CN107786960A - 网络分簇方法、装置、电子设备和计算机存储介质 - Google Patents
网络分簇方法、装置、电子设备和计算机存储介质 Download PDFInfo
- Publication number
- CN107786960A CN107786960A CN201711042010.1A CN201711042010A CN107786960A CN 107786960 A CN107786960 A CN 107786960A CN 201711042010 A CN201711042010 A CN 201711042010A CN 107786960 A CN107786960 A CN 107786960A
- Authority
- CN
- China
- Prior art keywords
- cluster
- node
- true
- sub
- leader cluster
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003860 storage Methods 0.000 title abstract description 13
- 241000854291 Dianthus carthusianorum Species 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 11
- 108010001267 Protein Subunits Proteins 0.000 claims description 3
- 238000000151 deposition Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 abstract description 7
- 230000002776 aggregation Effects 0.000 description 17
- 238000004220 aggregation Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000000265 homogenisation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 206010021703 Indifference Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- 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
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供了一种网络分簇方法、装置、电子设备和计算机存储介质。其中,该网络分簇方法应用于无线传感器网络;无线传感器网络包括多个节点;该网络分簇方法包括:针对各节点,并将各节点作为备选簇头节点,且以预定半径分别确定一虚拟簇;将包含任一备选簇头节点的虚拟簇的数量,确定为任一备选簇头节点的分簇得分;基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇;若确定出真实簇,则将所确定的真实簇所对应的备选簇头节点确定为真实簇头节点;重复执行上述步骤。本发明实施例通过采取上述技术方案,有利于节点的节能;而且,避免了现有技术因不更换簇头节点而造成簇头节点能量的过度消耗,从而均衡了WSN内节点的能量消耗。
Description
技术领域
本发明涉及物联网技术领域,特别是涉及一种网络分簇方法、装置、电子设备和计算机存储介质。
背景技术
WSN(Wireless Sensor Network,无线传感器网络)是指由大量微型传感器节点(简称节点)大规模部署所形成的网络,具体来讲,是通过无线通信方式形成的一个多跳的自组织智能网络。其中,传感器节点通常随机分布在探测区域,以测量所在区域周围环境中的热、声呐、红外、雷达等信号,传感器节点将感知的数据收集起来,以多跳路由的方式传输至Sink节点(汇聚节点);最后,再通过汇聚节点发送至管理节点或用户。
其中,传感器节点一般分为簇头节点和非簇头节点两类。传感器节点的基本组成包括电源。在实际应用中,由于电源的容量小、不易更换,且簇头节点相比于非簇头节点需要处理更多的数据操作。所以,簇头节点的能量消耗远大于非簇头节点,从而造成簇头节点的能量被过快地耗尽。
因此,在现有的WSN中,由于簇头节点的能量会被过快地耗尽,所以,现有的WSN存在节点能量消耗不均衡的缺陷。
发明内容
本发明实施例的目的在于提供一种网络分簇方法、装置、电子设备和计算机存储介质,以实现WSN中节点能量消耗的均衡。
为了实现上述目的,第一方面,提供了以下技术方案:
一种网络分簇方法,应用于无线传感器网络;所述无线传感器网络包括多个节点;所述方法包括:
针对所述各节点,并将所述各节点作为备选簇头节点,且以预定半径分别确定一虚拟簇;
将包含任一备选簇头节点的虚拟簇的数量,确定为所述任一备选簇头节点的分簇得分;
基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇;
若确定出真实簇,则将所确定的真实簇所对应的备选簇头节点确定为真实簇头节点;
重复执行上述步骤。
优选的,所述基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇的步骤,包括:
按照从大到小的顺序,对所述各备选簇头节点的分簇得分进行排序;
将分簇得分最大的备选簇头节点所对应的虚拟簇确定为真实簇;
针对除去所确定出的真实簇所对应的分簇得分最大的备选簇头节点之外的节点,重复执行所述排序步骤和确定真实簇的步骤。
优选的,所述将分簇得分最大的备选簇头节点所对应的虚拟簇确定为真实簇的步骤,包括:
判断所述分簇得分最大的备选簇头节点的剩余能量值是否大于预定剩余能量值;
若是,则将所述分簇得分最大的备选簇头节点确定为真实簇头节点;
将所述真实簇头节点所对应的虚拟簇确定为所述真实簇。
优选的,如果存在多个所述分簇得分最大的备选簇头节点,则在所述判断所述分簇得分最大的备选簇头节点的剩余能量值是否大于预定剩余能量值的步骤之后,所述若是,则将所述分簇得分最大的备选簇头节点确定为真实簇头节点的步骤,包括:
若是,则计算所述各分簇得分最大的备选簇头节点的簇头概率因子;其中,所述簇头概率因子为所述分簇得分最大的备选簇头节点的剩余能量值与其最大能量值之商;
将最大的簇头概率因子所对应的分簇得分最大的备选簇头节点确定为真实簇头节点。
