制作和主办：Elsevier沙特国王大学学报一种基于QoS的无线传感器网络分簇O. Deepaa，J.苏古纳湾a印度田纳西州哥印拜陀Bharathiar大学研究b印度田纳西州埃罗德市Vellmont女子学院计算机科学系阿提奇莱因福奥文章历史记录：2017年8月1日收到2017年10月19日修订2017年11月29日接受在线发布2017年保留字：能量空洞问题OQoS-CMRP基于PSO的改进分簇算法SingleSink-AllDestination算法Round-robinPathsSelection算法无线传感器网络A B S T R A C T随着无线传感器网络（WSNs）的不断发展，它在日常生活中变得越来越重要无线传感器网络是一种很有前途的方法，用于各种应用，但寻找最佳的路由分布是比较困难的，由于动态性，异构性，资源稀缺等，通常，在汇覆盖区域的传感器的剩余能量消耗非常快，相比于其他区域的无线传感器网络。提出了一种基于QoS的优化分簇多路径路由协议（OQoS-CMRP），该协议采用基于改进粒子群优化（PSO）的分簇算法在汇聚覆盖区域内形成簇，选择簇头，解决能量空洞问题，从而降低汇聚覆盖区域的能量消耗。SingleSink-AllDestination算法用于寻找从Sink到传感器的近最优多跳通信路径，以选择下一跳邻居节点。Round-robinPathsSelection算法用于将数据传输到接收器。根据QoS指标，所提出的通信协议的性能进行评估，并与其他现有的协议，即EE-LEACH和EPSO-CEO。仿真结果表明，OQoS-CMRP在合理节能的情况下实现了突出的数据通信。它还在保证整个网络结果的基础上减少了传输延迟和通信开销。©2017作者。制作和主办：Elsevier B.V.代表沙特国王大学这是一CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍近年来，无线传感器网络（WSNs）已经成为发展中的研究领域之一，因为它们被设想具有与载人或无人任务中的环境跟踪、应急响应、安全监控相关的不同现象的广泛应用（Akyildiz等人，2002; Romer和Mattern，2004; Akkaya和Younis，2005）。WSN由具有高功率接收器的巨大的低功率智能传感器组成，这些传感器负责在它们之间建立具有一定传输规则的路径（Yick等人，2008年）。无线传感器由于其安装简单、自识别、自诊断和用于协调的时间意识与其他传感器形成动态自组织网络。但是，它受到有限的能量、内存、分析和计算能力的严格限制，并且数据速率低，无线电传输距离短（Toldan和Kumar，2013年）。路由是无线传感器网络中的一个主要问题 传统的路由协议不能直接应用于传感器网络，因为传感器网络在以下感知方面不同于其他自组织网络，即电池供电的传感器、轻量级路由协议和自适应通信模式（Villalba等人， 2007年）。 由于WSN具有自组织拓扑并且没有基础设施，因此找到路径并将数据传输到接收器是一项有趣且关键的任务（Sohrab等人， 2000年）。例如，可靠和延迟敏感的应用，如病人监护仪-*通讯作者。电子邮件地址：odeeparaja@gmail.com（O. Deepa），suguna@vcw.ac.in（J. Suguna）。沙特国王大学负责同行审查https://doi.org/10.1016/j.jksuci.2017.11.0071319-1578/©2017作者。制作和主办：Elsevier B.V.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/）。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.com小行星764 Deepa，J. Suguna/Journal of King Saud University- Computer and Information Sciences 32（2020）763- 774在火灾探测、气体泄漏监测和国土安全等领域，传感数据应在特定延迟内传输，可靠的数据通信是非常必要的。因此，在WSN中实现这样的应用需要QoS和能量感知，这将在协议栈的不同层中被考虑（Heinelman等人， 2002年）。