为满足真实场景的监测需求,可利用无线传感器网络(Wireless Sensor Networks,WSNs)技术实现数据的收集。路由算法是WSNs的关键技术之一,其影响着网络运行的生存周期。目前针对三维场景的WSNs路由算法尚处于完善阶段,在应用中存在能量消耗高、生存周期短的问题。为解决上述问题,以提高WSNs路由算法在三维空间的适配性为目标,本文基于群体智能算法和聚类算法对WSNs中的分簇路由算法进行了研究,具体工作如下:
(1)针对三维WSNs路由算法涉及多指标平衡的问题,提出一种基于多策略改进的蜜獾算法IHBA(Improved Honey Badger Algorithm based on Multi-strategies,IHBA)。首先,利用Sobol序列对蜜獾种群进行初始化,提升种群初始化的多样性;其次,采用优化的动态自适应密度因子,平衡全局探索与局部开发的能力;然后,在挖掘阶段引入黄金正弦策略,按照黄金分割系数切割解空间,提升蜜獾的搜索速度;最后,利用柯西变异因子对最优位置进行扰动,提升算法跳出局部最优的能力。经典测试函数和Wilcoxon秩和检验的仿真结果表明,IHBA收敛速度快,寻优精度高,适用于解决复杂优化问题。
(2)针对三维WSNs中节点成簇不合理的问题,基于模糊C均值算法(Fuzzy C-means,FCM)对分簇路由算法中的分簇结构进行研究。针对FCM存在初始聚类中心模糊、容易陷入局部最优的问题,提出一种基于IHBA的三维WSNs模糊聚类分簇算法I-FCM(IHBA-based Fuzzy C-means Clustering Algorithm for 3D WSNs,I-FCM)。采用IHBA对FCM的初始聚类中心进行优化,求取最优的初始聚类中心。人工数据集、标准数据集和三维场景数据集的聚类仿真结果表明,IFCM能够有效处理复杂高维的数据集,并且能够对三维WSNs节点进行合理分簇。
(3)针对三维WSNs能量消耗高、生存周期短的问题,提出了一种基于IHBA和I-FCM的三维WSNs分簇路由算法(Cluster Routing Algorithm for 3D WSNs based on IHBA and I-FCM,CRAII)。在网络分簇阶段,引入最优簇头数,并采用I-FCM算法对网络进行分簇,动态调整网络的拓扑结构;在簇头选举阶段,综合考虑节点能量与相对位置的因素,构建最优簇头选举的适应度函数;在数据传输阶段,设置中继节点,引入最佳传输距离,采用单跳与多跳相结合的数据传输方式,综合考虑中继节点的距离和网络中的剩余能量,构建最优路径适应度函数。仿真结果表明CRAII在大规模网络中成簇均匀,节点的能耗均衡并且生存周期长。
暂无评论