优选的,如果存在未被所述虚拟簇和所述真实簇所包含的节点,则在所述基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇的步骤之后,所述方法还包括:
将所述未被虚拟簇和所述真实簇所包含的节点确定为剩余节点;
基于所述剩余节点,确定包含所述剩余节点的真实簇;其中,所述包含所述剩余节点的真实簇所包含的节点数量最少。
为了实现上述目的,第二方面,还提供了以下技术方案:
一种网络分簇装置,应用于无线传感器网络;所述无线传感器网络包括多个节点;所述装置包括:
第一确定模块,用于针对所述各节点,并将所述各节点作为备选簇头节点,且以预定半径分别确定一虚拟簇;
计分模块,用于将包含任一备选簇头节点的虚拟簇的数量,确定为所述任一备选簇头节点的分簇得分;
判断模块,用于基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇;
第二确定模块,用于在确定出真实簇的情况下,将所确定的真实簇所对应的备选簇头节点确定为真实簇头节点;
重复模块,用于触发所述第一确定模块、所述计分模块、所述判断模块和所述第二确定模块重复运行。
优选的,所述判断模块包括:
排序单元,用于按照从大到小的顺序,对所述各备选簇头节点的分簇得分进行排序;
确定单元,用于将分簇得分最大的备选簇头节点所对应的虚拟簇确定为真实簇;
重复单元,用于针对除去所确定出的真实簇所对应的分簇得分最大的备选簇头节点之外的节点,重复执行所述排序步骤和确定真实簇的步骤。
优选的,所述确定单元包括:
判断子单元,用于判断所述分簇得分最大的备选簇头节点的剩余能量值是否大于预定剩余能量值;
第一确定子单元,用于当所述判断子单元判断为是时,将所述分簇得分最大的备选簇头节点确定为真实簇头节点;
第二确定子单元,用于将所述真实簇头节点所对应的虚拟簇确定为所述真实簇。
为了实现上述目的,第三方面,还提供了以下技术方案:
一种电子设备,其包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行存储器上所存放的程序时,实现第一方面所述的方法步骤。
为了实现上述目的,第四方面,还提供了以下技术方案:
一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的方法步骤。
本发明实施例提供一种网络分簇方法、装置、电子设备和计算机存储介质。其中,该网络分簇方法应用于无线传感器网络;无线传感器网络包括多个节点;该网络分簇方法包括:针对各节点,并将各节点作为备选簇头节点,且以预定半径分别确定一虚拟簇;将包含任一备选簇头节点的虚拟簇的数量,确定为任一备选簇头节点的分簇得分;基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇;若确定出真实簇,则将所确定的真实簇所对应的备选簇头节点确定为真实簇头节点;重复执行上述步骤。
本发明实施例通过采取上述技术方案,基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇,然后将该真实簇所对应的备选簇头节点确定为真实簇头节点,实现了对WSN中节点的合理分簇,减少了簇与簇之间的重叠区域,提高了簇的分布的均匀化程度,从而使得重叠区域内的非簇头节点尽可能少地向其所在簇内的簇头节点发送相同的数据,减少了重叠区域内相同数据的冗余,进而减少了因重复信息所带来的能量损失,因而有利于节点的节能;而且,还通过重复执行确定真实簇头节点等步骤,实现了以轮次的方式动态地更换簇头节点,避免了现有技术因不更换簇头节点而造成簇头节点能量的过度消耗,从而均衡了WSN内节点的能量消耗。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而得以体现。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的无线传感器网络的拓扑结构示意图;
图2为根据本发明实施例的网络分簇方法的流程示意图;
图3为根据本发明实施例的确定虚拟簇的示意图;
图4为根据本发明另一实施例的网络分簇方法的流程示意图;
图5a为根据本发明实施例的剩余节点的示意图;
图5b为根据本发明实施例的为剩余节点添加真实簇的示意图;
图6为本发明实施例提供的技术方案与SP算法技术方案的F值比较结果示意图;
图7为本发明实施例提供的技术方案与SP算法技术方案的节点能量消耗比较示意图;
图8为本发明实施例提供的技术方案与SP算法技术方案的平均簇个数的比较示意图;
图9为根据本发明实施例的划分青蛙子群示意图;
图10为根据本发明实施例的汇聚节点的采集数据的移动路径示意图;
图11为根据本发明实施例的网络分簇装置的结构示意图;
图12为根据本发明实施例的判断模块的结构示意图;
图13为根据本发明实施例的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1对本发明实施例的网络应用环境进行详细说明。
如图1所示,无线传感器网络包括传感器节点、Sink节点(汇聚节点,例如,网络协调器)、外部网络和任务管理节点及用户等。其中,传感器节点包括处理器、存储器、接口、电源等。传感器节点符合离散分布原则,且密度大。传感器节点均具有感知、接收、转发以及融合数据的功能,每个传感器节点之间无差别,都有机会成为簇头节点。其中,传感器节点静止不动,Sink节点具有移动性并且能量充足。传感器节点的初始能量相同。传感器节点对监测区域内感兴趣的对象进行感知、数据采集和数据融合等处理。具体而言,分簇完成后,非簇头节点通过单跳的方式将数据传输到簇头节点,然后,簇头节点将处理过的有效信息通过单跳或多跳的方式传输至Sink节点,最后,Sink节点通过外部网络将该有效信息传输至任务管理节点,该任务管理节点还可以进一步将有效信息传输给用户。传感器节点的能量消耗与发射距离以及传输的信息量有关。当传感器节点的剩余能量太低,例如,剩余能量小于初始能量的1%之后则该传感器节点不能参加簇头的竞选。若无线传感器网络中出现传感器节点能量耗尽的情况时,则视为该无线传感器网络生命终止。
其中,每一个簇包括簇头节点和非簇头节点。Sink节点相对于传感器节点具有存储容量大、运算速率高以及通信能力强的特点,并且用于从任务管理节点接收任务,并将WSN中监测到的数据通过外部网络传输回任务管理节点。任务管理节点用于接收和存储监测区域的感应数据。
