CN104768124B - 基于双簇头聚类分簇和数据融合的无线传感器网络路由方法 - Google Patents

基于双簇头聚类分簇和数据融合的无线传感器网络路由方法 Download PDF

Info

Publication number
CN104768124B
CN104768124B CN201510181810.6A CN201510181810A CN104768124B CN 104768124 B CN104768124 B CN 104768124B CN 201510181810 A CN201510181810 A CN 201510181810A CN 104768124 B CN104768124 B CN 104768124B
Authority
CN
China
Prior art keywords
vector
cluster
wireless sensor
node
following formula
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510181810.6A
Other languages
English (en)
Other versions
CN104768124A (zh
Inventor
冯欣
刘壮
张剑飞
韩成
张昕
王雁龙
张晶晶
李腾
杨文龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun University of Science and Technology
Original Assignee
Changchun University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changchun University of Science and Technology filed Critical Changchun University of Science and Technology
Priority to CN201510181810.6A priority Critical patent/CN104768124B/zh
Publication of CN104768124A publication Critical patent/CN104768124A/zh
Application granted granted Critical
Publication of CN104768124B publication Critical patent/CN104768124B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明涉及一种基于双簇头聚类分簇和数据融合的无线传感器网络路由算法，包括无线传感器节点组1，汇聚节点2，其特征在于：无线传感器节点组1包括在200米*200米的正方形区域中随机分布的200个无线传感器节点，分别用N_i表示,i=1，2，…,200；设共有10个簇，分别用C_j，j=1,2，…,10；N_i属于并且只属于某一个簇C_q,q为1,2，…,10中的一个；其针对LEACH协议簇头随机选取造成的簇头分布不均匀，研究一种基于聚类的双簇头分簇算法，以优化无线传感器网络的能量消化，延长网络的生命周期；首先利用聚类算法将整个网络区域的节点分为若干个类（即以后的簇），然后再在簇中分别选择第一簇头、第二簇头，第一簇头用于向汇聚节点发送数据，第二节点用于数据融合。

