一种基于改进粒子群的无线传感网络分簇方法技术

本发明专利技术涉及基于改进粒子群的无线传感网络分簇方法，包括步骤：S1：对无线传感器网络WSN进行初始化设置，构建节点组，选择能量；S2：利用改进的PSO算法进行簇头节点的选择；S3：将普通节点通过计算距离加入最近的簇结构中，进入通信阶段，开始进行数据的传输工作。首先对粒子群方法进行改进，然后引入邻近节点组的休眠机制，使得部分节点在网络运行时不参与工作，之后在加入邻近节点组的情况下重新分析网络的最优簇头数，利用适应度函数判断簇头节点是否选择合适，进行簇头节点的选取。有效的解决了簇头节点过于随机和数据冗余的情况，在仿真分析时，与经典分簇方法作比较，该方法在网络平均能量、存活节点数等指标都有明显的优势。势。势。

【技术实现步骤摘要】
一种基于改进粒子群的无线传感网络分簇方法


[0001]本专利技术涉及物联网领域，尤其涉及一种基于改进粒子群的无线传感网络分簇方法。

技术介绍

[0002]近年来，物联网(IoT)技术发展迅速，同时也带动了其他产业的发展。无线传感器网络(WSN)作为IoT的底层技术支持，凭借着其低成本、易部署以及广泛的应用场景等特点成为了一个热门的研究领域。而WSN的节点能量有限且无法对电池补充能源，导致WSN的生命周期有限。所以如何提高节点的使用时间，延长网络的使用寿命就成为了WSN领域的一个技术难题。传统分簇方法中随机选取簇头节点的方式，会出现簇头节点分布不均匀的情况，使得节点负载不均，部分节点能耗过多，出现“能量空洞”问题，进而导致WSN的生命周期过于短暂。
[0003]此外，在分簇方法中，如何形成合理的簇结构是目前主要面临的问题之一，就目前已有的分簇方法中，还有许多的问题没有解决。
[0004](1)簇头节点的选择过于随机：
[0005]在以往很多分簇方法选择簇头节点时，虽然在选取公式中加入了一些权重因子，但其实还是随机的，会导致簇头节点分布不均匀，对于密集地区存在资源浪费的情况，对于稀疏地区则有节点能量消耗过大的情况。
[0006](2)部分数据冗余：
[0007]因为节点是随机部署的，所以难免会有部分节点之间相距过小，如果每一个节点都参与数据的收集以及传输，监测区域就会有重复，会导致有部分数据有很高的重复性，而且还浪费了节点的能量做无用功。

