基于质心理论的多Sink节点重选址算法
基于模糊综合评判的多sink最优路由算法
Ｄ ： ０３ ６ ￣ｉ ｎ１０ ．４ ８ ０２０ ． ４ ＯＩ １ ． ９ ．ｓ．０ ０３ ２ ． １ ．７０ ９ ｓ ２ ２
１ 概 述
随着无线传感器 网络（ ｒｌ ｓＳ ｎｏ ｅｗ ｒ， Ｎ） Ｗｉ ｅ ｅｓｒＮ ｔ ｏｋ ＷＳ 各 ｅｓ 项技术 的成熟 ，大规模、高密 度网络布局将成为可能 ，而单 ｓ ｋ无线传感器 网络在能耗均衡性、可靠性等方面均存在弊 ｉ ｎ 端 ，很难满足传感器 网络的发展需求。此时多 ｓ ｋ网络架构 ｉ ｎ 可 以较好地解决上述 问题 ，其优点ｌ包括 ： Ｊ ｊ （） １避免 ｓ ｋ失效带来的整个 网络 的瘫痪。 ｉ ｎ
点到 ｓ ｋ的跳数 等因素 ，通过路 由发现 、数据传输和路 由更新 ３ ｉ ｎ 个过程 ，得到节点到多个 ｓ ｋ的分布式路 由。Ｏ ｅ ＋ 仿真结果表明 ， ｉ ｎ ＭＮ Ｔ ＋ 该算法能延长 网络 生存期 ，提高数据包交付率 ，并将路 由建立时发送的数据包数量控制在 尽量 少的范围内。 关健词 ：多 ｓ ｋ 模 糊综合评判 ；路 由选择 ；无线传感器 网络 ；网络 生存期 ｉ ； ｎ
Ｍ ｕ ｔ ｓｎ ｔｍ ａ ｕ ｉ ｇＡｌ ｏ ｉｈ ｌｉ ｉ ｋ Ｏｐ ｉ ｌ — Ｒｏ ｔｎ ｇ ｒｔ ｍ
Ｂａ ｅ ｎ Ｆｕｚ ｙ Ｃｏ ｐｒ ｈｅ ｉ ｅＥｖ ｌ ｔｏ ｓｄ０ ｚ ｍ ｅ ｎｓｖ ａ ｕａ ｉ ｎ
Ｙ ＵＡＮ ａ ｔａ ’， Ｕ ｎｇ ｄｏｎｇ ， Ｔｉ ｎ—ｉ ｎ Ｘ Ｊｉ — ＺＨ Ａ Ｎ Ｇ ａｎ－ ｈｏ Ｊｉ ｚ ｎｇ
第３ ８卷 第 ７期
Ｖｏ － ｌ ３８
・
计
算
机
工
程
２１ ０ ２年 ４月
Ａｐｒｌ ０１ ｉ ２ ２
ＮＯ７ ．
Ｃｏ ｕ ｅ ｍｐ ｔ ｒＥｎｇ ｎ ｅ ｉ ｇ ｉ ｅ ｒｎ
基于二分法的多移动sink栅格数据收集协议
基于二分法的多移动sink栅格数据收集协议
魏艳婷;张玉霞;李道全
【期刊名称】《计算机与数字工程》
【年(卷),期】2018(046)011
【摘要】为延长无线传感器网络生命周期,减少网络延迟,提出一种基于二分法的多移动sink栅格数据收集协议(GCP-DMM).将网络划分为许多面积相等的网格区域,在每个区域簇头根据Dijkstra算法生成最短径树,其祖先节点成为区头将消息发送给就近sink节点.同时网络分为面积相等的两个部分,多个移动sink以恒定速度在面积交汇轨迹移动来收集兴趣事件,并根据网络节点存活率选择移动轨迹.根据实验结果显示,采用GCPDMM协议,确实能够延长网络寿命,减少网络延迟,提高数据收集效率.
【总页数】4页(P2301-2304)
【作者】魏艳婷;张玉霞;李道全
【作者单位】青岛理工大学信息与控制工程学院青岛 266033;青岛理工大学信息与控制工程学院青岛 266033;青岛理工大学信息与控制工程学院青岛 266033【正文语种】中文
【中图分类】TN929
【相关文献】
1.基于轨迹受限的移动Sink低能耗数据收集协议 [J], 徐佳;王传平;戴华;刘方斌;于京杰
2.WSN中基于二分法与移动Sink的数据收集协议 [J], 梁青;焦峰
3.WSN基于多移动sink的高效数据收集协议 [J], 梁青;焦峰
4.基于栅格的传感网多移动Sink数据收集方案 [J], 杨瑞;沙超;卞遥;朱毅凯;王汝传
5.基于移动Sink的WSN安全数据收集方法 [J], 苗春雨;范渊;李晖;葛凯强;张小孟因版权原因，仅展示原文概要，查看原文内容请购买。
基于遗传算法的移动Sink数据采集信宿路算法
基于遗传算法的移动Sink数据采集信宿路算法谢英辉;胡君;唐一韬【摘要】数据收集是部署无线传感网络WSNs(Wireless Sensor Networks)基本目的.而采用移动Sink方式收集节点数据是解决数据收集效率的有效措施.为此,提出基于遗传算法的移动Sink数据采集算法GMSDC(Genetic algorithm-based Mobile Sink Data Collecting).GMSDC算法利用遗传算法求解最佳驻留点,再由这些驻留点构建Sink移动路径.仿真结果表明,相比于EDAMS算法,GMSDC算法增加了数据收集量.【期刊名称】《传感技术学报》【年(卷),期】2019(032)007【总页数】5页(P1095-1099)【关键词】无线传感网络;数据收集;移动Sink;遗传算法;驻留点【作者】谢英辉;胡君;唐一韬【作者单位】长沙民政职业技术学院软件学院,长沙410004;湖南科技职业学院软件学院,长沙410004;长沙民政职业技术学院软件学院,长沙410004【正文语种】中文【中图分类】TPT393随着对信息收集需求的加强,无线传感网络WSNs(Wireless Sensor Networks)[1]被广泛应用于多个领域[2],如康复医疗、智慧农业。
WSNs是通过在监测区域内部署微型传感节点,并由微型传感节点感测数据,再将数据传输至后台。
然而,这些传感节点属微型节点,一般是由电池供电。
它们的节点能量有限,且传输感测数据需要多跳转发,这限制了WSNs的应用[3]。
传统的WSNs中,传感节点通过多跳方式向固定的基站传输数据,这容易使得基站附近的节点参与过多的数据转发,消耗了它们大量的能量。
为了延缓节点能量消耗,并提高数据收集效率,研究者提出基于移动Sink的数据收集方案。
依据Sink的移动路径,基于移动Sink的数据收集方案可分为固定移动、随机移动和受控移动。
例如,文献[4]提出移动路径选择算法(Moving Path Selection Algorithm,MPSA)。
一种质心与DV-Hop算法相结合的WSN节点定位算法
一种质心与DV-Hop算法相结合的WSN节点定位算法曾子维;张超【摘要】介绍无线传感器网络中质心算法与DV-Hop算法的定位原理、误差来源.针对已有算法在算法计算量过大、未知节点到信标节点距离计算存在误差等不足之处提出改进算法.改进算法不但修正了网络中节点的平均每跳距离,还在保证定位精度的前提下有效减少了算法的计算量.仿真结果表明,质心算法与DV-Hop算法结合的这种新型算法在定位精度方面较原有算法和已有改进算法均有所提高.【期刊名称】《计算机应用与软件》【年(卷),期】2015(032)011【总页数】4页(P130-133)【关键词】无线传感器网络;DV-Hop算法;质心算法;定位【作者】曾子维;张超【作者单位】辽宁科技大学软件学院辽宁鞍山114051;辽宁科技大学软件学院辽宁鞍山114051【正文语种】中文【中图分类】TP3定位技术是无线传感器网络的支撑技术，也是无线传感器网络应用的基础。
传感器节点可以提供有效信息的前提是其能够在网络部署完成后明确自身所在的位置［1］。
节点定位是通过一定的技术手段和方法获取网络中节点的绝对或相对位置信息的过程。
为了进行定位，网络中的节点通常被分为已知自身坐标的信标节点和需要通过计算得到自身坐标的未知节点。
基于测距的定位算法和与距离无关的定位算法的划分依据是定位过程中是否需要测量实际节点间距离［2］。
目前，无线传感器网络的节点定位技术在理论上已经取得了很大进展，提出了很多定位算法，但这些算法还有一定的局限性，有各自的适用条件，离实际应用还有一定的距离。
实现低能耗、高精度的定位系统还面临着如下的一些挑战［3］：1）信标节点密度。
虽然可以增加一定数量的信标节点，但随之而来网络的费用也会相应地增加。
2）测距精度问题。
TDOA，TOA，AOA可以相对比较精确地测量邻居节点之间的距离或角度，但提高了节点的复杂度和成本。
RSSI利用节点之间通信来测距，受信道干扰很大，只能提供粗精度的距离估计。
无线传感器网络中的多Sink节点的放置问题
无线传感器网络中的多Sink节点的放置问题
潘耘;李嫣;李晋凯;陈志雄
【期刊名称】《计算机研究与发展》
【年(卷),期】2010(047)0z2
【摘要】在诸如森林火灾监测等对时间敏感的无线传感器网络(WSN)应用系统中,所允许的最大消息传递延迟必须限制在可接受的范围内.通过使用多个sink节点不但能降低消息传递延迟,而且能有效降低通信中的能量消耗.首先为WSN中的多sink节点放置问题建立了优化模型,进而设计一个两阶段的混合智能优化算法:第1阶段使用蚂蚁算法解决给定多sink节点部署方案下的普通节点与sink节点间的关联问题;第2阶段使用遗传算法解决部署方案的寻优.最后,通过与随机优化算法的仿真对比,表明本文方法具有一定的可行性.