Description

基于双簇头聚类分簇和数据融合的无线传感器网络路由方法
技术领域
本发明涉及一种基于双簇头聚类分簇和数据融合的无线传感器网络路由方法，属于无线传感器技术领域。
背景技术
无线传感器网络是当前很受关注的研究热点，它是由部署在监测区域内大量的廉价无线传感器节点组成通过无线通信方式形成的一个多跳的自组织的网络***，其目的是协作的感知、采集和处理覆盖网络区域中感知对象的信息，并发送给用户终端。目前，无线传感器网络已经在很多领域投入了使用，例如,在环境方面可以监测土壤情况、空气污染情况、农作物的生长情况等。在医疗监护方面可以对病人全方位的病情跟踪而又不需要极大的影响病人的生活。在军事方面可以用于侦察敌情、监控兵力、装备和物资,战场目标定位等多个方面。
无线传感器网络的节点的能源一般是有限的，例如电池等，这种情况就使得单个节点的生命周期很短。因此，对于无线传感器网络的设计都是能量优先，综合考虑节点消耗能量及网络能量均衡问题。根据文献可知，分层路由协议可以很好的节约能量，延长网络的生命周期。分层路由协议一般是将所有节点分为普通节点和簇头节点，普通节点只是用来感知数据，簇头节点用来收集普通节点的数据，并在处理后转发给汇聚节点。具有代表性的算法有LEACH分层路由协议；
但是由于LEACH分簇算法中簇头节点的生成是随机选取的，并且与监测区域内传感器节点的分布位置无关,当节点的疏密程度严重时,利用LEACH算法可能会造成选取的簇头不是平均的分布在监测区域内。当在节点比较稀疏的区域，簇头节点很少或没有，此时该区域内的普通节点就会直接和汇聚节点通信，从而加快了普通节点的死亡，进一步的影响了整个网络的生命周期。
发明内容
本发明的目的在于提供了一种基于双簇头聚类分簇和数据融合的无线传感器网络路由方法，其针对LEACH协议簇头随机选取造成的簇头分布不均匀，研究一种基于聚类的双簇头分簇算法，以优化无线传感器网络的能量消化，延长网络的生命周期；首先利用聚类算法将整个网络区域的节点分为若干个类(即以后的簇)，然后再在簇中分别选择第一簇头、第二簇头，第一簇头用于向汇聚节点发送数据，第二节点用于数据融合。
本发明的技术方案是这样实现的：基于双簇头聚类分簇和数据融合的无线传感器网络路由方法，包括无线传感器节点组1，汇聚节点2，其特征在于：无线传感器节点组包括在200米*200米的正方形区域中随机分布的200个无线传感器节点，分别用N_i表示,i＝1，2，…,200；设共有10个簇，分别用C_j，j＝1,2，…,10；N_i属于并且只属于某一个簇C_q,q为1,2，…,10中的一个，设C_j中无线传感器节点个数为m_j,m_j为大于0的整数，设C_j(a)为C_j中的第a个无线传感器节点，它的功率放大器的能耗用εamp(a)表示，它的自由空间消耗的能量用εfs(a)表示，它的发射电路消耗的能量Eelect(a)，(X_j(a)，Y_j(a))为C_j(a)在平面坐标系中X轴Y轴的坐标,j＝1,2，…,10；a＝1,2，…，m_j。汇聚节点2用N_C表示，并将汇聚节点N_C放置在200米*200米的正方形区域中心，即N_C在平面坐标系的坐标为(100,100),设r＝1。
其具体的实现步骤如下：
1、对于簇C_j,构建flag_j向量，flag_j(a)为flag_j中的第a个元素,flag_j(a)＝0,j＝1,2，…，10，a＝1，2，…,m_j。
2、对于簇C_j,构建E_j向量，E_j(b)为E_j中的第b个元素，j＝1,2，…，10，b＝1，2，…,m_j。
3、对于C_j(a)，如果E_j(a)>0并且flag_j(a)<＝0，那么利用下面的公式计算阈值T_j(a)，
