沙特国王大学学报一种基于半马尔可夫启发的混合信任预测算法A. Amuthan，A.阿鲁穆鲁甘印度Puducherry本地治里工程学院计算机科学与工程系阿提奇莱因福奥文章历史记录：2018年1月11日收到2018年6月9日修订2018年7月13日接受在线提供2018年保留字：超指数分布簇头选举半马尔可夫过程门限能量参数A B S T R A C T簇头选举过程的有效性主要负责解决旨在提高传感器网络寿命的网络管理问题。大多数能量激励的簇头选举方法认为所有参与的传感器节点是真实的，类似地，基于信任的簇头选举技术假设所有协作的传感器节点是能量竞争的。在基于能量或可信度的簇头选择中利用的这些假设本质上是不现实的，因为传感器节点的历史或当前能量可用性可能无助于确定网络的最优簇头。为了提高网络的生存时间，提出了一种基于半马尔可夫机制的能量和信任评估集成预测方案--基于超指数可靠性因子的簇头选举（HRFCHE）。HRFCHE的结果推断其优越的性能，通过延长网络的生命周期和减少28%和34%的能量消耗的簇头选举计划用于比较。©2018制作和主办由Elsevier B.V.代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http：//creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍在最近的过去，大量的研究和贡献都归功于调查传感器的作用和部署，这些传感器在实现合作信息处理和分配管理方面具有重要意义（Al-Karaki和Kamal，2004; Thakkar，2016; Ijjeh等人，2015年）。无线传感器网络（Wireless Sensor Networks，WSN）将嵌入式计算技术、传感器技术和分布式信息处理技术集成到一个单一的实体中，以协同的方式观察和收集信息。在无线传感器网络中，合作数据处理的核心目标取决于传感器的能量利用，需要平衡传感器的能量利用以实现最大寿命（Taheri等人， 2012; Xu等人，2015年）。此外，具有有限能量的传感器节点不能有助于数据处理，因为它们不能独立于所监测的数据的种类在数据收集过程中合作，*通讯作者。电子邮件地址：amuthan@pec.edu（A. Amuthan），arulmurugan1982@gmail.com（A. Arulmurugan）。沙特国王大学负责同行审查制作和主办：Elsevier收集并聚集（Chen等人，2015年）。因此，大多数研究者都是基于单个传感器节点所拥有的剩余能量来分析传感器的能量消耗。大多数现有的簇头选举算法要么集中在能量消耗上，要么集中在转发分组时传感器节点的信任上（Jing等人，2013; Qu等人，2013; Raval和Modi，2017;Hong和Tao，2017）。在本文中，协同信息处理的核心目标，提高网络的生命周期，促进使用混合能源信任评估因子称为超指数综合能源信任因子（HGIETRUST）。该混合能量-信任评估参数是通过半马尔可夫预测机制计算的，其目标是提高网络的生命周期2. 相关工作无线传感器网络中基于协作的数据处理需要节点以集群的模式组织，以便促进能量有效的数据传输，从而提高网络的可扩展性和稳定性（Wang等人，2013年）。最初，低能耗自适应聚类层次（LEACH）有助于解决集群形成背后的挑战（Liu和Zhang，2014）。LEACH使用随机选择方法，该方法使用随机值来选择簇头。然后，选定的簇头从其https://doi.org/10.1016/j.jksuci.2018.07.0061319-1578/©2018由Elsevier B. V.代表沙特国王大学制作和主办。这是CC BY-NC-ND许可下的开放获取文章（http：//creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect沙特国王大学学报杂志首页：www.sciencedirect.comA. Amuthan，A.Arulmurugan/沙特国王大学学报937成员节点，然后将其传送到基站。LEACH中簇头的主要作用是充当节点和基站之间的通信链路。Amirthalingam和Anuratha（2016）提出了一种修改传统LEACH协议的方法，该方法结合了节点相对剩余能量和簇头位置等两个因素，以在网络的传感器节点该改进的LEACH协议主要是通过一个层次化的参数来实现的，该参数以簇的形式组织传感器网络中的节点集合每个簇头节点执行三个不同的任务，即，周期性地更新节点的能量信息并聚集所收集的信息以去除冗余。