泰勒混合优化算法改进的WSN安全节能多跳路由协议

沙特国王大学学报基于Taylor混合优化算法的WSN安全节能多跳路由协议A. Vinithaa，MS。Rukminib、Dhirajsunehraca刹帝利工程学院，Chepur，Armoor，T.S. 503224，印度bVignancJNTU，Jagityal，T.S，印度阿提奇莱因福奥文章历史记录：收到2019年2019年11月15日修订2019年11月15日接受在线发售2019年保留字：WSN能源多跳路由信任浸出A B S T R A C T无线传感器网络在大量应用中的进步使其成为一种普遍的应用。然而，能量是无线传感器网络环境中的一个主要挑战，因为网络中的电池供电的传感器节点在传输过程中消耗大量的能量。本文针对能量问题，通过泰勒级数对基于泰勒的猫Salp群算法（Taylor C-SSA）进行改进，提出了一种能量有效的WSN多跳路由算法。该方法通过簇头选择和数据传输两个阶段实现多跳路由。首先，采用低能耗自适应分簇层次（LEACH）协议选择能量有效的簇头，传感器节点在CH上发送数据，CH通过选择的最优跳数将数据传输到基站。最佳跳选择是使用建议泰勒C-SSA。此外，安全意识的多跳路由，通过引入信任模型，包括间接信任，完整性因素，直接信任和数据转发率。建议泰勒C-SSA算法表现出最好的性能，在能量，存活节点数，延迟，和吞吐量值分别为0.129，42，0.291，和0.1©2019作者由爱思唯尔公司出版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. 介绍无线传感器网络的快速发展激发了低成本和低功耗设备的增长。 传感器由信号处理设备和传感设备组成，这些传感设备提供处理WSN节点以发起无线通信的多种能力。传感器网络在化工厂、灾区、核反应堆等领域有着广泛的应用。WSN被认为是一个包含不同节点的网络，它收集来自邻居的数据，并以独占的方式将感测到的数据传输到其汇聚节点（Jain Trivedi，2012）。因此，无线传感器网络可以监测外部环境，并将传感器数据转换为用户可理解的形式。无线传感器网络覆盖了家庭、军事、环境和医院等多种应用（Huang et al.，2009年）。此外，即将推出的appli-沙特国王大学负责同行审查大规模无线传感器网络可以应用于环境监测、军事应用和监视等不同领域。此外，传感器通常是不昂贵的，并且赋予较少的电池功率，因此受到能量问题的约束。无线传感器网络中的主要问题是增加网络的生命周期，当初始节点不能传输数据到汇聚节点。在数据收集应用中，每个节点负责将数据包感知到汇聚节点。聚合数据的过程通过将不同的传入数据分组集成到单个分组中来最小化数据流量并存储能量。因此，许多应用程序都是为了延长网络寿命而设计的（Hussain Islam，2007）。能量的有效性是无线传感器网络中的一个主要问题，因为传感器节点使用电池激活。因此，管理能量的使用以延长系统寿命。无线传感器网络中的传感器节点承担两个角色：一是积累来自物理环境的数据，二是将数据从自身从基站路由到周围的节点，并收集来自无线传感器网络的数据进行处理。多跳网络是在大规模网络中用于将数据直接发送到汇聚节点的常见机制（Jakobsen等人， 2010年）。无线传感器网络面临能源作为一个主要的https://doi.org/10.1016/j.jksuci.2019.11.0091319-1578/©2019作者。由爱思唯尔公司出版代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.com1858A. Vinitha等人 /Journal of King Saud University- Computer and Information Sciences 34（2022）1857- 1868在发起通信时发出挑战因此，传输的数量必须最小化，以提供有效的路由，以获得延长的系统寿命。无线传感器系统由节点组成，其中节点被协调并且感测到的数据被链接。不间断监控是这类系统的一个基本实例无线传感器网络的应用遭受能源约束的节点广播所获得的数据到汇聚节点。