基于人工蜂群的无线传感器网络能耗均衡算法

由于无线传感器网络中的节点链路状况、数据传输能耗及节点剩余能量的限制,造成网络中部分感知节点寿命缩短,影响网络生存周期,提出了一种基于人工蜂群算法的WSNs能耗均衡算法,优化网络能耗均衡,从而提高网络寿命;文章给出了网络能耗相应的数学模型及优化求解算法,介绍人工蜂群算法的寻找食物过程,阐述了人工蜂群算法在网络能耗均衡方面的实现步骤;通过实验仿真证明,文章提到的算法与LEACH分簇算法、蚁群优化算法相比,具有更好的能耗和负载均衡能量、丢包率和时延性,有效地提高了网络生存周期。     

基于改进人工萤火虫算法的无线传感网络覆盖优化

为了提高网络资源利用率延长网络生存时间,提出一种基于共轭梯度法改进人工萤火虫算法(CAGSO)的WSN覆盖优化方案;共扼梯度法是利用目标函数的梯度逐步产生共轭方向并将其作为搜索方向的方法,即利用已知点处的梯度构造一组共扼方向并沿这组共扼方向进行搜索,这种方法经有限次迭代必达极小点;首先建立以覆盖率、节点利用率和能量均匀为准则的覆盖优化数学模型,然后采用改进的CAGSO算法求解该模型,从而得出最优覆盖方案;仿真分析说明,相比基本人工萤火虫算法,改进的CAGSO算法优化的网络覆盖率可以达到94.11％,有效实现WSN覆盖优化。     

基于改进蛙跳算法的无线传感器网络覆盖优化

针对传统算法在解决无线传感器网络覆盖优化上存在的覆盖率较低和节点分布不够均匀的问题,提出了一种改进的蛙跳算法;为了同时达到增加算法的种群多样性和加快算法收敛速度的目的,改进蛙跳算法分别增加了个体高斯学习机制和根据粒子群思想改进的更新策略,让族内最差个体在自身附近进行局部搜索,若无效,则使族内最差个体同时向族内最优个体和全局最优个体学习;在性能评估实验中,对改进的蛙跳算法分别进行了标准函数测试和无线传感器网络覆盖优化测试;测试结果表明,在6个标准测试函数中,改进的蛙跳算法与其他算法相比在4个测试函数上的收敛精度有了明显提高;在无线传感器网络覆盖优化中,改进的蛙跳算法也能够使节点分布更加均匀,使网络覆盖率达到了85.6%。      

基于蝙蝠优化算法的无线传感器网络节点定位研究

节点定位是无线传感器网络应用中的关键技术,Dv-Hop算法的定位精度不尽人意,因此将三方面改进的蝙蝠算法应用于Dv-Hop平均跳距的计算过程中,在Dv-Hop的第三阶段引入改进后的蝙蝠算法代替最小二乘法来计算未知节点的坐标,大大降低平均跳距导致的定位误差,提高定位精度;仿真结果表明,改进的BA算法优化的DV-hop定位算法在不同锚节点密度、不同通信半径、不同节点数量以及定位精确度等方面表现出良好的性能。     

基于免疫蚁群优化的无线传感器网络节点调度研究

提出一种基于免疫优化蚁群算法(QIACO)的无线传感器网络节点调度策略方法;针对传统的蚁群算法在寻优过程中存在的收敛速度慢、容易出现停滞现象等缺陷,借鉴免疫系统的自我调节机制,提出了一种新的疫苗选取策略及疫苗接种方法,设计了基于免疫优化的蚁群算法,达到提高算法的收敛速度和避免停滞现象的发生;通过对MESA算法、蚁群算法、量子遗传算法和QIACO算法在负载均衡性分析、能耗均衡性分析和网络寿命分析进行仿真验证,提出的算法在无线传感器网络节点调度策略中效果最好,能有效地提高网络寿命。     

基于无线传感器网络的混合混沌新分组加密算法

针对无线传感器网络(WSNS)中节点配备的能源少、节点计算能力低、存储资源 有限以及传统的加密方法不适用于WSNS中等问题, 提出了一种新的基于动态迭代的混合混沌方程及其整型数值化方法, 并结合Feistel网络结构设计了一种快速、安全且资源消耗低的适用于WSNS节点的分组加密算法. 通过对混合混沌分组加密算法进行了大量的实验测试之后, 发现该算法具有密钥空间大、严格的雪崩效应、扩散及扰乱性高以及均等的统计平衡性等优点, 同时该算法还成功地通过了SP800-22的严格测试; 算法经过仿真器平台上运行的速度、时间及所占存储空间的测试分析, 结果表明设计的混合混沌分组加密算法是完全能够适用于WSNS节点的数据加密.     