其次，基于时分多址（TDMA）调度方案，向每个节点发送时隙以执行其传输。最后，将收集到的数据直接或间接地发送到基站，将聚合数据发送到附近的簇头此外，称为TL-LEACH的两级LEACH协议（Loscri等人，2015年）提出。在TL-LEACH协议中，通过被称为主簇头和辅簇头的两个优先级来执行能量均衡。 TL-LEACH在能量有效的层次分簇算法中使用多级的簇头来部署。上述LEACH协议的主要局限性是低能量节点也可以成为簇头，这可能会降低无线传感器网络的在LEACH确定性簇头选择协议和高级LEACH（ALEACH）协议中，该问题被在簇头选择中考虑具有较高剩余能量水平的节点除了选择高能量水平的节点之外，还选择具有混合能量有效分布式（HEED）、能量有效分簇方案（EECS）和增强集中式LEACH（ECLEACH）值的节点作为簇头。链路感知分簇机制（LCM）（Wang和Chen，2013）被提出用于基于节点剩余能量和节点与其邻居的接近度或节点度来周期性地选择簇头。他们还开发了一种基于进化的路由协议，用于无线传感器网络中异构节点的聚类。LCM在基于特定于网络的数据、位置中心和QoS的维度来选择最优簇头方面是重要的后来，逐步自适应聚类层次结构（SWATCH）（Toyoda，2017）协议已经被提出来缓解LEACH中的簇头可变性问题 在SWATCH协议中，簇节点的选择分为两个阶段，第一阶段是初始选择，第二阶段是附加选择。这种增强的簇创建策略利用自适应簇头 选 择 来 提 高 网 络 的 生 命 周 期 。 基 于 动 态 重 聚 类 浸 出 （ Dr-LEACH）协议（Arumugam和Ponnuchamy，2015）将LEACH的优点与滑动窗口和节点的动态变化的益处相结合，以维持簇头计数的稳定性。通过消除Batra和Kant（2016）提出的簇头选择过程中的固有随机性，解决了簇可变性问题的根本原因。该算法是基于动态、分布式和随机（DDR）聚类算法设计的。这种基于分簇的路由协议通过局部搜索的方法来实现LEACH，具有更好的可使用维度，从而保持了可扩展性和效率。最后，基于模糊逻辑提出了CFFL（使用模糊逻辑方案的簇形成）（El Alami和Najid，2015）和LEACH-ERE（基于模糊逻辑的聚类方法）（Lee和Cheng，2012），以便最优地选择簇头以提高网络的寿命。这些模糊方案集中在促进增强死节点计数，同时相应增加轮这些模糊方案被证明是潜在的能源优化过程中的数据分发。但是，这些模糊方案的主要失败之处在于忽略了在数据传输过程中可能发生的各种行为。基于混合HSA-PSO的方案作为一种有效的基于能量的簇头选择技术，用于在降低的收敛下促进高级全局搜索过程（Shankar等人，2016年）。该HSA-PSO算法利用PSO的动态势和HSA的搜索能力来提高网络的生存时间，从而提高了传感器该HSA-PSO还最小化了部署在定义的网络拓扑中的传感器节点的死亡率，提高了寿命。基于改进的k均值算法（K-MEANS CHS）的簇头选择过程用于同时选择三个簇头（Sasikumar等人，2016年）。这种簇头选择技术利用了一种可靠的负载分担方法，通过节省节点的能量来主动选择簇头，以延长网络的生命周期这种基于改进的k-means算法的簇头选择技术最大限度地减少了重新分簇的程度，以提高网络活动下的数据包速率然后，提出了一种基于差分进化和模拟退火（DESA）的集成簇头选择，以防止簇头在最早的时间点死亡（Sweatha等人，2016年）。这种基于DESA的簇头选择通过可靠地估计与剩余能量和吞吐量相关的重 要 因 素 来 避 免 最 大 程 度 的 重 新 分 簇 。 与 现 有 的 LEACH 、Harmony Search和Differential Evolution等算法相比，该算法可将节点死亡率分别降低提出了一种基于支配集的增强型二进制粒子群优化算法（BPSO），该支配集使用能量度确定，用于最优发现簇头（Thilagavathi和Geetha，2015）。这种粒子群算法是一种多目标的基于支配集的聚类算法该粒子群算法的核心目标是通过一个相关的归一化函数来提高数据包的投递率和能量最后，提出了基于PSO的簇头该算法综合考虑节点度、现有簇头数和剩余能量的影响，基于目标函数选择簇头。