因此，在无线传感器网络中使用不同的路径来收集数据传感器生存期是指汇聚节点通过传感器获取数据的时间。孤立路径在特定节点中放置更多开销，从而导致低寿命。因此，平衡节 点之 间的 能量 有助 于最 大化 网络寿 命（ Hussain Islam ，2007）。路由机制（Mohan Ananthula，2019; Mohan&Reddy，2018）在WSN中很重要，因为它们提供更少的能耗，延迟，服务质量（QoS）和数据吞吐量。由于无线传感器网络是特定于应用的，各种协议被设计用于解决路由数据包时所引起的问题。现有的协议解决了WSN中从物理层到应用层的能量问题（Pantazis等人，2013年）。几 种 方 案 （ Johnson 等 人 ， 2001; Perkins& Royer ， 1999 ） 和（Perkins &Bhagwat，1994）被设计用于从初始节点到目标节点开始的数据路由，涉及链路质量源路由（LQSR）（Draves等人，2004），被认为是用于在WSN中路由数据分组，并且被称为传统路由（Rozner等人， 2009年）。 在（Zhan等人， 2012）提出的信任感知路由框架（Trust-Aware Routing Framework，TARF），通过计算相邻节点的可靠性，设计了一种无线传感器网络多路径路由协议。该协议忽略了不可靠的节点，并在能源效率和信任评估的基础上执行路由（Zahedi&Parma，2018）。在（Zahariadis等人，2011），设计了一种基于环境信任传感器路由（ATSR）的分布式节点可靠性计算算法。在这里，每个节点都被用来监视邻居的活动的基础上的特定标准的信任和计算的直接信任使用相邻节点的值 在（ Babu 等 人 ， 2011 ） 提 出 的 信 任 依 赖 链 路 状 态 路 由 协 议（TLSRP）算法，用于基于间接信任和直接信任的多跳路由。多跳路由协议主要分为两类：位置路由协议和数据中心路由协议。以数据 为 中 心 的 路 由 使 用 汇 聚 节 点 将 查 询 传 输 到 特 定 区 域（Maheswari，2018）。同样地，分层路由被用于维持使用多跳通信的传感器节点之间的能量消耗，以减少发送到信宿的消息。设计不同的传感器网络路由协议，需要节点的位置信息进行进一步的处理。这里，位置信息用于计算两个节点之间的距离并估计消耗的能量（Akkaya Younis，2003）。多跳路由辅助网络超出通信范围，这是由能量因素的约束这里，延迟已经被最小化，但是能量消耗高，因此，路由需要节省能量。因此，研究者的目标是开发一种能量有效的路由协议。本文的主要目的是利用混合优化算法设计一种能量有效的无线传感器网络多跳路由协议。在这项工作中，进行了两个操作，其中包括选择簇头（CH）和多跳路由。在信道选择中，首先利用LEACH协议选择最优信道，然后利用多跳路由进行数据传输。因此，用于数据传输的最佳跳通过以最佳方式放置跳来开始，这是使用所提出的Taylor C-SSA来完成的本文提出的Taylor C-SSA是通过在C-SSA中引入 Taylor级数来设计的，同时具有Taylor级数和C-SSA的性质此外，通过在适应度函数中包括信任模型来维持路由。信任模型包括直接信任、间接信任、数据转发率和完整性等参数。新设计的适应度函数考虑了延迟、链路寿命、簇间距离、能量、簇内距离和信任模型等参数，以保持路由过程中的能量效率。该研究的主要贡献是：建议泰勒C-SSA：建议泰勒C-SSA是必不可少的有效放置的跳进展的多跳路由。所提出的技术是通过在C-SSA算法，这是猫群优化（CSO）和巴掌群算法（SSA）的集成，以确定最佳的跳数，以执行在无线传感器网络的多跳路由泰勒级数通过在适应度函数中引入信任模型，设计了安全感知的因此，多跳路由使用建议的泰勒C-SSA为基础的适应度函数进行其余部分安排如下：在这里，第2节描述了多跳路由的传统方法的回顾以及挑战。第3节讨论了安全感知多跳路由的建议方法，第4节描述了证明该方法有效性的结果。最后，第五部分给出了结论。2. 动机该部分讨论了无线传感器网络中的多跳路由技术的文献综述以及它们的缺点。讨论了现有方法存在的问题，为协议的设计提供了依据。