技术实现思路

[0008]本专利技术要解决的技术问题是提供一种基于改进粒子群的无线传感网络分簇方法，即提出了一种基于改进粒子群的分簇方法，有效的解决了簇头节点过于随机和数据冗余的情况，在仿真分析时，与经典分簇方法作比较，该方法在网络平均能量、存活节点数等指标都有明显的优势。
[0009]为解决上述问题，本专利技术采用的技术方案为：基于改进粒子群的无线传感网络分簇方法，包括以下步骤：
[0010]S1：对无线传感器网络WSN进行初始化设置，构建节点组，选择能量；
[0011]S2：利用改进的PSO算法进行簇头节点的选择；
[0012]S3：将普通节点通过计算距离加入最近的簇结构中，进入通信阶段，开始进行数据的传输工作。
[0013]采用上述技术方案，首先对粒子群方法进行改进，然后引入邻近节点组的休眠机制，使得部分节点在网络运行时不参与工作，之后在加入邻近节点组的情况下重新分析网
络的最优簇头数，利用适应度函数判断簇头节点是否选择合适，最后进行簇头节点的选取。传统分簇方法中随机选取簇头节点的方式会出现簇头节点分布不均匀的情况，使得节点负载不均，部分节点能耗过多，出现“能量空洞”，进而导致WSN的生命周期过于短暂的问题。该技术方案基于改进粒子群的分簇方法，有效的解决了簇头节点过于随机和数据冗余的情况，在仿真分析时，与经典分簇方法作比较，该方法在网络平均能量、存活节点数等指标都有明显的优势。
[0014]作为本专利技术的优选技术方案，所述步骤S1具体包括以下步骤：
[0015]S11：对无线传感器网络WSN进行初始化设置，包括节点的位置信息和节点能量；
[0016]S12：通过距离计算公式计算节点之间的距离，并且与设置好的距离阈值作比较；并构建邻近节点组，在第一轮时，邻近节点组内的节点进行随机选择参与之后簇头选举以及执行数据收集与转发任务；
[0017]S13：比较节点能量的值，进行筛选。
[0018]作为本专利技术的优选技术方案，所述步骤S2具体包括以下步骤：
[0019]S21：始化粒子群，设有N个粒子，N的大小为网络中簇头节点的个数，每个粒子都有对应的位置向量x
i
，和速度向量v
i
；
[0020]S22：计算每个粒子的初始适应度值，粒子的个体极值p
id
表示为粒子的适应度值f
i
，群体极值p
gd
表示为所有粒子的个体极值中最大值；
[0021]S23：根据下列公式每个粒子更新的自己的位置向量和速度向量；
[0022][0023][0024]S24：每个粒子更新自己的位置向量和速度向量后，重新计算自己的适应度值；
[0025]S25：通过获得的适应度值更新个体极值以及全体极值，若适应度值大于个体极值，则将个体极值替换为适应度值；
[0026]S26：重复步骤S21～25，直到达到迭代次数或者满足终止条件，得到的全体极值对应的节点即为所需要的簇头节点。
[0027]作为本专利技术的优选技术方案，所述步骤S3具体包括以下步骤：在所述步骤S2簇头节点选定后，将普通节点通过计算距离加入最近的簇结构中，进入通信阶段，采用与LEACH算法中相同的数据传输机制进行数据的传输工作。
[0028]作为本专利技术的优选技术方案，所述步骤S2中采用择优选取簇头节点的分簇方法的数学模型为：
[0029]假设在一个D维空间中，有N个粒子，有对应的适应度函数f(x)来判定粒子当前位置是否是最优的；在方法中包括以下参数向量：
[0030]第i个粒子的位置向量为：x
i
＝(x
i1
，x
i2
，
…
，x
iD
)；
[0031]第i个粒子的速度向量为：v
i
＝(v
i1
，v
i2
，
…
，v
iD
)；
[0032]粒子i的适应度函数值为：fitness
i
＝f(x
i
)，i＝1，2，3，
…
N；
[0033]粒子i经过的最优位置向量为：pbest
i
＝(p
i1
，p
i2
，
…
，p
iD
)；
[0034]在整个迭代的过程当中，粒子i的位置与速度更新公式为：
[0035][0036][0037][0038][0039]其中，i＝1,2,3,
…
,N；d＝1,2,3,
…
,D；c1和c2是学习因子，w为惯性权重系数，r1和r2是范围为(0,1)的随机数；是粒子在d维空间的位置以及速度变化范围，在方法进行过程中，如果和超出了变量变化范围，则被限制在边界值外；
[0040]在使用粒子群方法寻找最优解时，惯性权重系数w会影响粒子群搜索的方向，调整惯性权重系数w的大小就可以控制粒子向着全局最优解或者局部最优解靠近，如公式(3)所示，当惯性权重系数w较大时，公式中的第一项所占比例较大，即粒子的速度向量影响较大，粒子的移动受到的限制也就越小，则能提高找到全局最优解的容易度：当惯性权重系数w较小时，公式中的后两项所占比例较大，粒子的速度较小，容易找到局部最优解；
[0041]因此，对粒本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进粒子群的无线传感网络分簇方法，其特征在于，包括以下步骤：S1：对无线传感器网络WSN进行初始化设置，构建节点组，选择能量；S2：利用改进的PSO算法进行簇头节点的选择；S3：将普通节点通过计算距离加入最近的簇结构中，进入通信阶段，开始进行数据的传输工作。2.根据权利要求1所述的基于改进粒子群的无线传感网络分簇方法，其特征在于，所述步骤S1具体包括以下步骤：S11：对无线传感器网络WSN进行初始化设置，包括节点的位置信息和节点能量；S12：通过距离计算公式计算节点之间的距离，并且与设置好的距离阈值作比较；并构建邻近节点组，在第一轮时，邻近节点组内的节点进行随机选择参与之后簇头选举以及执行数据收集与转发任务；S13：比较节点能量的值，进行筛选。3.根据权利要求1所述的基于改进粒子群的无线传感网络分簇方法，其特征在于，所述步骤S2具体包括以下步骤：S21：始化粒子群，设有N个粒子，N的大小为网络中簇头节点的个数，每个粒子都有对应的位置向量x
i
，和速度向量v
i
；S22：计算每个粒子的初始适应度值，粒子的个体极值p
id
表示为粒子的适应度值f
i
，群体极值p
gd
表示为所有粒子的个体极值中最大值；S23：根据下列公式每个粒子更新的自己的位置向量和速度向量；S23：根据下列公式每个粒子更新的自己的位置向量和速度向量；S24：每个粒子更新自己的位置向量和速度向量后，重新计算自己的适应度值；S25：通过获得的适应度值更新个体极值以及全体极值，若适应度值大于个体极值，则将个体极值替换为适应度值；S26：重复步骤S21～25，直到达到迭代次数或者满足终止条件，得到的全体极值对应的节点即为所需要的簇头节点。4.根据权利要求1所述的基于改进粒子群的无线传感网络分簇方法，其特征在于，所述步骤S3具体包括以下步骤：在所述步骤S2簇头节点选定后，将普通节点通过计算距离加入最近的簇结构中，进入通信阶段，采用与LEACH算法中相同的数据传输机制进行数据的传输工作。5.根据权利要求3所述的基于改进粒子群的无线传感网络分簇方法，其特征在于，所述步骤S2中采用择优选取簇头节点的分簇方法的数学模型为：假设在一个D维空间中，有N个粒子，有对应的适应度函数f(x)来判定粒子当前位置是否是最优的；在方法中包括以下参数向量：第i个粒子的位置向量为：x
i
＝(x
i1
，x
i2
，
…
，x
iD
)；第i个粒子的速度向量为：v
i
＝(v
i1
，v
i2
，
…
，v
iD
)；粒子...

【专利技术属性】
技术研发人员：陈大龙，黄道宏，孟维，王计斌，
申请(专利权)人：南京华苏科技有限公司，
类型：发明
国别省市：