其基本思想是通过赋予sink更多的责任来减轻传感器的负载，并通过考虑多约束QoS指标，提出了一种轻量级的多路径分簇路由协议该协议被命名为优化的基于QoS的多路径路由协议（OQoS-CMRP）。在无线传感器网络中，靠近接收端的传感器总是传输大量的数据，因此它们会死亡。最后，网络被分割，接收器不能接收任何数据。这种情 况 被 称 为 能 量 空 穴 问 题 或 热 点 问 题 （ Sharma 和 Lobiyal ，2015;Mohemed等人， 2017年）。该协议采用改进的PSO分簇技术，在汇聚点覆盖区域内节省传感器选择簇头选择和寻找最优路由的过程被分配给信宿，因为信宿处的资源是无限的分簇技术是传感器网络节能的有效技术之一。为了设计任何聚类方案，网络被分成许多组，称为聚类器。每个簇都有一个领导者，称为簇头。在簇内，簇头负责从其成员传感器收集数据簇头进行数据聚合，去除冗余数据，从而减少网络的能量消耗。然而，簇头由于用于接收和聚合数据以及将数据发送到宿的额外过载而它也有影响的路由过程中的能源效率的方法，这是任何无线传感器网络的重要目标因此，合理地选择簇头节点对于节约能量、提高网络生存时间具有重要意义。簇头选择是一个NP 难的优化问题。粒子群优化算法（ParticleSwarm Optimization，PSO）是一种基于群体智能的优化算法，具有易于实现、全局搜索、跳出局部最优、快速收敛到全局最优解等优点，是选择簇头此外，路由协议的设计是灵活的，由节点或链路故障和冲突引起的连续路径中断一些路由协议在数据传输过程中发现路由路径，但往往失败，降低了可靠性。这个问题的解决方案是设计一个增强的多路径路由协议。多路径路由协议允许在源和宿之间有许多路径。因此，如果其中一条路径发生故障，数据可以通过另一条路径发送，这一过程在最小网络延迟的情况下提高了传输率。这促使采用多路径路由的概念来实现可靠的传输，从而减少了路由发现的控制开销，提高了系统的吞吐量。为了在sink和传感器之间建立接近最优的通信路径，必须启动路由发现算法，该算法需要基于拓扑结构和邻居节点的QoS度量值来选择传感器网络中的下一跳节点当事件发生时，源传感器利用循环路径选择算法在固定的时间片内通过多条最佳路径将数据传输到接收端，有效地分配了流量负载。因此，所提出的路由协议可以提供更好的数据吞吐量，同时以最小的延迟最小化分组丢失，并提高网络的生命周期。本文的其余部分如下。第2节简要回顾了背景信息和PSO的设计和概述相关的工作第三部分介绍了网络模型和QoS度量。第四部分提出了一个 OQoS-CMRP ， 分 别 利 用 改 进 的 PSO 分 簇 算 法 和 SingleSink-AllDestination算法优化分簇性能和网络路由机制第五章搭建了仿真环境，并对实验结果进行了讨论.最后，总结了本文的结论和未来的工作。2. 相关工作2.1. 无线传感器网络路由协议由于无线传感器网络不同于其他无线网络的固有特性，其路由问题是一个棘手的问题。为无线传感器网络设计的路由协议，根据其应用，架构和目标而不同（Amit和Senthil Murugan，2016）。Ganaesan等人（2001）提出了一种基于局部信息的分布式多路径路由算法，实现了负载均衡。该算法使用主路径来传输数据。当主路径出现故障时，可以使用备用路径。然而，该算法不适合于延长网络的寿命。De等人，（2003）已经提出了具有有效策略的网状多路径路由。该算法比传统的多径算法具有更好的吞吐量。然而，这种方法需要节点配备全球定位系统（GPS），这使得节点的成本最大化。Younis和Fahmy（2004）提出了一种混合的、节能的分布式分簇协议HEED（Hybrid，Energy-Efficient Distributed），延长了传感器网络的寿命。该协议根据节点度、通信代价和节点剩余能量等信息进行分簇和簇头选择。它工作在多跳网络中，在簇间通信中使用自适应发射功率。然而，聚类选择仅处理参数的子集，这可能会对系统施加约束。Yang等人，（2010）提出了一种基于可信簇头的多路径路由协议（MRBCH），该协议兼顾了能量效率和安全性。该协议选择能量高的节点作为簇头，然后由邻居簇头对其进行认证使用信任机制，信用值被生成并在簇头之间交换。通过使用基于信用值的多路径簇头路由，保证了 高 质 量 的 路 由 ， 延 长 了 生 命 周 期 。 Arumugam 和 Ponnuchamy（2015）引入了一种节能低能耗自适应聚类层次（EE-LEACH）协议，该协议提高了网络的寿命和数据集成。