2.1. 文献综述对现有的基于无线传感器网络多跳路由的技术进行了文献综述，具体阐述如下：Cengiz和Dag（2018）开发了一种名为节能多跳路由协议的协议，用于在WSN中路由数据在这里，绿色路由协议的设计，以减少过多的开销。该方法可以显着提高网络的生命周期，可能会减少使用能量有效的协议的开销。该方法利用中继节点，允许使用簇间传输来传输累积的簇数据。因此，WSN的可扩展性随后被最大化，并且中继节点的使用提供了积极的影响，同时耗散了WSN中的能量。这种方法不适用于大型网络。Purkait和Tripathi（2017）基于模糊逻辑，使用多跳路由技术开发了一种名为能量有效的基于簇的路由协议，其中簇的大小是动态的协议的实现采用了簇大小的配置和模糊逻辑方法。在设计的基于活节点数的协议和其他协议的基础上对性能进行了评估。该方法提高了网络的生存时间，使死节点的速度最小。这种方法的计算时间很长。Selvi等人（2017）开发了一种用于WSN中多跳路由的延迟约束能量有效路由技术。该方法提供了一个延迟限制，并提供可靠的路由，通过组装熟练的集群，而不会最大化延迟，以减少消耗的能量。该方法基于网络生命周期提高了网络性能，并有效地解决了网络开销问题。然而，该方法没有考虑移动性参数，以改善基于拥塞控制，流量控制和路由的QoS服务。A. Vinitha et al./Journal of King Saud University- Computer and Information Sciences 34（2022）1857-18681859Sert等人（2018）开发了一种名为基于双层分布式模糊逻辑的协议（TTDFP）的方法，通过评估路由效率来延长WSN的生命周期。这种方法被称为分布式自适应协议，它可以有效地运行在传感器网络的应用。该方法采用模糊聚类的方法对无线传感器网络的性能进行优化。该方法不适用于其他优化算法，如粒子群优化（PSO）（kulkarniMurugan，2019），并且需要添加WSN耦合参数。Chen和Shen（2018）开发了一种名为基于网格的可靠多跳路由协议的方法，用于在WSN中执行路由该方法具有均衡能量消耗的能力，并根据节点的剩余能量和位置进行CH的优化选择该方法提高了稳定期，并在能量、延迟和确保可靠传输的基础上显示出改进的性能然而，该方法没有产生稳定和可扩展的协议。因此，具有较高能量的节点完全被选择作为中继工作此外，还融合了发送端和接收端的全部能量消耗，以建立节点间链路权值的最后利用Dijkstra算法搜索最小代价路径。在此基础上，提出了两种基于BEEMH算法的MH方案Fawzyetal. （ 2018 ） 设 计 了 一 种 名 为 平 衡 和 节 能 多 跳（BEEMH）算法的算法，用于在WSN中执行多跳路由。该方法是在Dijk-stra算法的基础上提出的这种方法对节点的剩余能量有很大的兴趣因此，在分簇路由协议中，能量较高的节点被考虑作为发送节点和接收节点，以提供簇头间的通信该方法为利用能量和位置等参数优化簇头选择提供了有效的平台但该方法没有对网格区域进行优化，影响了节点间的可靠通信，导致性能不佳。Akila和Venkatesan（2018）设计了一种方法，称为基于节点位置的地理聚类过程，以在WSN中获得有效的节能该方法最大化了网络的寿命，但是该方法是复杂的，因为用于路由的性能参数提供了参数之间的复杂权衡。因此，能量有效的聚类延长了网络的生命周期，但吞吐量是不可接受的。Laouidet等人（2017）开发了一种名为平衡多路径路由算法的方法，该算法基于剩余能量和每个节点的跳数来确定最优路由并将其交织在路由表中。该方法是基于自适应网络建模和蚁群优化算法（ACO）设计的.该算法以最优路由和较少跳数为基础，提供低能耗路由，但容错性和可扩展性较差Huynh Tran（2016）.对分布式集群方法进行了建模，该方法在能耗和端到端延迟之间提供了适当的权衡，但问题在于最佳跳数的选择。Sajwan等人（2018）开发了混合节能多路径路由算法，该算法最大限度地减少了节点消耗的能量，但距离是影响性能的主要因素。2.2. 研究空白多跳路由的研究空白如下：传感器节点的能量约束和有限的计算资源是无线传感器网络面临的主要挑战。