【总页数】4页(P92-95)
【作者】潘耘;李嫣;李晋凯;陈志雄
【作者单位】中国传媒大学计算机学院,北京,100024;中国传媒大学计算机学院,北京,100024;中国传媒大学计算机学院,北京,100024;兰州大学第一附属医院信息中心,兰州,730000
【正文语种】中文
【中图分类】TP393
【相关文献】
1.无线传感器网络中多Sink节点位置部署研究 [J], 韩凯州;马福昌
2.一种随机分布WSN中多sink节点放置算法 [J], 刘强;毛玉明
3.无线传感器网络中多sink节点优化部署方法 [J], 刘强;毛玉明;冷甦鹏;李龙江;庄奕群
4.用改进蚁群算法求解无线传感器网络多sink节点关联问题 [J], 陈志雄;潘耘;李嫣;李晋凯
5.无线传感器网络中负载均衡的sink节点移动策略 [J], 孟凡伟;关新平
因版权原因，仅展示原文概要，查看原文内容请购买。
基于免疫粒子群优化的移动Sink路径规划算法
基于免疫粒子群优化的移动Sink路径规划算法张红;薛东亮;李战明【摘要】为了减少能量空洞和延长网络生命周期,在无线传感网中采用移动Sink 的方式收集节点采集的数据是解决能量效率问题的有效措施.采集路径的规划问题类似于旅行商问题,无法得到多项式时间的解.提出了将人工免疫算法和粒子群算法相结合,针对移动sink数据收集的路径规划问题寻求近似最优解,仿真结果表明:与其他算法进行性能比较,所提出的优化算法能够有效减少能耗和缩短遍历路径.【期刊名称】《中南民族大学学报（自然科学版）》【年(卷),期】2018(037)004【总页数】5页(P126-129,136)【关键词】无线传感器网络;路径规划;免疫算法;粒子群优化【作者】张红;薛东亮;李战明【作者单位】兰州理工大学电气工程与信息工程学院,兰州730050;河南信息工程学校,郑州450011;兰州理工大学电气工程与信息工程学院,兰州730050【正文语种】中文【中图分类】TP393无线传感器网络(Wireless Sensor Networks，WSN)通常由大量分布的自主传感器节点和 Sink 节点组成,通过协同通信实现对环境参数的持续监测.因此，在工业过程监控、智能家居控制、交通监控处理等领域具有广泛的应用价值和极具吸引力的市场潜力[1].由于节点受电池约束以及系统采用无线通信方式，能量效率是无线传感网研究领域关注的主要问题.在配置静态Sink 节点的传感网中,多跳路由相比单跳能显著地减少节点平均能耗，但是也易使靠近 Sink 节点的传感节点因为承载更多的数据转发任务导致失效较早，形成热点问题[2].于是,很多学者考虑在WSN 引入可移动的 Sink 节点，通过变换驻留点位置实现更为均衡的节点能量消耗，从而延长网络生存时间.在这种模式下，Sink 节点的停留位置和移动路径的规划是研究的主要热点.移动Sink的路径选择与优化关系到无线传感网的能量效率.Wichmann等[3]以飞行器作为移动Sink节点进行大范围传感器节点收集的载体并建立旅行商问题(Traveling Salesman Problem，TSP)算法的模型,充分考虑长路径条件下的数据延迟约束，但是对网络生存周期的关注不够.Kumar 等[4]假定节点都具备GPS模块，可以获得精确的位置信息，再利用分簇算法并将簇头节点位置设定为移动Sink的驻留点位置，进行路径的优化选择.Tashtarian 等[5]考虑了消息截止时间和事件驱动的应用场景，以节点事件触发的机制来规划Sink的移动.针对监控区域内Sink移动轨迹中可能遇到障碍物的情况，Ghosh等[6]提出了一种移动采集路径规划策略以提高网络的能量效率.Salarian等[7]提出了一种称为加权交会规划(weighted rendezvous planning, WRP)的启发式算法，根据每个传感器节点到驻留点位置和其要发送的数据量分配相应的权重，使得移动Sink的数据收集效率最大化.为了保证网络所有节点的能量下降同步以延长网络的生命周期，Lee等[8]从节点的地理分布和邻居节点能量消耗速度监测两个方面入手，提出一种分布式启发算法来求解移动Sink的停留位置选择问题.本文将人工免疫算法和粒子群算法相结合，提出了基于免疫粒子群优化的移动Sink数据收集算法来进行路由规划，求解WSN移动Sink最优路径,有效提高网络整体的数据采集效率.1 系统模型与问题描述假设在M×M的矩形监测区域随机部署N个传感器节点和1个移动Sink节点，其中：传感器节点均有唯一标识,且为静止状态；节点间可以以多跳形式转发采集的数据；所有传感器节点具有相同的通信半径r和相同的初始能量E9; Sink节点可外接电源进行能量补充.网络初始化后，Sink节点从初始位置开始，与通信范围内的传感器节点进行数据回收，汇集完毕后再移动到下一个区域，最终回到初始位置形成数据采集回路.设Tp为移动Sink完成一个周期的数据汇集形成的路径，该路径由多个驻留点的连接线路组成.假设驻留点数量为n，第i个驻留点坐标为：pi=(xi,yi)，移动Sink的遍历路径可以表示为：Tp={s,p1,p2,…,pn,s}，s=(x0,y0)为Sink节点初始位置.为了问题描述方便，假设所有传感器节点采用固定的发射和接收功率,则在每一周期的能耗可以表示为:(1)其中eir和erec分别表示发送和接收每单位数据所耗费的能量，和分别表示第i个节点在周期内接收和发送的数据量.为了降低能耗采用多跳传输，下一跳节点作为中继节点进行无压缩转发.假设每个传感器节点采集数据量为q,节点i作为中继接收来自其他节点的数据量为则其总共需要发送的数据量当Sink移动到节点i的临近区域，用hi表示节点i到驻留点的最小跳数.则整个系统数据传输的能耗可以表示为:因此,网络中的整体能耗可以表示为最小跳数和的形式：(2)从(2)式可以得到,系统能耗的最小化与所有节点到驻留点跳数之和最小化正相关.而传感器节数据转发的跳数与移动Sink节点选择的驻留点之间的距离有关.因此，Sink的移动路径的选择将直接影响整个网络的整体能耗.此外，从直观上看，Sink的移动路径的长短会直接影响节点的数据转发延迟.因此，综合上述分析，将WSNs中移动Sink的路径规划问题的求解定义为多目标优化函数，表示为:f(Tp)=D(Tp)+ETp(d),(3)其中，D(Tp)为路径总长度，ETp(d)为Sink通信半径d条件下的网络整体能耗.2 免疫粒子群优化对于路径优化问题，建立在生物智能或物理现象基础上的随机搜索算法被广泛采用.在众多的群智能搜索算法中，粒子群优化算法(Particle Swarm Optimization，PSO)由Kennedy等人提出后就受到广泛关注.PSO算法通过基于种群搜索策略的自适应随机优化，能够充分利用群体间个体信息的共享，使得整个群体能够沿着最优解的方向不断迁移，不断迭代最终找到最优解，该算法在控制参数设置、实现的易用性等方面具有显著优点；其不足之处在于算法的种群多样性较低以及易陷入局部最优.本文将粒子群算法与人工免疫算法相结合，利用免疫算法在全局寻优和种群多样性保持能力等方面的优点，将免疫系统的自适应识别以及对侵入机体的抗原异物进行排斥的特性引入到粒子种群的演化过程中，以提高算法的收敛性能并有效避免传统算法在求解过程中陷入局部最优.2.1 粒子的产生与更新设粒子群大小为M，每个粒子对应一个路径规划方案，每个方案包括驻留点pi及遍历顺序Tp.算法初始化时，先随机设置驻留点和访问顺序，一旦驻留点被选择，则将其从备选点集合中删除，用D维向量来表示粒子i的信息，其位置信息为xi=(xi1,xi2,…,xiD)，速度信息为vi=(vi1,vi2,…，viD)，适应度值fitness.迭代过程中，粒子通过跟踪两个极值来进行更新：一是粒子本身所能找到的个体最优解Pbest，另一个是整个粒子种群目前所找到的历史最优解gbest.位置信息和速度信息的更新表示为：vij(k+1)=wvij(k)+c1r1(Pbest(k)-xij(k))+c2r2(gbest(k)-xij(k)),(4)xij(k+1)=xij(k)+vij(k+1),(5)其中,w表示惯性权重，r1和r2是介于[0,1]之间的随机数，c1和c2是取非负值的学习因子，pbest(k)为第i个粒子在迭代轮次k所找到的个体最优值位置，gbest(k)为整个粒子种群在迭代轮次k所找到的全局最优值位置.2.2 选择概率在人工免疫算法中，一般通过亲和度对解的优良程度进行评价.