WSN中能耗均衡的自组织多跳聚类协议研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (26): 129-131.

WSN中能耗均衡的自组织多跳聚类协议研究

刘志杰,张华忠,于鹏程

山东大学计算机科学与技术学院,济南 250061

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-11 发布日期:2007-09-11
通讯作者: 刘志杰

Study of self-organized load-balanced multi-hop protocol for Wireless Sensor Network

LIU Zhi-jie,ZHANG Hua-zhong,YU Peng-cheng

School of Computer Science and Technology,Shandong University,Ji’nan 250061,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-11 Published:2007-09-11
Contact: LIU Zhi-jie

摘要/Abstract

摘要： 针对LEACH协议能耗不均和节点过早死亡的缺陷,提出了能耗均衡的自组织多跳聚类协议。该协议通过在竞争簇首过程中加入能量参量来均衡节点能耗,并完全采用节点自组织的方式构建簇首间的多跳网络,减小了协议开销、避免了外围节点的早死,比传统聚类协议更能适应大规模的传感器网络。仿真实验证明,与已有聚类协议相比,自组织多跳聚类协议能够均衡网络负载,延长网络寿命。

关键词: 无线传感器网络, 聚类, 多跳, 自组织

Abstract: The LEACH protocol for wireless sensor network has some limitations.For example,energy-consuming among nodes is not balanced,and the distribution of cluster heads is not even.Based on the analysis of LEACH,a self-organized load-balanced multi-hop protocol is proposed.With the method of adding energy parameter,nodes with more energy have more probability to be cluster heads.By distributing cluster heads more evenly,energy-consuming among nodes is balanced.Finally,those cluster heads construct a multi-hop network on themselves.Simulation results demonstrate that the new mechanism is effective in balancing the energy-consuming among nodes and thus prolonging the lifetime of network.

Key words: Wireless Sensor Network, cluster, multi-hop, self-organized

刘志杰,张华忠,于鹏程. WSN中能耗均衡的自组织多跳聚类协议研究[J]. 计算机工程与应用, 2007, 43(26): 129-131.

LIU Zhi-jie,ZHANG Hua-zhong,YU Peng-cheng. Study of self-organized load-balanced multi-hop protocol for Wireless Sensor Network[J]. Computer Engineering and Applications, 2007, 43(26): 129-131.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[3]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[4]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[5]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[6]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[7]	彭启慧，宣士斌，高卿. 分布的自动阈值密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(5): 71-78.
[8]	李勇振，廖湖声. 基于图卷积神经网络的多视角聚类[J]. 计算机工程与应用, 2021, 57(5): 115-122.
[9]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[10]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[11]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[12]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[13]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.
[14]	张忠林，赵昱，闫光辉. 自然邻居密度极值聚类算法[J]. 计算机工程与应用, 2021, 57(23): 200-210.
[15]	梅婕，魏圆圆，许桃胜. 基于密度峰值多起始中心的融合聚类算法[J]. 计算机工程与应用, 2021, 57(22): 78-85.