【摘要】：通過(guò)區(qū)間型聯(lián)系數(shù)建立決策模型是解決多屬性決策問(wèn)題,具有方法簡(jiǎn)單、計(jì)算量小的特點(diǎn),非常契合無(wú)線傳感器網(wǎng)絡(luò)資源受限的特點(diǎn)。針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中路由能量消耗不平衡,提出一種基于區(qū)間型聯(lián)系數(shù)的無(wú)線傳感器網(wǎng)絡(luò)(wireless sensor network,WSN)路由選擇方法,對(duì)節(jié)點(diǎn)剩余能量、可靠性、方向、鄰居節(jié)點(diǎn)個(gè)數(shù)等多屬性進(jìn)行綜合評(píng)價(jià),利用相對(duì)貼近度進(jìn)行排序選擇轉(zhuǎn)發(fā)節(jié)點(diǎn),并在屬性決策中利用熵權(quán)法對(duì)多評(píng)價(jià)目標(biāo)因子賦權(quán),以避免屬性權(quán)重選取時(shí)的主觀性,最終形成路由路徑。仿真結(jié)果驗(yàn)證了該算法在平衡網(wǎng)絡(luò)能耗、延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間等方面表現(xiàn)出良好的性能。
【圖文】：

i+［0．183，0．192］jμ4=［0．224，0．258］+［0．194，0．234］i+［0．175，0．210］jμ5=［0．174，0．187］+［0．170，0．189］i+［0．173，0．188］jμ6=［0．203，0．215］+［0．175，0．192］i+［0．183，0．193］j(12)計(jì)算相對(duì)貼近度為T1=0．677，T2=0．610，T3=0．573，T4=0．632，T5=0．511，T6=0．584，得到這些鄰居節(jié)點(diǎn)的排序結(jié)果為T1＞T4＞T2＞T6＞T3＞T5，所以最終n1被選取為最優(yōu)的下一跳節(jié)點(diǎn)。100次仿真中，路由網(wǎng)絡(luò)覆蓋的節(jié)點(diǎn)數(shù)目如圖1所示。從仿真實(shí)驗(yàn)結(jié)果中，，可以對(duì)比發(fā)現(xiàn)本文提出的算法ICNＲA和ABＲ的網(wǎng)絡(luò)覆蓋節(jié)點(diǎn)數(shù)明顯高于CBＲ，說(shuō)明這2個(gè)算法的路徑選擇更豐富，而且IC-NＲA和ABＲ相比還略微高出一些，理論上來(lái)講，本文提出的路由算法結(jié)合了多個(gè)指標(biāo)值進(jìn)行綜合評(píng)價(jià)，相比ABＲ更關(guān)注能耗，其路徑選擇自由度更大。圖2為3種算法平均路由跳數(shù)的比較，其中CBＲ的平均跳數(shù)高于另外2種算法，這是因?yàn)樵撍惴ㄔ诙嗵酚芍泻?jiǎn)單地通過(guò)廣播方式選擇臨近節(jié)點(diǎn)進(jìn)行下一跳路由，沒(méi)有對(duì)路徑選擇進(jìn)行優(yōu)化，平均跳數(shù)表現(xiàn)得過(guò)大。而ABＲ則通過(guò)蟻群算法進(jìn)行路徑選擇，以能量消耗最小為原則，路徑的跳數(shù)基本上維持在一個(gè)比較窄的變化區(qū)間，且平均跳數(shù)最校本文的算法為了避免熱點(diǎn)區(qū)域，適當(dāng)選擇了相對(duì)較遠(yuǎn)的節(jié)點(diǎn)進(jìn)行路由，實(shí)現(xiàn)網(wǎng)絡(luò)中不同區(qū)域的節(jié)點(diǎn)能耗的均衡下降，所以在平均跳數(shù)上表現(xiàn)得介于另外2種算法之間。圖1網(wǎng)絡(luò)覆蓋節(jié)點(diǎn)數(shù)的比較Fig．1Comparisonofthenodesbeingcoveredinthenetwork圖2節(jié)點(diǎn)到sink間路徑平均跳數(shù)的比較Fig．2Comparisonoftheaveragehopsbetweennodesandthesink圖3為3種算法在網(wǎng)絡(luò)生存時(shí)間上的比較。網(wǎng)絡(luò)生存時(shí)間往往采用2個(gè)時(shí)間點(diǎn)