将函数的候选解看做抗体((第i个粒子)，将目标函数的最优解看做抗原.当亲和度越高时，抗体与抗原越接近.因此，亲和度评价函数可以定义为：g(xi)=emin{f(Tp,xi)}.(6)以多个最佳个体的平均值为疫苗的选取参照，定义疫苗为：(7)相似抗体越多，则算法越容易陷入局部最优，因而需要对相似的抗体采取抑制措施.定义抗体浓度来衡量抗体多样性程度.用X来表示抗体集合，有X={x1,x2,…,xn}，抗体浓度可以定义为：(8)为了保证选择过程中，对于某些浓度虽低但发展趋势较好的抗体也能有机会进化，将抗体促进与抑制的选择概率Prs定义为：(9)其中，δ为比例因子.选择概率Prs能充分体现，对于浓度越高的抗体,选择的概率越小.另外，对于亲和度越高的抗体，也具有较高的选择概率.2.3 算法步骤算法的主要步骤描述如下：步骤1：待优化函数的最优解为抗原，候选解为抗体.对WSN传感器节点数量，仿真区域大小等进行设定，设置粒子数量M，每个粒子代表一个可行的路径，学习因子c1,c2，权重wmax，wmin,当前迭代次数λ=1，迭代次数最大值λmax；初始抗体生成；步骤2：抗体采用实数编码.在自变量范围内随机产生候选解X=(x1,x2,…,xn)T作为初始抗体群,初始速度V==(v1,v2,…,vn)T，计算所有抗体的亲和度.根据亲和度,计算出每个抗体和整个抗体群所经历的历史最好位置pbest和gbest；步骤3：将亲和度从小到大排序，取一定比例的亲和度所对应的抗体作为抗体免疫记忆，以多个优良个体对应的基因的平均值作为疫苗；步骤4：如果抗原是新的，则通过随机方式产生n个新抗体形成抗体群；否则，则从免疫记忆库进行抽取.计算抗体促进与抑制的选择概率后，采用轮盘赌方法选择进入下一代的抗体；步骤5：对疫苗中一半的基因含量进行随机抽取，然后选择部分亲和度较低的抗体进行基因替换操作，提高种群的多样性选择.如果接种后的抗体其亲和度不如父代，则放弃并选择原有的抗体；步骤6：粒子的位置按照公式(5)执行更新操作；步骤7：重新计算每个抗体的亲和度.将每个抗体当前的pbest和所有经历过的pbest进行比较，如果优于则更新；同理，对整个抗体群，将当前gbest与所有经历过的gbest比较，优于则更新.粒子的速度按照公式(4)执行更新操作；步骤8：一旦达到最大迭代次数或目标函数值收敛,算法终止;否则，跳转至步骤3继续执行.3 实验结果与分析用MATLAB建立数学模型和网络模型，对本文提出的算法(IM-PSO)进行仿真实验分析.参数设置有:监测区域的长和宽均为200 m，传感节点的感知数据速率为1000 bit/s，传感节点接收数据的能耗系数erec为5×10-8 J/bit，发送数据的能耗系数eir为10-9 J/(bit·m2),初始能量为2J.种群数目为100，c1=c2=2.惯性权重w采取变化策略，定义从而使得粒子搜索的范围可以从一个较大的空间逐渐变化到很小的区域，wmax=0.8，wmin=0.6，迭代次数kmax=200.算法中亲和度较低的抗体选择比例为20%，抗体免疫记忆库为25%的亲和度最高的抗体.首先，实验对传统粒子群算法与本文提出的算法在求解问题时，随迭代次数适应度值的变化情况如图1所示，在算法迭代相同次数下，本文算法得到的适应度值更低，表明加入了免疫算法的粒子群优化在求解最优解的过程中表现出更好的收敛性.图2是随算法的迭代，所能找到的解所对应的移动Sink对应路径，总体上来看本文提出的优化算法能够找到更优化的解，而且在迭代次数上可以反映免疫算法对解的优良程度的改进作用明显.图1 适应度值的比较Fig.1 Comparison of fitness values图2 路径长度的比较Fig. 2 Comparison of path length为了对比算法在路径规划和能量效率的性能，本文算法与算法FDG-PS[9]和SMGF[10]在不同节点数量分布的环境下进行了仿真实验.在相同区域范围了配置不同数量的传感器节点，算法的其他参数保持不变.图3为三种算法所求得的Sink移动路径的总长度，图4为完成一次数据收集过程的网络整体能耗，Sink覆盖范围内的节点可采用多跳方式与Sink进行通信.从实验结果可以看到，随着传感器节点的增多,Sink节点的移动路径增加,AAA算法的路径长度小于其他两种算法的路径长度，说明本文算法找的解更优.另外，节点的能耗与数据转发的跳数有关，最终反映到Sink节点的驻留点位置选择上，本文算法能够得到更好的能量效率.图3 网络平均能耗的比较Fig.3 Comparison of network average energy consumption图4 路径长度的比较Fig.4 Comparison of path length4 结语针对无线传感网中采用移动Sink的方式收集节点采集带来的路径优化问题，本文提出了将人工免疫算法和粒子群算法相结合，寻求近似最优解.与其他算法进行了性能比较，本文提出的优化算法能够有效减少能耗和缩短遍历路径.后续我们将进一步研究基于多Sink的移动数据收集，以及考虑节点之间的协作来进一步压缩访问点的空间来研究进一步优化移动Sink路径.参考文献【相关文献】[1] 赵海霞.无线传感器网络 GEAR协议的一种改进方案[J]. 传感器与微系统,2006,25(9):61-63.[2] 王艳萍, 张惠敏, 刘新贵.基于量子粒子群优化算法的无线传感器网络节点优化[J]. 传感器与微系统,2010,29(2):32-34.[3] Wichmann A, Korkmaz T. Smooth path construction and adjustment for multiple mobile sinks in wireless sensor networks [J]. Computer Communications, 2015, 72(72): 93-106.[4] Kumar A K, Sivalingam K M, Kumar A. On reducing delay in mobile data collection based wireless sensor networks[J]. Wireless Network, 2013, 19(3): 285-299.[5] Tashtarian F, Moghaddam M H Y, Sohraby K, et al. ODT: optimal deadline-based trajectory for mobile sinks in WSN: a decision tree and dynamic programming approach[J]. Computer Networks, 2015, 77(2): 128-143.[6] Ghosh N, Banerjee I. An energy-efficient path determi-nation strategy for mobile data collectors in wireless sensor network[J]. Computers and Electrical Engineering, 2015,48(10): 417-435.[7] Salarian H, Chin K W, Naghdy F. An energy-efficient mobile-sink path selection strategy for wireless sensor networks[J]. IEEE Transactions on Vehicular Technology, 2014, 63(5): 2407-2419.[8] Lee K,Kim Y H,Kim H J,et al. A myopic mobile sink migration strategy for maximizing lifetime of wireless sensor networks[J]. Wireless Networks, 2014, 20(2): 303-318.[9] Alnuaimi M, Shuaib K,Alnuaimi K, et al. Ferry-based Data Gathering in Wireless Sensor Networks with Path Selection[J]. Procedia Computer Science, 2015, 52 (1): 286-293. [10] Toyonaga S, Fujita Y, Kominami D,et al. Implemen- tation of controlled sink mobility strategies with a gradient field in wireless sensor networks[C]//IEEE. Proceedings of the7th International Conference on Sensor Technologies and Applications. Barcelona: IEEE, 2013: 27-32.。
