本文關(guān)鍵詞：基于簇結(jié)構(gòu)優(yōu)化的無線傳感器網(wǎng)絡(luò)非均勻分簇路由算法，由筆耕文化傳播整理發(fā)布。

【摘要】：無線傳感器網(wǎng)絡(luò)是由大量傳感器節(jié)點(diǎn)組成動(dòng)態(tài)的多跳通信網(wǎng)絡(luò),通常節(jié)點(diǎn)攜帶板上電源,能量受限。在大多數(shù)應(yīng)用場合下,傳感器節(jié)點(diǎn)無法充電或更換電池。一旦節(jié)點(diǎn)能量耗盡,就會影響整個(gè)網(wǎng)絡(luò)的功能,繼而加速網(wǎng)絡(luò)死亡。而網(wǎng)絡(luò)的重建,需要耗費(fèi)大量人力和財(cái)力,因此,如何優(yōu)化網(wǎng)絡(luò)能耗,使網(wǎng)絡(luò)生存周期最大化是傳感器網(wǎng)絡(luò)的核心問題之一。作為能耗優(yōu)化策略,分層路由算法被認(rèn)為是無線傳感器網(wǎng)絡(luò)中高效的節(jié)能方法之一,本文在研究隨機(jī)分簇路由算法、均勻分簇路由算法和非均勻分簇路由算法的基礎(chǔ)上,提出了基于簇結(jié)構(gòu)優(yōu)化的分簇路由算法,算法包括最優(yōu)分簇?cái)?shù)目計(jì)算、簇頭選舉、簇半徑計(jì)算、孤立節(jié)點(diǎn)處理等多個(gè)方面內(nèi)容,算法從多方面綜合考慮來達(dá)到簇結(jié)構(gòu)優(yōu)化的目的。①最優(yōu)分簇?cái)?shù)目計(jì)算部分:重新建立了能耗模型,并推導(dǎo)了最優(yōu)分簇?cái)?shù)目計(jì)算公式。②簇頭選舉部分:算法提出了兩種選舉方法,第一是基于概率的迭代簇頭選舉方法,算法綜合考慮了剩余能量、節(jié)點(diǎn)密度、節(jié)點(diǎn)能耗速度等多種因素,使簇頭選舉算法更合理,第二是根據(jù)節(jié)點(diǎn)能量的迭代選舉方法,,方法改善了前一種簇頭選舉方法迭代次數(shù)過多,能耗較大的問題,不再比較節(jié)點(diǎn)的成簇概率而是直接比較包括節(jié)點(diǎn)剩余能耗、節(jié)點(diǎn)密度的影響因子,比基于概率的迭代簇頭選舉方法更直接更有效,減少了迭代過程的次數(shù),達(dá)到了延長網(wǎng)絡(luò)生命周期的目的。③簇半徑計(jì)算部分:在原自適應(yīng)分簇算法基礎(chǔ)上添加了節(jié)點(diǎn)密度并重構(gòu)了簇半徑計(jì)算公式使計(jì)算公式更合理。④孤立節(jié)點(diǎn)處理部分:提出了一種孤立節(jié)點(diǎn)多跳加入鄰居簇的算法,降低了孤立節(jié)點(diǎn)獨(dú)立成簇的能耗。最后,為了優(yōu)化全局參數(shù),對應(yīng)兩種簇頭選舉方法,提出了基于量子遺傳的路由優(yōu)化算法,包括基于量子遺傳的非均勻分簇路由算法QGCRA(Quantum Genetic Uneven Clustering Routing Algorithm)和基于量子遺傳的能量高效的迭代選簇路由算法QGEEIC(Quantum Genetic Energy Efficient Iteration Clustering Routing Algorithm),算法基于雙鏈量子遺傳理論,改進(jìn)了適應(yīng)度函數(shù)、量子旋轉(zhuǎn)門的旋轉(zhuǎn)角,使整體算法更適合整體參數(shù)的優(yōu)化,快速準(zhǔn)確的求取最優(yōu)參數(shù)組合。仿真結(jié)果顯示算法在網(wǎng)絡(luò)生存周期,基站接收數(shù)據(jù)包個(gè)數(shù),以及網(wǎng)絡(luò)總能耗速度等方面都有提高。QGEEIC算法的生命周期比LEACH算法延長了77.60%,比HEED算法延長了67.25%,比EEUC算法延長了54.20%,比UCRA算法延長了35.89%,比QGCRA算法延長了23.04%,比EEIC算法延長了12.74%。算法一定程度上達(dá)到了優(yōu)化網(wǎng)絡(luò)能耗,延長網(wǎng)絡(luò)生命的目的。