在实际应用中,由于传感器节点电源(例如,电池)的容量小、不易更换,且簇头节点相比于非簇头节点需要处理更多的数据操作。所以,簇头节点的能量消耗远大于非簇头节点,从而造成簇头节点的能量被过快地耗尽,由此造成传感器节点能量消耗不均衡。鉴于此,本发明实施例提供一种网络分簇方法。该方法应用于无线传感器网络;该无线传感器网络包括多个节点;如图2所示,网络分簇方法包括如下步骤S200至步骤S240。
S200:针对各节点,并将各节点作为备选簇头节点,且以预定半径分别确定一虚拟簇。
其中,节点可以是无线传感器网络中用于数据采集、数据处理和数据融合等的设备,例如,嵌入式设备、网关等。每个节点都保存各自的信息。该信息包括节点编号、身份状态、节点坐标等。节点通常采用电池供电。
这里,虚拟簇是一种临时的簇,其代表以节点坐标为中心、通信距离为半径所生成的圆形区域。
下面举例详细说明确定虚拟簇的过程。
本实施例假设无线传感器网络内的节点总数为n,预定半径(也可称为通信半径、通信距离)为R。
如图3所示,以任一个节点32为原点,以R为半径,形成一个圆形区域,作为虚拟簇31。每一个节点可以作为其所对应的虚拟簇的簇头节点。
S210:将包含任一备选簇头节点的虚拟簇的数量,确定为任一备选簇头节点的分簇得分。
其中,包含任一备选簇头节点的虚拟簇的数量也可理解为某个节点被虚拟簇所包含的次数。
本步骤中,包含任一备选簇头节点的虚拟簇的数量也就是说任一备选簇头节点被虚拟簇所包含的次数。本步骤得到的分簇得分可以按照预定的规则(例如,从大到小、从小到大等)存储在列表中。
沿用图3所示例子,从中可见,有些节点被多个虚拟簇所包含。所以,为了确保无线传感器网络的拓扑结构包括所有节点,且簇与簇之间的重叠概率最小,本步骤通过确定包含任一备选簇头节点的虚拟簇的数量来确保合理的网络分簇。
S220:基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇。
在一些实施例中,如图4所示,本步骤包括如下步骤S221至步骤S223。
S221:按照从大到小的顺序,对各备选簇头节点的分簇得分进行排序。
本步骤可以将存储在列表中的分簇得分按照从大到小的顺序行排序。
S222:将分簇得分最大的备选簇头节点所对应的虚拟簇确定为真实簇。
沿用上例,在实际应用中,本步骤在将虚拟簇转变为真实簇的同时,将该虚拟簇所包含的其他节点(除了分簇得分最大的备选簇头节点之外的节点)的信息从列表中删除。
在一些实施例中,本步骤S222具体包括如下步骤a1至步骤a4。
步骤a1:判断分簇得分最大的备选簇头节点的剩余能量值是否大于预定剩余能量值;若是,则执行步骤a2;否则,执行步骤a3。
其中,剩余能量值可通过下式得到:
其中,Eave表示预定剩余能量值,实际中其可选为平均剩余能量值;表示第i个节点的剩余能量;i表示节点编号,取正整数;n表示无线传感器网络中节点的总数。
步骤a2:将分簇得分最大的备选簇头节点确定为真实簇头节点。
步骤a3:拒绝将该备选簇头节点确定为真实簇头节点。
在一些实施例中,如果存在多个分簇得分最大的备选簇头节点,则本步骤包括步骤b1和步骤b2。
步骤b1:若存在多个分簇得分最大的备选簇头节点,则计算各分簇得分最大的备选簇头节点的簇头概率因子;其中,簇头概率因子为分簇得分最大的备选簇头节点的剩余能量值与其最大能量值之商。
本步骤针对多个备选簇头节点具有相同且均大于预定剩余能量值的分簇得分的情况,通过簇头概率因子来选取簇头节点。
其中,簇头概率因子可以通过下式计算得到:
其中,表示第i个节点被选为簇头的概率(也称簇头概率因子);Emax表示节点的最大能量值。
当然,如果节点能量很小(例如,剩余能量小于初始能量的1%),则该节点的能量已不能保证处理数据了。因此,可以将该节点排除在簇头节点的竞选之外。
步骤b2:将最大的簇头概率因子所对应的分簇得分最大的备选簇头节点确定为真实簇头节点。
通过本步骤,本实施例提高了选择簇头节点的公平性,没有造成额外大量的计算,而且也没有增加时间复杂度,最大化地均衡了节点能量。
步骤a4:将真实簇头节点所对应的虚拟簇确定为真实簇。
其中,在实际应用中,本步骤在确定真实簇的同时还可以将该真实簇所对应的节点的信息从列表中删除。
为了确保无线传感器网络中的所有节点之间具有连通性,在一些实施例中,如果存在未被虚拟簇和真实簇所包含的节点,则在步骤S222之后,网络分簇方法还包括如下步骤c1和步骤c2。
步骤c1:将未被虚拟簇和真实簇所包含的节点确定为剩余节点。
如图5a所示,将未被虚拟簇和真实簇所包含的节点确定为剩余节点51。
步骤c2:基于剩余节点,确定包含剩余节点的真实簇;其中,包含剩余节点的真实簇所包含的节点数量最少。
如图5b所示,基于剩余节点51,确定包含剩余节点51的真实簇52。其中,真实簇52所包含的节点的数量最少。
本步骤通过将包含剩余节点且包含节点数量最少的簇确定为真实簇,从而为剩余节点添加真实簇,使得无线传感器网络的网络拓扑包含了所有的节点,确保了无线传感器网络内所有节点之间的连通性,还可以实现节能的效果。
S223:针对除去所确定出的真实簇所对应的分簇得分最大的备选簇头节点之外的节点,重复执行排序步骤和确定真实簇的步骤。
沿用前述示例,如果第一轮次排序时,确定出分簇得分最大的备选簇头节点;则在第二轮次排序时,本步骤将该节点排除在外,对余下的节点进行排序,并按照分簇得分的大小对列表进行更新,重复执行排序步骤和确定真实簇的步骤,再选取出分簇得分最大的备选簇头节点,并将其所对应的虚拟簇转变为真实簇,以此类推,直至列表为空。
S230:若确定出真实簇,则将所确定的真实簇所对应的备选簇头节点确定为真实簇头节点。
S240:重复执行上述步骤S200至步骤S230。
通过本步骤实现了以轮次的方式更新簇头节点,其也可以视为周期性地更新簇头节点。在实际应用中,可以设置起始时间为TS,并设置每轮次的周期为Tr。当时间T达到TS+k+Tr时,执行本发明实施例提供的技术方案。
由此,本发明实施例不易过早地耗尽簇头节点的能量,能够使得无线传感器网络的负载更加均衡,也使得无线传感器网络中各个节点的能量消耗更加均衡,从而延长了无线传感器网络的生命周期。
本发明实施例通过采取步骤S200至步骤S240的技术方案,基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇,然后将该真实簇所对应的备选簇头节点确定为真实簇头节点,实现了对WSN中节点的合理分簇,减少了簇与簇之间的重叠区域,提高了簇的分布的均匀化程度,从而使得重叠区域内的非簇头节点尽可能少地向其所在簇内的簇头节点发送相同的数据,减少了重叠区域内相同数据的冗余,进而减少了因重复信息所带来的能量损失,因而有利于节点的节能;而且,还通过重复执行确定真实簇头节点等步骤,实现了以轮次的方式动态地更换簇头节点,避免了现有技术因不更换簇头节点而造成簇头节点能量的过度消耗,延缓了首个节点的死亡时间,平衡了所有节点的能量支出,从而均衡了WSN内节点的能量消耗,延长了WSN的生命周期。