主要缺点是通过最大化WSN的寿命来保存传感器的能量（Huang等人， 2009年）。电池用于操作传感器节点，这构成了固定的能源，因此，更换许多电池是不切实际的，也是一个主要问题。因此，在无线传感器网络中，节能技术对于延长无线传感器网络的生命周期具有重要意义因此，汇聚节点遭受定义汇聚节点的隔离的隔离问题，这导致能量饥饿（Abdulla等人， 2012年）。传感器网络面临的主要挑战是安全性，它介于最大化安全性和最小化资源消耗之间。传感器节点自身的约束条件也会影响感知能力，感知能力主要由传感器节点的平台承载。在WSN上生成的攻击可以针对一个节点，该节点变得易于泄漏机密信息并冒充节点（Riad等人， 2013年）。汇聚节点倾向于接收单个传感器作为单个分组的解释，而不是在基于压缩感测技术的多跳路由期间接收作为加权和的数据（Wang等人， 2010年）。传输成本和整个网络中业务负载的不均匀分布是一个挑战，应该最小化。大量的传感器节点用于单独的压缩感知导致的能量消耗在一个非生产性的在网络上的业务负载和传输成本的分布受到重大挑战，因为它应该被减少。使用较少的传感器节点进行压缩感知会导致能量消耗无效（Heinzelman，1995）。3. 基于Taylor的C-SSA多跳路由算法在这一部分中，安全意识的多跳路由协议在无线传感器网络中的多目标的基础上，使用新设计的优化算法进行说明在这里，信任模型采用考虑各种信任因素，如直接信任，间接信任，集成因子，转发速率因子以及其他参数，其中包括距离，延迟，簇内距离，链路寿命，能量和簇间距离。信任模型是为了提供高安全性的网络。然后，多跳路由是由建议泰勒基于猫Salp群算法（泰勒C-SSA）。所提出的泰勒C-SSA通过对泰勒级数进行积分来设计（Mangai等人， 2014年，与C-SSA。提出的泰勒C-SSA和多目标的无线传感器网络中执行安全意识的多跳路由。这两个步骤被认为是多跳路由。 在第一步中，使用LEACH选择CH（Masdari等人， 2013）协议来获得具有最大能量的最优CH。然后，第二步进行的最佳跳数的选择，使用建议的泰勒C-SSA设计的多目标的基础上 图图1给出了基于TaylorC-SSA算法的多跳路由的原理图.3.1. LEACH簇头选择协议LEACH方案（Masdari等人，2013）考虑了一个由能量相等的节点组成的密集传感器网络，其任务是将数据发送到sink节点。因此，选择最佳CH用于收集和向汇聚节点广播数据。在某些情况下，信宿被放置在远处，因此，CH需要更多的能量用于传输。因此，LEACH必须以所选节点具有更高能量的方式来选择CH因此，LEACH协议使用CH的随机旋转次数来在传感器之间均匀地分配能量。在LEACH中，节点是完全分布式的，因此不需要来自基站的任何控制信息，并且不需要网络的全局信息。网络寿命集中并增加，●●●●●●GG公元1860年Vinitha等人 /Journal of King Saud University- Computer and Information Sciences 34（2022）1857- 1868图1.一、建议使用基于泰勒的C-SSA的多跳路由不需要关于节点位置的信息。另外，使用LEACH促进了CH中收集的数据的聚合，这最小化了网络中的业务。LEACH是一种MAC协议，它假设参与收集数据并向汇聚节点传输的节点的同构网络。由于节点消耗大量的能量，LEACH在节点中均匀地分配能量，使得能量负载最小化。这里，LEACH协议以特定方式布置，并且一旦确定了CH的最佳百分比，则LEACH协议在1轮中进行。对于每一轮，一组CH被确定为具有大小hg，其中h表示循环的总数，g表示CH。这里，每个循环包含稳态阶段和建立阶段。建立阶段包括三个子阶段，包括广告、集群建立和广播调度子阶段。广告阶段如下进行。这里，每个节点h产生在0和1范围内的随机数，并利用预定义的阈值对其进行评估。阈值由下式给出，调度在节点之间引起关于时间的共鸣，以在特定时间广播消息。最后，为了传输数据，在CH中收集数据，然后将获得的数据发送到Sink节点。这里，节点将数据发送到其CH，然后CH发送到基站。