传感器网络中多移动sink节点的路径规划算法
传感器网络中多移动sink节点的路径规划算法俸皓;罗蕾;董荣胜;王勇【摘要】This paper considers the situation where multi-mobile sinks and path endpoints are located along the edge of the circumference, and abstracts it as a hybrid optimization problem characterized in high dimensionality and large searching space. Classic algorithms like thek-splitour algorithm cannot optimize its continuous variables. This paper first obtainsk sub-paths by adoptingk-splitour algorithm and designs the method to eliminate the crossing of sub-paths to acquire local optimumfor discrete variables. Then the algorithm acquires multi-mobile sinks path planning results efficiently by designing local optimization methods for continuous variables to decide on the location of access points on each communication disk. The upper bound of the algorithm and its theoretical proof are presented. The experiments show the effectiveness of both the designed model and its algorithm in solving the path planning problem in data collection.%考虑多移动sink且路径端点在圆周边界上的情形，将此抽象为一个混合优化问题，该优化问题具有维数高和搜索空间大的特点，经典的算法(如k-splitour算法)无法针对其连续分量进行优化，为此该文首先以k-splitour算法获得k条子路径并设计了消除子路径交叉的方法，以获得对离散分量的局部寻优，再通过设计对连续分量的局部优化方法以确定每个通信圆盘上访问点的位置，从而可以高效地获取多个sink移动节点的规划路径解。
无线传感网中能量有效的多sink重定位算法
无线传感网中能量有效的多sink重定位算法袁甜甜;徐敬东;张建忠【期刊名称】《计算机工程与应用》【年(卷),期】2013(049)002【摘要】在无线传感器网络中只部署一个静止不动的sink节点会带来诸多弊端,如网络能耗不均衡、生存期短、丢包率大等.为解决上述问题,提出一种新的且容易操作的多sink重定位算法EEMSR,即在整个网络生存期的时间内,多个sink节点能以逐步逼近和协作的方式移动至各自的最优位置.经仿真验证,该算法能极大提升网络生存期和数据包交付率等网络性能.%Deploying only one static sink in Wireless Sensor Networks has many drawbacks, such as imbalanced network energy rnconsumption, short network lifetime, and large packet loss rate. This paper proposes a new and feasible multi-sink relocation rnalgorithm EEMSR to resolve the above shortcomings. The EEMSR algorithm moves the multiple sinks to the optimal position rnrespectively in the whole network lifetime by means of approximation gradually and cooperation. The simulation result shows rnthat the application of the EEMSR algorithm can prolong the network lifetime enormously and enhance the packet delivery ratio rngreatly.【总页数】5页(P19-23)【作者】袁甜甜;徐敬东;张建忠【作者单位】南开大学信息技术科学学院,天津300071 ;天津理工大学聋人工学院,天津300191;南开大学信息技术科学学院,天津300071;南开大学信息技术科学学院,天津300071【正文语种】中文【中图分类】TP393.02【相关文献】1.无线传感网中基于sink节点的目标位置选择移动算法 [J], 饶芳;谭建军2.无线传感器网络能量均衡的多sink分簇路由算法 [J], 李芳;丁永生;郝矿荣;姚光顺3.无线传感网中能量有效的抗妥协加密方案 [J], 归奕红4.无线传感网中能量有效的免碰撞MAC协议 [J], 苗毅;冯浩然5.能量有效的无线传感网连通支配集构建算法 [J], 孔凡凤;周子杰因版权原因，仅展示原文概要，查看原文内容请购买。
基于质心理论的多Sink节点重选址算法
基于质心理论的多Sink节点重选址算法高丽娜;戴天虹;李昊【期刊名称】《传感技术学报》【年(卷),期】2018(031)003【摘要】针对无线传感器网络WSNs(Wireless Sensor Networks)中Sink节点静止不动附近邻居节点易出现"能量空洞"、缩短网络生命周期等问题,提出一种基于质心的多Sink节点重选址算法.将网络中某段时间内向Sink节点发送过数据包的全部一跳邻居节点视为质点系,所发送的数据量作为质点质量,使Sink节点向着传感器节点密度大的方向移动,实现多个Sink节点相互协作,逐步逼近到该质点系的质心位置.将质心重选址算法与多Sink节点位置固定的重选址算法和COST函数多Sink节点重选址算法进行仿真对比,结果表明质心重选址算法可以有效的均衡网络负载,降低网络能耗,延长网络生命周期,提高网络性能.