下面以验证实施例的方式对本发明实施例提供的技术方案进行详细说明。
本实施例假设信道为理想信道,所以,本实施例不考虑噪声和差错传输。这里,在1000m×1000m的正方形仿真区域内,分别对本发明实施例提供的技术方案和SP(SetPacking,集合压缩)算法方案进行相同环境下的对比。
表一示例性地示出了本实施例中的参数。
表一:
参数 | 数值(单位) |
区域大小 | 1000m×1000m |
节点个数 | 100-300个 |
节点通信半径 | 10m |
单位数据传输能耗 | 0.5uJ/bit |
节点每秒产生信息速率 | rand(200,300)bit/s |
节点初始能量 | 20J |
每轮周期 | 1h |
为了计算节点能量均衡利用的情况,本实施例通过公平因子来衡量。该公平因子由下式计算:
其中,F表示公平因子;di表示第i个节点所接收到的数据信息;n表示无线传感器网络中节点的总数;i表示节点编号。
由上式可见当所有节点接收到的信息量相等时,F的值是1。这说明节点的使用最公平。F的值越趋近于1,说明无线传感器网络的负载越平衡,节点越公平。而当节点接收到的信息量差别悬殊时,F的值会趋近于0。这样会造成网络负载的极度不平衡,从而会造成部分节点能量过早被耗尽的现象。可见,通过F的值能够判断无线传感器网络拓扑结构是否合理。
图6示例性地示出了本发明实施例提供的技术方案与SP算法技术方案的F值比较结果示意图。从中可见,由于本发明实施例采用轮次的方式选取簇头节点,所以,本发明实施例比SP算法技术方案使得无线传感器网络的负载更加均衡,具有更好的公平性,能有利地延长无线传感器网络的生命周期。
图7示例性地示出了本发明实施例提供的技术方案与SP算法技术方案的节点能量消耗比较示意图。从中可见,SP算法技术方案中,节点的能量消耗不均匀;而本发明实施例提供的技术方案中,节点的能量消耗多集中在19J左右。由此可见,本发明实施例提供的技术方案具有更好的公平性,可以使得无线传感器网络的负载更加均衡,并且可以保证所有节点均在网络拓扑中。
图8示例性地示出了本发明实施例提供的技术方案与SP算法技术方案的平均簇个数的比较示意图。其中,三角形表示SP算法技术方案中,在不同节点个数的情况下所对应的平均簇个数;星形表示本发明实施例中在不同节点个数的情况下所对应的平均簇个数;虚线表示最大可能的簇个数。从图中可见,代表本发明实施例的曲线高于代表SP算法技术方案的曲线,因此,本发明实施例以簇个数少量的增加换取了无线传感器网络能量更加均衡的效果。
下面通过将本发明实施例应用于路由预测方面为例进行详细说明。
本实施例提供一种基于上述网络分簇方法实施例的路由确定方法,该路由确定方法应用于所述无线传感器网络;无线传感器网络包括多个汇聚节点,多个汇聚节点用于执行除了数据收集操作之外的操作;
该路由确定方法包括:
步骤1:针对各节点,并将各节点作为备选簇头节点,且以预定半径分别确定一虚拟簇;
步骤2:将包含任一备选簇头节点的虚拟簇的数量,确定为任一备选簇头节点的分簇得分;
步骤3:按照从大到小的顺序,对各备选簇头节点的分簇得分进行排序;
步骤4:如果存在多个分簇得分最大的备选簇头节点,则判断分簇得分最大的备选簇头节点的剩余能量值是否大于预定剩余能量值;若否,执行步骤步骤5;若是,则执行步骤6;
步骤5:拒绝将该备选簇头节点选取为簇头节点;
步骤6:计算各分簇得分最大的备选簇头节点的簇头概率因子;其中,簇头概率因子为分簇得分最大的备选簇头节点的剩余能量值与其最大能量值之商;
步骤7:将最大的簇头概率因子所对应的分簇得分最大的备选簇头节点确定为真实簇头节点。
步骤8:将真实簇头节点所对应的虚拟簇确定为真实簇。
步骤9:如果存在未被虚拟簇和真实簇所包含的节点,则将未被虚拟簇和真实簇所包含的节点确定为剩余节点;
步骤10:基于剩余节点,确定包含剩余节点的真实簇;其中,包含剩余节点的真实簇所包含的节点数量最少。
步骤11:针对除去所确定出的真实簇所对应的分簇得分最大的备选簇头节点之外的节点,重复执行排序步骤和确定真实簇的步骤。
步骤12:若确定出真实簇,则将所确定的真实簇所对应的备选簇头节点确定为真实簇头节点;
步骤13:重复执行上述步骤,将无线传感器网络分为多个子区域;其中,各子区域分别包括多个真实簇头节点和一个汇聚节点;多个真实簇头节点只用于收集其自身所在真实簇内其他节点的数据;
步骤14:基于SFLA,确定多个汇聚节点以并行方式遍历访问各子区域内多个真实簇头节点的移动路径;其中移动路径为TSP(Traveling Salesman Problem,旅行商问题)路径。
在步骤14中,SFLA(Shuffled Frog Leaping Algorithm,混合蛙跳算法)是由Eusuff等人提出的一种后启发式群体进化算法。它同时结合MA(Mimetic Algorithm,基因算法)与PSO(Particle Swarm Optimization,微粒群算法)各自的优点,具有计算速度快、参数简单、全局搜索寻优能力强、易于实现等特点。SFLA可用于解决多目标优化问题,例如,故障维护、资源分配、流程安排、车间作业等问题。
下面举例对基于SFLA确定多个汇聚节点以并行方式遍历访问各子区域内多个真实簇头节点的移动路径的过程进行详细说明。
假设:Z1表示子区域;N表示簇头节点数量;Z1包括N个簇头节点;i表示簇头节点编号;si表示第i个簇头节点;{s1,s2,...si}表示Z1内簇头节点的集合;M表示子区域数量;汇聚节点的数量为M;msi表示第j个汇聚节点;j表示汇聚节点的编号,取正整数;{ms1,ms2...msi}表示汇聚节点的集合;Tj表示msi的移动路径轨迹。
本实施例中,M个汇聚节点访问子区域内簇头节点的路径选择可以视为TSP问题。因为,SFLA具有收敛速度快、时间复杂度低的特点,所以,其适于解决实时性要求高的问题。
本实施例提供的确定移动路径的方法包括如下步骤1至步骤7。其中:
步骤1:初始化;
其中,随机生成F'个青蛙个体;确定蛙群、种群数量和每个种群中的青蛙数量,并且蛙群数量等于种群数量与每个种群中青蛙数量之积;每一个青蛙个体代表问题的一个解;计算每个青蛙个体的适应度(也即可行解的适应度,简称适应度),同时根据该适应度的大小,将青蛙个体从大到小排序。最后,将适应度最大的青蛙个体作为全局最优解。
举例而言,在SFLA中,每一个蛙跳路径都可称为一个可行解,则可行解可通过下式得到:
y={y1,y2,......,yk}; (公式4)