否则T_j(a)＝0，j＝1,2，…，10；a＝1，2，…,m_j。
4、对于簇C_j,构建一个随机数向量temp_j,j＝1,2，…，10,temp_j(c)为temp_j中的第c个元素，c＝1，2，…,m_j；temp_j(c)为0到1之间的数,j＝1,2，…，10,c＝1，2，…,m_j；如果temp_j(a)<T_j(a)，那么flag_j(a)＝1，j＝1,2，…，10，a＝1，2，…,m_j。
5、设向量flag_j中等于1的元素的个数为k_j，依次判断，如果flag_j(a)等于1，那么C_j(a)为节点簇头向量CUST_j，j＝1,2，…，10中的元素，CUST_j(t)为向量CUST_j中的t个元素,t＝1,2，…,k_j。设(XC_j(t)，YC_j(t))表示CUST_j(t)在平面坐标系中x轴坐标和y轴坐标。
6、利用下面的公式计算CEN_X(j)，CEN_Y(j)，j＝1,2，…,10。
7、利用下面的公式
构建j个向量，分别用D_j表示，D_j(s)为向量D_j第s个元素，j＝1,2，…,10,s＝1,2,…，k_j。设D_j(h)为向量D_j元素中最小的一个元素，则CUST_j(h)为第二簇头,并用(X2_j(h)，Y2_j(h))表示该簇头在平面坐标系中x轴坐标和y轴坐标，j＝1,2，…,10,s＝1,2,…，k_j。
8、利用下面的公式
构建j个向量，分别用D1_j表示，D1_j(w)为向量D1_j第w个元素，j＝1,2，…,10,w＝1,2,…，k_j。设D1_j(o)为向量D1_j元素中最小的一个元素，则CUST_j(o)为第一簇头,并用(X1_j(o)，Y1_j(o))表示该簇头在平面坐标系中x轴坐标和y轴坐标，j＝1,2，…,10,w＝1,2,…，k_j。
9、根据下面公式
构建j个向量，分别用DC_j表示，DC_j(a1)为向量DC_j第a1个元素，j＝1,2，…,10,a1＝1,2,…，m_j-2。
10、利用下面的公式
构建j个向量，分别用Engery_c_j表示，Engery_c_j(a1)为向量Engery_c_j第a1个元素，j＝1,2，…,10,a1＝1,2,…，m_j-2。
11、利用下面的公式
构建向量DD，DD(j)为向量DD第j个元素，j＝1,2，…,10。
根据下面的公式进行无线传感器节点的能量消耗。
12、根据下面的公式
构建向量DS，DS(j)为向量DS第j个元素，j＝1,2，…,10。
利用下面的公式进行无线传感器节点的能量消耗。
13、设r＝r+1。
14、依次执行步骤1到步骤13，直到r＝2500。
通过以上步骤可以很好的对区域内的无线传感器节点进行分簇并选取簇头，克服了LEACH协议簇头分布不均匀及无线传感器节点能量消耗过快的问题。
本发明的积极效果是在LEACH协议的基础上，对LEACH协议进行了改进。通过该算法对节点分簇及簇头的选举，均衡了节点的能量消耗，延长了网络生命周期。
具体实施方式
下面结合实例对本发明做进一步的描述：基于双簇头聚类分簇和数据融合的无线传感器网络路由方法，包括无线传感器节点组1，汇聚节点2，其特征在于：无线传感器节点组1包括在200米*200米的正方形区域中随机分布的200个无线传感器节点，分别用N_i表示,i＝1，2，…,200；设共有10个簇，分别用C_j，j＝1,2，…,10；N_i属于并且只属于某一个簇C_q,q为1,2，…,10中的一个，设C_j中无线传感器节点个数为m_j,m_j为大于0的整数，设C_j(a)为C_j中的第a个无线传感器节点，它的功率放大器的能耗用εamp(α)表示，它的自由空间消耗的能量用εfs(α)表示，它的发射电路消耗的能量Eelect(α)，(X_j(a)，Y_j(a))为C_j(a)在平面坐标系中X轴Y轴的坐标,j＝1,2，…,10；a＝1,2，…，m_j。汇聚节点2用N_C表示，并将汇聚节点N_C放置在200米*200米的正方形区域中心，即N_C在平面坐标系的坐标为(100,100),设r＝1。
