針對傳統(tǒng)低功耗自適應(yīng)集簇分層型拓?fù)淇刂扑惴ǎ↙EACH）存在以隨機(jī)數(shù)選取簇頭以及在選簇頭時(shí)未考慮節(jié)點(diǎn)剩余能量而易導(dǎo)致低能量節(jié)點(diǎn)過早死亡的問題,提出一種改進(jìn)方法。優(yōu)化整個網(wǎng)絡(luò)的能耗推導(dǎo)確定網(wǎng)絡(luò)的最優(yōu)簇頭數(shù),并通過均衡化思想設(shè)定簇頭選擇閾值。仿真結(jié)果表明。該算法與LEACH算法相比,網(wǎng)絡(luò)能耗更加均衡,有效延長了網(wǎng)絡(luò)生存期。 

【文章來源】：計(jì)算機(jī)應(yīng)用與軟件. 2020,37(01)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

無線傳感器網(wǎng)絡(luò)部署示意圖

為分析節(jié)點(diǎn)消耗的能量是否均衡,對網(wǎng)絡(luò)已出現(xiàn)節(jié)點(diǎn)死亡后的各輪次死亡節(jié)點(diǎn)數(shù)量進(jìn)行對比分析。仿真發(fā)現(xiàn)兩種算法在100輪時(shí)均已經(jīng)出現(xiàn)了死亡節(jié)點(diǎn),圖2給出了本文改進(jìn)算法和傳統(tǒng)LEACH算法在第100輪時(shí),死亡節(jié)點(diǎn)和工作節(jié)點(diǎn)的分布情況,很顯然本文改進(jìn)算法死亡節(jié)點(diǎn)數(shù)量遠(yuǎn)遠(yuǎn)少于傳統(tǒng)LEACH算法。圖3為100個節(jié)點(diǎn)在同一隨機(jī)分布下,使用本文算法和傳統(tǒng)算法的死亡節(jié)點(diǎn)數(shù)量的變化趨勢,可以看出,傳統(tǒng)LEACH算法大概在65輪左右出現(xiàn)第一個死亡節(jié)點(diǎn),隨后死亡節(jié)點(diǎn)的數(shù)量急劇上升,且節(jié)點(diǎn)大面積死亡。而本文改進(jìn)算法第一個死亡節(jié)點(diǎn)出現(xiàn)在約70輪,且隨著工作輪數(shù)的增加,死亡節(jié)點(diǎn)的數(shù)量呈平緩上升趨勢,說明使用本文改進(jìn)算法延遲了第一個節(jié)點(diǎn)時(shí)間,且節(jié)點(diǎn)能耗更加均衡。

圖3為100個節(jié)點(diǎn)在同一隨機(jī)分布下,使用本文算法和傳統(tǒng)算法的死亡節(jié)點(diǎn)數(shù)量的變化趨勢,可以看出,傳統(tǒng)LEACH算法大概在65輪左右出現(xiàn)第一個死亡節(jié)點(diǎn),隨后死亡節(jié)點(diǎn)的數(shù)量急劇上升,且節(jié)點(diǎn)大面積死亡。而本文改進(jìn)算法第一個死亡節(jié)點(diǎn)出現(xiàn)在約70輪,且隨著工作輪數(shù)的增加,死亡節(jié)點(diǎn)的數(shù)量呈平緩上升趨勢,說明使用本文改進(jìn)算法延遲了第一個節(jié)點(diǎn)時(shí)間,且節(jié)點(diǎn)能耗更加均衡。為了避免單次仿真的偶然性,圖4給出兩種算法在多次仿真以及同一隨機(jī)分布情況下第一個節(jié)點(diǎn)死亡的輪數(shù),可以看出,本文改進(jìn)算法第一個節(jié)點(diǎn)死亡時(shí)間始終晚于傳統(tǒng)算法,說明整個網(wǎng)絡(luò)的能耗更加均衡,有效延長了網(wǎng)絡(luò)的生命周期。

【參考文獻(xiàn)】：
期刊論文
[1]基于節(jié)點(diǎn)剩余能量的分時(shí)分簇LEACH改進(jìn)算法[J]. 吳標(biāo),余劍,易仁杰.  火力與指揮控制. 2016(10)
[2]基于簇頭間距均勻部署的LEACH協(xié)議改進(jìn)算法[J]. 張甫慶,熊勇,單聯(lián)海.  信息技術(shù). 2016(02)
[3]基于LEACH和PEGASIS的簇頭成鏈可靠路由協(xié)議研究[J]. 張震,閆連山,潘煒,羅斌,劉江濤,李曉銀.  傳感技術(shù)學(xué)報(bào). 2010(08)
[4]無線傳感器網(wǎng)絡(luò)的拓?fù)淇刂扑惴ňC述[J]. 劉林峰,金杉.  計(jì)算機(jī)科學(xué). 2008(03)

碩士論文
[1]基于LEACH協(xié)議改進(jìn)的物聯(lián)網(wǎng)能耗均衡路由算法[D]. 張現(xiàn)利.吉林大學(xué) 2016



本文編號：3417942