基于改进蚁群算法的无线传感器网络路由的优化

为了延长无线传感器网络(Wireless Sensor Network ,WSN)的生命周期,均衡各个节点间能量消耗,针对现有的WSN路由优化算法存在的问题,提出了一种基于改进蚁群算法的路由优化算法。首先通过对蚁群算法和遗传算法的优劣性比较,在蚁群算法的基础上,结合遗传算法的选择、交叉和变异的操作,从而提高蚁群算法的搜索速度和寻优能力。最优路径评价函数综合考虑节点能耗及节点的剩余能量,使剩余能量多的节点优先参与数据转发,均衡节点间的能量消耗。通过与经典蚁群算法及遗传算法的对比实验表明,随着数据转发轮数增加,改进的蚁群算法能耗小,剩余能量多,网络生命周期明显延长;随着整个网络运行时间的增长,改进的蚁群算法,节点均衡能耗性好,最优路径搜索的成功率也明显优于其他两种算法。     

基于DIJKSTRA的无线传感器网络分簇路由算法

为加快无线传感器网络最优路径搜索速度、减少路径寻优能量消耗和延长网络寿命,提出了基于改进的DIJKSTRA算法的无线传感器网络分簇路由算法;运用DIJKSTRA算法在无线传感器网络内以多跳接力的方式来搜寻从源节点到目的节点的最短路径;结合能耗优化策略,避免网络能耗热点问题,实现网络能耗均衡;通过与基于蚁群算法的路由算法对比分析,基于Dijkstra的网络分簇路由算法能优化网络分簇并建立较优传输路径,其快速收敛性能减缓了网络中簇头节点的能耗,延长了网络寿命,提高了网络鲁棒性。     

基于BADV-Hop的传感器节点定位方法

针对无线传感器网络节点的定位误差较高的问题,提出蝙蝠算法校正DV-Hop算法的传感器节点定位精度提高方法(BADV-Hop);首先测量未知节点与锚节点之间的距离,然后采用DV-Hop算法初步确定未知节点的坐标,再采用蝙蝠算法校正DV-Hop算法的定位误差,最后在Matlab 2012平台上对算法性能进行仿真分析;实验结果表明,相对于DV-Hop算法,BADV-Hop算法提高了传感器的节点定位精度。     

基于改进遗传算法的无线传感网覆盖优化

为提高混合无线传感器网络(WSNs)的覆盖率,将改进的遗传算法应用到WSNs覆盖优化中,通过合理调整移动节点的位置来提高网络覆盖率。针对传统群体智能算法易“早熟”,最大迭代次数需试探设定等缺陷,提出了基于多个种群并行优化的改进遗传算法。多个种群之间并不独立,而是通过移民算子相互联系;分别利用人工选择算子与精华种群选择并记录各个种群每一代最优染色体;并利用精华种群中保存的最优染色体设计出新的进化终止条件。仿真结果表明,改进的遗传算法不仅无需设定最大迭代次数而且收敛速度快,更兼有效地提高了WSNs的覆盖率     

WSN中基于对偶线性规划的异常检测和定位算法

文章提出了一种改进的传感器网络异常检测和定位方法;该方法通过两个阶段的探查来收集端到端测量数据实现异常检测和定位;第一阶段探查的目的是选择可以覆盖最大数量异常链路的探点,缩小可疑区域范围,供第2阶段探查,这一阶段的探点选择问题被建模为预算有限条件下的覆盖范围最大化问题,文章提出一种基于对偶线性规划的高效近似方法进行求解;第2阶段的目的是以最小的通信代价,定位出导致观察到的端到端异常现象的具体链路,并根据多环置信度传播算法(LBP)来预测诊断质量;在不同网络设置下展开实验,实验结果表明,文章算法的漏检率和精确求解方法相当但运行速度更快。     

A Mahalanobis Surrogate-Assisted Ant Lion Optimization and Its Application in 3D Coverage of Wireless Sensor Networks