|y|=k; (公式6)
其中,y表示可行解(也即汇聚节点移动路径的可行解);k表示T所包含的节点的数量;T表示子区域内的移动路径;yk表示子区域内的移动路径上各个节点的编号。
可行解集合和可行解集合子集合可通过下式得到:
Y={Y1,Y2,......,Ym}; (公式7)
其中,Y表示可行解集合;Ym表示可行解集合的子集合;m表示子集合的数量;n表示可行解的数量。
本实施例将满足公式7和公式9的集合Y作为T的可行解集合,并将满足公式8至公式11的集合作为可行解集合Y的子集合Ym;由此可知,Y和Ym均为T的可行解的集合。
青蛙个体的适应度可通过下式得到:
其中,f(q)表示青蛙个体的适应度;LT表示子区域内的移动路径T的总长度;lk-1,k表示T上两个相邻节点之间的欧氏距离。
由公式12和公式13可知,适应度是T的总长度LT的倒数。因此,T的每个可行解y都对应一个适应度fy(q),适应度fy(q)越大,LT就越大,从而该可行解就越好。
若存在一个同时满足公式5和公式6的y,则将y作为T子区域内的移动路径的一个可行解。T子区域内的移动路径所对应的一组可行解为一组节点编号。
因为,对于一个T,一定存在多种组合。所以,本发明实施例通过确定最优的编号顺序就可以得到最短的汇聚节点访问各子区域内多个真实簇头节点的移动路径。
步骤2:划分青蛙子群;
本步骤中,将排完序的青蛙个体按照预定的划分规则,划分为若干个青蛙子群。
举例而言,如图9所示,按照适应度从大到小,将可行解集合的子集合中的元素进行排序,并对青蛙子群进行划分,从而可以得到如下关系式:
Yk={y(i),fi(q)|y(i)=y[k+m×(i-1)],fi(q)=fk+m×(i-1)(q)}; (公式14)
其中,Y表示可行解集合;Yk表示自蛙群;F表示蛙群数量;m表示种群数量;n表示每个种群中的青蛙数量;q表示青蛙数量;f(q)表示第q个青蛙的适应度;i=1,2,……,n;k=1,2,……m。
步骤3:按照预定的更新策略对每一个青蛙子群进行局部更新;
其中,针对每个青蛙子群,确定适应度最大和适应度最小的青蛙个体,同时,将局部最优解作为适应度最大的青蛙个体,将局部最差解作为适应度最小的青蛙个体。其中,对于局部最差解按照预定的更新规则进行若干次更新,同时将更新后得到的青蛙个体代替原来的局部最差解。
在一些实施例中,本步骤包括如下步骤31和步骤32。其中:
步骤31:在每个子蛙群中确定适应度最大值、适应度最小值以及各自的可行解;
步骤32:根据以下策略对子蛙群中适应度最小值的青蛙个体进行更新:
其中,Pq表示更新后的最差解;Pw表示局部最差解;S'表示青蛙个体的调整矢量;Smax表示最大允许跳动步长,即:移动路径可行解允许改变的最大步长;rand表示在(0,1]范围内的一个随机数。
举例来说,假设:Pw=[13542],Pb=[21534],Smax=3,rand=0.5;
则,Pq(1)=1+min{int[0.5×(2-1)],3}=1;
Pq(2)=3+max{int[0.5×(1-3)],-3}=2;
以此类推,根据公式15进行更新,得到:Pq=[12543]。
其中,int表示以e为底的对数,其中,e≈2.71828。
通过本步骤可以实现优化局部青蛙个体的效果。
步骤4:按照预定的更新策略对所有青蛙个体进行混合,进行全局更新;
本步骤中,将所有青蛙个体进行混合,即将各个子蛙群进行混合。当每个子蛙群都完成一轮更新后,根据青蛙个体的适应度,按照由大到小的顺序(也就是将各个子蛙群中的青蛙重新按照适应度,从大到小的顺序进行排序),将适应度最大的青蛙个体与全局最优解进行比较;若该青蛙个体优于该全局最优解,则使用该青蛙个体代替该全局最优解。
具体地,全局最优解可通过下式得到:
PX={y1,y2,......yk|fy(q)=fmax(q)}; (公式16)
其中,PX表示全局最优解;fmax(q)表示适应度的最大值(也即对应T的最短距离)。
在可行解集合的子集合中,局部最差解和局部最优解由其对应的适应度决定,即:最小适应度对应于最差解,最高适应度对应于最优解。所以,局部最差解和局部最优解可通过下式得到:
其中,Pw表示局部最差解;Pb表示局部最优解;Yk表示可行解集合的子集合;k表示T所包含的节点的数量;表示Yk中可行解的适应度;表示内可行解的适应度的最大值;表示内可行解的适应度的最小值。
步骤5:判定全局最优解是否为最优解;若是,则执行步6;否则,执行步骤3;
本步骤根据以下收敛条件中的任一个,判定更新后的全局最优解是否输出的最优解:
(1)在最近的设定次数的全局更新之后,全局最优解是否优于设定的最优解;
(2)全局更新次数或最大函数评价次数达到设定次数。
当本步骤满足上述收敛条件中的任意一个条件时,则将当前更新后的全局最优解PX视为最优解,即作为最优路径序列,也就是最短路径。
步骤6:将全局最优解作为最优解;
本步骤将全局最优解PX作为最终输出的最优解,即汇聚节点的最短移动路径。
本实施例中,采用时间复杂度低、参数少、全局寻优能力强的混合蛙跳算法实现路由选择,最后在利用移动的汇聚节点并行地遍历移动路径上的簇头节点,完成数据采集,如图10中带箭头的线段所示。如此重复进行,直至本轮次结束,然后再开始下一轮次簇头节点的选取。当出现节点能量消耗殆尽的情况时,确定无线传感器网络的生命结束。
综上所述,与现有SP算法技术方案中没有定期更换簇头节点的方式相比,本发明实施例提供的路由确定方法可以尽可能地保证无线传感器网络内所有节点的连通性,实现了节点的可扩展性,因而生成的簇是分布式的;而且,通过采取上述技术方案,可以实现簇的分布均匀化,从而有利于减少簇与簇之间的重叠率,避免相同信息的重复发送,节省了节点的能量;另外,还通过对簇头节点的合理选择,避免了簇头节点过早地消耗完能量,并且以轮次的方式选取簇头节点,实现了均衡节点能量消耗的效果。
为了实现WSN中节点能量消耗的均衡,本发明实施例还提供一种网络分簇装置,应用于无线传感器网络;无线传感器网络包括多个节点;如图11所示,该网络分簇装置包括:
第一确定模块111,用于针对各节点,并将各节点作为备选簇头节点,且以预定半径分别确定一虚拟簇;
计分模块112,用于将包含任一备选簇头节点的虚拟簇的数量,确定为任一备选簇头节点的分簇得分;
判断模块113,用于基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇;
第二确定模块114,用于在确定出真实簇的情况下,将所确定的真实簇所对应的备选簇头节点确定为真实簇头节点;
重复模块115,用于触发第一确定模块111、计分模块112、判断模块113和第二确定模块114重复运行。
