无线传感器网络节能聚类技术的改进与优化

埃及信息学杂志22（2021）439一种改进的节能头选举协议，用于无线传感器网络的聚类技术（2020年6月）Safa’a 放大图片作者：Saleha，Tamer F.放大图片作者：Rana A.塔拉比希ba埃及亚历山大，亚历山大管理和会计学院信息系统系b沙特阿拉伯KSA Taibah大学计算机科学系阿提奇莱因福奥文章历史记录：收到2020年2020年11月22日修订2021年1月20日接受在线预订2021年关键词：WSNLEACH簇头选举A B S T R A C T虽然无线传感器网络（WSNs）已经使用了十多年，它现在被大量使用的许多现代应用，如医疗观察，灾害管理和环境监测。这种类型的网络除了具有有限的能量和短的寿命之外，低信道带宽。带宽代表了这样的系统的主要挑战，由于通信成本对节点功耗的巨大影响。分簇已被证明是最好的技术之一，以节省能源的无线传感器网络。LEACH（lowenergy adaptive clustering architecture）协议是无线传感器网络分簇的基础工作之一。然而，该协议有一些缺点，特别是在CH是随机选择的建立阶段。该算法根据能量消耗程度最低的原则确定簇头，从而增强LEACH算法。研究结果表明，该方法能够提高LEACH算法的性能，同时延长网络的使用寿命，提高网络的性能。©2021 THE COUNTORS.出版社：Elsevier BV代表计算机和人工智能学院开罗大学法律系这是一篇CC BY-NC-ND许可证下的开放获取文章（http：//creative-commons.org/licenses/by-nc-nd/4.0/）上提供。1. 介绍无线传感器网络（Wireless Sensor Networks，WSNs）是一种将分布式系统从大规模向小规模转变的网络。无线传感器网络是由大量小型化、分布式、能量有限的传感器节点组成的巨型系统。这些节点通常分布在某个区域，以收集各种类型的环境数据[2]。无线传感器网络在医疗观察、灾害管理、环境监测等领域有着广泛的应用。收集到的数据总是被发送到基站（称为接收器）进行处理和分析。由于传感器节点中的小电池的有限的不可再充电功率，这种类型的网络当所有节点都死亡时，网络生命周期由回合定义，当传感器节点的能量耗尽时，传感器节点被定义为死亡[1]。有限的生命周期和低信道带宽是这种系统的主要挑战，由于通信的巨大影响*通讯作者。电子邮件地址：Safaa34@hotmail.com（S. S.萨利赫），tamer_fm@yahoo.com（T.F.Mabrouk），rana. hotmail.com（R.A. Tarabishi）。开罗大学计算机和人工智能系负责同行审查节点的功率能量消耗。因此，如何有效地利用能量来应对这些挑战并延长网络寿命是无线传感器网络中最关键的问题[3]。聚类作为一种简化技术，已被证明是一种很好的技术，以节省能源的无线传感器网络。通过聚类，传感器节点被分组为具有较低节点数目的优化数目的聚类器因此，每个集群必须具有至少一个充当集群头部的节点，其通常被简称为CH，其负责接收和聚合感测到的数据，然后将它们转发到基站。因此，减少了发送到基站的分组，从而节省了通信带宽。最重要的目标是减少用于接收和发送更多感测数据的能量[4]。为了降低能耗和延长网络生命周期，提出了几种分簇策略浸出[5]是最基本的无线传感器网络分簇协议它将传感器节点分成几个小规模的集群。每一轮LEACH协议由两个阶段组成：（1）建立阶段，在此阶段，形成簇并选举每个簇的簇头。(2)稳态阶段，其中感测到的数据经由CH被发送到基站随机地，LEACH选择一个节点作为一轮的CH;每个节点选择0和1之间的随机数如果该数目小于或等于阈值（T（n）），则其变为CH;https://doi.org/10.1016/j.eij.2021.01.0031110-8665/©2021 THE COMEORS.出版社：Elsevier BV代表开罗大学计算机和人工智能学院。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表埃及信息学杂志杂志主页：www.sciencedirect.com萨法阿山 Saleh，T.F. Mabrouk和R.A. 