【關(guān)鍵詞】：無線傳感器網(wǎng)絡(luò) 簇結(jié)構(gòu)優(yōu)化 能耗優(yōu)化 量子遺傳算法
【學(xué)位授予單位】：東北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN929.5;TP212.9
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-16
• 1.1 課題背景及意義11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 隨機(jī)分簇路由算法12-13
• 1.2.2 均勻分簇路由算法13
• 1.2.3 非均勻分簇路由算法13-14
• 1.3 課題主要研究內(nèi)容14-16
• 第2章 WSN路由協(xié)議的基本原理16-20
• 2.1 簇構(gòu)建階段16-18
• 2.2 穩(wěn)定數(shù)據(jù)匯集階段18-19
• 2.3 本章小結(jié)19-20
• 第3章 基于簇結(jié)構(gòu)優(yōu)化的分簇路由算法20-37
• 3.1 最優(yōu)簇頭數(shù)計(jì)算方法20-21
• 3.2 基于迭代的簇頭選舉方法21-23
• 3.2.1 基于概率的迭代簇頭選舉方法21-22
• 3.2.2 基于能量的迭代選舉方法，22-23
• 3.3 簇半徑計(jì)算方法23-24
• 3.4 孤立節(jié)點(diǎn)處理方法24-25
• 3.5 仿真分析25-36
• 3.5.1 最優(yōu)分簇?cái)?shù)目對網(wǎng)絡(luò)能耗的影響25-28
• 3.5.2 選簇概率公式對能耗的作用28-30
• 3.5.3 簇半徑計(jì)算公式對網(wǎng)絡(luò)能耗的作用30-33
• 3.5.4 孤立節(jié)點(diǎn)處理方法對網(wǎng)絡(luò)作用33-34
• 3.5.5 采用不同算法時(shí)能耗的情況34-36
• 3.6 本章小結(jié)36-37
• 第4章 基于量子遺傳全局參數(shù)優(yōu)化的路由優(yōu)化算法37-50
• 4.1 量子遺傳算法原理37-38
• 4.2 基于量子遺傳的路由優(yōu)化算法38-40
• 4.3 仿真分析40-49
• 4.4 本章小結(jié)49-50
• 結(jié)論50-51
• 參考文獻(xiàn)51-55
• 攻讀碩士士學(xué)位期間發(fā)表的學(xué)術(shù)論文55-56
• 致謝56

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 Kong Haipeng;Li Ni;Shen Yuzhong;;Adaptive double chain quantum genetic algorithm for constrained optimization problems[J];Chinese Journal of Aeronautics;2015年01期

2 李建坡;姜雪;朱緒寧;;無線傳感器網(wǎng)絡(luò)能耗均衡LEACH路由算法[J];自動(dòng)化儀表;2014年01期

3 謝和平;周海鷹;左德承;徐杰;周鵬;;無線傳感器網(wǎng)絡(luò)能量優(yōu)化與建模技術(shù)綜述[J];計(jì)算機(jī)科學(xué);2012年10期

4 卿利;朱清新;王明文;;異構(gòu)傳感器網(wǎng)絡(luò)的分布式能量有效成簇算法[J];軟件學(xué)報(bào);2006年03期

5 張葛祥,李娜,金煒東,胡來招;一種新量子遺傳算法及其應(yīng)用[J];電子學(xué)報(bào);2004年03期

  本文關(guān)鍵詞：基于簇結(jié)構(gòu)優(yōu)化的無線傳感器網(wǎng)絡(luò)非均勻分簇路由算法，由筆耕文化傳播整理發(fā)布。

，

本文編號：370118