本实施例通过采取上述技术方案,计分模块112基于各备选簇头节点的分簇得分,接着,判断模块113确定由第一确定模块111确定出的各虚拟簇是否为真实簇,然后,第二确定模块114将该真实簇所对应的备选簇头节点确定为真实簇头节点,最后,重复模块115触发第一确定模块111、计分模块112、判断模块113和第二确定模块114重复运行,由此实现了对WSN中节点的合理分簇,减少了簇与簇之间的重叠区域,提高了簇的分布的均匀化程度,从而使得重叠区域内的非簇头节点尽可能少地向其所在簇内的簇头节点发送相同的数据,减少了重叠区域内相同数据的冗余,进而减少了因重复信息所带来的能量损失,因而有利于节点的节能;而且,还通过重复执行确定真实簇头节点等步骤,实现了以轮次的方式动态地更换簇头节点,避免了现有技术因不更换簇头节点而造成簇头节点能量的过度消耗,延缓了首个节点的死亡时间,平衡了所有节点的能量支出,从而均衡了WSN内节点的能量消耗,延长了WSN的生命周期。
在一些实施例中,如图12所示,上述判断模块包括:
排序单元121,用于按照从大到小的顺序,对各备选簇头节点的分簇得分进行排序;
确定单元122,用于将分簇得分最大的备选簇头节点所对应的虚拟簇确定为真实簇;
重复单元123,用于针对除去所确定出的真实簇所对应的分簇得分最大的备选簇头节点之外的节点,重复执行排序步骤和确定真实簇的步骤。
在一些实施例中,上述确定单元包括:
判断子单元,用于判断分簇得分最大的备选簇头节点的剩余能量值是否大于预定剩余能量值;
第一确定子单元,用于当判断子单元判断为是时,将分簇得分最大的备选簇头节点确定为真实簇头节点;
第二确定子单元,用于将真实簇头节点所对应的虚拟簇确定为真实簇。
此外,基于与方法实施例相同的技术构思,本发明实施例还提供了一种电子设备,如图13所示,包括处理器131、通信接口132、存储器133和通信总线134,其中,处理器131,通信接口132,存储器133通过通信总线134完成相互间的通信,
存储器133,用于存放计算机程序;
处理器131,用于执行存储器133上所存放的程序时,实现上述任一网络分簇方法实施例中所述的方法步骤。
上述电子设备提到的通信总线134可以是外设部件互连标准(PeripheralComponent Interconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图13中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
上述通信接口132用于上述电子设备与其他设备之间的通信。
上述存储器133可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(non-volatile memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器131可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Ne twork Processor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Applica tion Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本实施例中,通过处理器131执行存储器133上所存放的程序,基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇,然后将该真实簇所对应的备选簇头节点确定为真实簇头节点,实现了对WSN中节点的合理分簇,减少了簇与簇之间的重叠区域,提高了簇的分布的均匀化程度,从而使得重叠区域内的非簇头节点尽可能少地向其所在簇内的簇头节点发送相同的数据,减少了重叠区域内相同数据的冗余,进而减少了因重复信息所带来的能量损失,因而有利于节点的节能;而且,还通过重复执行确定真实簇头节点等步骤,实现了以轮次的方式动态地更换簇头节点,避免了现有技术因不更换簇头节点而造成簇头节点能量的过度消耗,延缓了首个节点的死亡时间,平衡了所有节点的能量支出,从而均衡了WSN内节点的能量消耗,延长了WSN的生命周期。
再者,基于与方法实施例相同的技术构思,本发明实施例还提供了一种计算机可读存储介质。该计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例中所述的方法步骤。
本领域技术人员可以理解,上述计算机程序可以包括若干指令,以使得计算装置(例如,个人计算机、服务器等)执行上述任一方法实施例所述的方法步骤。
上述计算机可读存储介质可以包括但不限于随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、只读存储器(ROM)、可编程只读存储器(PROM)、可擦写可编程只读存储器(EPROM)、电可擦写可编程只读存储器(EEPROM)、闪存(例如,NOR型闪存或NAND型闪存)、内容可寻址存储器(CAM)、聚合物存储器(例如,铁电聚合物存储器)、相变存储器、双向开关半导体存储器、硅-氧化物-氮化硅-氧化硅-硅(Silicon-Oxide-Nitride-Oxide-Silicon,SONOS)存储器、磁卡或者光卡,亦或是其他任意适当类型的计算机可读存储介质。
本实施例中,计算机程序被处理器执行时,基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇,然后将该真实簇所对应的备选簇头节点确定为真实簇头节点,实现了对WSN中节点的合理分簇,减少了簇与簇之间的重叠区域,提高了簇的分布的均匀化程度,从而使得重叠区域内的非簇头节点尽可能少地向其所在簇内的簇头节点发送相同的数据,减少了重叠区域内相同数据的冗余,进而减少了因重复信息所带来的能量损失,因而有利于节点的节能;而且,还通过重复执行确定真实簇头节点等步骤,实现了以轮次的方式动态地更换簇头节点,避免了现有技术因不更换簇头节点而造成簇头节点能量的过度消耗,延缓了首个节点的死亡时间,平衡了所有节点的能量支出,从而均衡了WSN内节点的能量消耗,延长了WSN的生命周期。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种网络分簇方法,应用于无线传感器网络;所述无线传感器网络包括多个节点;其特征在于,所述方法包括:
针对所述各节点,并将所述各节点作为备选簇头节点,且以预定半径分别确定一虚拟簇;
将包含任一备选簇头节点的虚拟簇的数量,确定为所述任一备选簇头节点的分簇得分;