塔拉比希埃及信息学杂志22（2021）439440表示法：N：节点数量; BS：基站S0：集群阈值的最大大小ETci：从ni到BSH0的传输成本的能量 =能力阈值Xi，Yi：纬度ni的经度d0：距离阈值Rei：剩余能量nK：感测分组表1模拟设置。参数默认值监测区域100 m× 100m节点数量数据包大小6400位Ei0.5BS位置（50，50）R50× 10- 9/包A5× 10- 9/bitS50× 10- 9/位否则，节点将保持规则。阈值如等式（1）中所设置：[5]作者使用最短距离作为聚类标准，以减少CH的能量消耗[6，7，8，9]，而其他人将剩余能量添加到聚类标准中，以尝试获得更准确的结果[10，11，12，13]。通信开销是无线传感器网络能量消耗的主要部分如[14]所述，除了距离之外，还有许多因素会影响通信成本。本研究决定以沟通成本作为社区卫生服务机构选举的主要标准，而不是使用任何影响沟通成本的间接因素。目前的工作解决的问题，一个随机选举的CH，这会导致传感器节点之间的能量耗散。本工作的第一个贡献是通过修改建立阶段以基于四个参数来选择CH来增强LEACH：与BS的通信成本、剩余能量、位置和网络大小。为了更准确和更接近现实，选择过程不是基于[4]中的最高能量或[15]中的最短距离。该算法根据簇内剩余能量是否足以覆盖每轮所需的通信开销来确定簇头因此，我们可以有效地保存选举CH的能量，并保持整个系统的性能。无线传感器网络能量消耗的另一个来源是多个CH向BS发送冗余信息所消耗的功率。由于同一监测区域内的信道重叠，任意两个或多个信道之间的距离相互重叠，第二贡献这项工作的重点是增强LEACH，以避免转发此Redun-（ p1）如果n2G通过识别每个CH的一个或多个缺点来获取信息唐1-pωrmodp0否则ð1Þ这里的目标是找到可以竞争每个标头的标头集（覆盖相同的监视区域）。这项工作是根据其中p是当前节点（r）是CH的概率，G是之前不是CH的节点的集合。集群中的其余节点收集它们的目标并将它们转发到CH，CH负责在将接收到的数据转发到基站之前对其进行聚合和压缩。根据LEACH协议，每个节点都有相同的机会成为报头。当节点成功成为CH时，它广播邀请消息以加入其簇。目标节点然后通过发送确认消息基于信号的强度来决定加入发送CH的集群。随后，CH向每个节点分配时隙，在该时隙中，CH可以根据调度发送感测数据。对于当前回合，节点不能被选择为CH超过一次[5]。另一方面，由于CH的随机选择，LEACH存在许多缺陷首先，低功率节点与高功率节点具有相同的机会成为CH，这可能是能量耗尽的主要来源其次，LEACH对网络中CH数量的任何约束都不够清楚最后，尽管所有CH必须具有立即链接到基站（BS）的能力，但LEACH没有考虑其自身与BS之间的任何集群特征，例如位置、能量、通信成本等[6]。基于这一事实，即消耗的能量增加，由于长距离，几个努力，以提高LEACH通过消除随机选举的CH和识别它们根据合适的功能。这些努力试图降低节点的高能耗。但大多数表2建议作品和大多数相关作品的群集生存期。平均IE 2-LEACH头数集群密度6.5 18 28回合数/CH 125 15 13模因算法[16]定义为每个报头设置的vices。簇报头（候选报头）的所定义的副的存在将该工作驱动到调度机制的第三贡献，以按照正确的顺序布置所定义的CH及其副。该工作试图实现一个有效的能源消耗的无线传感器网络使用唤醒-睡眠调度机制管理头必须唤醒执行所有的任务，接收收集到的数据，聚合它们，并将它们发送到BS。本文的其余部分组织如下：第2节简要回顾了以前的相关工作，本工作。在第3中介绍了所提出的IE2-LEACH协议。在第4中，给出了仿真结果最后，第5总结了工作，并强调了未来的方向，在无线传感器网络的其他方面的改进。2. 相关工作分簇协议在延长无线传感器网络的生命周期方面起着重要的作用。LEACH协议由[5]引入，通过将节点分组为许多小规模的簇来减少WSN之间的全局通信随机选择的CH代表LEACH的主要弱点之一，这个问题，这项工作试图解决。因此，许多策略已被引入来面对这个问题。