%In view of the fact that Sink node is stationary in the Wireless Sensor Networks(WSNs),"energy hole"in the neighbor node appears frequently and the network life cycle is shortened.This paper proposed a kind of multi-Sink node relocation algorithm based on centroid.In a certain period of time,all hop nodes which send packets to the Sink node treated by the algorithm as a particle system,takes the amount of data sent as the quality of particle. Then the Sink node moves towards the density of the sensor nodes. Finally,multi-Sink nodes coordinate with each other and gradually approach the centroid position of the particle of the system of particles.Will more than centroid location al-gorithm and the Sink node position fixed locationalgorithm and the COST function for heavy weight Sink node location algorithm simulation,the results show that this heavy location algorithm can effectively balance the network load,re-duce the network energy consumption and prolong the network life cycle,improve the network performance.【总页数】7页(P456-462)【作者】高丽娜;戴天虹;李昊【作者单位】东北林业大学机电工程学院,哈尔滨150040;东北林业大学机电工程学院,哈尔滨150040;东北林业大学机电工程学院,哈尔滨150040【正文语种】中文【中图分类】TP212.6【相关文献】1.无线传感器网络中一种基于三边测量法和质心算法的节点定位算法 [J], 高雷;郑相全;张鸿2.基于三链混合遗传算法的WSNs中Sink节点布局优化 [J], 刘燕3.WSNs中基于GPMP的多SINK节点选址问题研究 [J], 艾江山;朱剑4.煤矿井下WSN中基于自适应粒子群聚类算法的多sink节点部署 [J], 胡长俊;袁树杰5.基于萤火虫算法的无线传感器网络移动sink节点路径规划方法 [J], 俸皓;罗蕾;王勇;董荣胜因版权原因，仅展示原文概要，查看原文内容请购买。
无线传感网中基于sink节点的目标位置选择移动算法
无线传感网中基于 sink 节点的目标位置选择移动算法摘 要： 在深入研究 k?means 算法和连续 Hopfield 神经网络算法的基础上，提出一种目标位置选择移动算法，该 算法先利用 k?means 算法的原理，将网络中能量相近的节点 进行聚簇， 并选取每个簇的质心作为 sink 节点可以安放的目 标位置，再利用连续 Hopfield 神经网络算法的思想，为 sink节点的前进预设一条最优路径。
Matlab 仿真结果显示，该路 由算法可以有效地抑制能量空洞的现象，对延长网络寿命具号： TN92?34 文献标识码： A 文章编号： 1004?373X （2015）19?0043?03Abstract ： On the basis of studying k?meansalgorithm and continuous Hopfield neural network algorithm deeply ， a target position selection and movement algorithm is proposed ， in which the nodes with similar energy in networks are clustered by using the principle of k?means algorithm. The centroid of each cluster is selected as the target position where the sink node can be placed ， and an optimal path is presupposed for running有重大意义， 同时对解决能源问题也做出了一定贡献。
关键词： 移动 sink 节点； 能量空洞； 目标位置选择移动算法； 信息泛洪； 网络能耗； 网络寿命中图分类of the sink node by applying the thought of continuous Hopfield neural network algorithm. Simulation results by Matlab show that this route algorithm can suppress the phenomenon of energy hole effectively ， has greatsignificance to prolong the network lifetime. It makes some contribution to solve energy problems.Keywords ： mobile sink node ； energy hole ； target position selection and movementalgorithm ； flooding ； network energy consumption ；要的组成部分，在工业、农业等方面被广泛应用，但基于传 感器自身的特点，通常用能量有限的干电池给它供电 [1] 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第３１卷第３期２０１８年３月传感技术学报ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＳＥＮＳＯＲＳＡＮＤＡＣＴＵＡＴＯＲＳＶｏｌ ３１㊀Ｎｏ ３Ｍａｒ.２０１８项目来源:黑龙江省自然科学基金项目(Ｃ２０１４１４)ꎻ哈尔滨市科技创新人才项目(２０１４ＲＦＸＸＪ０８６)收稿日期:２０１７－０７－１１㊀㊀修改日期:２０１７－１０－２９ＢａｓｅｄｏｎｔｈｅＣｅｎｔｅｒＴｈｅｏｒｙｏｆＭａｓｓｏｆｔｈｅＳｉｎｋＮｏｄｅＬｏｃａｔｉｏｎＡｌｇｏｒｉｔｈｍ∗ＧＡＯＬｉｎａꎬＤＡＩＴｉａｎｈｏｎｇ∗ꎬＬＩＨａｏ(ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇꎬＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙꎬＨａｒｂｉｎ１５００４０ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:ＩｎｖｉｅｗｏｆｔｈｅｆａｃｔｔｈａｔＳｉｎｋｎｏｄｅｉｓｓｔａｔｉｏｎａｒｙｉｎｔｈｅＷｉｒｅｌｅｓｓＳｅｎｓｏｒＮｅｔｗｏｒｋｓ(ＷＳＮｓ)ꎬ ｅｎｅｒｇｙｈｏｌｅ ｉｎｔｈｅｎｅｉｇｈｂｏｒｎｏｄｅａｐｐｅａｒｓｆｒｅｑｕｅｎｔｌｙａｎｄｔｈｅｎｅｔｗｏｒｋｌｉｆｅｃｙｃｌｅｉｓｓｈｏｒｔｅｎｅｄ.Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｋｉｎｄｏｆｍｕｌｔｉ￣Ｓｉｎｋｎｏｄｅｒｅｌｏｃａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｃｅｎｔｒｏｉｄ.ＩｎａｃｅｒｔａｉｎｐｅｒｉｏｄｏｆｔｉｍｅꎬａｌｌｈｏｐｎｏｄｅｓｗｈｉｃｈｓｅｎｄｐａｃｋｅｔｓｔｏｔｈｅＳｉｎｋｎｏｄｅｔｒｅａｔｅｄｂｙｔｈｅａｌｇｏｒｉｔｈｍａｓａｐａｒｔｉｃｌｅｓｙｓｔｅｍꎬｔａｋｅｓｔｈｅａｍｏｕｎｔｏｆｄａｔａｓｅｎｔａｓｔｈｅｑｕａｌｉｔｙｏｆｐａｒｔｉｃｌｅ.ＴｈｅｎｔｈｅＳｉｎｋｎｏｄｅｍｏｖｅｓｔｏｗａｒｄｓｔｈｅｄｅｎｓｉｔｙｏｆｔｈｅｓｅｎｓｏｒｎｏｄｅｓ.