ICAEA进化算法在LPWSN最佳分簇设计中的应用

沙特国王大学学报一种用于LPWSN张耀a，谢建鹏b，刘洋b，李超群b，肖晶b，马宏亮b，周杰b，刘伟a科迪勒拉大学，碧瑶市2600，菲律宾b中国石河子，石河子大学信息科学与技术学院阿提奇莱因福奥文章历史记录：接收日期：2022年2022年7月14日修订2022年8月8日接受2022年8月17日在线提供保留字：无线传感器网络分簇LPWSN进化算法A B S T R A C T近年来，低功耗无线传感器网络（LPWSNs）在军事和教育领域得到了广泛的应用.然而，LPWSN的寿命受到传感器能量的影响，因此分簇设计受到了很多关注。在这项研究中，LPWSN的最佳分簇设计问题被制定为一个簇头选择问题，考虑能源，这是一个NP-难问题。因此，一个新的结构模型的聚类设计问题的构建。该模型能较好地描述传感器节点的分簇和信息传递过程。本文提出了一种新的免疫混沌自适应进化算法（ICAEA），并将其应用于LPWSNs的分簇设计中，以获得一个更好的簇头选择方案。在进化算法的基础上，设计了新的先进算子，如免疫算子和混沌算子，提高了算法的收敛速度。此外，ICAEA通过引入自适应算子避免了局部最优，提高了算法的收敛精度，改善了优化性能。仿真结果表明，ICAEA算法与R-LEACH、Q-LEACH、ICEACH等最新的分簇算法相比，在网络生命周期和能耗方面都有明显的改进。实验结果表明，在多个相同的实验条件下，ICAEA算法在网络生命周期方面优于RLEACH、此外，在系统能耗方面，ICAEA消耗的能量低于R-LEACH、Q-LEACH和ICC 10版权所有©2022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. 介绍智能感测、嵌入式微器件和无线技术的显著进步已经促进了廉价的小型、众多、低功率和多功能传感器节点的部署（Ni等人， 2017年）。低功耗无线传感器网络（LPWSN）包括具有有限通信、计算、信息获取和自适应能力的传感器，极大地满足了社会的需求LPWSN是军事、智能家庭、环境、工业过程控制、医疗诊断中新兴的目标检测和跟踪技术（Behera等人，2019年）等。据《全球*通讯作者。电子邮件 地址： jiezhou@shzu.edu.cnwww.example.com Zhou）。沙特国王大学负责同行审查制作和主办：Elsevier综合数据库，2017 - 2021年中国智能家居数量将以年均53%的速度增长。无线传感器网络的研究已经成为一个热门领域（Lasquety-Reyes，2021）。元算法通常用于处理无线传感器网络的布局优化问题（Ni等人，2017年）。在Abdi等人（2020）中，元启发式算法被应用于解决商业供应链网络问题，以最小化总成本并最大化客户服务。在Salehi-Amiriet al.（2022）中，使用最新的元启发式算法来测试问题的准确性并找到解决问题的最佳算法。在Akbarpouret al.（2020）中，应用三种元启发式算法（即SA，SEO和RDA）和两种混合算法来处理模型，以最大化访问车间的数量并最小化旅行时间和车间访问时间。在Akbarpour等人（2021）中，应用了一种Meta启发式算法来最小化总运输成本并最大化回收收入。在Salehi-Amiri et al. （2021），采用元启发式算法对核桃产业提出的CLSC网络模型进行求解。 总之，元启发式算法可以有效地找到问题的最优解。https://doi.org/10.1016/j.jksuci.2022.08.0101319-1578/©2022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/）。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comY. Zhang，J. Xie，Y. Liu等人沙特国王大学学报8298微节点是具有有限的传感和传输能力的微型无线传感器。