与此工作类似，下面的努力被引入到改进LEACH协议的建立阶段，使用不同的策略来增强LEACH在建立阶段的主要任务（选择CH）期间的性能。[7]的工作介绍了HEED方法，该方法根据当前和初始电池水平，通过CH选举方案的迭代来选择具有高剩余能量的节点作为CH。[8]的工作提出了FLEC来改进LEACH，采用高能量节点成为集群ee我e我我萨法阿山 Saleh，T.F. Mabrouk和R.A. 塔拉比希埃及信息学杂志22（2021）439441报头并组合它们的簇方面的数据并将其发送到 BS 。为了支持LEACH以最小化在簇头损坏时选择新簇头所消耗的时间和能量[9]，应该引入新的机制来为每个簇分配副簇头。[17]的工作通过集中式集群表示阐述了具有固定集群计数的LEACH（LEACH-F）协议。该协议有一个困难的缺点，因为它没有灵活性添加或删除节点，一旦集群形成，节点不能修改其活动的节点损坏。此外，[18]的工作表明，基于LEACH协议的能量平衡分簇算法依赖于剩余能量和距离代理，这改进了选择策略而不是簇头的选择。此外，[19]提出了使用k-medoids的K-LEACH。在LEACH算法中，CH的选举不是完全随机的，而是在网络运行了近50%的回合后才部分随机地选出CH。[6]的工作使用节点从BS到集群LEACH协议的距离来延长网络的寿命。此外，为了减少，在当前的LEACH协议中进行了其他传输。[20]和[21]的工作都解决了能量消耗问题，并通过考虑能量和距离来提出聚类。为了在设置阶段选择CH，第一项工作计算所有节点之间的距离。具有最小距离和较高剩余能量的节点被指定为CH。如果计算的剩余能量高于阈值，则该节点被认为是高功率节点。在第二项工作中，CH选择是基于由较低的能量耗散确认的最佳簇数。由于所有分簇都在WSN中工作，[15]旨在降低簇头节点的功耗并延长整个网络的生命周期。他们引入了增强型LEACH协议，根据与BS的最短距离随机识别CH。为了平衡无线传感器网络的能量消耗，[16]的工作引入了ESACC调度机制，该机制监控网络性能，以确保只有一些冗余节点被调度工作，而其他节点则处于睡眠状态。休眠节点被唤醒以替换死亡节点并保持网络性能。他们的主要目标是找到一个最小的工作节点，成功地减少功耗和保持覆盖区域。[22]的工作与本工作最相关，因为共同的主要目标是改进LEACH的 簇 头 选 择 他 们 引 入 了 一 种 改 进 的 能 量 有 效 的簇 头 选 择 协 议（IEECHS-WSN），根据距离在分离的簇中选择双簇头第一CH将信息传送到汇聚节点，然后汇聚节点接受数据和经由第二CH发送的数据。这样，用于与汇聚节点连接的能量使用在双CH之间分布。在调度的上下文中，我们受益于[23]的工作，该工作引入了一种新的基于集群的任务调度方法，称为关键路径公式化（ACPF），通过基于一组定义的参数将任务请求分成集群来最小化执行能量，以便对其应用适当的负载平衡。3. LEACH的改进建议如前所述，LEACH是一种最流行的分簇协议，在无线传感器网络中，由于随机性，选择簇头。拟议的工作试图解决LEACH在设置阶段的主要问题，包括能源消耗的来源：1) 随机选择为低功率节点和高功率节点提供了成为簇头的相等机会。这增加了减少网络寿命的可能性。2) 在簇头的选择过程中，忽略了与BS的连接的物理属性。3) 不存在避免选择重叠或竞争CH的约束。这项工作的主要贡献是引入IE2-LEACH作为一种有效的簇头选择算法，以克服前面提到的问题。虽然IE2-LEACH是为了保持LEACH的特性而引入的，但它主要是为了延长网络的生命周期而设计的;因此，它可以适用于包括CH选择步骤的任何其它群集技术。该算法（IE2-LEACH）引入了一种新的簇头识别方法，取代了LEACH算法中簇头的随机选择.此外，根据准确基来识别CH是IE2-LEACH对于功率节省的一个贡献。如[24]中所证明的，传输成本是无线传感器网络功率的最大消耗。许多因素会影响两点之间的传输成本。[14]的工作列出了这些因素，如传输数据包的数量，传输介质的属性，物理距离，传输路径中的节点数量等。基于这些因素中的一些因素（以及它们对消耗功率的间接影响）来识别CH以实现功率节省是不准确的。我们看到，使用对功耗有直接影响的因素可能更合适。