T3=0．573，T4=0．632，T5=0．511，T6=0．584，得到這些鄰居節(jié)點(diǎn)的排序結(jié)果為T1＞T4＞T2＞T6＞T3＞T5，所以最終n1被選取為最優(yōu)的下一跳節(jié)點(diǎn)。100次仿真中，路由網(wǎng)絡(luò)覆蓋的節(jié)點(diǎn)數(shù)目如圖1所示。從仿真實(shí)驗(yàn)結(jié)果中，可以對(duì)比發(fā)現(xiàn)本文提出的算法ICNＲA和ABＲ的網(wǎng)絡(luò)覆蓋節(jié)點(diǎn)數(shù)明顯高于CBＲ，說(shuō)明這2個(gè)算法的路徑選擇更豐富，而且IC-NＲA和ABＲ相比還略微高出一些，理論上來(lái)講，本文提出的路由算法結(jié)合了多個(gè)指標(biāo)值進(jìn)行綜合評(píng)價(jià)，相比ABＲ更關(guān)注能耗，其路徑選擇自由度更大。圖2為3種算法平均路由跳數(shù)的比較，其中CBＲ的平均跳數(shù)高于另外2種算法，這是因?yàn)樵撍惴ㄔ诙嗵酚芍泻?jiǎn)單地通過(guò)廣播方式選擇臨近節(jié)點(diǎn)進(jìn)行下一跳路由，沒(méi)有對(duì)路徑選擇進(jìn)行優(yōu)化，平均跳數(shù)表現(xiàn)得過(guò)大。而ABＲ則通過(guò)蟻群算法進(jìn)行路徑選擇，以能量消耗最小為原則，路徑的跳數(shù)基本上維持在一個(gè)比較窄的變化區(qū)間，且平均跳數(shù)最校本文的算法為了避免熱點(diǎn)區(qū)域，適當(dāng)選擇了相對(duì)較遠(yuǎn)的節(jié)點(diǎn)進(jìn)行路由，實(shí)現(xiàn)網(wǎng)絡(luò)中不同區(qū)域的節(jié)點(diǎn)能耗的均衡下降，所以在平均跳數(shù)上表現(xiàn)得介于另外2種算法之間。圖1網(wǎng)絡(luò)覆蓋節(jié)點(diǎn)數(shù)的比較Fig．1Comparisonofthenodesbeingcoveredinthenetwork圖2節(jié)點(diǎn)到sink間路徑平均跳數(shù)的比較Fig．2Comparisonoftheaveragehopsbetweennodesandthesink圖3為3種算法在網(wǎng)絡(luò)生存時(shí)間上的比較。網(wǎng)絡(luò)生存時(shí)間往往采用2個(gè)時(shí)間點(diǎn)來(lái)進(jìn)行衡量:一個(gè)節(jié)點(diǎn)死亡的時(shí)間(FND)和最后一個(gè)節(jié)點(diǎn)死亡的時(shí)間(LND)。從圖3的仿真實(shí)驗(yàn)結(jié)果可以看出，CBＲ和ABＲ分別在第158，172周期開始出現(xiàn)節(jié)點(diǎn)死亡，而ICNＲA在第202周期才開始出現(xiàn)節(jié)點(diǎn)死亡，在全部節(jié)點(diǎn)的死亡時(shí)間方面，ICNＲA也表現(xiàn)得更好，在第332周期所有節(jié)點(diǎn)死亡，而對(duì)應(yīng)的CBＲ和A
【作者單位】： 許昌學(xué)院信息工程學(xué)院;黃淮學(xué)院信息工程學(xué)院;新鄉(xiāng)學(xué)院計(jì)算機(jī)與信息工程學(xué)院;
【基金】：河南省科技攻關(guān)項(xiàng)目(132102210491) 河南省科技發(fā)展計(jì)劃項(xiàng)目(132102210463)~~
【分類號(hào)】：TP212.9;TN929.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 童孟軍;俞立;鄭立靜;董齊芬;;基于蟻群算法的無(wú)線傳感器網(wǎng)絡(luò)能量有效路由算法研究[J];傳感技術(shù)學(xué)報(bào);2011年11期

2 王萬(wàn)軍;;多元聯(lián)系數(shù)集對(duì)模型及其評(píng)價(jià)應(yīng)用[J];甘肅聯(lián)合大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王萬(wàn)軍;;集對(duì)分析在學(xué)生綜合評(píng)估及發(fā)展趨勢(shì)預(yù)測(cè)中的應(yīng)用[J];安陽(yáng)工學(xué)院學(xué)報(bào);2009年02期

2 王萬(wàn)軍;;基于a+cj聯(lián)系數(shù)的軟件風(fēng)險(xiǎn)投資評(píng)價(jià)模型及應(yīng)用[J];安陽(yáng)工學(xué)院學(xué)報(bào);2009年04期