因此，LEACH协议用于基于能量参数选择最佳CH。因此，由LEACH协议形成的CH由下式给出，G¼fG1;G2;···;Gt;···;Gng;16t6 n nn其中，n指定使用LEACH协议的总CH。3.2. 建议的Taylor C-SSA多跳路由无线传感器网络中的多跳路由优化了网络中的通信。多跳路由通常用于有效的数据传输。然而，能量是多跳路由的主要约束。因此，为了解决能量问题，所提出的Taylor C-SSA采用多跳路由，源节点将它们的数据通过QhG1-g×μcmod1μ m;如果e2að1Þ每个集群内的中间节点这里，0的整数;否则其中，a表示从未成为CH的节点，g表示CH，c表示当前拓扑的更新间隔。因此，决定成为CH的节点用广告分组通知其邻居。在簇头建立阶段，网络中存在的所有其他节点回复CH通告以通知它们的决定。在广播阶段，收集所有节点的响应，用于确定特定簇的成员这里，CH基于集群中的总节点产生TDMA调度。这集群将它们的数据发送到相邻节点以最小化传输能量。建议泰勒C-SSA推导出最佳跳数的基础上，新设计的适应度函数进行无线传感器网络中的路由。3.2.1. 解编码解编码是使用建议的Taylor C-SSA算法确定的解的表示。这里，解是选择用于传输数据的最佳路由。 优化方法使用建议泰勒C-SSA（ðÞ. P.快！;kK18>>r-f>：XBð ÞB¼KA. Vinitha et al./Journal of King Saud University算法的基础上，新设计的多目标适应度函数，以找到最佳的跳从一组跳在无线传感器网络中存在。跳是所选择的CH，其具有通过减少在整个传输中发生的信息丢失来在网络中提供有效路由的能力在这里，建议泰勒C-SSA算法适用于确定从源节点的最佳图2表示基于多目标适应度函数的Taylor C-SSA康-S1是初始节点，S4是目标节点，则最优其中，l表示WSN中存在的节点总数，b表示路由所需的总跳数iii) 集群内距离：簇内距离通过跳与跳中存在的各个节点之间的距离的总和来计算，并且是最小的。如果簇内距离最小，则节点更接近跳，从而减少能量和信息损失。簇内距离的公式表示为，S1线！S2！S3！S4是使用建议的泰勒C-1 .一、PbPs XJk;Lt！SSA，如图所示。 二、3.2.2. 基于多目标的多跳X¼bk¼1t2kBð7Þ路由的适应度函数进行评估，找到最佳的解决方案，从一组参数的解决方案。建议泰勒C-SSA计算的适应度使用七个参数，即信任模型，能量，距离，链路寿命，簇间距离，延迟和簇内距离。在这里，适应度被认为是一个极大化函数。因此，产生最大信任的解决方案链路寿命，簇内，能量和更少的延迟，距离和其中，b表示正则化因子，X∈Jk;Lt∈表示第k跳到第t个节点之间的距离，总节点表示为s。iv) 簇间距离：两个簇之间计算的距离的比率称为簇间距离，并且必须是最大的以提供有效的路由。簇间距离的公式由下式给出，簇间距离用于路由。因此，解决方案. PnPnXGx;Gt考虑为多跳路由提供最大适应值。所提出的泰勒C-SSA的适应性被公式化为，Xω¼x¼1t1/4x1Bð8ÞO¼W1×PW2×1-TW3× 1-XωW4×XW5× ×1-DW6×MW7×K3其中，W1，W2，W3，W4，W5，W6和W7表示使用模糊隶属函数计算的权重（Dennis&Muthukrishnan，2014）。P表示节点其中，X G x;G t表示两个聚类之间的距离，并且n表示总CH。v) 距离：计算的两跳之间的距离的总和，表示在方程。（九）、对于多跳路由，该距离应该是最小的，并表示为，任务延迟，Xω表示簇间距离，D表示两跳之间的距离，X是簇内距离，M是链路时间，信任模型表示为K。重量1公司简介b-1X J Jk1/k2Bð9Þ使用以下等式计算，0的整数;如果RyyyÞ ðIzHðk;a Þþyy（c）þy;þÞNzk;k1¼þy-1μm;y-1Xy;þzyy-1μm;þY-Y-1yy-1a2V-fkgy yPHzk;k1¼y伦乌y;>uta2Ekk1yyy1862A. Vinitha等人 /Journal of King Saud University- Computer and Information Sciences 34（2022）1857- 1868.Kdzkk1FUNKK1128Nzykk11-N zk;kD;如果RZ K K1.n：N zkk1Nzk;k否则时间间隔，Fun表示满意度度量，y表示事务，z是时间间隔，k表示评估跳，k1指定要评估的跳满意度度量用于计算代理对指定服务的满意度。