由于传感器的能量限制，LPWSN的寿命是有限的簇头的选择LPWSN的生命周期是网络质量的重要指标研究人员最近专注于改进新的聚类设计算法，以最大限度地提高LPWSN中的网络寿命（Dargie和Wen，2020）。然而，找到最佳聚类设计是NP难题（Choudhury等人，2021年）。对于大规模LPWSN，穷举搜索所有组合的计算时间消耗由于其计算复杂性，实验表明，各种算法可以在合理的时间内实现接近最优的解决方案（Sohrabi和Alimirzaee，2019）。在Jesus et al.（2020）中，提出了一种基于遗传算法（GA）的新的节能聚类技术。他们的工作致力于提高传感器集的聚类设计技术。遗传算法简单、快速，但易出现早熟收敛现象。一种新的聚类设计方法首次在Verma et al.（2019）中引入。他们的论文致力于加强传感器集的聚类设计策略。但它也有时间复杂度高的问题。对于聚类设计问题，作者在Bhola等人。（2020）基于O-LEACH的聚类设计方法，其比GA更有效。 O-LEACH算法时间复杂度低，收敛速度快，但系统寿命短于Verma等人提出的DESA算法。（2019年）。遗传算法是由J. 密歇根大学的霍兰德。遗传算法是试图模仿自然选择的最流行的元启发式算法之一标准的随机算法主要受生物进化方法的启发，如选择、交叉和变异。他们在复杂的探索空间中执行类似的 利用遗传算法可以处理大多数搜索问题，尽管以额外的计算工作为代价（Singh等人，1539）。关于GA在簇头（CH）选择中的应用的更多细节可以在Dargie和Wen（2020）以及Omeke等人中获得。（2021年）。上述研究没有考虑低能量传感器网络的需要，只研究了簇头选举的元启发式算法。在Singh等人（1539）和Omeke等人（2021）中，没有考虑簇头剩余能量变化对传感器网络的影响。同时，对于LPWSNs簇头分配问题的研究还存在空白。基于免疫理论和进化理论的新的自适应理论方法正在产生，其目标不仅是更好的收敛性，而且也是解决组合随机优化问题。同时，适应性理论在优化多维问题中具有决定性的作用。由于聚类设计被证明是NP完全的，因此还设计了新的免疫算子和混沌算子来加快算法的覆盖率。因此，在本文中，免疫混沌自适应进化算法（ICAEA），提出了一个LPWSN的最佳聚类设计。 该算法结合免疫选择和混沌产生的优点，具有良好的综合开发能力。它可以用杂乱的生成技术计算近似结果，在调查过程中避免陷入局部最优在 仿 真 实 验 中 ， 比较 了 ICAEA 与LR-LEACH 、 Q-LEACH 和ICEGA对不同传感器数目的LPWSN的影响。我们的模拟表明，代表ICAEA的方法，当实施到LPWSN，是competent提供更好的性能和高的网络寿命。因此，ICAEA结合混沌产生技术，提高了其优化问题的性能，并且改进的优化有助于避免局部最优。本文的结构如下：第二部分介绍了相关的工作和背景。在第3节中，我们介绍了LPWSN模型。第四节介绍了免疫算子、混沌算子，并提出了ICAEA算法。通过仿真实验，将本文提出的ICAEA算法与第5节中的最新聚类算法进行了比较。第6节总结了本文的工作并指出了进一步的工作。2. 相关工作低功耗无线传感器网络（LPWSN）通过选择合适的簇头节点（CH）来降低整个系统的平均功耗，并提高传感器网络的整体寿命，这已被证明是一种可行的方法（Singh等人，2021年）。分簇是扩展LPWSN研究中的一个重要思想，它激活网络中的一些节点作为活跃的簇头节点。簇头节点负责传递簇内成员节点、其他成员节点的信息，以降低网络能耗，并通过周期性地选择簇头节点来均衡网络能耗聚类算法广泛用于LPWSN实验和生产实践，因为它们允许选择更好的簇头选举方案，提高能量利用率并延长系统寿命（Kuila和Jana，2014; Wang和Zhang，2020）。在Osamy 等人 （2020） 中， 在网络 物理 无线体 域网中 提出 了CSOCA。该方法找到了当前上下文的最佳簇数，降低了能量消耗，并在 各 种 QoS 参 数 上 与 现 有 的 聚 类 方 法 相 比 表 现 良 好 。 该 方 法（Choudhary等人，2020）考虑了传感器节点的剩余能量以及网络能量轨迹的总体变化。