覆盖概率是相对于高斯分布推导出来的。在该系统中，为每个簇选举一个具有最大剩余能量的簇头。此外，条件概率定理用于节点聚合。它提供了更好的数据包交付率与较少的能量利用。但它缺乏提供数据的机密性和完整性。在基于QoS的路由协议中，传感器网络必须平衡能源消耗和数据质量之间的差异（Bhuyan例如， 2010年）。Sohrabi等人， 已经提出了顺序分配路由（SAR）（Sohrabi等人，2000），其使用树架构来在多个路径中路由数据分组。该算法根据每条路径上的QoS度量、每个数据包的优先级和能量资源进行路由决策。为了将数据传输到接收器，SARðÞð Þ ð Þg ð Þ ¼fð Þ ð Þ ð Þgð Þ ¼f ð Þ ð Þ ð ÞgO. Deepa，J. Suguna/Journal of King Saud University- Computer and Information Sciences 32（2020）763-774765计算加权的QoS度量，其是相加的QoS度量和与该分组的优先级相关联的权重系数的乘积。虽然SAR保证了能量高效、容错和容易恢复，但受到传感器的大可扩展性的影响。协议必须定期重新计算路由以备因节点故障导致拓扑变化时使用。He等人（2003）提出了一种协议SPEED。这是另一种基于位置的QoS路由协议，其在传感器网络之间提 供具 有 期望 的 递 送速 度 的软 实 时端 到 端 保证 。 Felemban等 人（2006）提出了一种多路径多速率路由协议（MMPHEED），该协议通过保持不同速率的服务和概率QoS保证来避免拥塞和降低丢包率。该协议对于大型网络是可扩展的，但是能量度量是没有考虑到。Huang和Fang（2008）提出了一种多约束QoS多路径路由协议（MCMP），该协议以合理的能量消耗提高网络性能。该协议根据可靠性和延迟这两个QoS指标，采用编织多路径来发送数据包。解决了端到端延迟的问题通过使用线性整数规划。然而，该协议在最小跳数路径上路由数据以满足所需的QoS，这在某些情况下导致消耗更多能量。Alwan和Agarwal（2013）提出了多目标QoS路由（MQoSR）协议。在MQoSR中，应用程序的需求被建模为多个QoS类的可靠性，延迟和能量。特别地，通过使用启发式邻居选择机制来制定提供QoS路由的问题，所述启发式邻居选择机制使用与QoS要求相结合的地理路由机制来为不同的应用要求提供MQoSR。Bagheri和Ghaffari（2011）提出了一种基于可靠和能量有效的分簇的无线传感器网络多路径路由算法，其中传感器配备了GPS系统。簇头的选择是基于传感器的剩余能量。多路径通过簇头构建，如果失败，则选择另一条路径。该路由协议的控制包开销较大，导致网络能量消耗较大，直接影响网络的生存时间。Mazaheri等人（2012）已经提出了基于QoS的多路径分层路由。在范围r中的传感器中，基于残余能量和离水池的距离对于多路径构造，簇头基于能量、距离、信噪比和剩余缓冲器大小在范围R R>r内选择簇头集合。该协议更重视可靠性，但忽略了一些QoS参数，如控制开销，端到端延迟和网络生命周期。Almalkawi等人（2012）已经提出了一种基于跨层的聚类多路径路由。sink通过广播控制分组发起簇的形成，并根据接收到的信号强度，强大的节点成为簇头。将簇头划分为不同的层次。它们通过上层簇头发送数据。Sharma and Jena（2015）介绍了一种使用集群和多路径技术的节能路由方案。传感器的工作负荷减轻给予更多的责任，以汇。多路径路由技术为网络提供了更高的可靠性，增加了吞吐量，降低了延迟。除此之外，基于集群的数据收集减少了流量和能源消耗，也增加了网络寿命。2.2. PSO概述群体智能是计算智能的一个重要研究领域，特别是在自组织和分散系统方面群体智能模拟动物或人类群体的行为。PSO是一种基于种群的群体智能技术，用于解决离散和连续问题，其提高了计算效率，产生高质量的解决方案，并且已经提出了许多变体（Kennedy和Eberhart，1995; Del Valle等人，2008年）。 PSO的灵感来自自然界的社会行为和动态运动与昆虫，鸟类群集或鱼类集群的通信，即，他们如何利用和探索寻找庇护所和食物的空间。在问题空间中，PSO包含一个称为每个候选解决方案的群体的人口<$N p<$N，并表示为粒子<$P i; 1 6 i 6 N p<$N。