实现步骤如下：
步骤1、对于簇C_j,构建flag_j向量，flag_j(a)为flag_j中的第a个元素,flag_j(a)＝0,j＝1,2，…，10，a＝1，2，…,m_j；
步骤2、对于簇C_j,构建E_j向量，E_j(b)为E_j中的第b个元素，j＝1,2，…，10，b＝1，2，…,m_j；
步骤3、对于C_j(a)，如果E_j(a)>0并且flag_j(a)<＝0，那么利用下面的公式计算阈值T_j(a)，
否则T_j(a)＝0，j＝1,2，…，10；a＝1，2，…,m_j；
步骤4、对于簇C_j,构建一个随机数向量temp_j,j＝1,2，…，10,temp_j(c)为temp_j中的第c个元素，c＝1，2，…,m_j；temp_j(c)为0到1之间的数,j＝1,2，…，10,c＝1，2，…,m_j；如果temp_j(a)<T_j(a)，那么flag_j(a)＝1，j＝1,2，…，10，a＝1，2，…,m_j；
步骤5、设向量flag_j中等于1的元素的个数为k_j，依次判断，如果flag_j(a)等于1，那么C_j(a)为节点簇头向量CUST_j，j＝1,2，…，10中的元素，CUST_j(t)为向量CUST_j中的t个元素,t＝1,2，…,k_j。设(XC_j(t)，YC_j(t))表示CUST_j(t)在平面坐标系中x轴坐标和y轴坐标；
步骤6、利用下面的公式计算CEN_X(j)，CEN_Y(j)，j＝1,2，…,10；
步骤7、利用下面的公式
构建j个向量，分别用D_j表示，D_j(s)为向量D_j第s个元素，j＝1,2，…,10,s＝1,2,…，k_j。设D_j(h)为向量D_j元素中最小的一个元素，则CUST_j(h)为第二簇头,并用(X2_j(h)，Y2_j(h))表示该簇头在平面坐标系中x轴坐标和y轴坐标，j＝1,2，…,10,s＝1,2,…，k_j；
步骤8、利用下面的公式
构建j个向量，分别用D1_j表示，D1_j(w)为向量D1_j第w个元素，j＝1,2，…,10,w＝1,2,…，k_j。设D1_j(o)为向量D1_j元素中最小的一个元素，则CUST_j(o)为第一簇头,并用(X1_j(o)，Y1_j(o))表示该簇头在平面坐标系中x轴坐标和y轴坐标，j＝1,2，…,10,w＝1,2,…，k_j；
步骤9、根据下面公式
构建j个向量，分别用DC_j表示，DC_j(a1)为向量DC_j第a1个元素，j＝1,2，…,10,a1＝1,2,…，m_j-2；
步骤10、利用下面的公式
构建j个向量，分别用Engery_c_j表示，Engery_c_j(a1)为向量Engery_c_j第a1个元素，j＝1,2，…,10,a1＝1,2,…，m_j-2；
步骤11、利用下面的公式
构建向量DD，DD(j)为向量DD第j个元素，j＝1,2，…,10；
根据下面的公式进行无线传感器节点的能量消耗；
步骤12、根据下面的公式
构建向量DS，DS(j)为向量DS第j个元素，j＝1,2，…,10；
利用下面的公式进行无线传感器节点的能量消耗；
步骤13、设r＝r+1；
步骤14、依次执行步骤1到步骤13，直到r＝2500；
通过以上步骤可以很好的对区域内的无线传感器节点进行分簇并选取簇头，克服了LEACH协议簇头分布不均匀及无线传感器节点能量消耗过快的问题。

