本文關鍵詞：基于粒子群算法的WSN路由分簇算法的研究

  更多相關文章： 無線傳感器網(wǎng)絡 粒子群算法 分簇路由 局部優(yōu)化 差分進化算法

【摘要】：無線傳感器網(wǎng)絡是由大量部署在監(jiān)測區(qū)域的微型傳感器節(jié)點組成的�，F(xiàn)在無線傳感器網(wǎng)絡已經(jīng)被廣泛應用在災難監(jiān)控、環(huán)境監(jiān)測、防御偵查和醫(yī)療健康等方面。因此無線傳感器網(wǎng)絡有著廣闊的應用前景,然而由于其一般部署在無人看管的監(jiān)測區(qū),無法為傳感器節(jié)點進行能量替換或者補充。因此利用有限的能量,延長網(wǎng)絡壽命,是無線傳感器網(wǎng)絡路由分簇算法的研究重點。文中主要是以無線傳感器網(wǎng)絡為背景,以延長網(wǎng)絡壽命和均衡網(wǎng)絡負載為主要目的,通過對已有的路由和分簇協(xié)議進行分析和比較,結(jié)合粒子群算法最優(yōu)化的優(yōu)勢,對無線傳感器網(wǎng)絡的路由和分簇算法進行了研究分析,主要內(nèi)容包括:(1).研究了一種基于粒子群算法的負載均衡集中式非均勻分簇路由協(xié)議。該協(xié)議采用了簇間多跳路由和非均勻分簇相結(jié)合的方式。不同于別的路由協(xié)議,該協(xié)議采用了特殊節(jié)點作為簇頭節(jié)點。基于粒子群算法,簇間多跳路由算法采用了一種有效的粒子編碼方案和多目標函數(shù),同時在選擇下一跳中繼節(jié)點時,考慮了簇頭節(jié)點的能量消耗和傳輸時延,使得簇間路由算法在簇頭節(jié)點能耗和傳輸時延方面獲得了均衡。非均勻分簇也是基于粒子群算法,將粒子巧妙地編碼為完整的分簇方案,在選擇成簇方案時,同時考慮了傳感器節(jié)點和簇頭節(jié)點的能量消耗,均衡各節(jié)點的負載。仿真結(jié)果表明:該算法能夠有效提高網(wǎng)絡壽命,均衡網(wǎng)絡能量消耗,減少網(wǎng)絡傳輸時延。(2).在性能方面,(1)中提出的協(xié)議性能比已有算法有了很大的提高,然而,由于簇頭節(jié)點功能的特殊性,提高簇頭節(jié)點的壽命對網(wǎng)絡壽命的提高有著決定性的意義,因此在簇間多跳路由階段,考慮到粒子群算法易陷入局部最優(yōu)的缺陷,差分進化算法又有著比較好的全局搜索能力,將粒子群算法與差分進化算法進行混合,從而可以更好的尋優(yōu)。在分簇階段,對于大規(guī)模的無線傳感器網(wǎng)絡,算法的收斂性是衡量算法性能的一個重要指標,因此為了提高分簇算法的收斂性,對粒子群算法進行了改進,在粒子自身最優(yōu)和全局最優(yōu)位置更新之前,加入了局部調(diào)整的階段。仿真結(jié)果表明:在提高網(wǎng)絡的壽命、網(wǎng)絡負載均衡和減少網(wǎng)絡的傳輸時延方面又有了提升,同時提高了分簇算法的收斂性。
【關鍵詞】：無線傳感器網(wǎng)絡 粒子群算法 分簇路由 局部優(yōu)化 差分進化算法
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN929.5;TP212.9
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 符號對照表11-12
• 縮略語對照表12-16
• 第一章 緒論16-22
• 1.1 課題背景16
• 1.2 無線傳感器網(wǎng)絡的主要挑戰(zhàn)16-17
• 1.3 研究現(xiàn)狀及意義17-20
• 1.3.1 無線傳感器網(wǎng)絡路由的研究現(xiàn)狀17-19
• 1.3.2 基于粒子群算法的WSN路由的研究現(xiàn)狀19
• 1.3.3 研究意義19-20
• 1.4 本文的主要研究內(nèi)容及結(jié)構(gòu)20-22
• 1.4.1 本文的主要研究內(nèi)容20-21
• 1.4.2 論文結(jié)構(gòu)21-22
• 第二章 無線傳感器網(wǎng)絡及路由算法22-32
• 2.1 傳感器節(jié)點的結(jié)構(gòu)22-23
• 2.2 無線傳感器網(wǎng)絡的體系結(jié)構(gòu)23-25
• 2.2.1 無線傳感器網(wǎng)絡的網(wǎng)絡結(jié)構(gòu)23-24
• 2.2.2 無線傳感器網(wǎng)絡的協(xié)議體系24-25
• 2.3 無線傳感器網(wǎng)絡的路由算法25-32
• 2.3.1 平面路由協(xié)議25-28
• 2.3.2 層次路由協(xié)議28-32
• 第三章 基于粒子群算法的路由分簇協(xié)議32-54
• 3.1 引言32-33
• 3.2 粒子群算法33-36
• 3.2.1 粒子群算法的基本原理33-35
• 3.2.2 改進的粒子群算法35-36
• 3.3 無線傳感器網(wǎng)絡系統(tǒng)模型及其術語36-40
• 3.3.1 能量模型36-37
• 3.3.2 網(wǎng)絡模型37-38
• 3.3.3 術語38-40
• 3.4 基于粒子群算法的路由分簇算法40-48
• 3.4.1 基于PSO的路由算法40-43
• 3.4.2 基于PSO的分簇算法43-48
• 3.5 算法仿真48-54
• 3.5.1 參數(shù)設置48-49
• 3.5.2 仿真及結(jié)果分析49-54
• 第四章 基于粒子群算法的改進路由分簇協(xié)議54-64
• 4.1 引言54
• 4.2 差分算法54-58
• 4.2.1 差分算法基本原理54-57
• 4.2.2 粒子群算法和差分算法的融合57-58
• 4.3 基于粒子群-差分進化算法的路由分簇算法58-60
• 4.3.1 基于粒子群-差分進化算法的路由算法58-59
• 4.3.2 分簇及算法的局部調(diào)整59-60
• 4.4 算法仿真60-64
• 4.4.1 參數(shù)設置60
• 4.4.2 仿真及結(jié)果分析60-64
• 第五章 總結(jié)與展望64-66
• 5.1 總結(jié)64
• 5.2 展望64-66
• 參考文獻66-70
• 致謝70-72
• 作者簡介72-73

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 譚德坤;王冠;;基于反向?qū)W習粒子群算法的無線傳感器網(wǎng)絡路由優(yōu)化[J];計算機測量與控制;2013年10期

2 易云飛;陳國鴻;;一種基于收縮因子的改進粒子群算法[J];軟件導刊;2009年09期

，

本文編號：588964