3 王坤赤;鄭月節(jié);徐晨;周暉;慶棟良;;一種改進(jìn)的無(wú)線傳感器網(wǎng)絡(luò)最小跳數(shù)路由協(xié)議[J];傳感器與微系統(tǒng);2012年08期

4 王萬(wàn)軍;;多因素指標(biāo)排序的模糊物元方法及其應(yīng)用[J];大慶師范學(xué)院學(xué)報(bào);2009年06期

5 王金龍;漆律;;多元聯(lián)系數(shù)集對(duì)模型在汽車駕駛員績(jī)效評(píng)價(jià)中的應(yīng)用[J];大眾科技;2010年05期

6 王永亮;趙瑞嶺;劉紅濤;孔杰;梁延廣;;基于多元聯(lián)系數(shù)集對(duì)分析的車輛保障能力評(píng)估研究[J];國(guó)防交通工程與技術(shù);2011年04期

7 亢永;鄭欣;許開立;;多元聯(lián)系數(shù)的集對(duì)分析法在城市燃?xì)饴竦毓艿老到y(tǒng)危險(xiǎn)性評(píng)價(jià)中的應(yīng)用[J];工業(yè)安全與環(huán)保;2012年09期

8 童孟軍;關(guān)華丞;;基于蟻群算法的能量均衡多路徑路由算法的研究[J];傳感技術(shù)學(xué)報(bào);2013年03期

9 童孟軍;李光輝;徐小良;;基于分簇的能量有效多路徑路由協(xié)議的研究[J];傳感技術(shù)學(xué)報(bào);2013年08期

10 王萬(wàn)軍;;基于FSPA的高校教師職稱評(píng)定方法及應(yīng)用[J];安徽理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2008年03期

相關(guān)會(huì)議論文 前1條

1 ;Assessment Model of Set Pair Analysis for Flood Loss Based on Triangular Fuzzy Intervals under α-Cut[A];2009中國(guó)控制與決策會(huì)議論文集（3）[C];2009年

相關(guān)碩士學(xué)位論文 前7條

1 李銘洋;基于集對(duì)分析理論的評(píng)標(biāo)模型及算法研究[D];沈陽(yáng)工業(yè)大學(xué);2009年

2 潘爭(zhēng)偉;區(qū)域水環(huán)境系統(tǒng)脆弱性評(píng)價(jià)的集對(duì)分析方法研究[D];合肥工業(yè)大學(xué);2010年

3 尹振華;基于蟻群算法的無(wú)線傳感器網(wǎng)絡(luò)多路徑路由協(xié)議研究[D];杭州電子科技大學(xué);2011年

4 關(guān)華丞;基于蟻群算法的無(wú)線傳感器網(wǎng)絡(luò)多路徑分簇路由協(xié)議的研究[D];杭州電子科技大學(xué);2013年

5 謝耀華;基于蟻群算法的無(wú)線傳感器網(wǎng)絡(luò)路由算法研究及實(shí)現(xiàn)[D];西安電子科技大學(xué);2013年

6 楊文泰;綜合評(píng)判模型系統(tǒng)的構(gòu)建及其實(shí)證[D];西北民族大學(xué);2013年

7 王志勇;基于WSN窖池測(cè)溫系統(tǒng)節(jié)能策略的研究[D];江南大學(xué);2014年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 梁華為;陳萬(wàn)明;李帥;梅濤;孟慶虎;;一種無(wú)線傳感器網(wǎng)絡(luò)蟻群優(yōu)化路由算法[J];傳感技術(shù)學(xué)報(bào);2007年11期

2 黃如;苗澎;陳志華;;基于預(yù)測(cè)模式蟻群優(yōu)化的傳感網(wǎng)節(jié)能路由機(jī)制[J];傳感技術(shù)學(xué)報(bào);2010年05期

3 耶剛強(qiáng);梁彥;孫世宇;潘泉;程詠梅;;基于蟻群的無(wú)線傳感器網(wǎng)絡(luò)路由算法[J];計(jì)算機(jī)應(yīng)用研究;2008年03期

4 余國(guó)祥;同異反教學(xué)評(píng)價(jià)模型及應(yīng)用[J];紹興文理學(xué)院學(xué)報(bào)(自然科學(xué)版);1997年06期

5 龐彥軍,劉開第,劉軍;模糊數(shù)學(xué)中“取大取小”運(yùn)算引發(fā)的問(wèn)題[J];系統(tǒng)工程理論與實(shí)踐;2001年09期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭凱紅;牟有靜;;基于可能度矩陣的區(qū)間型多屬性決策方法[J];計(jì)算機(jī)應(yīng)用;2012年01期

2 蘇艷;劉s叛

本文編號(hào)：2553442