Metaheuristic algorithms are widely employed in modern engineering applications because they do not need to have the ability to study the objective function’s features. However, these algorithms may spend minutes to hours or even days to acquire one solution. This paper presents a novel efficient Mahalanobis sampling surrogate model assisting Ant Lion optimization algorithm to address this problem. For expensive calculation problems, the optimization effect goes even further by using MSAALO. This model includes three surrogate models: the global model, Mahalanobis sampling surrogate model, and local surrogate model. Mahalanobis distance can also exclude the interference correlations of variables. In the Mahalanobis distance sampling model, the distance between each ant and the others could be calculated. Additionally, the algorithm sorts the average length of all ants. Then, the algorithm selects some samples to train the model from these Mahalanobis distance samples. Seven benchmark functions with various characteristics are chosen to testify to the effectiveness of this algorithm. The validation results of seven benchmark functions demonstrate that the algorithm is more competitive than other algorithms. The simulation results based on different radii and nodes show that MSAALO improves the average coverage by 2.122% and 1.718%, respectively.     

An Optimal WSN Node Coverage Based on Enhanced Archimedes Optimization Algorithm

Node coverage is one of the crucial metrics for wireless sensor networks’ (WSNs’) quality of service, directly affecting the target monitoring area’s monitoring capacity. Pursuit of the optimal node coverage encounters increasing difficulties because of the limited computational power of individual nodes, the scale of the network, and the operating environment’s complexity and constant change. This paper proposes a solution to the optimal node coverage of unbalanced WSN distribution during random deployment based on an enhanced Archimedes optimization algorithm (EAOA). The best findings for network coverage from several sub-areas are combined using the EAOA. In order to address the shortcomings of the original Archimedes optimization algorithm (AOA) in handling complicated scenarios, we suggest an EAOA based on the AOA by adapting its equations with reverse learning and multidirection techniques. The obtained results from testing the benchmark function and the optimal WSN node coverage of the EAOA are compared with the other algorithms in the literature. The results show that the EAOA algorithm performs effectively, increasing the feasible range and convergence speed.     

改进的基于蚁群算法的非均匀分簇路由协议

针对无线传感器网络中传感器节点随机分布造成能耗不均和“热区”等问题,提出了一种改进的基于蚁群算法的非均匀分簇路由协议。该协议也采用“轮”方式运行,每轮簇首选举开始阶段,根据节点剩余能量、节点密度,结合节点到Sink节点的距离来构造不均匀的竞选半径,每个节点根据竞选半径范围内邻居节点计算剩余能量比及距离偏差平均值,从而计算出其簇首竞争等待时间,采用时间等候簇首竞选机制来选举出簇首,平衡簇内的通信能耗;数据传输阶段,考虑剩余能量、通信能耗、链路质量、传输时延等因素,采用改进的蚁群算法构造最优传输路径,数据传输的同时更新信息素,从而达到自适应、动态优化地建立和维护传输路径。仿真结果表明,该路由协议能有效节约能量和均衡能耗,延长网络生命周期,改善链路质量,减少传输时延。     

Node Deployment Optimization for Wireless Sensor Networks Based on Virtual Force-Directed Particle Swarm Optimization Algorithm and Evidence Theory

Wireless sensor network deployment should be optimized to maximize network coverage. The D-S evidence theory is an effective means of information fusion that can handle not only uncertainty and inconsistency, but also ambiguity and instability. This work develops a node sensing probability model based on D-S evidence. When there are major evidence disputes, the priority factor is introduced to reassign the sensing probability, with the purpose of addressing the issue of the traditional D-S evidence theory aggregation rule not conforming to the actual scenario and producing an erroneous result. For optimizing node deployment, a virtual force-directed particle swarm optimization approach is proposed, and the optimization goal is to maximize network coverage. The approach employs the virtual force algorithm, whose virtual forces are fine-tuned by the sensing probability. The sensing probability is fused by D-S evidence to drive particle swarm evolution and accelerate convergence. The simulation results show that the virtual force-directed particle swarm optimization approach improves network coverage while taking less time.     

基于非均匀分簇的无线传感器网络路由协议

在无线传感器网络中,分簇技术是一种有效延长网络生命周期的方法。但是这种多跳的网络模型,如果节点均匀分布并且簇的大小相等,则靠近基站的簇头由于要中继更多的数据,则会导致能量空洞现象。因此提出一种非均匀分簇方法来缓解能量空洞问题。首先,通过节点的剩余能量、到基站的距离以及邻居节点数量来选择簇头。簇一旦形成之后,通过单跳和多跳的混合机制将数据发送到基站。实验结果表明,此协议能有效的延长网络的生命周期,均衡网络能耗,有效延缓能量空洞的形成速度。