反复地，所有的部分-在问题空间中移动以找到位置Xi;d，根据速度，在搜索空间的第d维中，Vi;d;16d6D在粒子群算法的初始化过程中，每个粒子被赋予一个随机的位置和速度，在搜索空间中运动粒子根据其个体知识和群体获得的知识移动到最佳位置 在D维问题空间中，表示第i个粒子在第 k次迭代时 的 当 前 位 置 和 速 度 ，表示为Xikfxi1k;xi2k;.. . ;xiDkV ikv i1k;v i2k;. . ;v iDk分别对于每一次迭代，每个粒子的适应度值进行评估，并选择每个粒子的最佳位置的基础上的适应度值。在第k次迭代中，表示粒子i关于P i kp i1 k;p i2 k;. ;p iD K个人最好成绩在迭代k时给出最佳适应值的所有粒子的位置是也存储作为的全球最好位置表示b yGkfg1k;g2k;.. . ;gDkg：2.2.1. 基于粒子群算法的无线传感器网络路由协议PSO-C是一种基于粒子群优化的能量感知簇头选择算法，它考虑了簇内平均距离和所有传感器的总初始能量与所有簇头当前总能量的比值等各种指标该协议的代价函数是最小化传感器到其相关簇头的最大平均欧氏距离但是，由于簇头与sink直接通信，因此没有考虑sink的距离汇聚点距离对降低网络能耗起着至关重要的作用此外，在簇形成阶段，它将非簇头节点分配给最近的簇头节点，这可能会导致网络的能量效率低下，并可能减少网络的生命周期 Singh等人（2012）提出了一种基于粒子群优化的能量感知CH选择算法，该算法基于节点密度、剩余能量和距离给出了适应度函数。但是，它没有考虑簇的形成，这可能会导致严重的能量效率低下的网络。Riham S.Elhabyan和Yagoub（2014）提出了一种用于无线传感器网络的基于PSO的分层聚类协议（PSO该协议的目标是找到最佳的簇头数目，以最小化能量消耗。此外，该协议试图最大限度地提高网络的可扩展性和覆盖范围，通过建立两跳之间的传感器和它们相应的簇头通信。斯里尼瓦萨·拉奥等人（2016）已经为时间敏感应用引入了基于PSO的算法。它已经照顾到能源效率，并提高了网络寿命。但是，它没有考虑网络的容错性。Vimalarani等人（2016）提出¼fðÞðÞgY2Y小行星766 Deepa，J. Suguna/Journal of King Saud University- Computer and Information Sciences 32（2020）763- 774提出了一种改进的基于粒子群优化的无线传感器网络分簇能量优化算法。通过使用基于PSO的簇形成和基于剩余能量和从簇成员到sink的距离的簇头选择，在每个传感器中进行能量节约。上述工作的启发，提出了一个OQoS-CMRP，这是一定的保证QoS要求和可接受的计算复杂度之间的权衡3. WSNS模型3.1. 网络环境和假设WSN被建模为无向加权图Gv 1; E; Wv 2，其中Vv1;v2;. . 表示表示传感器的顶点的有限集合，v1;v 2;.. . v n-1;v n表示表示双向无线链路的边的有限集合W是所有链接的权重集在本文中，我们假设传感器是异构的，动态的，有唯一的ID，每个传感器或簇头有统一的传输半径r并且其邻居节点或集群成员被随机地丢弃，满足R路径PR请求。可靠性目标函数fR是最大化数据传输可靠性R_path，使得R_pathP_R_req. 用于数据传送的多路径端到端可靠性Re2e在源和宿之间计算，并且基于所选择的一条或多条路径，其由下式给出NPRe2e¼1-1-Rpat hi1/1其中，np是路径的数量，用于数据传输以路由数据分组的npP iP1与应用程序所需的可靠性相比，网络必须满足所获得的可靠性。源将其接收到的大小为sF比特的每个数据分组编码成F个片段，每个片段的大小为s，并且生成另一个A编码片段以总共具有F个A片段的集合。这组片段然后作为分组p1到pn被传输 最多允许A 丢失碎片并且编码速率因此被定义为A/（F+A）。 成功由信宿接收到的分组的概率Psucc达到所请求的可靠性Rreq具有取决于R路径的二项分布，并且可以写为在PR2区域内的贡献。每个传感器计算其残差XFA. FAxFA-x能量水平以及能量消耗，其根据传感器的位置而变化以传送一位数据。半径值sink的最大通信面积为2r，最大通信面积为2pr2。Pc½xPF]¼x¼Fx½Re2e]½1-Re2e] 104.3.2. 