Ｆｉｎａｌｌｙꎬｍｕｌｔｉ￣Ｓｉｎｋｎｏｄｅｓｃｏｏｒｄｉｎａｔｅｗｉｔｈｅａｃｈｏｔｈｅｒａｎｄｇｒａｄｕａｌｌｙａｐｐｒｏａｃｈｔｈｅｃｅｎｔｒｏｉｄｐｏｓｉｔｉｏｎｏｆｔｈｅｐａｒｔｉｃｌｅｏｆｔｈｅｓｙｓｔｅｍｏｆｐａｒｔｉｃｌｅｓ.Ｗｉｌｌｍｏｒｅｔｈａｎｃｅｎｔｒｏｉｄｌｏｃａｔｉｏｎａｌ￣ｇｏｒｉｔｈｍａｎｄｔｈｅＳｉｎｋｎｏｄｅｐｏｓｉｔｉｏｎｆｉｘｅｄｌｏｃａｔｉｏｎａｌｇｏｒｉｔｈｍａｎｄｔｈｅＣＯＳＴｆｕｎｃｔｉｏｎｆｏｒｈｅａｖｙｗｅｉｇｈｔＳｉｎｋｎｏｄｅｌｏｃａｔｉｏｎａｌｇｏｒｉｔｈｍｓｉｍｕｌａｔｉｏｎꎬｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｈｅａｖｙｌｏｃａｔｉｏｎａｌｇｏｒｉｔｈｍｃａｎｅｆｆｅｃｔｉｖｅｌｙｂａｌａｎｃｅｔｈｅｎｅｔｗｏｒｋｌｏａｄꎬｒｅ￣ｄｕｃｅｔｈｅｎｅｔｗｏｒｋｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎａｎｄｐｒｏｌｏｎｇｔｈｅｎｅｔｗｏｒｋｌｉｆｅｃｙｃｌｅꎬｉｍｐｒｏｖｅｔｈｅｎｅｔｗｏｒｋｐｅｒｆｏｒｍａｎｃｅ.Ｋｅｙｗｏｒｄｓ:ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ(ＷＳＮｓ)ꎻｓｉｔｅｓｅｌｅｃｔｉｏｎａｇａｉｎꎻｃｅｎｔｒｏｉｄｔｈｅｏｒｙꎻｍｕｌｔｉＳｉｎｋｎｏｄｅꎻｂａｌａｎｃｅｔｈｅｎｅｔｗｏｒｋｌｏａｄＥＥＡＣＣ:６１５０Ｐ㊀㊀㊀㊀ｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１００４－１６９９.２０１８.０３.０２２基于质心理论的多Ｓｉｎｋ节点重选址算法∗高丽娜ꎬ戴天虹∗ꎬ李㊀昊(东北林业大学机电工程学院ꎬ哈尔滨１５００４０)摘㊀要:针对无线传感器网络ＷＳＮｓ(ＷｉｒｅｌｅｓｓＳｅｎｓｏｒＮｅｔｗｏｒｋｓ)中Ｓｉｎｋ节点静止不动附近邻居节点易出现 能量空洞 ㊁缩短网络生命周期等问题ꎬ提出一种基于质心的多Ｓｉｎｋ节点重选址算法ꎮ将网络中某段时间内向Ｓｉｎｋ节点发送过数据包的全部一跳邻居节点视为质点系ꎬ所发送的数据量作为质点质量ꎬ使Ｓｉｎｋ节点向着传感器节点密度大的方向移动ꎬ实现多个Ｓｉｎｋ节点相互协作ꎬ逐步逼近到该质点系的质心位置ꎮ将质心重选址算法与多Ｓｉｎｋ节点位置固定的重选址算法和ＣＯＳＴ函数多Ｓｉｎｋ节点重选址算法进行仿真对比ꎬ结果表明质心重选址算法可以有效的均衡网络负载ꎬ降低网络能耗ꎬ延长网络生命周期ꎬ提高网络性能ꎮ关键词:无线传感器网络ꎻ重选址ꎻ质心理论ꎻ多汇聚节点ꎻ均衡网络负载中图分类号:ＴＰ２１２.６㊀㊀㊀㊀文献标识码:Ａ㊀㊀㊀㊀文章编号:１００４－１６９９(２０１８)０３－０４５６－０７㊀㊀如何在ＷＳＮｓ的监测区域内部署多个有目的㊁可调控的Ｓｉｎｋ节点ꎬ既可以削弱 能量空洞 问题ꎬ还可以更好的均衡网络负载ꎬ节约网络能耗ꎬ提高网络性能ꎬ是当前ＷＳＮｓ中一个新的研究热点ꎮ文献[１]通过分析传感器网络数据流的分布ꎬ利用启发式算法求解Ｓｉｎｋ节点的最优位置ꎬ使通过Ｓｉｎｋ节点的总数据流最大ꎬ但该算法网络总能耗过大且不适合动态网络ꎮ文献[２－４]研究移动多Ｓｉｎｋ节点选址问题ꎬ根据传感器节点数量把网络划分为若干子网络ꎬ在子网中通过最大平衡连接分区ＭＢＣＰ(ＭａｘｉｍａｌｌｙＢａｌａｎｃｅｄＣｏｎｎｅｃｔｅｄＰａｒｔｉｔｉｏ)技术ꎬ寻找Ｓｉｎｋ节点最优位置解ꎬ使分区内能耗最低ꎬ从而延长网络生命周期ꎮ文献[５－６]研究双层传感器网络Ｓｉｎｋ节点和中继节点的拓扑结构ꎬ利用迭代算法ꎬ在监测区域内找到中继节点覆盖所有传感器节点ꎬ并结合优化算法得出Ｓｉｎｋ节点的最优位置ꎬ该方法适用于异构传感器网络ꎬ但传感器节点㊁中继节点及Ｓｉｎｋ节点是以单跳模式相互通讯ꎮ文献[７－８]在双层异构传感器网络中ꎬ使用ｋ－均值聚类算法(ｋ￣ｍｅａｎｓｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ)寻找每簇的中心作为Ｓｉｎｋ节点的最佳位置ꎬ但该算法须已第３期高丽娜ꎬ戴天虹等:基于质心理论的多Ｓｉｎｋ节点重选址算法㊀㊀知网络中每个传感器节点的位置ꎬ一旦节点位置发生变化或节点死亡ꎬ则计算结果失效ꎮ本文将网络中某段时间内向Ｓｉｎｋ节点发送过数据包的全部一跳邻居节点视为质点系ꎬ所发送的数据量作为质点质量ꎬ使Ｓｉｎｋ节点向着传感器节点密度大的方向移动ꎬ并配合对Ｓｉｎｋ节点移动的限制ꎬ达到多个Ｓｉｎｋ节点相互协作ꎬ逐步逼近移动到Ｓｉｎｋ节点新位置ꎬ即该质点系的质心位置ꎬ可以更好地均衡网络负载ꎬ提高数据转发成功率ꎬ延长网络生命周期ꎮ１㊀质心理论１.１㊀质心定义在物理学质点系的研究中ꎬ有一个特殊的点ꎬ在质点系动力学理论中具有重要作用ꎬ称为质点系的质量中心ꎬ简称质心[９]ꎮ它的作用与质点系上的力系无关ꎬ质心是质点系质量分布的平均位置ꎬ假设质点系由Ｎ个质点组成ꎬ其中它们的质量是ｍ１ꎬｍ２ꎬ ꎬｍＮ[９－１１]ꎮ若用ｒ１ꎬｒ２ꎬ ꎬｒＮ表示质点系中各质点相对于某一固定点Ｏ的矢径ꎬ则用ｒσ表示质心的矢径ꎬ即式(１):ｒσ＝ðＮｉ＝１ｍｉｒｉðＮｉ＝１ｍｉ(１)图１㊀质点位置示意图１.２㊀问题分析对于多Ｓｉｎｋ节点重选址问题ꎬ我们可以将某段时间内向Ｓｉｎｋ节点发送过数据包的全部一跳邻居节点视为质点系ꎬ所发送的数据量作为质点质量ꎬ而质点系中必然就会存在质心的位置ꎬ而此时的质心位置就是Ｓｉｎｋ节点需要移动到的最优位置[１２]ꎮ这样就将多Ｓｉｎｋ节点选址问题与数学和物理问题联系起来ꎬ从而更好的解决Ｓｉｎｋ节点重选址问题ꎮ通过位置矢量的直角坐标轴分量ꎬ可得质心坐标表达式ꎬ如式(２)所示ꎬ图１为质点位置示意图ꎮｘσ＝ðＮｉ＝１ｍｉｘｉðＮｉ＝１ｍｉꎬ㊀ｙσ＝ðＮｉ＝１ｍｉｙｉðＮｉ＝１ｍｉꎬ㊀ｚσ＝ðＮｉ＝１ｍｉｚｉðＮｉ＝１ｍｉ(２)２㊀质心重选址算法２.１㊀算法分析假设在监测区域内ꎬ随机分布若干个传感器节点和若干个Ｓｉｎｋ节点ꎬ网络工作正常ꎬ当Ｓｉｎｋ节点ｊ在接收数据包时ꎬ需要做以下准备工作:Ｓｔｅｐ１㊀记录转发的数据邻居节点ꎬ并在接收到数据后确认ꎻＳｔｅｐ２㊀判断该阶段内接收的数据总量ＴＯＴＡＬｊ是否够ω个ꎻＳｔｅｐ３㊀判断邻居节点ｉ转发的数据量ＳＵＭｉ是否超过数据总量ＴＯＴＡＬｊ的ρ倍ꎻＳｔｅｐ４㊀当Ｓｉｎｋ节点ｊ在接收到某一个数据包后ꎬ符合Ｓｔｅｐ２和Ｓｔｅｐ３要求的前提下ꎬ启动Ｓｉｎｋ节点重选址算法ꎻ反之ꎬＳｉｎｋ节点则继续正常工作ꎮ多Ｓｉｎｋ节点重选址启动流程如图２所示ꎮ图２㊀Ｓｉｎｋ节点重选址启动流程图当Ｓｉｎｋ节点ｊ进入重选址阶段ꎬ该Ｓｉｎｋ节点首先应根据式(２)计算出此时的坐标值ꎮ在重选址算法启动前应先确定该节点坐标值与其他Ｓｉｎｋ节点的当前坐标是否相邻ꎬ避免多个Ｓｉｎｋ节点同时移向相同监测区间ꎮ若它们之间的距离小于ξꎬ则Ｓｉｎｋ节点ｊ保持原地不动ꎬ反之则进行重选址ꎮ当Ｓｉｎｋ节点ｊ确认自己可以重新选址后ꎬ则向Ｒｔ范围内的一跳邻居节点广播<ＳＴＡＲＴＭＯＶＥ>指令ꎬ此时忽略邻居节点向该Ｓｉｎｋ节点发送数据包的影响ꎮＳｉｎｋ节点ｊ在广播<ＳＴＡＲＴＭＯＶＥ>指令之后即开始向新位置移动ꎬ移动过程中拒收任何数据ꎬ此时周边的传感器节点接收到Ｓｉｎｋ节点传来的<ＳＴＡＲＴＭＯＶＥ>指令ꎬ也将停止向该Ｓｉｎｋ节点传送数据ꎮ当Ｓｉｎｋ节点ｊ重新选址移动完毕后ꎬ则立即向当前通信半径７５４传㊀感㊀技㊀术㊀学㊀报ｗｗｗ.ｃｈｉｎａｔｒａｎｓｄｕｃｅｒｓ.ｃｏｍ第３１卷范围Ｒｔ内广播<ＥＮＤＭＯＶＥ>指令ꎬ告知邻居传感器节点该Ｓｉｎｋ节点重选址结束ꎮ此时传感器节点ｉ将会出现以下３种情况:①当传感器节点ｉ即接收到<ＳＴＡＲＴＭＯＶＥ>指令ꎬ又接收到<ＥＮＤＭＯＶＥ>指令ꎬ则标志位ｆｌａｇ＝１ꎬ表示该传感器节点ｉ并未离开Ｓｉｎｋ节点通信半径Ｒｔ范围内ꎬ正常传送数据ꎮ②当传感器节点ｉ接收到<ＳＴＡＲＴＭＯＶＥ>指令ꎬ未接收到<ＥＮＤＭＯＶＥ>指令ꎬ则标志位ｆｌａｇ＝０ꎬ表示该传感器节点ｉ并已离开Ｓｉｎｋ节点通信半径Ｒｔ范围内ꎬ则删除Ｓｉｎｋ节点ｊ重启局部更新路由向新Ｓｉｎｋ节点传输数据ꎮ③当传感器节点ｉ未接收到<ＳＴＡＲＴＭＯＶＥ>指令ꎬ接收到<ＥＮＤＭＯＶＥ>指令ꎬ则标志位ｆｌａｇ＝１ꎬ表示该Ｓｉｎｋ节点ｊ移入到传感器节点ｉ的监测区域ꎬ此时传感器节点ｉ接入Ｓｉｎｋ节点ｊ并向其发送数据ꎮ图３㊀Ｓｉｎｋ节点重选址移动流程图２.