这个贡献的PSO方案的性能也被确定为是惊人的，在提高网络的生命周期的23%更好的ABC和基于ACO的集群选择方法。从所进行的审查中可以推断，大多数俱乐部-现有的簇头选举算法没有同时采用能量和信任因子进行簇头选举，基于半马尔可夫的簇头预测机制也没有提出。因此，提出了一种半马尔可夫预测机制，用于通过集成的能量-信任预测来提高网络的寿命（表1）。3. 基于超指数可靠性因子的簇头选举算法HRFCHE是主要为推导半马尔可夫链的效益而提出的有意义的预测方案，探讨传感器网络中簇头的行为该预测技术的目标是通过有效的簇头选举来提高网络的生存时间。在HRFCHE中，簇头选举过程是基于一个混合的938A. Amuthan，A.Arulmurugan/沙特国王大学学报ð-Þ公司简介4表1综述了簇头簇技术和提出的方案。算法作者簇头选择簇头分布团簇稳定性浸出Liu and Zhang（2014）随机非均匀低MOD-LEACH02 The Dog（2016）随机非均匀低TL-沥滤Loscri等人（2015年）概率非均匀高LCM王和陈（2013）概率非均匀高SWATCH丰田章男（2017）随机均匀低DR-LEACH03 The Dog（2015）随机均匀中度CFFLEl Alami和Najid（2015）随机/概率非均匀中度沥滤Lee和Cheng（2012）随机/概率非均匀中度HSA-PSOShankar等人（2016年）随机/概率非均匀高K均值CHSSasikumar等人（2016）随机/概率非均匀高经社部Sweatha等人（2016年）随机/概率非均匀中度BPSO05 The Dog（2015）随机均匀中度PSO02 The Dog（2012）随机非均匀高建议的HRFCHE这项工作概率非均匀高能量信任预测参数称为超几何信任因子。通过两个步骤来估计该信任因子。在第一步中，计算与传感器节点的可用率有关的阈值能量参数。在第二步中，当节点的能量稳定性在估计的阈值能量参数之内时，基于超几何分布来操纵信任评估因子最后，当预测的超几何信任因子大于HRFCHE确定的最优簇首信任值时，建议HRFCHE用于优化，因为网络的生命周期取决于簇头选择的最佳数量。该HRFCHE算法的核心是在增加实现轮数的情况下最大限度地减少簇头数。因此，减少簇头需要确定参与数据分发的传感器节点的能量因子和信任因子。该模型还推断，当传感器节点拥有的能量是优化的和值得信赖的，那么用于数据传输的簇头的数量最小化。其中i和k表示源与路径长度小于“m”的协作中间节点之间的间距。只有当“ECP”达到时，传感器节点的消耗才是最优其最大值在“k = 1”处这种对最短路径的考虑主要是为了实现源和宿传感器节点之间的可靠最短路径。建议HRFCHE机制使用HeinZelman贡献的能量模型计算能量消耗率的传感器节点，在王等人。（2010年）。HRFCHE使用属于多径衰落类别的可能信道模型的穷举集合。这个能量模型具有一个互-d4（传感器节点之间的d距离）的节点距离，遭受D2功率损失。多路径或自由空间模型的结合是基于簇间节点之间的距离触发的，簇间节点之间的距离是在阈值参数的帮助下动态识别的。HRFCHE中的m比特信息传送所引起的传输成本和接收器成本通过（2）和（3）表示，（mEec mfsdω d2;ifd dt<因此，‘M’ with adequate residual energy ’E’ and Trust Factor ’T’, thelem被定义为一种有效的簇头选举机制从每个传感器网络集群中提取数据，ETCm;d其中：mEec 匈牙利国会议员 ωd;如果ω dPdtð2Þ头超指数分布的估计过程阈值参数;d¼sð3Þ基于决策参数综合考虑能量，作为单个实体的参与传感器节点的信任，用于改进网络寿命3.1. 阈值能量参数通常，簇头的均匀旋转有助于平衡网络的能量消耗，因为簇头在执行数据收集和转发的动作时是非常重要的。因此，当选为簇头的节点必须根据能量参数来研究其稳定性，因为它们以快速的速率排出最大量的剩余能量。在HRFCHE算法中，通过计算阈值能量参数来分析有可能当选簇头的节点的稳定性。阈值能量参数是传感器节点作为有效簇头进行可靠数据分发所需的最佳剩余能量。根据所用能量模型的定义（Heinzelman等人，2002），传感器节点'E CP '的流失率ttmp放大器用于实现HRFCHE中的更大距离传输的能量等于0： 0018pJ= bit= m4。而反观能源利用为短程度传输是fsd 1/4 10= bit= m2。