度量描述提出的用于WSN的协议OQoS-CMRP主要关注传感器网络设计中的三个重要QoS度量-可靠性、能量消耗和延迟，以在大型网络上构建具有多路径路由策略的新集群（Deepa et al.，2016年）。建议的OQoS-CMRP的无线传感器网络制定为基于链路和基于路径的度量。每个传感器都能够记录其自身与其邻居之间的链路性能，包括可靠性链路带宽、能量链路带宽、延迟链路带宽、到信宿的距离以及3.2.2. 能量度量在WSN中，能量优化是最重要的系统设计目标之一（Kulothungan等人，2011年）。在无线传感器网络的物理层和MAC层中，基于能量消耗与通信距离成正比的概念，提出了一种能量模型。使用的两种信道传播模型是用于使用直接或单跳通信和用于多跳通信目的的多径衰落（D4功率损耗）信道。因此，在距离d米上传输n比特数据分组的能耗计算为：跳算的基于路径度量表示作为R路径 在多路径路由中，要查找ETn;d（nE）nefsd;dd0<ð5Þ所有使用路径上的端到端保证被分为端到端可靠性保证、端到端能耗保证和端到端延迟保证。3.2.1. 可靠性度量可靠的数据传输是QoS的一个重要关键，nE β-内酰胺酶empd4;dPd0其中，放大器能量efs和emp取决于传输距离，Efs是收发器中的电子能量，d是源和目的地之间的距离，阈值d0是交叉距离被计算以测量成功分组传递的概率，并且可以根据分组传递比（PDR）来陈述，PDR可以被表示为d0¼sefsð6ÞPDR磷汇1/4P源用于接收n比特数据的能量消耗被计算为其中Psource是由源生成的分组的总数，Psink是在sink处接收的分组的总数考虑单个路径R路径i的可靠性，用于将数据分组从源传送到宿，霍普岛ER nnEn7n因此，在链路中传送和接收n比特数据分组的能量水平表示为：Elink¼ETn;dERn8RPatHi ¼R链接j第1页ð2Þ节点的剩余能量表示为E电流¼E电流-ETn;d-ERn9其中hopi是路径i的跳数;hopP jP 1。R_req是反映数据传输所需的路径可靠性的应用特定阈值，仅当路径可靠性路径的能量消耗是在沿着路径的每个链路处用于从源到宿的数据传输所消耗的能量的总和，并且通过下式计算：欧洲议会公司简介ÞX1/4propaX反式ÞXO. Deepa，J. Suguna/Journal of King Saud University- Computer and Information Sciences 32（2020）763-774767霍普岛EpathiElinkj10第1页为了传输n比特的数据分组，路径E_path的能量消耗必须小于或等于所需的最小能量E_req。减少路径上的总能量消耗的能量目标函数fE表示为：fE¼minfEpathg11在多路径路由中，端到端的总能耗所有使用的路径的Ee2e由下式给出：NPEe2e¼Epathi121/13.2.3.延迟度量在无线传感器网络中，大多数的应用是延迟敏感的，所以延迟是一个重要的QoS指标，报告数据到sink具有很小的延迟。延迟是从数据包从源到宿离开所经过的时间。表示为D链路j的两个传感器之间的延迟度量由下式给出：D连KJ 1/4dtransmittedpropa_dprocess_dqueue_n13其中传输延迟dtranss测量第一比特离开源和最后比特到达宿dn位14b位=秒传播延迟dpropa测量一个比特从源到宿所最小化端到端延迟和能量消耗的无线传感器网络方案被认为是主要的性能标准。在满足QoS要求的同时，提供最大的可靠性和网络生命周期是一个需要解决的关键问题。所提出的WSN协议OQoS-CMRP的系统模型如图1所示。该协议分为四个阶段：第一阶段使用改进的PSO聚类算法建立簇群，第二阶段使用SingleSink-AllDestination算法寻找最短最优路径，第三阶段提供实际数据路由过程，最后一个阶段是重新路由或重新聚类。4.1. 团簇形成相在sink附近，邻近sink的传感器主要充当中继节点，将数据传递到sink。这些传感器消耗更多的能量相比，其他节点是远离汇，因此，他们死了。它会在汇聚点位置创建热点，从而使网络变得孤立。这种情况被称为热点或能量空穴问题。改进的PSO聚类算法通过减少热点问题，提高了网络的生存时间。该算法采用改进的粒子群算法，使汇聚节点仅在汇聚节点覆盖区域内发起簇形成过程。接收器将Info_req_msg发送到该覆盖区域中的所有传感器。当接收到请求消息时，传感器开始通过Info_reply_msg发送其信息，其中包含Sensor_ID、位置、速度和当前剩余能量。