Claims (1)

1.基于双簇头聚类分簇和数据融合的无线传感器网络路由方法，包括无线传感器节点组，汇聚节点，其特征在于：无线传感器节点组包括在200米*200米的正方形区域中随机分布的200个无线传感器节点，分别用N_i表示,i＝1，2，…,200；设共有10个簇，分别用C_j，j＝1,2，…,10；N_i属于并且只属于某一个簇C_q,q为1,2，…,10中的一个，设C_j中无线传感器节点个数为m_j,m_j为大于0的整数，设C_j(a)为C_j中的第a个无线传感器节点，它的功率放大器的能耗用εamp(a)表示，它的自由空间消耗的能量用εfs(a)表示，它的发射电路消耗的能量Eelect(a)，(X_j(a)，Y_j(a))为C_j(a)在平面坐标系中X轴Y轴的坐标,j＝1,2，…,10；a＝1,2，…，m_j；
汇聚节点用N_C表示，并将汇聚节点N_C放置在200米*200米的正方形区域中心，即N_C在平面坐标系的坐标为(100,100),设r＝1；
其具体的实现步骤如下：
1)对于簇C_j,构建flag_j向量，flag_j(a)为flag_j中的第a个元素,flag_j(a)＝0,j＝1,2，…，10，a＝1，2，…,m_j；
2)对于簇C_j,构建E_j向量，E_j(b)为E_j中的第b个元素，j＝1,2，…，10，b＝1，2，…,m_j；
3)对于C_j(a)，如果E_j(a)>0并且flag_j(a)<＝0，那么利用下面的公式计算阈值T_j(a)，
否则T_j(a)＝0，j＝1,2，…，10；a＝1，2，…,m_j；
4)对于簇C_j,构建一个随机数向量temp_j,j＝1,2，…，10,temp_j(c)为temp_j中的第c个元素，c＝1，2，…,m_j；temp_j(c)为0到1之间的数,j＝1,2，…，10,c＝1，2，…,m_j；如果temp_j(a)<T_j(a)，那么flag_j(a)＝1，j＝1,2，…，10，a＝1，2，…,m_j；
5)设向量flag_j中等于1的元素的个数为k_j，依次判断，如果flag_j(a)等于1，那么C_j(a)为节点簇头向量CUST_j，j＝1,2，…，10中的元素，CUST_j(t)为向量CUST_j中的t个元素,t＝1,2，…,k_j；
设(XC_j(t)，YC_j(t))表示CUST_j(t)在平面坐标系中x轴坐标和y轴坐标；
6)利用下面的公式计算CEN_X(j)，CEN_Y(j)，j＝1,2，…,10；
7)利用下面的公式
构建j个向量，分别用D_j表示，D_j(s)为向量D_j第s个元素，j＝1,2，…,10,s＝1,2,…，k_j；设D_j(h)为向量D_j元素中最小的一个元素，则CUST_j(h)为第二簇头,并用(X2_j(h)，Y2_j(h))表示该簇头在平面坐标系中x轴坐标和y轴坐标，j＝1,2，…,10,s＝1,2,…，k_j；
8)利用下面的公式
构建j个向量，分别用D1_j表示，D1_j(w)为向量D1_j第w个元素，j＝1,2，…,10,w＝1,2,…，k_j；设D1_j(o)为向量D1_j元素中最小的一个元素，则CUST_j(o)为第一簇头,并用(X1_j(o)，Y1_j(o))表示该簇头在平面坐标系中X轴坐标和Y轴坐标，j＝1,2，…,10,w＝1,2,…，k_j；
9)根据下面公式
构建j个向量，分别用DC_j表示，DC_j(a1)为向量DC_j第a1个元素，j＝1,2，…,10,a1＝1,2,…，m_j-2；
10)利用下面的公式
构建j个向量，分别用Engery_c_j表示，Engery_c_j(a1)为向量Engery_c_j 第a1个元素，j＝1,2，…,10,a1＝1,2,…，m_j-2；
11)利用下面的公式
构建向量DD，DD(j)为向量DD第j个元素，j＝1,2，…,10；根据下面的公式进行无线传感器节点的能量消耗；
12)根据下面的公式
构建向量DS，DS(j)为向量DS第j个元素，j＝1,2，…,10；
利用下面的公式进行无线传感器节点的能量消耗；
13)设r＝r+1；
14)依次执行步骤1到步骤13，直到r＝2500。
CN201510181810.6A 2015-04-17 2015-04-17 基于双簇头聚类分簇和数据融合的无线传感器网络路由方法 Active CN104768124B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510181810.6A CN104768124B (zh) 2015-04-17 2015-04-17 基于双簇头聚类分簇和数据融合的无线传感器网络路由方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510181810.6A CN104768124B (zh) 2015-04-17 2015-04-17 基于双簇头聚类分簇和数据融合的无线传感器网络路由方法

Publications (2)

Publication Number Publication Date
CN104768124A CN104768124A (zh) 2015-07-08
CN104768124B true CN104768124B (zh) 2018-08-17

Family

ID=53649662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510181810.6A Active CN104768124B (zh) 2015-04-17 2015-04-17 基于双簇头聚类分簇和数据融合的无线传感器网络路由方法

Country Status (1)