Eec，m，fsd和tmp代表能量，数量所发送的数据的比特数、用于在源和目的地之间建立连接的频率类似地，来自源和宿的数据传输或者基于单跳，或者当它们在通信范围的公共范围内时，它们可以依赖于多跳数据传输。在该机制中使用的单跳和多跳数据传输所消耗的能量的量类似于LEACH的能量的量。在HRFCHE中，阈值能量参数是根据嵌入在源和宿之间转发的分组中的探测参数来确定的。此外，每个传感器节点可用的阈值能量参数通过（4）计算为：ETEP¼ mEelectrom2 1= c-1mEdrain4m2Edi; sdi; kd k; sð1Þ其中A. Amuthan，A.Arulmurugan/沙特国王大学学报939BPylLPCSCSCSpAA¼pCC密封圈3.2. HRFCHE跃迁几率的确定在该步骤中，当发现计算的能量参数大于期望的最优能量参数阈值时，0.6如Lin et al.（2017）中所定义。然后基于转移概率预测信任评估因子，CS-特征 概率，其将协作传感器节点的行为转变成其用于保存能量的自私意图，k F -特征概率，其迫使自私传感器节点进入故障模式，kCF -特征概率，其将协作传感器节点转换成故障，l SC -特征概率，其中自私节点被恢复成协作传感器节点操作节点，y1-将故障节点更新为合作节点的特征概率。转移概率每个传感器节点在数据传输下表现出的行为的机会。这些特征概率的计算使用潜在的参数，如通信半径，能量和移动性因素相关的传感器节点的链路稳定性，收集从网络通过合并的探测数据包。所收集的特征属性揭示了作为簇头的传感器节点在数据传播下可能实现的行为的可能性4. 基于超指数可靠性因子的簇头有效选举传感器节点的剩余能量有助于估计它们的信任和稳定性，使它们能够维持网络的寿命。剩余能量的流失率传感器节点总是两阶段超指数分布，参数为a1（合作角色）和a2（自私行为）。这种基于两阶段超指数分布的F素C，A、一个C、图1.一、基于连续半马尔可夫链的HRFCHE节点pCS¼aCSpCR11同样，触发自私传感器节点更新为合作节点“p SC”的特性L传感器节点的消耗率主要是由于它们的能量平衡性质，其提供了能量消耗率的灵活性pSC¼lSC萨马体育会pCR12mm这取决于参与数据传播过程的传感器节点的状态。参与路由的传感器节点的状态可以是合作的、自私的或失败的。因此，网络的生命周期取决于传感器节点的流失率，这反过来又受到分组传播下实现的行为类型的影响。因此，一个连续的基于半马尔可夫链的节点行为预测过程中被incorporated用于识别的信任参数，集成的能量因子估计先前基于模糊概率。 在该马尔可夫链中，自私传感器节点转变为合作传感器节点所需的时间是b，具有平均特征trans-p。位置可能性时间为1，平均时间为1，用于更新然后，将量化故障传感器节点恢复的预期概率的乘积系数合作节点依赖于迫使自私节点进入其故障状态的pSF¼bppSS13类似地，影响自私传感器节点以保持其当前状态的预期特征概率apbp的CS将自私节点的典型行为转化为合作行为。从图1、用于推导的平衡方程pSSpSC1400HRFCHE的稳态概率分别从（5）-（9）导出为. lSCaCSpCRylllpSFbpFbPpCS5. lSCaCS pSClSC pCR6最后，传感器节点保持在其故障状态“P F”的特征概率pF¼kCFpSC15mmKLylpSF¼bPpSS7pF¼CFSCllSCSadenaCSpCR16mmbPpSS¼aCSpSC208pF¼kSFpSC109mm从等式(5)，量化合作传感器节点表现出自私行为的预期概率“p CS”的稳态概率由（10）和（11）给出。用于对HRFCHE中的传感器的行为进行建模的基于超指数分布的特征概率向量从（17）-（19）导出。一lsc17yllscientaCSplsckfcbPBP四分之一个pð10ÞAF¼ykSFlPizzaCSpCC18LCRSC940A. Amuthan，A.Arulmurugan/沙特国王大学学报þþ←←←←←←pCC119Þ5. 模拟和结果讨论100万1个SCACSACSACSBSCACSB因此，超指数集成能量信任因子（HGIETRUST），其有助于选择最佳传感器节点作为簇头，在等式（1）中给出。（二十）1美元SC与HRFCHE的推断结果的关系在接下来的部分中详细描述5.1. 