因此，如在LEACH中那样在簇头选择中使用距离作为参数可能是不够的。除了距离之外，还有很多因素可以影响输电成本，而输电成本是能源消耗和影响的主要因素。距离本身。为了延长CH的生命周期，IE2-LEACH避免选择冗余CH（彼此非常接近、覆盖同一监测区域且预期角色重叠的报头）并将其定义为CH的缺点因此，IE2-LEACH将每个报头的地理随后，睡眠唤醒机制被用来降低死亡概率的CH和优化的能量消耗，通过最小化的冗余信息，必须转发到BS。3.1. 网络模型IE2-LEACH协议在以下假设下适用于WSNs：所有节点随机分布，以收集有关环境参数的每个节点的物理位置是固定的，因此，可以计算任何节点和BS从每个节点收集的数据的包大小相等每个节点可以在每轮中所有的感知节点只负责收集数据并转发到各自对应的簇头CH负责接收来自传感节点的数据，将其聚合并转发给BSBS负责执行每一轮的所有计算，它的功率配备足以完成这项任务●●●●●●●萨法阿山 Saleh，T.F. Mabrouk和R.A. 塔拉比希埃及信息学杂志22（2021）439442我我es¼PTCE0ð4Þ我我我9.如果（HWj≥H0），则我我我我我每个节点使用相同的能量等级，利用功率传输和传输代价在LEACH中，簇头节点负责创建时分多址（TDMA）调度，它决定了传感器节点何时可以发送每个时隙。3.2. 能量模型该协议的能量模型类似于LEACH协议的一阶能量模型。通过簇头发送数据所需的能量公式如下：IE2-LEACH中的每个传感器节点（SNi）具有周期性任务的集合=降低了CH的功耗，延长了CH的寿命。在第二阶段中的集群的形成预计将是在LEACH中通过分布在合适的选择CH的剩余节点模块1：设置阶段的簇头选择为了识别可以充当CH而不耗尽至少一轮能量的所有节点，等式（1）中的权重决策值（WDV）可以是：（5）使用。然后，这些节点被 分 成两 组 ： 强和 弱 候 选CH ， 其 由等 式 （1 ） 中 的报 头 判 决值（HDV）计算。（六）、当量（7）用于识别所有的恶习。用于操作进程的伪代码所提出的设置方法的最后三个步骤中的最后三个步骤在下面的算法1中给出：{Ci，Si}，其中Ci是收集数据，并且Si将它们发送到CHWDV Ni. 1 Zi≥1我i2N5（水槽）。虽然簇头节点（CHi）也具有一组周期性的tasks ={Ri，Gi，Si}，其中Ri是从传感器节点接收的数据Gi是接收到的数据的聚合，Si是发送接收到的ðÞ0Z<1;^（{PD Vj. HWj≥H0数据到BS令ec（k），eg（k）表示收集的能量消耗，我HDVNj{PD V}。HWj 1），则将ni添加到{HW}，//{HW}被设置为高权重其中，ESN是传感器节点的剩余能量，并且ECH是节点我簇头节点的剩余能量我7. 端8. 对于{HW}（k×E;Tcn2CH>Thfor Sni我E对于CH，k×ETc;TcCH2BS>Th0其中，ETc是每个数据单元的耗散能量，它取决于许多因素，如信号的特性（数字编码、调制和扩频）、距离等，如前所述。根据等式（4）簇头的能量消耗最小，从而通过最小化聚集（ea）、接收（er）和发送（e r）的能量来最大化网络生存时间。（es）.此外，（ea）和（er10.将ni加到{{}，C是强候选CH的集合11.否则将ni加到{{}，{是弱候选CH12.End if13. 端14. 对于{{}中的每个节点ni，15.队列{H[i]}.push（Ci），为每个集群创建新的头队列16.对于j = i + 1到长度（C）-1，17.如果（X i| Y i- X j| Y j≤ d 0）则{C}.pop（n j）iii）已经通过作为集群的结果减少通信节点的数量而减少。为了最小化（es），CH和BS之间的通信成本必须最小化。3.3. 建议的算法描述本工作的方法与LEACH相同，因为它由两个阶段组成：建立和稳态。与LEACH的显著不同之处发生在设置阶段，因为这项工作试图面对随机选择CH的问题。在我们的设置阶段，选择CH并确定其缺点。IE2-LEACH引入了一种头选择方法，在头选择决策时考虑了节点与基站之间的传输代价对节点剩余能量的影响，以确定是否有传感器节点可以成为其生存期内威胁最小的信道。