基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇;
若确定出真实簇,则将所确定的真实簇所对应的备选簇头节点确定为真实簇头节点;
重复执行上述步骤。
2.根据权利要求1所述的方法,其特征在于,所述基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇的步骤,包括:
按照从大到小的顺序,对所述各备选簇头节点的分簇得分进行排序;
将分簇得分最大的备选簇头节点所对应的虚拟簇确定为真实簇;
针对除去所确定出的真实簇所对应的分簇得分最大的备选簇头节点之外的节点,重复执行所述排序步骤和确定真实簇的步骤。
3.根据权利要求2所述的方法,其特征在于,所述将分簇得分最大的备选簇头节点所对应的虚拟簇确定为真实簇的步骤,包括:
判断所述分簇得分最大的备选簇头节点的剩余能量值是否大于预定剩余能量值;
若是,则将所述分簇得分最大的备选簇头节点确定为真实簇头节点;
将所述真实簇头节点所对应的虚拟簇确定为所述真实簇。
4.根据权利要求3所述的方法,其特征在于,如果存在多个所述分簇得分最大的备选簇头节点,则在所述判断所述分簇得分最大的备选簇头节点的剩余能量值是否大于预定剩余能量值的步骤之后,所述若是,则将所述分簇得分最大的备选簇头节点确定为真实簇头节点的步骤,包括:
若是,则计算所述各分簇得分最大的备选簇头节点的簇头概率因子;其中,所述簇头概率因子为所述分簇得分最大的备选簇头节点的剩余能量值与其最大能量值之商;
将最大的簇头概率因子所对应的分簇得分最大的备选簇头节点确定为真实簇头节点。
5.根据权利要求1-4中任一所述的方法,其特征在于,如果存在未被所述虚拟簇和所述真实簇所包含的节点,则在所述基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇的步骤之后,所述方法还包括:
将所述未被虚拟簇和所述真实簇所包含的节点确定为剩余节点;
基于所述剩余节点,确定包含所述剩余节点的真实簇;其中,所述包含所述剩余节点的真实簇所包含的节点数量最少。
6.一种网络分簇装置,应用于无线传感器网络;所述无线传感器网络包括多个节点;其特征在于,所述装置包括:
第一确定模块,用于针对所述各节点,并将所述各节点作为备选簇头节点,且以预定半径分别确定一虚拟簇;
计分模块,用于将包含任一备选簇头节点的虚拟簇的数量,确定为所述任一备选簇头节点的分簇得分;
判断模块,用于基于各备选簇头节点的分簇得分,确定各虚拟簇是否为真实簇;
第二确定模块,用于在确定出真实簇的情况下,将所确定的真实簇所对应的备选簇头节点确定为真实簇头节点;
重复模块,用于触发所述第一确定模块、所述计分模块、所述判断模块和所述第二确定模块重复运行。
7.根据权利要求6所述的装置,其特征在于,所述判断模块包括:
排序单元,用于按照从大到小的顺序,对所述各备选簇头节点的分簇得分进行排序;
确定单元,用于将分簇得分最大的备选簇头节点所对应的虚拟簇确定为真实簇;
重复单元,用于针对除去所确定出的真实簇所对应的分簇得分最大的备选簇头节点之外的节点,重复执行所述排序步骤和确定真实簇的步骤。
8.根据权利要求7所述的装置,其特征在于,所述确定单元包括:
判断子单元,用于判断所述分簇得分最大的备选簇头节点的剩余能量值是否大于预定剩余能量值;
第一确定子单元,用于当所述判断子单元判断为是时,将所述分簇得分最大的备选簇头节点确定为真实簇头节点;
第二确定子单元,用于将所述真实簇头节点所对应的虚拟簇确定为所述真实簇。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711042010.1A CN107786960A (zh) | 2017-10-30 | 2017-10-30 | 网络分簇方法、装置、电子设备和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711042010.1A CN107786960A (zh) | 2017-10-30 | 2017-10-30 | 网络分簇方法、装置、电子设备和计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107786960A true CN107786960A (zh) | 2018-03-09 |
Family
ID=61431931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711042010.1A Pending CN107786960A (zh) | 2017-10-30 | 2017-10-30 | 网络分簇方法、装置、电子设备和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107786960A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109195130A (zh) * | 2018-09-04 | 2019-01-11 | 广州市花林景观工程有限公司 | 高精度低成本的农田环境监测*** |
CN109362048A (zh) * | 2018-08-15 | 2019-02-19 | 杭州电子科技大学 | 基于无线传感器网络的地下管廊检测方法 |
CN111356201A (zh) * | 2018-12-20 | 2020-06-30 | 电信科学技术研究院有限公司 | 一种极大覆盖分群方法、装置及网络节点 |
CN113015118A (zh) * | 2019-12-20 | 2021-06-22 | 中国科学院沈阳计算技术研究所有限公司 | 一种工业物联网低功耗通信装置及*** |
-
2017
- 2017-10-30 CN CN201711042010.1A patent/CN107786960A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109362048A (zh) * | 2018-08-15 | 2019-02-19 | 杭州电子科技大学 | 基于无线传感器网络的地下管廊检测方法 |
CN109362048B (zh) * | 2018-08-15 | 2021-05-25 | 杭州电子科技大学 | 基于无线传感器网络的地下管廊检测方法 |
CN109195130A (zh) * | 2018-09-04 | 2019-01-11 | 广州市花林景观工程有限公司 | 高精度低成本的农田环境监测*** |