用于HRFCHE的模拟参数的描述公司简介萨马体育会ð20Þ1千法郎kSFkSFkcfkSFkCFksfþ þ þlSCaCSllSCkSFyllSC lSCaCSyllSCaCS只有当在期望的最优能量参数阈值的可用性下发现“HRF CL”的值高于阈值0.45（如通过仿真获得的）时，才发起簇头选举所提出的HRFCHE方案的伪码如下所示。输入：传感器节点的位置，剩余能量，数据包转发潜力输出：网络的簇头1. 初始化状态（节点（i））←协作簇头/邻居节点计数（Node（i））传感器节点计数的数量/轮数-12. “HRF CL”的估计每个传感器节点可用的阈值能量参数←ETEP协作传感器的CS要转换为自私的kFkCF-lSC-yl-3. 通过HRFCL对于每个传感器节点，状态（节点（i））HRFCL（能量和信任参数）如果簇头选择的HRFCL（State（Node（i））Threshold国家（节点（i））合作选择状态（节点（i））群集头群集群集+1向交互传感器节点广播簇头信息如果结束，结束HRFCHE的性能评估进行了使用ns-2.35.在该环境中模拟了最多100个传感器节点，面积为100 * 100 m。数据包大小被认为是500字节。MAC协议采用IEEE 802.11。模拟进行了300 s的时间。并与LEACH、LCM和LUCA等基本簇头选举机制进行了比较。传感器网络数据传输的可靠性完全取决于通过局部分簇形成的每个簇组的簇头。因此，用于簇头选举的技术可能降低分组递送和吞吐量 。 但 它 可 能 会 增 加 总 能 耗 和 丢 包 率 （ Liu 和 Zhang ， 2014 年 ;Amirthalingam和Anuratha，2016年; Thilagavathi和Geetha，2015年; Heinzelman等人，2002年）。因此，基于以下性能度量来评估HRFCHE。下 表 2 示 出 了 用 于 利 用 现 有 CFFL 和 LEACH-ERE 技 术 来 模 拟HRFCHE的性能的参数。5.2. HRFCHE的性能分析HRFCHE的性能研究通过进行三个实验来实现，a) 实验1-性能评估使用越来越多的传感器节点。b) 实验2-使用增加的传输范围水平的性能评估。c) 实验3-使用增加的轮数的性能评价。5.2.1. 实验1-使用增加数量的传感器节点的在这个实验中，首先HRFCHE的性能进行了研究，使用性能因素，如数据包投递率，吞吐量，平均延迟，丢包率和能量消耗下的传感器节点的数量不断增加。图图2和图3给出了HRFCHE与基准LEACH、LCM和LUCA簇头选择技术相比的分组递送率和吞吐量。从图2中可以看出，HRFCHE的数据包投递率似乎比LEACH提高了15%-18%，比LCM 提 高 了 21%-23% ， 比 LUCA 提 高 了 25%-28% 。 图 3 呈 现 了HRFCHE的改进的吞吐量，其比LEACH好16%比LCM好27%，比LUCA好29%这种改善的HRFCHE是由于半马尔可夫链的引入，以确定有效的簇头，以提高网络的生命周期下面描述了示出使用所提出的HRFCHE机制的簇头选择过程的流程图所提出的HRFCHE簇的计算顺序似乎也比文献中的基线簇头选择方法少。该算法的计算复杂度为O（nlogn），控制消息复杂度为O（n），时间复杂度为O（1）。在接下来的部分中，将讨论所提出的HRFCHE方案及其比较基准方案的仿真结果和推论我是说。HRFCHE将分组投递率和吞吐量分别提高了23%和31%图图4-HRFCHE通过能量和信任因子的综合优化簇头选举，降低了平均时延、丢包率和能耗。图4揭示了在HRFCHE中发生的平均延迟显著低于在LEACH、LCM和LUCA中实现的延迟。HRFCHE的平均延迟的潜在减少约为17%、14%和11%。LLSCyllSC马塞洛CSLSC模拟参数、装置、实验信息A. Amuthan，A.Arulmurugan/沙特国王大学学报941HRF CL. Thres是没Round=Round+1停止新簇头选择状态（节点（i））协作簇头邻居节点计数（Node（i））传感器节点计数的数量/轮数-1流程图。 簇头选择-建议的HRFCHE。表2HRFCHE的模拟参数参数值NS 2版本2.35传感器节点数（n）100模拟面积（m2）100 ×100MacLayer 802.15模拟时间（秒）300初始能量（焦耳）2能量选择包大小（J/bit）50 ×10-9广播消息大小（字节）100发送的感测信息的大小（字节）500总能量数据（nJ）10比 LEACH 、 LCM 和 LUCA 更 有 效 同 样 ， 无 花 果 。 