由于非常接近的相邻节点收集相同的数据（冗余数据），因此需要关于CH的位置的地理信息来确定所选择的CH的位置，以准备应用休眠-唤醒技术，以便节省{H[i]}.push（nj），将nj添加到CH[i]18.如果是CM），则{C}.push（{{}.pop（）），{C}的第一个节点到{{}的结尾。}19.End if20.End if21.端22. 端模块2：选择休眠和唤醒群集标头由于未知事件，一些节点逐渐耗尽能量。因此，这项工作引入了一个唤醒-睡眠方案，以协调每个CH的工作与它的恶习，使只有最有效的供电头被唤醒，而其他人保持睡眠。在每轮开始时评估当前CH的剩余能量覆盖所需任务的能力如果它没有足够的能量，它将被从头部集合中删除，并转换为正常的传感器节点。它将被vices队列中的第一候选者（剩余能量中的最高者）所取代。图1示出了算法2的流程图和分为两个阶段的每一轮的唤醒-睡眠调度机制。决策阶段负责监督权力●●萨法阿山 Saleh，T.F. Mabrouk和R.A. 塔拉比希埃及信息学杂志22（2021）439443水平的工作头，并评估其能力，以涵盖所需的能源，为下一轮。在处理阶段中，所选择的CH执行从感测节点接收收集的数据（R）、聚合它们（A）以及将它们转发到BS（S）的所有任务。算法2：. 选择唤醒和睡眠集管输入：CH队列，按Rei降序排序1. 全部睡眠2. 当前CH = CHs.peek（）;//选择第一个节点3. 唤醒电流CH4. 对于每一轮r5. Do while（Ecurrent>Eneeded）6. 全面开展活动7. 回路8. 睡眠电流CH9. 当前CH = CHs.next（）;//选择最高功率10. 环r4. 仿真及结果本方法主要是为了增强LEACH协议的三个贡献。由于作为簇头会耗尽该节点的电池[5]，因此第一个贡献是为有能力的节点（可以是CH）引入一种新的选择方法。在第二个贡献中，我们提出了一个有效的方法来定义每个CH的恶习，以避免发送冗余信息。第三个贡献旨在平衡每个头部的副之间这些贡献的目标是延长无线传感器网络的生命周期，同时提高其传输和扩展能力。在这一节中，我们评估的性能IE2-LEACH通过比较它与上述相关工作。我们研究LEACH协议[5]作为除了[15]的工作之外的主要相关工作，我们将其称为E-LEACH。此外，IEECHS-WSN协议[22]，Fig. 1. 报头唤醒-睡眠机制流程图。已经优于[9]的工作的第二个贡献和ESACC算法[16]和ECH协议[21]的第三个贡献。为了便于比较，我们考虑了生存性和传输能力来评估所提出的协议及其上述相关工作。为了使实验结果更加客观，我们使用了与相关工作相同的环境和参数。表1总结了模拟的参数集和基线所使用的仿真是由[25]和[26]的工作仿真指导的MATLAB环境。通过大量的仿真实验，我们对所提出的IE2-LEACH协议的性能进行了评估4.1. 生存性我们使用以下指标来评估所提出的方法的生存性相比，相关的作品。能量消耗：测量海航网络生命周期内消耗的能量：测量到最后的回合数（所有节点都死了）4.1.1. 能源枯竭为了评估和比较所提出的工作与其相关工作的性能，网络生命周期度量的轮数的形式使用 图 2显示了与三种算法的网络生命周期的比较：LEACH [5]，E-LEACH [15]，IEECHS-WSN [22]。如下图所示，在平均网络生命周期方面，IE2-LEACH优于其他协议;它比其他协议高出204.1.2. 消能图 3揭示了在8轮中不同节点在不同时间的平均功耗比较。 图图3描绘 了与 所 提 出 的 方 法 （ IE2-LEACH ） 中 的 能 量 消 耗 相 比 ，LEACH、E-LEACH中CH中的能量消耗的结果。仿真结果表明，所提出的方法优于相关的作品，特别是与较高的节点数换句话说，所提出的方法比其相关工作消耗更少的功率。这种功耗的最小化是由于根据最低功率成本选择CH，其中省略了额外的传输。4.2. 输电能力我们使用聚类生命周期作为度量来评估所提出的方法相比，相关的作品的传输能力。我们测量每个CH及其恶习所为了更准确的结果，我们调查的影响，第二和第三个贡献的数量轮所涵盖的每个CH和恶习作为指标的集群年龄。表2和图 4反映了介绍的工作IE 2-LEACH的优越性，以及它的能力，以减少从CH的能量耗散，以及保存集群活着。