因此，满意度度量使用以下方式保持满意度水平的记录：指数平均更新函数由下式给出，z其中vuPfunzk;a-funzk1;a2;yfunzk;k1毫克×fun100克/克k;kRzk;k1¼jEk;k1jð21Þyvy-1在哪里，有趣的V 表示最近交易的满意值，以及c) 转发速率因子：节点能量较少其在感测和传输数据时被分散因此FunZy-1 表示y-1交易的满足值，可以分析判断节点是否受到攻击，第z时间间隔，g表示权重。8>0;如果交易完全不能令人满意或者不通过评估转发节点数据来确定。因此，远期利率因子（Zhu，2018）由下式给出：zFfun v ¼1;如果交易完全令人满意：20; 1;否则ð14ÞyzA k;k1Bzk;k1ð22Þ权重g基于累积偏差Zz<$k;k<$1<$k而变化并由下式给出，Cz其中，Az<$k;k<$1<$代表的计数的反馈分组，Bzk;k1表示要转发的数据包计数，k是评估值，Tion hop，并且k=1表示要被评估的跳g<$Yj×yk;k11Zzk;k1ð15Þd) 完整性因素：每当数据包被传输到相邻节点、源节点检查数据分组是否被干扰，并检测数据分组是否被传输。czk;k1jfunzk;k在规定的时间内提交，并保证完整性和正确性的数据。完整性因子（Zhu，2018）的公式为：Zzk;k1j×czk;k1 1-j×Zzk;kUzk;k1y yy-1Kk;k1Ezk k1ð23Þ其中，Y表示阈值，并构成固定值，并设置为0.25，j表示用户定义的常数因子，cz=k; k=1，表示发送最近的误差，Zz<$k;k<$1<$k是累积偏差。首先，权重g被设置为1并且根据等式（1）改变（十五）、b）间接信任：间接信任（Das Islam，2012）是计算的。从其他啤酒花获得的经验每一跳都利用其他跳的经验为每一次交易提供有效的决策为了获得间接信任，每一跳请求其他跳提供关于其他跳的推荐。所得到的跳收集来自其他跳的建议以及推荐跳的因此，间接信任第k跳相对于第k跳的第k跳由下式给出，（c） þÞ在哪里，U zk; k！Ez是完全转发的数据包的数量，E zk; k 1表示要转发的数据包的数量。3.2.3. 最优跳数选择本节阐述了所提出的泰勒C-SSA，其是泰勒级数的积分（Mangai等人，2014）和C-SSA算法，两者都具有Taylor级数和C-SSA算法的优点。泰勒级数用于预测线性部分并描述历史存储值。泰勒级数的优点是计算简单，即使在复杂的函数情况下也是如此。主要优点包括：泰勒级数确保了对公共8>PðKÞyðk;kþ1Þ¼Hzk;a×Kdza;k1z;a2V-fk gy通过整合CSO而设计（Chu等人， 2006年）和SSA>：0;如果jv-fkgj>0ð18Þ（Mirjalili等人， 2017）算法，并获得两者的质量该算法继承了探索和开发阶段之间的适当权衡该算法其中，V表示与k交互的代理的集合1，a表示与其它跳交互以进行关于保持信任的预测的跳，反馈可信度表示为Hz。反馈可信度用于计算推荐跳向估计器提供的反馈信息的准确性。因此，反馈可信度被公式化为，更简单的执行，并包含一个单一的控制参数，这是自适应更新C-SSA算法综合了两种算法的优点，在开发阶段和探索阶段之间取得了适当的平衡，并获得了全局最优解。该C-SSA易于实现，并拥有一个单一的控制参数，自适应更新因此，混合算法是为了解决与标准相关的问题（1-lnNzk;k1k）y如果N zkk 1u标准SSA算法通过CSO的集成拟议算法能够获得全局最优解，0的整数;否则其中，Nz表示相似性。相似性度量被描述为确定两个跳相似到什么程度。在这里，相似性的计算是通过找到个性化的差异的基础上满意度评级的互动代理，然后利用差异评级描述的相似性。因此，两个跳k和跳k的相似性被公式化为，单峰、多峰和复合数据。