Country Link
CN (1) CN104768124B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108055685B (zh) * 2017-12-29 2020-06-09 北京农业信息技术研究中心 无线传感器网络中的簇头节点和传感器节点
CN110505571B (zh) * 2019-08-27 2020-11-06 深圳供电局有限公司 基于人工智能技术的风险主题分析***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101267391A (zh) * 2008-03-27 2008-09-17 上海交通大学 基于不均匀分簇的无线传感器网络拓扑控制方法
CN102014455A (zh) * 2010-11-23 2011-04-13 北京航空航天大学 一种基于节点间相关性的无线传感器网络分簇路由方法
CN102547904A (zh) * 2012-02-28 2012-07-04 山东大学 一种基于leach协议的簇头选举改进算法
CN103874158A (zh) * 2012-12-18 2014-06-18 江南大学 一种新型的聚类路由算法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101267391A (zh) * 2008-03-27 2008-09-17 上海交通大学 基于不均匀分簇的无线传感器网络拓扑控制方法
CN102014455A (zh) * 2010-11-23 2011-04-13 北京航空航天大学 一种基于节点间相关性的无线传感器网络分簇路由方法
CN102547904A (zh) * 2012-02-28 2012-07-04 山东大学 一种基于leach协议的簇头选举改进算法
CN103874158A (zh) * 2012-12-18 2014-06-18 江南大学 一种新型的聚类路由算法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Control Algorithm Based on Double Cluster-head for Heterogeneous Wireless Sensor Network;Qiao Xuegong，Chen yan;《IEEE》;20101231;全文 *
基于模糊控制的车内酒精检测***;赵霞，柏逢明;《长春理工大学学报》;20140228;第37卷(第1期);全文 *
多传感器数据采集***中的数据融合研究;张军，杨子晨;《传感器与微***》;20140331;第33卷(第3期);全文 *

Also Published As

Publication number Publication date
CN104768124A (zh) 2015-07-08

Similar Documents

Publication Publication Date Title
Nakas et al. Energy efficient routing in wireless sensor networks: A comprehensive survey
RejinaParvin et al. Particle swarm optimization-based clustering by preventing residual nodes in wireless sensor networks
Park et al. A novel cluster head selection method based on K-means algorithm for energy efficient wireless sensor network
Sengottuvelan et al. BAFSA: Breeding artificial fish swarm algorithm for optimal cluster head selection in wireless sensor networks
Xu et al. A smart and balanced energy-efficient multihop clustering algorithm (smart-beem) for mimo iot systems in future networks
Abdulsahib et al. Accurate and effective data collection with minimum energy path selection in wireless sensor networks using mobile sinks
CN106102075B (zh) 无线传感网络中基于等级区域划分的分簇方法及***
Siew et al. Cluster heads distribution of wireless sensor networks via adaptive particle swarm optimization
Mittal et al. Network lifetime enhancement of homogeneous sensor network using ART1 neural network
Singh et al. A particle swarm optimization approach for energy efficient clustering in wireless sensor networks
Elhabyan et al. Particle swarm optimization protocol for clustering in wireless sensor networks: A realistic approach
Hajjej et al. An efficient deployment approach for improved coverage in wireless sensor networks based on flower pollination algorithm
CN104768124B (zh) 基于双簇头聚类分簇和数据融合的无线传感器网络路由方法
Mehra et al. Energy efficient self organising load balanced clustering scheme for heterogeneous WSN
Sharma et al. Ant based cluster head election algorithm in wireless sensor network to avoid redundancy
Murugan et al. A routing algorithm for extending mobile sensor network's lifetime using connectivity and target coverage
Joshi et al. A multi-objective metaheuristic approach based adaptive clustering and path selection in iot enabled wireless sensor networks
Kang et al. Energy-efficient data aggregation and collection for multi-UAV-enabled IoT networks
CN106412935B (zh) 一种基于复杂网络理论的网络拓扑结构建立方法
Priyanka Efficient Cluster Formation and Cluster Head Selection for WSN
Yadav et al. Cluster based routing schemes in wireless sensor networks: A comparative study
Rajathi et al. Energy efficient grid clustering based data aggregation in wireless sensor networks
Aadri et al. ACluster BASED ROUTING ALGORITHM MINIMIZING ENERGY CONSUMPTION IN WSN
Siddappa et al. Survey on an Efficient Coverage and Connectivity of Wireless Sensor Networks using Intelligent Algorithms‖
Dhiman et al. Performance analysis of multi-hop routing protocol with optimized grid-based clustering for wireless sensor network

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant