树,并且通过仿真实验分析了算法的性能。此外,为提高算法的稳定性,降低参数复杂度,提出一种新的簇树优化方案,利用粒子群算法,结合节点的位置和能量,对簇头和网关节点分别搜寻最佳的中继节点,以建立强壮的簇树结构。仿真结果表明,优化方案能有效提高算法的稳定性,增加网络的生命周期。最后,针对GSIA优化算法,给出网络维护和更新的方法,以提高算法的自适应性。
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.5;TP212.9

【相似文献】

中国期刊全文数据库 前10条

1 刘波;;“算法设计与分析”教学探讨[J];高等理科教育;2007年04期

2 肖小克;陈莉;;《算法设计与分析》实践教学探讨[J];福建电脑;2009年10期

3 穆瑞辉;;计算机算法设计研究与思考[J];数字技术与应用;2012年12期

4 潘博;;构建“算法设计与分析”趣味课堂[J];科教文汇(下旬刊);2013年06期

5 王希常,杨志强;一类考场编排算法的设计[J];山东师范大学学报(自然科学版);2002年04期

6 龙腾芳,高金文;“分而治之”方法在算法设计中的应用[J];渤海大学学报(自然科学版);2004年01期

7 吕国英;;《算法设计与分析》教材建设的实施[J];计算机教育;2007年19期

8 徐子珊;;“算法设计与分析”教学中理论与技术的平衡[J];计算机教育;2008年10期

9 郑红;邵志清;符海波;;“算法设计与分析”课程教学改革初探[J];计算机教育;2008年14期

10 高尚;;“算法设计与分析”课程改革初探[J];计算机教育;2008年14期

中国重要会议论文全文数据库 前10条

1 雷咏梅;;椭圆曲线密码体制的算法设计与实现[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

2 杨盘洪;朱军祥;赵建安;杨静;;机动目标跟踪的模糊变结构交互多模算法[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

3 徐子珊;;《算法设计与分析》课程中的工程教育[A];2005年全国理论计算机科学学术年会论文集[C];2005年

4 王辉;刘治昌;;用一种新算法设计的安全系统[A];2007年中国智能自动化会议论文集[C];2007年

5 舒辉;柳清峰;杜祝平;周蓓;;实践教学模式在本科专业课程教学中的应用[A];中国电子教育学会高教分会2010年论文集[C];2010年

6 彭小宏;阳东升;刘忠;;基于聚类算法的组织协作网设计[A];2006中国控制与决策学术年会论文集[C];2006年

7 李皓;罗熊;;云存储部署优化的进化算法设计[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

8 罗长政;李熙莹;王镇波;罗东华;;一种大流量交叉路口的背景提取与更新算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

9 杨利;李霖;昌月楼;阳国贵;;对称位向量及启发式并行散列连接算法[A];数据库研究与进展95——第十三届全国数据库学术会议论文集[C];1995年

10 张晋;;嵌入式电脑鼠运行算法的研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

中国重要报纸全文数据库 前1条

1 ;算法设计的策略[N];电脑报;2003年

中国博士学位论文全文数据库 前10条

1 江立辉;基于干扰对齐的多用户无线传输优化方法研究[D];哈尔滨工业大学;2015年

2 史亚;多核学习算法与应用研究[D];西安电子科技大学;2015年

3 薛菲;基于蝙蝠算法的启发式智能优化研究与应用[D];北京工业大学;2016年

4 谷伟哲;齐次光滑算法及其应用[D];天津大学;2010年

5 龙海侠;进化算法及其在生物信息中的应用[D];江南大学;2010年

6 谭跃;具有混沌局部搜索策略的粒子群优化算法研究[D];中南大学;2013年

7 尤海峰;求解隐式目标优化问题的交互式进化算法研究[D];中国科学技术大学;2011年

8 张常淳;基于MapReduce的大数据连接算法的设计与优化[D];中国科学技术大学;2014年

9 郭崇慧;地区中长期发展规划若干定量模型、算法及应用研究[D];大连理工大学;2002年

10 蒋蔚;粒子滤波改进算法研究与应用[D];哈尔滨工业大学;2010年

中国硕士学位论文全文数据库 前10条

1 李欣园;基于选择偏好的组合聚类算法研究与实现[D];内蒙古大学;2015年

2 杨潇;界约束非线性最小二乘问题的无导数算法[D];上海交通大学;2015年

3 王晓璐;基于Zynq的LS-SVM算法加速器设计[D];哈尔滨工业大学;2015年

4 楼磊磊;医疗保险数据异常行为检测算法和系统[D];浙江大学;2015年

5 齐海龙;基于改进人工蜂群算法的非线性系统辨识方法研究[D];北京化工大学;2015年

6 蔡平梅;结构化稀疏信号的恢复算法研究[D];上海大学;2015年

7 赵晨阳;基于蚁群算法的高阶图匹配方法研究[D];西安电子科技大学;2014年

8 苟清松;多目标粒子滤波检测前跟踪算法研究[D];电子科技大学;2015年

9 李枝勇;蝙蝠算法及其在函数优化中的应用研究[D];上海理工大学;2013年

10 李莲;基于蜂群和粗糙集的聚类算法研究[D];长沙理工大学;2014年

，

本文编号：1307648