因此，建议泰勒C-SSA算法的目标是解决C-SSA算法的局限性，通过整合泰勒级数，使泰勒C-SSA变得能够获得全局最优解的复合数据。这两种技术的结合有助于确定最优解，增强收敛性，并为获得有效的多跳yÞ¼ÞðÞþ;'<其中，Kd表示第y个事务的直接信任，ð20Þ如V- fkgj ¼0功能和容易实现收敛此外，C-SSA是J;ð19ÞOOuu-4：-tuu-8OOO：-tu2：tOOu-4u2：tOOoo2：tOO：tO不uoo2：t6u11u-1u-2u1u-30： 0104tu-6：u-4-1： 38e-3tou-59： 92e-5to1u-1u-2u-3u1：u-4138e3ou-7u-5-9： 92e-5toou-6u1u-4u-5u-6u1uu1ð þu-Þu-u-Ou1uu u2u1不OOOA. Vinitha et al./Journal of King Saud University路由下面讨论对所提出的Taylor C-SSA算法执行的步骤使用泰勒级数的速度更新是通过替换方程。（28）在Eq.（26）下面就来说说i. 初始化2吨-1：3591吨型号1： 359t- 3OO电话：+86-0510-8888888传真：+86-0510 - 8888888粤ICP备15022590号-1-0：555t75u-7u-8Salp的群体被初始化并表示为，C1;C2;. ;C o;... C ug24小时#1×k1其中，C表示第o个Salp的位置，并且u是21：3591至o-1-1： 359至o-2-0： 6795至o-3-3的位置OuthSalp。Ou11四分之一：五u1-10：5u640：2259touU-5运输机u-0： 0104tu-6þ75ii. 适应度函数评价下一步是评估多目标适应度函数以获得最佳解。多目标适应度是通用的，#1×k1138e3ou-7 -9： 92e-5tooð30Þ通过使用七个目标，即距离，延迟，间隔21： 3591到0-1： 359吨粤ICP备16036665号-1电话：+862165传真：+86 21 65555555时间：2019 -05 - 2100：00：00u-8基于导出的拟合来评估总体中所包含的ness函数提供最佳适应值的解被认为是最优解。#1×k1重新排列上述方程，所得方程可以写为，iii. 新解的计算27182ou-1不-2：718tu-2O1： 359tu-3-3O在此步骤中，基于建议Ou1沪公网安备31010502000112号沪ICP备15005050号-1：t-0： 0208tu-6Oþ75ð32Þ算法CSO算法具有较强的搜索能力和较好的性能。在开发阶段和探索阶段之间进行适当的权衡，以获得全局最优解。因此，标准0 00276ou-7#1×k1-0： 0001984tu-8为了得到较好的解，采用了CSO方程因此，在本发明中，CSO的更新位置（Chu，等人， 2006）算法是uti-27182ou-1u-2：718tu-2O1： 359tu-3-3O根据猫在水流中的位置和速度迭代一旦确定了猎物，猫的速度是to-#1×k1Cω-Co¼640：451 8to时间：2019 - 07 -2100：00：000： 00276TO-7- 0：0001984TO-8相应地改变以捕捉猎物。因此，更新位置猫o的值由下式给出，乌乌ð33Þ从上面的方程，猫在当前迭代中的速度C/C转换器ð25Þ可以写成，其中，Co表示当前迭代u时cato的位置，u27182ou-1u-2：718tu-2 1： 359tu-3-3是猫在u中的速度第1次迭代。2019 -05-2100：000 00276ou-7 -0： 0001984tu-8因此，猫的速度被改变，并且更新后的速度C-SSA算法保证了更好的准确性和有效性-你好，表示为，用于多跳路由。C-SSA中的更新是由com-to¼to#1×k1Cω-Co26其中，#为随机数，k1为常数，Cω为最优解，to 表示猫o在第u个位置的速度，将CSO的更新规则合并（Chu等人，2006）和SSA（Mirjaliliet al.，2017年）。