5 和 6 表 明 ，HRFCHE的丢包率和能耗可能小于LEACH、LCM和LUCA的丢包率和能耗。数据包丢弃1009080706050403010 20 30 40 50 60 70 80 90 100节点数量图二. 实验1-HRFCHE-分组递送比率。开始确定发送概率传感器节点行为y基于基于trsut和能量因子的HRFCLHRFCHELEACHLCMLUCA数据包交付率（%）942A. Amuthan，A.Arulmurugan/沙特国王大学学报数据包交付率（%）550050004500400035003000250020001500100050010 203040 50 60 70 80 90 100节点数量76.565.554.5410 203040 50 60 70 80 90 100节点数量图三. 实验-1-HRFCHE-灌注。见图6。 实验-1-HRFCHE-能量消耗。0.80.70.60.50.40.30.20.110 20 30 40 50 60 70 80 90100节点数量见图4。 实验1-HRFCHE-平均延迟。5.2.2. 实验2-使用增加的传输范围在实验中，还从分组投递率、吞吐量、平均时延、丢包率和能耗等方面对HRFCHE的性能进行了研究。通过实验了解了传输对最优簇头选举机制的影响。图图7和图8揭示了在LEACH、LCM和LUCA簇头选择方案的比较下HRFCHE实现的分组投递率和吞吐量。图7证实了HRFCHE的分组递送率的增强比LEACH好约14%-16%，比LCM好约18%-21%，比LUCA好约23%-26%。图8表示HRFCHE的吞吐量比LEACH大约12%至14%，比LCM大17%至21%，比LUCA大24%至27%。这些结果评估理解的影响，传输范围对HRFCHE确保了平均改善率的数据包交付率和吞吐量的22%和14%优于LEACH，LCM和LUCA图95500500045004000350030002500HRFCHELEACHLCMLUCA和LUCA的平均延迟，丢包率和能量消耗的研究下，增加了传输范围。当与HRFCHE相比时，LEACH、LCM和LUCA的分组丢弃随着传输范围的增加而显著更高。HRFCHE比LEACH、LCM和LUCA在减少数据包丢弃选项方面具有潜力，分别减少14%、11%和8%。同样地，9020008515008010005007510 20 30 40 50 60 70 80 90 100节点数量70图五. 实验1-HRFCHE-分组丢弃率。65HRFCHELEACHLCMLUCA随着传感器节点数量的增加，HRFCHE确认比LEACH，LCM和LUCA 高20% ，24% 和27% 的降低 率。实现 了节能降 耗分别比LEACH、LCM和LUCA高18%、15%和11%。结果表明，HRFCHE的平均丢包率和能耗最小化率分别比LEACH、LCM和LUCA的平均丢包率和能耗最小化率高23%和16%。6055505 10 15 20 25传输范围（米）见图7。 实验2-HRFCHE-分组递送比率。LUCALCMLEACHHRFCHEHRFCHELEACHLCMLUCA丢包率吞吐量（位/秒）平均延迟（毫秒）能耗（焦耳）HRFCHELEACHLCMLUCAA. Amuthan，A.Arulmurugan/沙特国王大学学报943LUCALCMLEACHHRFCHE能耗（焦耳）5500500045004000350087.576.565.5HRFCHELEACHLCMLUCA30005250020005 10 15 2025传输范围见图8。实验-2-HRFCHE-灌注。605550454035302520155 10 15 2025传输范围（米）见图9。 实验2-HRFCHE-平均延迟。30002800260024004.545 10 15 20 25传输范围（米）见图11。 实验2-HRFCHE-能量消耗。LCM和LUCA。与LEACH、LCM和LUCA相比，其能耗分别降低了16%、13%和9%。结果还证实了在丢包率和能量消耗方面的平均最小化率约为19%和13%，优于LEACH、LCM和LUCA。5.2.3. 实验3-使用增加的轮HRFCHE的显着性研究的基础上存活节点的百分比，百分比增加网络寿命和百分比减少通信开销，通过改变轮数在这个实验中。图12反映了基于增加的轮数或迭代数确定的网络中存活节点的年龄百分比。