该信息在接收器中维护和更新。为了更好地理解基于改进PSO的聚类算法，下面Dd 米s米=秒ð15ÞS：汇附近的粒子集，N/f1;2;. . ngCn：集群处理时间是选择下一跳传感器来传输数据包的时间。延迟时间是指延迟时间以便每个中间传感器在数据包被处理之前保持数据包。路径D链路j的延迟是沿着路径的所有中间传感器处的所有延迟的总和，并且计算如下霍普岛D八喜 1/4Dlinkj16mm第1页因此，延迟目标函数fD是为了确保所选择的单个路径上的路径延迟是最小的，使得D_path=D_req，其中D_req是反映数据递送所需的单个路径延迟的在多路径路由中，端到端总延迟De2e是根据使用的路径数计算的，并由下式给出：NPDe2e¼Dpathi17分钟1/14. 无线传感器网络的OQoS-CMRP在无线传感器网络中，传感器通常工作在不可充电的电池上，因此能量消耗的有效利用延长了传感器的寿命为了满足QoS的要求，传感器网络应该能够保持一定的可靠性和特定应用的延迟因此，开发新的路由从当前粒子ECP-threshold：成为当前粒子的阈值能量dmax：当前粒子和成员的最大通信范围sinkmax：sink的最大通信范围E当前粒子：当前粒子的剩余能量E成员i：第i个成员Fig. 1.无线传感器网络OQoS-CMRP协议的系统模型nðÞðÞX¼31¼FG小行星768 Deepa，J. Suguna/Journal of King Saud University- Computer and Information Sciences 32（2020）763- 774d当前粒子;成员i：当前粒子和第i个簇成员d当前粒子;下沉：当前粒子和下沉之间的距离让我们考虑一个样本问题空间，其中粒子的数量为N在汇覆盖区域。适应度函数决定哪个粒子在群中具有最佳值，并且还确定每个粒子随时间的最佳位置。通过使用以下等式为每个粒子计算用于基于改进PSO的聚类的建议适应度函数：fp¼a1x1a2x2a3x318其中a1和a2是0和1之间的加权参数值，a31/4-a1-a2当前粒子;成员i再次，通过使用等式中的适应度函数来计算新粒子的适应度值。（十八）、然后通过比较新旧粒子的适应度值，选择最优粒子进行下一次迭代。对于每次迭代，选择一个最佳解作为pBest。然后，选择在所有迭代中具有最大适应度值的粒子作为gBest解。假设，如果在第i次迭代中获得gBest值，则通过使其无线电范围内的节点作为其集群成员，考虑该特定迭代中所有粒子的适应度值以用于集群形成gBest值被广播到每个簇头，使得每个簇头可以知道gBest节点。参照Sensor_ID，信息正在被传输。上述过程在算法1中表示表1清楚地提到了全局迭代中的粒子适应度值，如图1所示。 二、算法1. ModifiedPSO-Clustering（）过程ModifiedPSO-Clustering（）xi¼1Cnnð19Þ开始初始化具有随机位置和速度的n个粒子的群体x2¼Ememberi1/1电子流粒子ð20Þ当目标适应度或最大迭代没有达到时，对于N中的每个粒子p，计算每个粒子的适应度值（fp）（等式2）。（18））; if（fp > f（pBest））X1Cnð21ÞpBest = fp;end for的EQ。（20）指出当前粒子的能量必须大于阈值，阈值是所有成员的平均能量。这些约束条件受以下条件的约束：d当前粒子;成员 i6dmax22d当前粒子;汇6汇最大值23E电流粒子ECP-阈值24Ω0a1;a2 125<<的EQ。（22）表示成员在当前粒子的团簇通信范围内。的EQ。公式（23）指出当前粒子在汇的最大通信范围内。所以，EQ。公式（24）指出电流粒子的能量必须大于阈值。每个粒子根据自身的飞行经验和群体经验动态地调整其行进速度。每个粒子通过以下方式velocitynew¼xω velocityoldc1v1pBest-lBest2019年12月26日星期一哪里 x;0x 1<<是一个惯性重量的节点速度，gBest = max（pBest in P）;对于N中的每个粒子p，计算速度（方程式（26））;计算位置（Eq.（27））;结束时结束端点修正PSO聚类然后，为了形成簇，簇头在其覆盖区域内广播一些传感器接收到多于一个的通告，并且将基于较高的接收信号强度指示（RSSI）来选择簇头，并且回复加入请求分组。簇头收到所有加入请求报文后，向sink发送成员信息。