没有合适的资源?快使用搜索试试~ 我知道了~
首页TEO-MCRP:优化热交换的WSN移动聚类路由协议提升能源效率
TEO-MCRP是一项针对无线传感器网络的创新路由协议,着重于解决由于节点密集度和数据传输需求而引发的能源效率问题。该协议的灵感来源于热交换优化原理,特别是牛顿冷却定律,旨在通过动态调整节点的活动策略来延长网络寿命,减少热点效应。核心组件包括两个关键算法:簇头(CH)选择算法和移动汇聚(MS)路径检测算法,这些算法都设计有独立的拟合参数,目的是在每次移动周期中有效地优化节点的能量消耗。 在CH选择过程中,TEO-MCRP利用温度方程来模拟节点的能量状态,确保那些位于网络边缘、能量消耗较快的节点能够通过移动至较为空闲区域来减轻负荷。另一方面,MS节点负责收集来自各个CH的数据,并整合后发送到基站(BS),这一过程有助于降低数据包冲突和丢失,从而提高网络的整体性能。 该协议的优势在于其自适应性和鲁棒性,能够应对传感器网络中不断变化的环境和节点分布。通过实验验证,TEO-MCRP显示出优越的能源管理和数据传输效率,相比于传统算法,它在保持高可靠性的同时,显著提升了网络的寿命和整体运行效果。此外,论文强调了异构无线传感器网络的应用场景,这涵盖了广泛的领域,如医疗保健、虚拟现实、智能监控等,预示着在未来技术发展中扮演重要角色。 TEO-MCRP不仅关注基础通信层面的问题,还结合了移动路径规划,确保了节点之间的高效协作,这对于资源受限的无线传感器网络来说,是至关重要的一步。作为一篇开源的文章,它体现了学术界对能源优化和无线通信技术的持续探索,也为同类研究提供了有价值的参考案例。
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/88761183/bg4.jpg)
S. Yalçın
和
E. Erdem
沙特国王大学学报
5336
我
我
2
¼
●
ð - Þ
●
ð - Þ
ð Þ
我
我
我
我
.
Σ
(
2018
)提出了一种分布式节能聚类协议,该协议源自节能三级异
构聚类方法(
DEEC
)。在该协议的能耗模型中,除了考虑传统分簇
中的参数外,还考虑了采样阈值平衡阈值的影响。 在
Darabkh et al.
(
2019
),提出了一种具有能量敏感和基于密度的态度的聚类和路由
算法,以收集无线传感器网络中的数据。提供了一个网络图,用于确
定如何有效地将网络区域划分为
无线传感器网络中的中继和路由方法。TEO中的温度概念反映了WSN
中节点的交互特征(Mani等人,2020年)。冷却对象是指节点的位
置,环境温度是指邻近节点。这些物体被假定为无线传感器网络中的传
感器节点。因此,将节点定义为对象或反之亦然将是准确的解释。
为了解释算法1,所有节点的初始温度被确定为等式1。(一).
大小相等的层和子层。在分割的子图层中,它将在列表中按降序排序的
所有集群成员中旋转
T
0
¼T
min
rndx
Max
-
T
min
Þ ð1Þ
基于
CH
的重量在
Yalçın
和
Erdem
(
2019
)中,针对异构移动网络提
出了两种
CH
选择和路由方法该方法基于能量节点度、交互适应度和
与 邻 居 节 点 的 距 离 , 采 用 贪 婪 策 略 进 行
CH
选 择
Karthick
和
Palanisamy
(
2019
)的作者推荐了一种基于
Krill herd
算法的聚类
方法。该方法克服了节点分布和能量敏感分簇等困难,实现了
CH
的
最优选择 在
Vijayashreeet al.