此外，C-SSA在开采和勘探阶段之间提供了适当的平衡，根据C-SSA算法，u表示猫u方程由下式给出，猫的速度是根据泰勒方程改变的ies（Mangai等人， 2014年），以提高估计和Co的准确性1-#1×k1β-Co-1to#1×k1×Cω35以达到收敛。此外，泰勒级数是简单的，易于计算复杂的功能。因此，通过应用泰勒级数获得的合成速度方程由下式给出：u1¼ 1 - 2 #1× k1×u-1-#1× k1双螺杆 挤 出 机在将等式（1）代入等式（2）之后，获得最终的Taylor C-SSA。(34)由方程式(35)，并由，吨/ 吨1：3591吨-1： 359吨00：6795吨Cou11-#1×k11- 2#1×k1OOu1u02259吨u-10：555toou-2-0：0104tu-327182o-u-4-2：718tu-2O1： 359tu-3-33-：u-4战斗机u-5u-66640：4518111tu-5-0： 0208tu-6O75O特OOO¼OO该算法从初始化阶段开始，其中ð29Þ簇距离、簇内距离、链路寿命、能量和信任，如等式（3）所示。每个解的适合度ð31Þu1在确定猎物的位置后，它决定移动664：toouOO时间：2019-07-2900：00：00O-10：00276too-0： 0001984t7u-u -OO×Cu--一种6u-71-#1×k1u-87因此，猫在当前迭代中的速度由下式给出：2吨-1：3591吨1：359吨-3关于我们10：5u10 6795u-3粤ICP备05000000号-1u-1编号：2259tu-4-1： 38e-3tou-2-0： 555tu-59： 92e-5to75ð28Þ其中，#是随机数，k1uð36Þ表示常数，Cω表示u-6u-7u-8最佳解，t0表示猫0在第u个位置的速度。O1864A. Vinitha等人 /Journal of King Saud University- Computer and Information Sciences 34（2022）1857- 18684. 结果和讨论在本节中，相对于其他现有方法，对基于存活节点、能量、延迟和吞吐量的所提出的方法进行分析。4.1. 实验装置该 方 法 在 Win10 操 作 系 统 、 2.16GHz 处 理 器 和 2GB RAM 的MATLAB环境下实现.模拟参数见表1。4.2. 性能度量性能指标是用来分析性能的方法，用于安全的多跳路由-ING。用于分析的指标包括存活节点、能量、吞吐量和延迟。4.2.1. 能源无线传感器网络中节点之间的数据传输消耗能量。因此，具有最高能量的节点被选择用于评估。4.2.2. 延迟延迟是根据节点的数量计算的。如果节点数量增加，则延迟很高。延迟应该更小，以实现有效的路由。延迟是根据应用程序请求或信息给出响应所花费的时间来计算的4.2.3. 活节点活节点是用于在无线传感器网络中发起通信的节点4.2.4. 吞吐量吞吐量被定义为在特定时间内获得的数据包的数量，然后确认数据包的传递。额定功率¼Nr= T其中，Nr是获得的节点的总数，T是模拟时间。4.3. 比较方法所提出的方法的性能可以通过比较现有的方法所取得的性能进行评估。 因此，用于分析的比较方法包括C-SSA、网格聚类（Huang等人 ， 2017 ） 、 Geo 聚 类 （ Akila &Venkatesan ， 2018 ） 、 FABC-EACO聚类（Kumar等人， 2017），并提出泰勒C-SSA。4.4. 仿真结果本节说明了使用50和100个节点的所提出的多跳路由方法的仿真结果。建议的Taylor C-SSA的仿真在具有50和100个节点的WSN模型中执行，如图3所示。在图3a中描绘了在传输期间具有50个节点和2跳的WSN模型。类似地，具有50个节点和3跳的WSN模型如图所示。 3 B.在这里，表1模拟参数。参数值matlab仿真器面积100× 100 m节点50和100的数量传输距离40米仿真时间2000回合接收机能耗5× 10^-8 J发射机能耗5× 10^-8 J初始能量0. 5J交通类型CBR（d）其他事项图三.仿真结果a）使用50个节点，具有2跳b）使用50个节点，具有3跳c）使用100个节点，具有2跳d）使用100个节点，具有3跳。（一）（b）第（1）款