CN111356201A (zh) * | 2018-12-20 | 2020-06-30 | 电信科学技术研究院有限公司 | 一种极大覆盖分群方法、装置及网络节点 |
CN111356201B (zh) * | 2018-12-20 | 2022-04-15 | 大唐移动通信设备有限公司 | 一种极大覆盖分群方法、装置及网络节点 |
CN113015118A (zh) * | 2019-12-20 | 2021-06-22 | 中国科学院沈阳计算技术研究所有限公司 | 一种工业物联网低功耗通信装置及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107786960A (zh) | 网络分簇方法、装置、电子设备和计算机存储介质 | |
Lin et al. | A hybrid multi-verse optimization for the fuzzy flexible job-shop scheduling problem | |
Mann et al. | Energy efficient clustering protocol based on improved metaheuristic in wireless sensor networks | |
Zhang et al. | Integrated ant colony and tabu search approach for time dependent vehicle routing problems with simultaneous pickup and delivery | |
CN107071852B (zh) | 面向移动机会社会网络的社会感知和概率预测的路由方法 | |
Yu et al. | Optimizing bus transit network with parallel ant colony algorithm | |
Lin et al. | Joint data collection and fusion using mobile sink in heterogeneous wireless sensor networks | |
CN109636213A (zh) | 订单分配、评价方法及装置、电子设备及存储介质 | |
CN106102079A (zh) | 基于改进pso的c‑ran载波迁移资源需求预测方法 | |
CN107708089A (zh) | 基于分簇的数据转发方法和数据转发装置 | |
CN105469143A (zh) | 基于神经网络动态特征的片上网络资源映射方法 | |
CN106209618A (zh) | 一种提高智能配用电能效的通信混合组网方法及*** | |
CN107172627B (zh) | 基于混沌优化细菌觅食算法的传感器节点部署方法 | |
Hirsch et al. | A resource-efficient adaptive caching scheme for mobile ad hoc networks | |
Pankaj et al. | Self-adaptive cuckoo search algorithm for optimal design of water distribution systems | |
Meng et al. | Multi-colony ant algorithm using both generative adversarial nets and adaptive stagnation avoidance strategy | |
CN113037546A (zh) | 基于深度强化学习的安全性虚拟网络映射方法 | |
Chen et al. | An improved honey badger algorithm for electric vehicle charge orderly planning | |
Singh et al. | Designing an energy efficient network using integration of KSOM, ANN and data fusion techniques | |
CN107135155B (zh) | 一种基于节点社会关系的机会网络路由方法 | |
CN109840625A (zh) | 一种快递员群路径导航的方法 | |
CN116321189A (zh) | 一种面向边缘计算中基于深度强化学习的服务器部署方法 | |
Nguyen et al. | Multi-agent task assignment in vehicular edge computing: A regret-matching learning-based approach | |
Meng et al. | Optimization and application of artificial intelligence routing algorithm | |
Bastani et al. | A social node model for realising information dissemination strategies in delay tolerant networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20191127 Address after: 100842 Hospital No. 22, Fuxing Road, Haidian District, Beijing Applicant after: Information Center of the Logistics Support Department of the Central Military Commission Address before: 100036 No. 22 Fuxing Road, Beijing, Haidian District Applicant before: Wu Hao Applicant before: Lv Xuefeng |
|
TA01 | Transfer of patent application right | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180309 |
|
WD01 | Invention patent application deemed withdrawn after publication |