这可以延长整个系统从表2中，可以很容易地注意到，本工作的CH数详细地说，当运行大约500轮时，E-LEACH优于LEACH。这表明，目前的工作可以保持更好的信息传输性能。●●萨法阿山 Saleh，T.F. Mabrouk和R.A. 塔拉比希埃及信息学杂志22（2021）439444图二、LEACH、E-LEACH、IEECHS-WSN和IE 2-LEACH的能量寿命图三. LEACH、E-LEACH和IE 2-LEACH中簇头的能量消耗。见图4。 建议的工作和相关工作的群集生存期。5. 结论和今后的工作LEACH协议是无线传感器网络分簇的基础然而，它有一些缺点，特别是在CH的选择是随机的建立阶段为了解决这些问题，本文提出了一种基于能量消耗最小化原则的无线传感器网络簇头识别方法。这项工作是作为一个改进的LEACH协议，我们修改的CH选择LEACH的方法头选择是基于通信成本和剩余能量之间的平衡此外，这项工作定义了每个CH的恶习，以避免发送冗余信息。本工作还提出了一种休眠-唤醒调度算法，以节省功耗。仿真结果表明，IE2-LEACH协议的性能优于许多在最小化功耗和最大化网络寿命方面的相关工作。在未来，建议的聚类技术应扩展到包括稳态阶段。引用[1] Xu L，Collier R，O'Hare GMP.对无线传感器网络中的聚类技术进行了调查，并考虑了将其应用于5G物联网场景的挑战。IEEEInternet Things J Oct. 2017;4（5）：1229-49.[2] Jairam B，Ashoka DV，无线传感器网络中基于多个移动元素的节能数据收集技术，数字业务;数据工程和通信技术讲义，Springer，第21卷，2019年7月。[3] 郭X，陈Z，胡X，李X.无线传感器网络中基于到达时间自聚类的多源定位。IEEE访问2019年6月;7：82110-21。[4] 张毅，刘明，刘强.基于改进CFSFDP算法的无线传感器网络能量均衡分簇协议。传感器2018年3月;18（3）：881。[5] 张文，“无线传感器网络的高能效通信协议”，第33届夏威夷国际系统科学会议论文集，夏威夷，美国，2000年，页。10页。第二卷。[6] Aza A，Shekhar P，Mishra AK，Pandey RC，“一种优化H-Leach以实现WSN高效聚类的方法”，2019年第9届计算与通信进展国际会议（ICACC），印度高知，2019年，第11页。11-16.[7] Younis O，Fahmy S. HEED：一个混合的，节能的，分布式的adhoc传感器网络分簇方法。IEEE Trans Mob Comput 2004年10月;3（4）：366-79。[8] [10]李国雄，李国雄，李国雄.基于模糊逻辑的移动汇聚同构无线传感器网络有效分簇。IEEE SensJ Jan. 20 2 0 ;20（10）：5615-23。[9] I. Daanoune，A. Baghdad和A.巴卢克，“BRE-LEACH：一种延长无线传感器网络寿命的新方法，“2019年第三届数据科学智能计算国际会议（ICDS），摩洛哥马拉喀什，2019年。1比6[10] 尤瓦拉杰山口和K.诉L. Narayana，523-527[11] Sharma R ，Mishra N ， Srivastava S.提出 了一种 能量 有效的 基于距 离 的簇头（DBCH）算法：对LEACH的改进。 Proc Comput SciELSEVIER 2015;57：807-14.[12] MohapatraH，Rath A. 基于PE-LEACH协议的无线传感器网络容错 IET无线传感系统2019;9（6）：358-65。[13] M. S. Ali，T.Dey和R.Biswas，909-914.[14] 作者：Duche RN，Sarwade N.在无线传感器网络中，往返延迟时间是传感器节点之间距离的线性函数。国际工程科学杂志紧急情况 Technol. 2012;1（2）：20-6.[15] AbuSalem A，Shudifat N. 增强LEACH协议，以增加无线传感器网络的生命周期。