论文部分内容阅读
无线传感器网络是由大量传感器节点组成动态的多跳通信网络,通常节点携带板上电源,能量受限。在大多数应用场合下,传感器节点无法充电或更换电池。一旦节点能量耗尽,就会影响整个网络的功能,继而加速网络死亡。而网络的重建,需要耗费大量人力和财力,因此,如何优化网络能耗,使网络生存周期最大化是传感器网络的核心问题之一。作为能耗优化策略,分层路由算法被认为是无线传感器网络中高效的节能方法之一,本文在研究随机分簇路由算法、均匀分簇路由算法和非均匀分簇路由算法的基础上,提出了基于簇结构优化的分簇路由算法,算法包括最优分簇数目计算、簇头选举、簇半径计算、孤立节点处理等多个方面内容,算法从多方面综合考虑来达到簇结构优化的目的。①最优分簇数目计算部分:重新建立了能耗模型,并推导了最优分簇数目计算公式。②簇头选举部分:算法提出了两种选举方法,第一是基于概率的迭代簇头选举方法,算法综合考虑了剩余能量、节点密度、节点能耗速度等多种因素,使簇头选举算法更合理,第二是根据节点能量的迭代选举方法,,方法改善了前一种簇头选举方法迭代次数过多,能耗较大的问题,不再比较节点的成簇概率而是直接比较包括节点剩余能耗、节点密度的影响因子,比基于概率的迭代簇头选举方法更直接更有效,减少了迭代过程的次数,达到了延长网络生命周期的目的。③簇半径计算部分:在原自适应分簇算法基础上添加了节点密度并重构了簇半径计算公式使计算公式更合理。④孤立节点处理部分:提出了一种孤立节点多跳加入邻居簇的算法,降低了孤立节点独立成簇的能耗。最后,为了优化全局参数,对应两种簇头选举方法,提出了基于量子遗传的路由优化算法,包括基于量子遗传的非均匀分簇路由算法QGCRA(Quantum Genetic Uneven Clustering Routing Algorithm)和基于量子遗传的能量高效的迭代选簇路由算法QGEEIC(Quantum Genetic Energy Efficient Iteration Clustering Routing Algorithm),算法基于双链量子遗传理论,改进了适应度函数、量子旋转门的旋转角,使整体算法更适合整体参数的优化,快速准确的求取最优参数组合。仿真结果显示算法在网络生存周期,基站接收数据包个数,以及网络总能耗速度等方面都有提高。QGEEIC算法的生命周期比LEACH算法延长了77.60%,比HEED算法延长了67.25%,比EEUC算法延长了54.20%,比UCRA算法延长了35.89%,比QGCRA算法延长了23.04%,比EEIC算法延长了12.74%。算法一定程度上达到了优化网络能耗,延长网络生命的目的。