结果确保了存活节点的百分比相对较高，因为它们有可能存活到最大水平12%，因为LEACH，LCM和LCA中的大多数节点分别在276，284和289轮死亡。最后，FIGs。图13和图14描绘了基于网络寿命的百分比增加和通信开销的减少，随着节点数量的增加而分析的HRFCHE的结果结果表明，HRFCHE的网络生命周期的百分比增加约为13%，7%和4%，优于LEACH，LCM和LUCA。与LEACH、LCM和LUCA相比，HRFCHE还将通信开销的百分比降低到16%、13%和10%的可观水平，因为它们嵌入了簇头选举的超指数概率特性。22002000180016005 10 15 20 25传输范围（米）见图10。 实验2-HRFCHE-丢包率。10.90.80.70.60.50.40.30.2HRFCHELEACHLCMLUCA从图从图10和图11可以推断，HRFCHE的丢包率和能耗可能小于LEACH 、LCM 和 LUCA的 丢包 率 和 能耗 随 着传 输 距 离的 增 加，HRFCHE的丢包率比LEACH高17%、21%和23%0.100 50 100 150 200 250300轮见图12。 实验3-存活节点的百分比。HRFCHELEACHLCMLUCA平均延迟（毫秒）丢包率吞吐量（位/秒）存活淋巴结（%）HRFCHELEACHLCMLUCA944A. Amuthan，A.Arulmurugan/沙特国王大学学报×见图14。 实验3-通信开销的百分比降低。此外，HRFCHE方案传输的数据量为15.3 × 10- 4千兆比特，比LEACH高41.32% ， 比 LCM 高 65.23% ， 比 LUCA 高 76.45% 。 通 过 所 提 出 的HRFCHE方案节省的能量的量是13.65焦耳，这是优于LEACH的34%，优于LCM的42.13%和显著的LUCA的47.25%。然后，在图15中绘制并表示基于轮数的簇头的数量。实验结果表明，随着轮数的增加，HRFCHE能够最小化簇头数目这种簇头节点的减少比 LEACH 大近 22% ，比LCM 好 23.35% ，比 LUCA 显著28.20%。表3突出显示了使用PDR、吞吐量的增加和分组延迟、分组丢弃率的减少评估的HRFCHE、LEACH、LCM和LUCA、CFFL和LEACH-ERE此外，表4突出了所提出的HRFCHE相对于文献中的最新优化技术的综合性能，所述最新优化技术使用存活节点百分比的增加、死亡节点百分比的减少、吞吐量改进百分比和剩余能量维持百分比来评估。6. 结论本文提出了一种基于半马尔可夫的超指数能量因子机制，用于有效的簇头选举，以提高网络的生命周期。HRFCHE的比较性能结果表明，平均延迟被最小化到9%至12%的高性能水平LEACH，比LCM高 14%至17%，比LUCA高18%至21%HRFCHE最大限度地2520151050204060节点数量80100HRFCHE LEACH LCM LUCA302520151050图十三.实验3-网络寿命的百分比增长。HRFCHE LEACH LCM LUCA1008060节点数量4020通信开销减少（%）网络寿命的增加（%）A. Amuthan，A.Arulmurugan/沙特国王大学学报945图15. 簇头在不同轮选择中的分布。表3HRFCHE在LEACH、LCM和LUCA上的比较性能。簇头选举方案PDR增加增加吞吐量减少能源消耗降低丢包率HRFCHE百分之十六百分之二十一百分之十九百分之三十四浸出百分之十一百分之十七百分之十三百分之二十八LCM百分之八百分之十三百分之十一百分之二十四卢卡百分之五百分之十一占7%百分之二十一CFFL百分之三百分之八百分之五百分之十五沥滤百分之二占6%百分之四百分之十表4HRFCHE与最近优化方案的比较性能。簇头选举方案增加活动节点百分比死亡节点百分比减少产出改善百分比剩余能量维持率HRFCHE32.12%28.32%22.25%32.16%HSA-PSO49.21%37.34%百分之二十七点二一37.82%K均值CHS43.26%32.65%28.65%39.45%经社部40.54%30.45%百分之二十七点三四41.25%BPSO百分之二十六点七五22.75%百分之十九点八二24.24%PSO百分之二十四点一二百分之十八点一二16.52%21.52%比LEACH 高13%~ 16% ，比 LCM高18%~ 21% ，比LUCA 高23%~26%。