２㊀算法流程Ｓｉｎｋ节点ｊ移动和传感器节点ｉ在接收指令信息时ꎬＳｉｎｋ节点重选址移动流程图如图３所示ꎮ具体步骤如下:Ｓｔｅｐ１㊀初始化ꎬ判断此时传感器节点ｉ是否在汇聚节点ｊ通信半径Ｒｔ监测区域ＳＥ内ꎬ若在该区域ꎬ且该传感器节点ｉ向汇聚节点ｊ转发了数据ꎬ则记录该传感器节点的位置信息ꎻＳｔｅｐ２㊀汇聚节点ｊ根据式(２)更新坐标ꎻＳｔｅｐ３㊀判断汇聚节点ｊ与相邻汇聚节点之间的距离ｄｊ是否大于ξꎬ若大于ξꎬ汇聚节点移动并广播<ＳＴＡＲＴＭＯＶＥ>指令ꎬ反之ꎬ则该汇聚节点ｊ不移动ꎻＳｔｅｐ４㊀当汇聚节点ｊ移动到监测区域ＳＩꎬ判断汇聚节点ｊ与相邻汇聚节点之间的距离ｄｋ是否大于ξꎬ若大于ξꎬ则广播<ＥＮＤＭＯＶＥ>指令ꎬ停止移动ꎬ反之ꎬ继续移动ꎻＳｔｅｐ５㊀判断传感器节点ｉ是否接收到了<ＳＴＡＲＴＭＯＶＥ>和<ＥＮＤＭＯＶＥ>指令ꎬ若两个指令均接收到ꎬ标志位ｆｌａｇ＝１ꎬ则正常传送数据给汇聚节点ꎻ若接到<ＳＴＡＲＴＭＯＶＥ>指令ꎬ未接收到<ＥＮＤＭＯＶＥ>指令ꎬ此时ｆｌａｇ＝０删除该汇聚节点ꎬ启动局部更新ꎬ寻找新的汇聚节点ꎻ若未接收到<ＳＴＡＲＴＭＯＶＥ>ꎬ而接收到了<ＥＮＤＭＯＶＥ>ꎬ此时ｆｌａｇ＝１ꎬ该传感器节点则需接入该汇聚节点ꎬ并向其发送数据ꎮ２.３㊀实例分析假设试验区一个Ｓｉｎｋ节点Ａ附近有邻居传感器节点ａꎬｂ和ｃꎬ初始位置如图４(ａ)所示ꎬ假设某段时间内ꎬ传感器节点ａꎬｂ和ｃ分别向Ｓｉｎｋ节点Ａ发送了５个㊁１５个㊁２０个数据包ꎮ根据式(２)计算可得Ｓｉｎｋ节点Ａ的新坐标如式(３)所示ꎬ且移动后位置如图４(ｂ)所示ꎮｘσ＝ｍａˑｘａ＋ｍｂˑｘｂ＋ｍｃˑｘｃｍａ＋ｍｂ＋ｍｃ＝５ˑ２＋１５ˑ４＋２０ˑ１５＋１５＋２０＝２.２５ｙσ＝ｍａˑｙａ＋ｍｂˑｙｂ＋ｍｃˑｙｃｍａ＋ｍｂ＋ｍｃ＝５ˑ２＋１５ˑ４＋２０ˑ１５＋１５＋２０＝２.２５ｚσ＝ｍａˑｚａ＋ｍｂˑｚｂ＋ｍｃˑｚｃｍａ＋ｍｂ＋ｍｃ＝５ˑ４＋１５ˑ１＋２０ˑ１５＋１５＋２０＝１.３７５ìîíïïïïïïïï(３)图４㊀Ｓｉｎｋ节点移动坐标示意图根据式(２)计算可得Ｓｉｎｋ节点新位置ꎬ符合质心的物理学定义ꎬ在Ｓｉｎｋ节点接收数据包时满足Ｓｉｎｋ节点重选址启动条件后ꎬ在网络运行过程中逐步逼近最优位置ꎬ并不是一步到位ꎬ且该算法在移向最优位置的过程中ꎬ还兼顾了传感器节点稀疏的区８５４第３期高丽娜ꎬ戴天虹等:基于质心理论的多Ｓｉｎｋ节点重选址算法㊀㊀域ꎬ从而有效的避免了Ｓｉｎｋ节点位置移动过快ꎬ节约传感器节点在局部重建路由上的能耗ꎬ以路由代价的提升抵消了Ｓｉｎｋ节点重选址所带来的能耗ꎮ除此之外ꎬ该算法还考虑到了如何避免多个Ｓｉｎｋ节点同时移向相同传感器监测区域的情况ꎬ通过计算Ｓｉｎｋ节点移动后距离是否允许移动到新位置ꎬ进行有效的控制ꎬ突出了多Ｓｉｎｋ节点间可协作移动的特点ꎮ当Ｓｉｎｋ节点逐步移向传感器节点较密集的监测区域时ꎬ该区域的传感器节点以最少的跳数ꎬ将数据包传送给Ｓｉｎｋ节点ꎬ降低丢包率ꎬ该算法的合理性及高效性通过以下仿真实验进一步验证ꎮ３㊀仿真实验３.１㊀仿真设置在ＯＭＮｅＴ＋＋[１３－１４]仿真平台主要针对网络生命周期㊁数据转发成功率两方面将基于质心的多Ｓｉｎｋ节点重选址算法与多Ｓｉｎｋ节点位置固定和基于ＣＯＳＴ函数[１５]的多Ｓｉｎｋ节点重选址算法进行对比实验ꎬ从而验证质心多Ｓｉｎｋ节点重选址算法的有效性及可靠性ꎮ为保证节点密度对实验结果的影响最小ꎬ仿真过程中随机分布传感器节点ꎬ且监测区域随节点数量作出适当的改变ꎮ仿真主要分两部分ꎬ第１种仿真环境设置传感器节点为４００㊁６００和８００个ꎬ分别分布在４００ｍˑ４００ｍ㊁６００ｍˑ６００ｍ和８００ｍˑ８００ｍ范围内ꎬ其中Ｓｉｎｋ节点数量为５ꎮ第２种仿真环境在４００ｍˑ４００ｍ监测区域内随机分布４００个传感器节点ꎬ其中Ｓｉｎｋ节点数量从１到１０个依次递增ꎬ并观察Ｓｉｎｋ节点数量对ＷＳＮｓ性能的影响ꎮ但在仿真过程中ꎬ需对下几点进行约束:①传感器节点和Ｓｉｎｋ节点均随机分布在监测区域内ꎬ网络运行时ꎬ所有传感器节点保持静止不动ꎬ而Ｓｉｎｋ节点则可以在监测区域内无限制移动ꎻ②结果统计分析时ꎬ忽略Ｓｉｎｋ节点因移动所消耗的时间ꎬ当Ｓｉｎｋ节点得到要移动的新位置坐标后ꎬ可在允许范围内快速移动ꎬ不考虑移动过程消耗的时间ꎻ③为了使Ｓｉｎｋ节点更精确地计算出重选址最优位置坐标ꎬ在网络运行期间ꎬ全部传感器节点可在需要的时候提取自己的位置坐标ꎻ④传感器节点的发送和接收数据的能量模型采用一阶无线模型[１６－１７]ꎬ即式(４)所示:ＥＴＸ(ｄ)＝Ｅｅｌｅｃ＋εａｍｐｄ２ＥＲＸ＝Ｅｅｌｅｃ(４)其他仿真参数设置如表１所示ꎮ表１㊀仿真参数序号参数名称参数值１节点传输半径４０ｍ２节点初始能量０.９９Ｊ~１.００Ｊ３Ｅｅｌｅｃ１ｎＪ４εａｍｐ２０ｐＪ５数据包大小１０００ｂｉｔ７数据包产生率１ｐｐｓ８底层协议８０２.１５.４９ρ０.２５１０ω传感器节点/１０１１ξ４０ｍ㊀㊀如图５所示ꎬ为５个Ｓｉｎｋ节点㊁４００个传感器节点随机分布在４００ｍˑ４００ｍ监测区域内的示意图ꎮ图５㊀一种节点随机分布示意图如图６所示ꎬ为网络生命周期结束后５个Ｓｉｎｋ节点通过质心重选址算法移动后的位置示意图ꎬ此时传感器节点静止不动ꎮ图６㊀Ｓｉｎｋ节点移动后位置示意图３.２㊀结果分析３.２.１㊀网络节点平均剩余能量如图７所示ꎬ为３种选址算法平均剩余能量随时间变化曲线图ꎮ可知ꎬ质心重选址算法中各节点到Ｓｉｎｋ节点距离的总和低于其他两种选址算法ꎬ对应的网络能耗更少ꎮ在网络工作前１００ｓꎬ３种汇聚选址算法所对应的能耗差别并不大ꎬ质心重选址算法对应的能耗相对少于其他两种选址算法ꎻ随着仿真继续１００ｓ后有节点死亡ꎬ部分数据包被丢弃ꎬ网９５４传㊀感㊀技㊀术㊀学㊀报ｗｗｗ.ｃｈｉｎａｔｒａｎｓｄｕｃｅｒｓ.ｃｏｍ第３１卷络能耗速度缓慢ꎬ但其中质心重选址算法耗能速度低于另外两种选址算法ꎬ可知该算法对应的传感器节点失效速度比另外两种算法慢ꎮ图７㊀网络平均剩余能量３.２.２㊀数据转发平均跳数如图８所示ꎬ节点数为４００时３种算法的网络平均跳数对比图ꎮ由图可知ꎬ３种选址算法随着网络运行网络平均跳数都有所下降ꎬ但质心重选址算法对应的节点平均跳数始终低于另外两种选址算法的平均节点跳数ꎬ有效的降低了网络的丢包率提高了数据转发成功率ꎬ从而达到了延长网络生命周期的最终目的ꎮ图８㊀节点数为４００时网络平均跳数图９㊀网络生命周期对比图３.２.３㊀网络生命周期如图９所示ꎬ为３种算法仿真的网络生命周期对比图ꎮ可知ꎬ质心重选址算法网络生命周期明显高于其他两种Ｓｉｎｋ节点重选址算法ꎮ由于该重选址算法使Ｓｉｎｋ节点向传感器节点密度较大的一跳邻居节点附近逐步移动ꎬ最终达到最优位置ꎮ在多Ｓｉｎｋ节点分别移向各自最优位置后ꎬ由图７㊁图８可知传感器节点传送数据的平均跳数和节点能耗都有效降低ꎮ并且ꎬ在多Ｓｉｎｋ节点移动过程中多个Ｓｉｎｋ节点之间是相互协作ꎬ逐步向最优位置逼近的ꎮ在此过程中ꎬ节约了传感器节点局部更新路由的能耗ꎬ进一步节约了网络能量ꎬ延长了ＷＳＮｓ的生命周期ꎮ而ＣＯＳＴ算法网络平均能耗大幅度增加ꎬ网络生命周期缩短ꎬ这是因为该算法需要节点全局信息ꎬ节点之间需要交换大量的数据信息ꎮ相对于位置固定选址算法ꎬ质心重选址算法和ＣＯＳＴ算法在网络生命周期方面都有所提升ꎬ质心重选址算法性能提升更加显著ꎮ虽然在ＷＳＮｓ中部署多个Ｓｉｎｋ节点可以有效的均衡网络负载㊁降低网络能耗ꎬ但在网络工作时ꎬ若Ｓｉｎｋ节点保持不动ꎬ仍会出现邻居节点数据转发任务过重ꎬ而提早死亡ꎬ造成能量空洞ꎬ缩短网络生命周期ꎮ而多Ｓｉｎｋ节点的质点重选址算法将质心原理自适应动态调整这种变化ꎬ可以很好的适应网络环境的随时变化ꎮ３.２.４㊀数据转发成功率如图１０所示ꎬ为数据转发成功率对比图ꎮ由图可知ꎬ质心重选址算法的数据包转发成功率优于其他两种算法的数据包转发成功率ꎮ因为多个Ｓｉｎｋ节点通过质心重选址算法将互相协作分别移向传感器节点密集区域ꎬ逐步逼近最优位置ꎬ缩短转发数据路径ꎬ降低丢包率ꎮ而ＣＯＳＴ算法ꎬ其数据转发成功率还低于多Ｓｉｎｋ节点固定的情况ꎬ这是因为多Ｓｉｎｋ节点固定的情况下采用的路由协议也是基于路由代价的蚁群路由算法算法ꎬ选择路由协议时考虑了路径平均最小链路质量ꎬ进行最优路径进行数据传输ꎬ从而降低网络丢包率ꎮ多Ｓｉｎｋ节点位置保持不动ꎬ邻居节点到Ｓｉｎｋ节点的跳数始终不变ꎬ数据转发成功率相对质心重选址算法低ꎮ图１０㊀数据转发成功率对比图随着网络中传感器节点密度的增加网络中数据转发成功率不会有所提高ꎬ因为此时网络中传感器节点密度增加ꎬ所以在实际应用中ꎬ部署网络应根据０６４第３期高丽娜ꎬ戴天虹等:基于质心理论的多Ｓｉｎｋ节点重选址算法㊀㊀实际要求部署ꎬ无需盲目高密度的部署传感器节点ꎮ３.