【技术实现步骤摘要】
本专利技术属无线传感器网络
,涉及一种无线传感器网络的多sink部署与容错方法,特别是涉及了基于改进粒子群聚类的多sink优化部署方法与一个带容错机制的路由算法。
技术介绍
无线传感器网络(Wireless Sensor Networks,WSN)是一种全新的信息获取方式,它不需要固定网络支持,以其随机布置、自组织、抗毁性强、适应苛刻环境等优势,具有在多种场合满足信息获取的实时性、准确性、全面性等需求的能力。由于无线传感器网络的应用前景愈来愈广泛,已引起了许多国家学术界和工业界的高度重视,被认为是对21世纪产生巨大影响力的技术之一。WSN具有监测范围广、无需人工干预、自动长期采集数据等特点,因此可以在物联网应用中发挥重要作用。但是受限于传感器网络的多对一传输模式,传感器网络中靠近sink的节点通常由于承担过重的转发任务而提前死亡,形成所谓的“能量空洞”。在能量空洞产生后,网络外围的数据无法传送到sink,从而导致网络过早死亡。为了解决“能量空洞”问题,最大限度地提高传感器网络的生命期。我们还考虑更多的因素。分簇传感器网络作为一种层次型网络,通过其数据融合和层次性结构等特性,一定程度上均衡网络中节点的能量消耗并提高了网络寿命。目前在传感器网络的非均匀节点部署策略和分簇传感器网络性能优化等方面已有大量的研究成果,以期达到更大的能量利用率和网络寿命。专利技术专利“一种面向精准农业的WSN节点部署方法”(申请号:201310306040.4)将整个WSN网络分成多个一级固定簇头、多个二级簇头、多个传感器节点和sink节点,其中一级固定簇头属于总线型拓扑结构 ...
【技术保护点】
无线传感器网络的多sink部署与容错方法,无线传感器网络中部署多个sink节点,其特征是:包括多sink部署方法和容错方法;先利用改进的粒子群聚类算法对多sink的部署进行优化,优化部署完成后,在每个子网区域内再次利用改进的粒子群聚类算法,对传感器节点进行分簇,然后针对多sink网络中某个sink节点失效的情况,利用带容错机制的路由算法,采用多路径路由的策略,创建从源节点到不同sink节点的两条路径,当某个sink节点失效时,激活备选路由,从而保证无线传感网络的可靠运行;所述改进的粒子群聚类算法是指改进惯性权重计算的粒子群算法和加入扰动因素;惯性权重计算改进为:ωk=ωmin,ωk<ωminωmin+σ|fik-fgbk|fgbk×(ωmax-ωmin),0.5≤ωk≤0.9ωmax,ωk>ωmax;]]>其中,k为迭代次数,ωk为第k次迭代的惯性权重,ωmax、ωmin分别表示最大惯性权重和最小惯性权重;表 ...
【技术特征摘要】
1.无线传感器网络的多sink部署与容错方法,无线传感器网络中部署多个sink节点,其特征是:包括多sink部署方法和容错方法;先利用改进的粒子群聚类算法对多sink的部署进行优化,优化部署完成后,在每个子网区域内再次利用改进的粒子群聚类算法,对传感器节点进行分簇,然后针对多sink网络中某个sink节点失效的情况,利用带容错机制的路由算法,采用多路径路由的策略,创建从源节点到不同sink节点的两条路径,当某个sink节点失效时,激活备选路由,从而保证无线传感网络的可靠运行;所述改进的粒子群聚类算法是指改进惯性权重计算的粒子群算法和加入扰动因素;惯性权重计算改进为: ω k = ω min , ω k < ω min ω min + σ | f i k - f g b k | f g b k × ( ω max - ω min ) , 0.5 ≤ ω k ≤ 0.9 ω max , ω k > ω max ; ]]>其中,k为迭代次数,ωk为第k次迭代的惯性权重,ωmax、ωmin分别表示最大惯性权重和最小惯性权重;表示第k代第i个粒子的适应度,表示第k代粒子群的全局最优解。2.根据权利要求1所述的无线传感器网络的多sink部署与容错方法,其特征在于,所述多sink部署方法的具体步骤为:(1)初始化:初始化包括粒子编码、K-means的聚类数目K的设定、粒子群算法中的粒子编码和粒子数目L的设定;对于粒子编码采用实数编码方式,每个粒子作为一个可行解组成粒子群,每个粒子的位置由K个聚类中心组成,通过调整聚类中心获得最优划分;每个粒子由三个部分组成,即粒子位置、速度和适应度值;粒子i的位置编码结构表示为:xi=[c1,c2,…,cj,…,cK];其中cj表示类j的聚类中心,是一个2维矢量;粒子i的速度编码结构为:vi=[v1,v2,…,vj,…,vK];其中vj表示第j个聚类中心的速度值,是一个2维矢量;对于第i个粒子,先将每个传感器节点随机指派为某一类,作为最初的聚类划分,然
\t后计算各类的聚类中心,作为粒子i的位置编码xi,设置粒子i各聚类中心的初始速度为0,计算粒子的适应度fi;(2)对每个粒子,根据在粒子群优化算法中的适应度函数计算其聚类中心和更新粒子的适应度值;(3)根据粒子群中粒子的适应度大小,得到粒子的个体最优位置Pid和全局最优位置Pgd;(4)更新惯性权重系数ω;(5)根据更新粒子的速度,根据更新粒子的速度;(6)判断粒子的速度是否小于某一极小值;若否,则不加入扰动策略;若是,则加入扰动策略:随机抽取占群体比例为10%的粒子进行位置随机初始化,进行迭代寻优;(7)对每个传感器节点,根据粒子的聚类中心,按照最近邻法...
【专利技术属性】
技术研发人员:丁永生,姚光顺,李芳,郝矿荣,蔡欣,刘天凤,
申请(专利权)人:东华大学,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。