HRFCHE也是有效的和高效的，在减少总的能量消耗和丢包率，平均分别为22%和15%。所提出的HRFCHE方法的一些限制是，i）尽管传感器节点的其他有意活动的数量，但是传感器节点的传感器节点的自私性被考虑用于量化转移行为，以及ii）针对传感器节点计算的转移概率未被归一化。 在不久的将来，它计划开发一个半马尔可夫调制的过程为基础的集群选举计划，以提高网络的生命。引用Al-Karaki，J.，Kamal，A.，2004.无线传感器网络路由技术综述。IEEE Wirel. Commun.11（6），6Amirthalingam，K.，Anuratha，2016.改进的LEACH：一种改进的LEACH无线传感器网 络 。 2016 年 IEEE International Conferenceon Advancesin ComputerApplications（ICACA），2（1）：23Arumugam，G.S.，Ponnuchamy，T.，2015. EE-LEACH：开发用于无线传感器网络数据收集的节能LEACH协议 EURASIP J. 无线通信网络2015（1），34Batra，P.K.，Kant，K.，2016.一种改进的无线传感器网络MAC层簇头选择算法。Int. J.传感器网络22（2）.Chen，L.，中国地质大学，杨，D.，徐志，陈春，2015年。一种基于簇的无线传感器网络自适应路由策略In：The 27th Chinese Control and Decision Conference（2015 CCDC），4（1）：22El Alami，H.，Najid，A.，2015. CFFL：无线传感器网络中使用模糊逻辑的簇形成。2015 IEEE/ACS第12届计算机系统与应用国际会议（AICCSA），1（1）：23Heinzelman，W.，Chandrakasan，A.，Balakrishnan，H.，2002.无线微感测器网路之应用特定协定架构。IEEE Trans. Wireless Commun. 1（4），660Hong，X.，Tao，M.，2017.分簇无线传感器网络多目标簇头选举。Int. J. Comput. Sci.Eng. 15（1/2），87.Ijjeh，A.，Ijjeh，A.，Al-Issa，H.，Thuneibat，S.，2015.无线传感器网络动态重分簇协议Dr-Leach。Int. J. C o m p u t . 网络Commun. 7（6），99Jing，Y.，泽陶湖Yi，L.，2013.一种基于LEACH的无线传感器网络路由改进算法。2013年第25届中国控制与决策会议（CCDC），3（1）：45李，J.，Cheng，W.，2012.基于模糊逻辑的无线传感器网络能量预测分簇方法。IEEE传感器J.12（9），2891Lin，Y.，（1996年），谢，J.，张，B.，2017.无线传感器网络中周期性数据采集的分簇协议。Int. J. 未来一代Commun. 网络10（4）.252015105050100150200250300轮数LUCA LEACH LCM HRFCHE簇首的946A. Amuthan，A.Arulmurugan/沙特国王大学学报Liu，Y.C.，Zhang，Y.X.，2014.一种基于LEACH的能量有效的无线传感器网络路由协议。应用机械材料563，316Loscri，V.，Morabito，G.，Marano，S.，2015.低能耗自适应分簇层次（TL-LEACH）的两级层次。VTC-2005-秋季。2005 IEEE第62届车辆技术会议，2015;2（1）：45Qu，W.，林，H.，Shang，B.，2013.基于无线传感器网络的烟花爆竹仓库检测报警系统。2013年第25届中国控制与决策会议（CCDC），4（1）：65Raval，K.R.，莫迪，N. 2017. MSECHP：异构无线传感器网络更稳定的簇头选举协议。高级内部系统计算3（1），65- 75。Sasikumar，P.，Shankar，T.，Sibaram，K.，2016.基于改进k-means算法的分布式无线传感器网络均衡簇头选择。Int. J. Distrib.传感器网络12（3）.Shankar，T.，Shanmugavel，S.，Rajesh，A.，2016.混合HSA和PSO算法在无线传感器网络中的能量有效簇头选择。群进化Comput. 30，1
我的内容管理
展开