２.５㊀Ｓｉｎｋ节点数对ＷＳＮｓ性能影响①网络生命周期如图１１所示ꎬ为Ｓｉｎｋ节点个数对ＷＳＮｓ生命周期的影响折线图ꎬ随着Ｓｉｎｋ节点个数的增加ꎬ网络生命周期呈上升趋势ꎮ此时网络中ꎬＳｉｎｋ节点数量在３个~５个时最好ꎬ因为此时的网络生命周期增长速度最快ꎬ此时Ｓｉｎｋ节点个数对网络生命周期的影响最大ꎮ而但当Ｓｉｎｋ节点数目达到一定数量后ꎬ网络生命周期的增长速度缓慢ꎬ而对于其他规模的ＷＳＮｓꎬ图１１㊀Ｓｉｎｋ节点数对网络生命周期的影响②数据转发成功率如图１２所示ꎬ为Ｓｉｎｋ节点数对数据转发成功率的影响ꎬ可知ꎬ随着Ｓｉｎｋ节点数的增加网络数据转发成功率直线上升ꎬ尤其当网络中由一个汇聚节点向多个汇聚节点跳变的过程ꎬ数据转发成功率大幅度提升ꎮ对于该网络中Ｓｉｎｋ节点数量在２个~４个时最好ꎬ网络数据转发成功率最高ꎬ可见Ｓｉｎｋ节点数量的增加对数据转发成功率的影响之大ꎮ但当Ｓｉｎｋ节点个数增加大一定数目后ꎬ数据转发成功率趋于平稳ꎬ并没有很大波动ꎬ因此对于这种规模的ＷＳＮｓ部署３个Ｓｉｎｋ节点个数最为合理ꎬＷＳＮｓ性能最好ꎬ针对其他规模的网络ꎬＳｉｎｋ节点个数应根据实际情况部署ꎬ并进行仿真实验验证ꎮ图１２㊀Ｓｉｎｋ节点数对数据转发成功率的影响上述仿真实验ꎬ是在一定仿真环境假设情况下进行的ꎬ在实际应用中还需考虑很多因素ꎬ如硬件成本㊁环境限制㊁应用需求等ꎮ４㊀结论本文主要研究多Ｓｉｎｋ节点质心重选址算法ꎬ通过对质心理论的研究ꎬ将质心理论引入到多Ｓｉｎｋ节点重选址算法中ꎬ使Ｓｉｎｋ节点重选址到质心位置ꎬ并给出明确的Ｓｉｎｋ节点启动㊁限制移动的条件确定Ｓｉｎｋ节点重新选择的最优位置ꎬ并根据传感器节点接收信息的情况决定网络工作状态ꎮ实验结果表明ꎬ质心重选址算法不但可以避免网络出现 能量空洞 问题㊁均衡网络负载㊁降低丢包率还可延长网络生命周期ꎮ对于多Ｓｉｎｋ节点重选址算法ꎬ忽略了Ｓｉｎｋ节点移动延迟的问题ꎬ未考虑移动中的消耗ꎮ因此在未来的实际应用中还需进一步研究ꎬ考虑当Ｓｉｎｋ节点移动延迟较大的情况ꎬ从而得到更加有效的多Ｓｉｎｋ节点重选址算法ꎮ比如ꎬ根据Ｓｉｎｋ节点不同的移动速度对重选址机制进行调整ꎬ设置Ｓｉｎｋ节点的移动速度使网络性能最优化等ꎮ参考文献:[１]㊀ＢｏｇｄａｎｏｖＡꎬＭａｎｅｖａＥꎬＲｉｅｓｅｎｆｅｌｄＳ.ＰｏｗｅｒＡｗａｒｅＢａｓｅＳｔａｔｉｏｎＰｏ￣ｓｉｔｉｏｎｉｎｇｆｏｒＳｅｎｓｏｒＮｅｔｗｏｒｋｓ[Ｊ].ＰｒｏｃｅｅｄｉｎｇｓＩＥＥＥＩＮＦＯＣＯＭꎬ２００４ꎬ１:５７５－５８５.[２]ＷｕＤꎬＺｈａｎｇＺꎬＷｕＷꎬｅｔａｌ.ＡｐｐｒｏｘｉｍａｔｉｏｎＡｌｇｏｒｉｔｈｍｆｏｒｔｈｅＢａｌ￣ａｎｃｅｄ２￣ＣｏｎｎｅｃｔｅｄＢｉｐａｒｔｉｔｉｏｎＰｒｏｂｌｅｍ[Ｃ]//ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｍ￣ｐｕｔｉｎｇａｎｄＣｏｍｂｉｎａｔｏｒｉｃｓＣｏｎｆｅｒｅｎｃｅ.ＳｐｒｉｎｇｅｒＩｎｔｅｒｎａｔｉｏｎａｌＰｕｂ￣ｌｉｓｈｉｎｇꎬ２０１４:４４１－４５２.[３]ＳｏｂｔｉＲ.ＡＣｏｍｐａｒａｔｉｖｅＳｔｕｄｙｏｎＮｅｔｗｏｒｋＳｔｒｕｃｔｕｒｅＢａｓｅｄＲｏｕｔｉｎｇＰｒｏｔｏｃｏｌａｎｄＩｔｓＶａｒｉａｎｔｓｉｎＷｉｒｅｌｅｓｓＳｅｎｓｏｒＮｅｔｗｏｒｋｓ:ＡＳｕｒｖｅｙ[Ｊ].ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓꎬ２０１５ꎬ１１７(１２):２７－３３.[４]ＳｌａｍａＩꎬＪｏｕａｂｅｒＢꎬＺｅｇｈｌａｃｈｅＤ.ＭｕｌｔｉｐｌｅＭｏｂｉｌｅＳｉｎｋｓＤｅｐｌｏｙｍｅｎｔｆｏｒＥｎｅｒｇｙＥｆｆｉｃｉｅｎｃｙｉｎＬａｒｇｅＳｃａｌｅＷｉｒｅｌｅｓｓＳｅｎｓｏｒＮｅｔｗｏｒｋｓ[Ｍ]//ｅ￣ＢｕｓｉｎｅｓｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ.ＳｐｒｉｎｇｅｒＢｅｒｌｉｎＨｅｉｄｅｌ￣ｂｅｒｇꎬ２００８:４１２.[５]ＰａｎＪꎬＨｏｕＹＴꎬＣａｉＬꎬｅｔａｌ.ＬｏｃａｔｉｎｇＢａｓｅＳｔａｔｉｏｎｓｆｏｒＶｉｄｅｏＳｅｎ￣ｓｏｒＮｅｔｗｏｒｋｓ[Ｃ]//ＶｅｈｉｃｕｌａｒＴｅｃｈｎｏｌｏｇｙＣｏｎｆｅｒｅｎｃｅꎬ２００３.Ｖｔｃ２００３－Ｆａｌｌ.２００３ＩＥＥＥ.ＩＥＥＥＸｐｌｏｒｅꎬ２００３:３０００－３００４.Ｖｏｌ.５. [６]ＰａｎＪꎬＣａｉＬꎬＨｏｕＹＴꎬｅｔａｌ.ＯｐｔｉｍａｌＢａｓｅＳｔａｔｉｏｎＬｏｃａｔｉｏｎｓｉｎＴｗｏＴｉｅｒｅｄＷｉｒｅｌｅｓｓＳｅｎｓｏｒＮｅｔｗｏｒｋｓ[Ｊ].ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＭｏｂｉｌｅＣｏｍｐｕｔｉｎｇꎬ２００５ꎬ４(５):４５８－４７３.[７]王福林.无线传感器网络中Ｓｉｎｋ节点移动策略的研究[Ｄ].吉林大学ꎬ２０１３.[８]ＯｙｍａｎＥＩꎬＥｒｓｏｙＣ.ＭｕｌｔｉｐｌｅＳｉｎｋＮｅｔｗｏｒｋＤｅｓｉｇｎＰｒｏｂｌｅｍｉｎＬａｒｇｅＳｃａｌｅＷｉｒｅｌｅｓｓＳｅｎｓｏｒＮｅｔｗｏｒｋｓ[Ｃ]//ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｍｕｎｉｃａｔｉｏｎｓ.ＩＥＥＥＸｐｌｏｒｅꎬ２００４:３６６３－３６６７Ｖｏｌ.６.[９]胡嘉苇.质心理论的应用探析[Ｊ].数学教学通讯(教师阅读)ꎬ２０１１(１５):４８－５０.１６４传㊀感㊀技㊀术㊀学㊀报ｗｗｗ.ｃｈｉｎａｔｒａｎｓｄｕｃｅｒｓ.ｃｏｍ第３１卷[１０]李心宏.理论力学:ＴｈｅｏｒｅｔｉｃａｌＭｅｃｈａｎｉｃｓ[Ｍ].大连理工大学出版社ꎬ２００８.[１１]谢传锋.动力学[Ｍ].北京:高等教育出版社ꎬ２００４:５６.[１２]欧阳青群.无线传感器网络能量均衡策略的研究[Ｄ].哈尔滨:哈尔滨工业大学ꎬ２０１６.[１３]ＶａｒｇａＡ.ＯＭＮｅＴ＋＋[Ｍ]//ＭｏｄｅｌｉｎｇａｎｄＴｏｏｌｓｆｏｒＮｅｔｗｏｒｋＳｉｍｕ￣ｌａｔｉｏｎ.ＳｐｒｉｎｇｅｒＢｅｒｌｉｎＨｅｉｄｅｌｂｅｒｇꎬ２０１０:３５－５９.[１４]ＢｉｒａｊｄａｒＤꎬＳｏｌａｐｕｒｅＳ.ＬＥＡＣＨ:ＡｎＥｎｅｒｇｙＥｆｆｉｃｉｅｎｔＲｏｕｔｉｎｇＰｒｏ￣ｔｏｃｏｌｕｓｉｎｇＯｍｎｅｔ＋＋ｆｏｒＷｉｒｅｌｅｓｓＳｅｎｓｏｒＮｅｔｗｏｒｋ[Ｃ]//ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＩｎｖｅｎｔｉｖｅＣｏｍｍｕｎｉｃａｔｉｏｎａｎｄＣｏｍｐｕ￣ｔａｔｉｏｎａｌＴｅｃｈｎｏｌｏｇｉｅｓ.２０１７.[１５]刘强ꎬ毛玉明ꎬ冷甦鹏ꎬ等.随机分布ＷＳＮ中Ｓｉｎｋ节点部署研究[Ｊ].计算机工程与科学ꎬ２０１３ꎬ３５(２):４９－５５.[１６]ＦｒｉｅｄｍａｎｎＬꎬＢｏｕｋｈａｔｅｍＬ.ＥｆｆｉｃｉｅｎｔＭｕｌｔｉＳｉｎｋＲｅｌｏｃａｔｉｏｎｉｎＷｉｒｅｌｅｓｓＳｅｎｓｏｒＮｅｔｗｏｒｋ[Ｃ]//ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＮＥＴ￣ＷＯＲＫ￣ＩＮＧａｎｄＳｅｒｖｉｃｅｓ.ＩＥＥＥＸｐｌｏｒｅꎬ２００７:９０－９０.[１７]王宁ꎬ周圆ꎬ刘敬浩.一种基于改进粒子群的无线传感器网络层次化聚类协议[Ｊ].传感技术学报ꎬ２０１７ꎬ３０(１):１２０－１２５.高丽娜(１９９１－)ꎬ女ꎬ黑龙江省哈尔滨市东北林业大学硕士研究生ꎬ主要研究方向为无线传感器网络汇聚节点选址算法㊁节点调度算法等ꎬｎｆｆｘｇｌｎ＠１６３.ｃｏｍꎻ戴天虹(１９６３－)ꎬ男ꎬ黑龙江省哈尔滨市东北林业大学教授ꎬ硕士研究生导师ꎬ主要研究方向为木材缺陷检测㊁图像处理㊁无线传感器网络路由协议及汇聚节点选址算法的研究等ꎬｔｈ２０００＠ｓｉｎａ.ｃｏｍꎮ㊀李㊀昊(１９９２－)ꎬ男ꎬ黑龙江省哈尔滨市东北林业大学硕士研究生ꎬ主要研究方向为无线传感器网络路由协议ꎬ蚁群算法等ꎬｌｅｅ＿ｈａｏ０９８＠１６３.ｃｏｍꎻ２６４。