为了减少拥塞，簇头基于TDMA为其成员生成时隙调度（Cionca等人，2008）并发送给簇成员，用于簇成员和簇头之间的无冲突通信。4.2. 路由发现阶段在此阶段，每个传感器广播一个特定于应用程序的c1;c2;06c1;c26 2是加速度系数，v1;v2;0v1;v2 1是随机生成的值，<<阈值fR;Emin ;D要求g到其所有活动邻居传感器是节点位置的基本PSO调整权重（即，粒子继续以相同的方向和相同的速度移动）。lBest、pBest和gBest分别是粒子的当前、个人和全局最佳位置。所选粒子的当前速度被认为是粒子位置改变的速率。粒子的新位置将根据先前的位置和更新的速度值进行计算。位置新位置旧位置新位置通过路由请求消息。邻居传感器检查它是否满足应用特定的阈值，然后它发送路由应答消息。路由请求和路由应答消息的格式如图所示。3.第三章。的链接性能算法需要QoS度量R链路;E链路;D链路，以计算其自身与其直接邻居之间的链路成本。该算法利用跳数和节点到达sink的距离，巧妙地避免了形成循环，避免了网络中的死锁问题XðÞvwO. Deepa，J. Suguna/Journal of King Saud University- Computer and Information Sciences 32（2020）763-774769表1在全局最佳迭代中采样粒子适应度值。传感器-ID7 42 38 19 40 23 14 33 28健身值15 13 12 11 10 9 7 6 5图二、Sink覆盖区域内的无线传感器网络簇形成算法2. 链路性能（）因此，OQoS-CMRP找到一组可用路径，P1/2（路径1;路径2;. . 通过满足下面的目标函数，f：最大值fR;最小值fE;最小值fD28可以写成NPfp×W29第1页其中W是应用所需的非负QoS阈值的权重集合。由方程式在公式（28）中，第一项指定最大数据传输可靠性，下一项表示最小能耗，最后一项指定数据传输中的最小延迟量。因此，目标函数是最小化数据传输延迟，同时最大化数据传输可靠性。此外，它还最大限度地减少了数据传输功率，以延长网络寿命。这些QoS约束受到fRPR要求30美元最小XfE31fD6D要求32美元然后，通过使用这些约束，通过下式计算链路价值成本vw的成本：程序链接性能（边缘vw）开始成本R请求EvwDvwRvwEminD请求ð33 Þ初始化参数; Rvw = P汇/P源;计算ET（n，d）和ER（n）;Evw = ET（n，d）+ER（n）;计算dtranss，d propa，d process，d queue; Dvw= d transs+ d propa+ d process+ d queue;如果（Rvw>= Rreq Evw = Emin Dvw = Dreq）成本vw= Rreq/Rvw + Evw/Emin + Dvw/Dreq;返回（成本vw）端因此，每个传感器还必须存储与每个邻居相关联的链路值的QoS约束满足的邻居表（表2），并且为了选择具有最小成本的下一个节点而更新。sink负责通过执行贪婪算法SingleSink- AllDestination（）从可行解集合中找到最优解来建立到所有传感器的通信路径。首先，sink开始选择覆盖区域内的所有簇头。所有簇头节点将路由请求消息转发到其覆盖范围内，以最小代价寻找下一跳邻居节点。邻居节点被添加到最短路径列表中。再次，所选择的邻居节点找到具有最小成本的下一跳邻居节点。在OQoS-CMRP中引入了这种局部搜索过程，该过程在每次迭代结束时细化最优解。重复此过程，直到找到到网络中所有活动传感器算法3. SingleSinkAllDestination（）过程SingleSinkAllDestination（）开始初始时所有顶点访问数组被设置为0 i= 0;while（i = n）if（visited[i] = 0）thenpath_cost = hop_count = 0;R路径 [i]= E路径 [i]= D路径 [i]= 0;图三.路由请求和路由应答消息的格式。（接下页）表2节点（v）的QoS约束满足邻居表。邻居ID1二、.nR环Rv1Rv2。.RvnE通Ev1Ev2。.EVND环Dv1Dv2..Dvn跳数跳跃器V1跳v2..跳跃，跳跃距离水槽汇d2;sink..下沉成本成本v1成本v2..