改进K-ACO无线传感器网络的分簇路由算法.pdf

改进K-ACO无线传感器网络的分簇路由算法.pdf

ID:51461987

大小:291.43 KB

页数:4页

时间:2020-03-25

改进K-ACO无线传感器网络的分簇路由算法.pdf_第1页
改进K-ACO无线传感器网络的分簇路由算法.pdf_第2页
改进K-ACO无线传感器网络的分簇路由算法.pdf_第3页
改进K-ACO无线传感器网络的分簇路由算法.pdf_第4页
资源描述:

《改进K-ACO无线传感器网络的分簇路由算法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2013年第32卷第8期传感器与微系统(TransducerandMicrosystemTechnologies)135改进K-ACO无线传感器网络的分簇路由算法戴菲菲,彭力。,董国勇(1.江南大学物联网工程学院,江苏无锡214122;2.江南感知能源研究院,江苏无锡214122)摘要:针对现有分簇路由算法普遍存在分簇不均匀、整体网络能耗不均衡的问题,提出了改进K—ACO分簇路由算法。K—medoids聚类算法对随机分布的传感器节点进行聚类,这样很好地解决了分簇不均匀的缺点,同时结合改进的蚁群算法,在更换簇头节点和簇头之间数据传输选择下一跳节点时,综合考

2、虑了节点的剩余能量,达到均衡整个网络的能耗,仿真结果表明:与其他路由算法相比较,提出的K—ACO路由算法性能较优,达到延长网络生命周期的效果。关键词:无线传感器网络;K.medoids聚类的蚁群优化;路由算法;分簇算法中图分类号:TP393文献标识码:A文章编号:1000-9787(2013)08-0135-04ImprovedK-ACOclusteringroutingalgorithmforwirelesssensornetworksDAIFei—fei,PENGLir,DONGGuo—yong(1.SchoolofInternetofThingsE

3、ngineering,JiangnanUniversity,Wuxi214122,China;2.JiangnanEnergy-AwareResearchInstitute,Wuxi214122,China)Abstract:Aimingattheproblemsofunevenclusteringandunbalancedoverallnetworkenergyconsumption,theexistingclusteringroutingalgorithmscommonlyhave,improvedK—ACOclusteringroutingalgo

4、rithmisproposed.K—medoidsclusteringalgorithmcanclusterrandomdistributedsensornodes,whichsolvesshortcomingofunevenclustering.Combinedwithimprovedantcolonyalgorithm,whenreplacetheclusterheadnodeandselectthenexthopnodefordatatransmissionbetweentheclusterheadnodes,thisalgorithmcancon

5、sidernoderesidualenergyandbalancenetworkenergyconsumption.SimulationresultsshowK—ACOalgorithmhasbetterperformanceandlongernetworklifecyclecomparedwithotherroutingalgorithms.Keywords:wirelesssensornetworks(WSNs);K—ACO;routingalgorithm;clusteringalgorithm0引言法对于解决网络路由问题具有良好的效果。文献[7]

6、无线传感器网络(wirelesssensornetworks,WSNs)是由提出的ARA路由算法主要是找到从源节点到目标节点最许多微小的传感器节点组成的,因为它的灵活性和可扩展短路径,但是这个算法没有考虑节点的剩余能量,从而导性,在当前许多的军事和民用领域上得到了广泛的应用。致整个网络能量消耗不均匀。文献[8]是从能量的角度由于在同一监测区域内可能存在大量的传感器节点对目标出发,但是没有考虑WSNs的自身特点。区域进行监测,这样就导致了相邻节点所采集的信息存在本文在上述算法的基础上,提出一种基于能量有效的大量的冗余信息。如果将所有采集到的数据全部传输至基

7、K-medoids聚类的ACO(K—ACO)分簇路由算法。该算法首站会导致能量的大量浪费,同时也会造成带宽的浪费,并且先利用K—medoids聚类算法对随机分布的传感器节点进行由于传感器节点大部分是电池供电以及其工作区域大部分聚类,这样很好地解决了分簇不均匀的缺点,同时结合改是高危场合,随时更换电池是一件不容易的事,所以,如何进的蚁群算法,在更换簇头节点和簇头之间数据传输选择才能节省能源是十分必要的。下一跳节点时,综合考虑节点的剩余能量,均衡网络的能近几年,国内外许多的学者提出新型的路由算法解决耗。上述的问题。蚁群优化(antcolonyoptimiza

8、tion,ACO)算收稿日期:2013-01~15基金项目:国家自然科学基金资助

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。