Pers Ubiquit Comput2019;23（5-6）：901-7.[16] 王红，李英，张涛，张松。一种有效的水声传感器网络覆盖控制调度算法。传感器2018;18（8）：2512.[17] Nayak P，Devulapalli A.一种基于模糊逻辑的延长网络寿命的WSN分簇算法。IEEE Sens J 2016;16（1）：137-44.[18] Liao Q，Zhu，号5第3页。九十比九十五[19] Rajpoot P，Dwivedi P，Dubey K，“WSN的功率平衡高效聚类算法”，2019年通信和电子系统国际会议（ICCES），印度哥印拜陀，2019年，pp. 585-589[20] Kirsan AS.，Udin Harun Al Rasyid M，Syarif I，2019年国际电子研讨会（IES）无线传感器网络中使用基于LEACH的新路由协议进行簇头选择的有效能量，印度尼西亚泗水，2019年，第100页。70比75[21] El Alami H，Najid A. ECH：一种增强的分簇层次方法，以最大限度地提高无线传感器网络的生命周期。IEEE Access八月2019;7：107142-53.[22] Jesudurai S，Senthilkumar A.一种改进的基于双簇头和数据融合的物联网簇头选择协议。齿轮爱思唯尔系统研究所20 1 9 ;57：101-6.[23] Widodo DHK，Kurniawan A，Arifianto MS，“使用强化学习方法改进LEACH集群的拓扑结构”，2019年IEEE传感器和纳米技术国际会议，马来西亚槟城，2019年，第100页。一比四[24] Kim S，Kim B，Kim K，Kim K长跳无线传感器网络中的启发式多路径路由。传感器Sep.2019;19（19）：4072。[25] 邓毅，等。ASCMP协议在公用隧道无线传感器网络中的仿真研究。IEEEAccess 11月20 1 9 ;7：168141-50.[26] Amin Nazari（2019）.无线传感器网络仿真（https：www.mathworks.com/matlabcentral/fileexchange/69778-wireless-sensor-networks-simulation），MATLAB中央文件交换。萨法阿山 Saleh，T.F. Mabrouk和R.A. 塔拉比希埃及信息学杂志22（2021）439445Safa’a 萨利赫获得了学士学位。亚历山大大学毕业她获得了高级文凭，硕士。（通过研究）信息系统-计算和信息技术学院、阿拉伯科学技术和海运学院，亚历山大，分别为2005年和2008年博士在埃及Menoufia大学获得信息系统学位，题目是分布式主动实时数据库系统的智能复制。她在数据挖掘、分布式实时数据库系统、数字图书馆和生物信息学等领域发表了论文。目前，她是一个助理教授在埃及亚历山大管理和会计学院信息系统系。Tamer F. Mabrouk于1997年获得阿拉伯科学技术和海运学院（AASTMT）计算机工程学士学位。他于2004年获得亚历山大大学信息技术系研究生学习和研究学院（IGSR）的信息技术硕士学位。获得博士学位2009年获得亚历山大大学的多代理系统和商业智能学位。他目前的研究兴趣主要集中在数据库管理、云计算和人工智能。他在期刊和会议上发表过文章，作为许多国际会议的TPC。他曾任亚历山大高等工程学院计算机工程&技术，AIET从2010年12月到2018年8月自2018年9月以来，他一直是Alexnadria管理和会计学院埃及研究所管理信息系统系的助理教授拉纳河Tarabishi于2010年获得沙特阿拉伯Taibah大学计算机科学学士学位。研究生项目是-微阵列数据挖掘预测基因功能使用基因本体论-也赢得了“最佳项目”的区别，在比赛中组织的前Taibah大学毕业生。2011年，她她于2015年获得澳大利亚悉尼新南威尔士大学她对生物信息学和使用数据挖掘技术分析健康信息，计算机视觉以及物联网和智能城市的伦理/社会问题感兴趣她还获得了2019年IBM的大数据工程师徽章（教育工作者掌握奖自2015年以来，她在计算机科学系-计算机科学与工程学院（Taibah大学，KSA）担任讲师。