但该方法没有考虑CH中节点的密度.在Sun和Li（2020）中，提出了一种基于智能计算中的传感器云系统的CoC-SCS。在CoC-SCS中，选择被更多部署节点包围的节点作为CH，以提高簇内路由的效率。然而，该方法没有考虑可调节的感测范围以解决接收器处的热点问题。Wang等人（2020）提出了一种混沌遗传算法，该算法综合考虑了传感器节点到基站的距离、剩余能量和节点密度三个参数。在Martins等人（2017）中，提出了一种用于约束网络的自聚类遗传算法（GACN），用于解决WSN中的负载平衡聚类问题（LBCP）。GACN 解 决 了 能 源 效 率 和 负 载 平 衡 问 题 。 在 Samarji 和 Salamah（2021）中，提出了节能路由和QoS支持的流量管理（ERQTM）。它比LBCP更节能，并选择最佳CH数量以提高网络寿命和可靠性。在Chen et al.（2021）中，提出了一种基于GA的聚类方法来找到CH的最佳数量以减少总网络距离。然而，这些算法很容易陷入局部最优。为了解决上述问题，使LPWSN更好地适应日常工业的需要，本文提出了一种新的ICAEAICAEA算法在LPWSN中具有较好的生存期和收敛速度。3. 模型描述3.1. 网络模型根据低功耗传感器网络的实际需求，提出了一种新的传感器网络模型.节点分为Y. Zhang，J. Xie，Y. Liu等人沙特国王大学学报8299·IJIJ基于它们在网络中的不同功能，分为以下三类：簇成员节点（CM）、簇头（CH）和基站（BS）。网络结构的每个簇具有一个CH和多个CM。补选CH将组织CM，从CM接收数据，向BS发送集群信息等。集群内节点以单跳模式或间接地以多跳模式向其集群的CH发送信息。类似地，CH也使用相同的方法在收集和融合来自其成员节点的数据之后与BS共享信息。此外，CM和CH在选择簇CH时可以相互转换。本文创新地假设节点具有数据融合功能，因此我们提出了一种新的网络模型，该模型具有以下性质：1. 在LPWSN被布置之后，所有节点都不能移动，具有唯一的ID，并且传输关于剩余能量和当前位置的信息。2. 基站是固定的，可以与网络中的每个节点进行通信，并且有无限的能量来处理数据和传输信息。3. 我们假设网络中的节点是同构的。d0<$qefs=empFig. 1. LPWSN网络模型。ð2Þ所有节点具有相同的信息处理能力、通信能力和初始能量存储能力，因此它们都可以成为CH。4. 我们恢复网络中的所有节点都是同构的，LPWSN是同构网络类型。5. 网络中的两个节点可以互相到达;距离由方程式（2）、e和fs 关于EMP 表示自由空间和多径衰落，分别获得的距离阈值节点i和j之间接收l比特数据的能量消耗。由方程式其中，ERij表示发送1比特数据所接收的能量。它们之间的能量是相同的，因此用于在两点之间传输信息的能量是相同的。发射功率可根据发射功率的变化进行调整ERij 1/4lωE以及聚合l比特的能量消耗量Sion距离6. 网络中两个节点之间的距离是一条简单的路径。7. 我们设置节点具有数据融合功能，以减少数据传输量。3.2. 结构模型在本文中，以下结构模型将被使用如下所述：LPWSN部署在一个二维区域中，n个能量受限的节点被随机放置在区域M Mm2中。由于节点的性质是已知的，所以它可以主动地感知其位置。由于其同质性，每个节点具有精确的计算和通信水平，使每个传感器节点配备相同的初始能量的能力。结构模型示意图如图所示。1.一、3.3. 能耗模型在LPWSN中，传感器节点的能量消耗主要产生在数据的发送阶段。当数据量相对较大时，节点发送和收集数据的时间较长。然后，每个传感器节点监测生成的数据并将其发送到CH，CH收集并处理数据。之后，CH负责将数据发送到下一跳CH或直接发送到BS。该模型根据数据传输距离的不同，对主簇头节点采用两种不同的通信模式，当传输距离小于阈值时，采用自由空间信道模型否则，使用多径衰落信道模型。（lωElωefsωd2;···················· d2

下载后可阅读完整内容，剩余1页未读，立即下载