成本* ⁄* ⁄770O. Deepa，J. Suguna/Journal of King Saud University- Computer and Information Sciences 32（2020）763- 774a（续）算法3. SingleSinkAllDestination（）调用OptimalRouteDiscovery（i）;i=i + 1;结束程序OptimalRouteDiscovery（v）开始int max =-1;return [v] = 1;对于从Vd0到Vd0相邻的每个顶点W，如果（visited[w] = 0），则/<$根据QoS指标，在相邻节点中选择最佳节点{Rlink，Elink，Dlink}，到sink的距离和跳数//costvw = call LinkPerformance（Edgevw）;/<$将其与一半覆盖区域内的所有相邻节点进行比较，然后选择最佳节点<$/if（costvw min_cost）then best_node = w;min_cost = costvw;端/在它们的邻居节点中选择最佳节点/最佳路径=联合{最佳路径，最佳节点};路径成本=路径成本+最小成本;path_count = path_count+1;Rpath [i] = Rpath [i] X Rvw;Epath [i] = Epath [i] + Evw;Dpath [i] = Dpath [i] + Dvw;调用OptimalRouteDiscovery（best_node）端4.3. 数据传输阶段该算法同时使用单路径和多路径路由，以选择具有最小开销、跳数和最大剩余能量的近最优路由。在图4中，当事件发生时，源传感器向其最短路径发送数据在固定的时间段内。另一个时间片，下一个数据分组也将被发送到其覆盖区域中的替代邻居，这是到达信宿的最佳情况的多径路由并且满足QoS约束。用于路由数据的路径的数量可以被定义为传输策略（TS），并且由下式给出：. iif TPiP2;多路径路由1单路径路由见图4。 OQoS-CMRP中的数据传输传感器能量和网络拓扑信息。如果信宿发现传感器剩余能量低于阈值，则从子集中选择另一条可用路径。算法4.用于数据传输的循环路径选择过程Round-robinPathsSelection（）开始初始化参数按路径成本升序排序;/当事件发生时/ while（！事件结束）if（path_count = 1）单路径路由;其他使用轮询方法选择1到T中的任意一条路径，然后将数据路由到sink;Re2e = 1-（Re2e X（1-Rpath[i]））;Ee2e= Ee2e+ Epath[i];De2e= D e2e+ Dpath[i];End while端4.4. 重新路由或重新聚类在规则的时间间隔，接收端发起重路由和重分簇的过程。接收器监测网络中每个传感器的剩余能量。如果任何传感器低于阈值，它将启动重新路由和重新聚类基于传感器的作用。如果传感器是中继节点，接收器选择另一个可用路径来排除其 中 ， T 是 应 用 特 定 的 阈 值 ， 并 且 路 径 i;inp. 在 Round-robinPathsSelection算法中，下一条路径的选择限于基于最佳情况路径集合的子集。T值，它基于从路径子集中选择最佳情况路径或利用轮询调度算法的概念，在固定的时间片内将业务负载分配到两条或多条路径上。当数据到达接收端时，确认数据包将发送回簇头。如果簇头没有收到来自信宿的确认，它将重传数据。通常，水槽监测残留的node. 如果传感器是簇头，则sink选择另一个簇头和相应的路径，这一过程增加了网络的寿命。5. 结果和讨论5.1. 仿真结果最初，为系统模型声明和建立一些特定于应用的QoS阈值度量值客观TS¼ð34Þ×O. Deepa，J. Suguna/Journal of King Saud University- Computer and Information Sciences 32（2020）763-774771OQoS-CMRP的主要功能是形成簇、选择簇头以及寻找sink到网络中所有节点的最短路径该算法综合考虑了节点转发能力、路由总长度、队列长度和节点剩余能量。在本节中，使用Network Simulator工具2.35版（www：//http.isi.edu/nsam/ns/）提供模拟结果实验中，50至250个节点被随机放置在矩形场，300米 200米不同的模拟。选择矩形字段，以便也可以评估远距离节点的传输 IEEE80
我的内容管理
展开