(
2019
),提出了一种基于能量平衡
聚类和人工蜂群的多
MS
节点数据收集方法。在该方法中,
CH
选择
是基于节点的剩余能量,而本文考虑了三个阶段来提供
MS
平衡:最
大化数据聚集、减少移动路由长度和优化网络稳定性。在
Yalçén
和
Erdem
(
2020
)中,为了防止网络中的数据包冲突和丢失,提出了
一种新的移动路由规划方法,该方法通过为无线传感器网络提出优先
级排序依赖非参数树(
PoDNT
)在该方法中,一个具有层次和依赖
的无限树结构的拓扑,
其中
T0
是节点i的第一个解向量。T
min
和T
max
是温度变量的极限。此外,
rnd是任意向量,其中每个分量在范围[0,1]内。目标函数计算每个节点
的成本值。本文提出了一种存储器,它分层存储最佳T向量和与这些向
量相关的目标函数值,在不增加计算量的情况下,可以提高算法的性
能。在这个方向上,热存储器(TM)被用来保存一些目前最好的解决方
案。因此,在这一步,保存在TM中的解向量被转移到群体中。此外,不
考虑相同数量的可用最差节点。最后,节点根据其各自的目标函数值以
升序排序。节点被分成两个相等的组。这些节点对可以如图2所示。例
如,T
1
是T
n 1
冷却对象的环境对象,反之亦然。
通常,当物体的b值较低时
改变温度。受这一特点的启发,本文提出了一个类比.每个节点的值根据
Eq. (二)、因此,较低成本节点的b值具有较低的值并且稍微改变节
点位置。
在节点之间提供强连接,
要重新选择的祖先节点。
成本
节点
成本
节点
ð2Þ
表
1
给出了无线传感器网络中基于分簇和路由的一些最新工作的比
较
表
2
列出了拟议研究与其他研究的差异
时间取决于迭代次数。每个节点的t时间值被计算为Eq. (三)、
比较算法。Nayak和Vathasavai(2017)的作者提出了一种基于GA的
聚类方法,该方法计算适应度
功能有两个主要参数,以确保能量平衡。
t
Niter
N
max-iter
ð
3
Þ
该方法是一种基于进化原理和自然选择的概率搜索方法
Wang
等人
(
2018
年),作者提出了一种用于
WSNs
的路由协议,
其中
Niter
和
Nmax
-
iter
分别 定 义 了 当 前 和 最 大迭代次数。环 境 温度由Eq.
(四)、这里,c
1
和c
2
是控制变量。
MS,考虑基于改进的
T
en
v
¼1
-
c
1
c
2
x 1-txrndxT
p
-
en
v
ð4Þ
蚁群优化算法在该协议中,无线传感器网络被分成几个簇,
我
我
T
p-en
v
是更改为T
en
v
的节点的先前温度。
每个簇中有一个CHCH之间的距离被带入i
i
经典的ACO算法。 然而,改进
ACO算法用于MS节点与CH通信,从而产生移动路由约束。Sahoo等人
(2020)提出了一种使用PSO方法的CH选择和MS路由协议。所提出
的方法在网络中以多跳方式与MS路由一起执行数据收集
3.
拟议的系统模型
本文基于
Winterton
(
1997
)的传热定律和
Winterton
(
1999
)
的牛顿冷却定律,并受到
Kaveh
和
Dadras
(
2017
)的优化方法的启
发,为无线传感器网络设计了分簇和移动路由方案。
3.1.
TEO-MCRP
:基于
TEO
的集群和路由协议
本节的主要目的是使名为热交换优化(TEO)的元启发式方法适用
于俱乐部。
已知1t通过接近最后的迭代来减少随机性。随着过程接近其结束,t
增加,导致随机性线性减小。
●
c
1
检查随机步长的大小。此外,当不使用下降过程(
c
2
= 0
)时,
c
1
包括
c
2
控制
1 t
。例如,在不需要减少的情况下,这可以被认为等于零。
其中
,
C= 0(c
1
=c
2
= 0)的情况下,先前的温度乘以与以前的步骤和Eq.
在等式(4)中,根据等式(5)确定每个节点的更新温度。(五)、
T
new
¼T
en
v
T
pre
v
-T
en
v
exp-bt5
(
0
,
1
)中的
Pr
参数确定是否应替换每个节点的组件。对于每个
节点,
将
Pr
与
rndii<$1
;
2
;
···
;
n
进行
比较,
rndi i <$1; 2;··· ; n
是均匀分布
在(
0
,
1
)中的随机数如果
rnd iP
r
,则节点
i
的维度被随机选择,并
且其值被重新确定,如在等式(
1
)中。<(六)、
b
¼
剩余16页未读,继续阅读
![application/pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![7z](https://img-home.csdnimg.cn/images/20210720083312.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 解决本地连接丢失无法上网的问题
- BIOS报警声音解析:故障原因与解决方法
- 广义均值移动跟踪算法在视频目标跟踪中的应用研究
- C++Builder快捷键大全:高效编程的秘密武器
- 网页制作入门:常用代码详解
- TX2440A开发板网络远程监控系统移植教程:易搭建与通用解决方案
- WebLogic10虚拟内存配置详解与优化技巧
- C#网络编程深度解析:Socket基础与应用
- 掌握Struts1:Java MVC轻量级框架详解
- 20个必备CSS代码段提升Web开发效率
- CSS样式大全:字体、文本、列表样式详解
- Proteus元件库大全:从基础到高级组件
- 74HC08芯片:高速CMOS四输入与门详细资料
- C#获取当前路径的多种方法详解
- 修复MySQL乱码问题:设置字符集为GB2312
- C语言的诞生与演进:从汇编到系统编程的革命
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)