最小生成树的非均匀分簇路由算法.docx

1、最小生成树的非均匀分簇路由算法基于最小生成树的非均匀分簇路由算法摘 要:发现现有的针对非均匀分簇路由算法没有充分考虑簇首与基站之间最优路径选择,而导致传输路径上的能量消耗不均衡的问题。为了更好地均衡传输路径上节点能量的消耗,提出了基于最小生成树的非均匀分簇的路由算法。该算法利用节点剩余能量和节点到基站的距离选举簇首,然后通过建立最小生成树搜寻最优传输路径,这样可以减少传输路径上的能量消耗,有效地解决能耗不均衡问题。理论分析和实验结果均表明,该算法无论在存活节点个数还是在能量消耗上都明显优于eeuc算法和ebca。关键词:簇首;非均匀分簇;不均衡;剩余能量;最小生成树 uneven cluste

2、ring routing algorithm based on minimum spanning tree zhang ming cai * , xue an rong, wang wei (school of computer science and telecommunication engineering, jiangsu university, zhenjiang jiangsu 212013, china) abstract:the existing uneven clustering routing algorithms do not consider the optimal pa

3、th selection between cluster heads and base station, which leads to unbalanced energy consumption. in order to balance energy consumption of transmission paths, this paper proposed an uneven clustering routing algorithm based on minimum spanning tree. the algorithm utilized residual energy of nodes

4、and the distance between nodes and base station to select cluster heads, and then generated minimum spanning tree to search the optimal transmission paths, which reduced energy consumption on the transmission paths and effectively solved unbalanced energy consumption. the theoretical analysis and ex

5、perimental results show that the algorithm is better than the existing energy efficient uneven clustering (eeuc) and energy balancing clustering algorithm (ebca) in terms of the number of live nodes and energy consumption. key words:cluster head; uneven clustering; unbalanced; residual energy; minim

6、um spanning tree 0 引言 无线传感器网络(wireless sensor network, wsn)作为新兴的网络测控技术,能够自主进行数据采集、融合和传输。由于节点与基站的距离较远,节点之间一般都采用多跳的形式进行数据传输。在这种“多对一”的数据传输模式中,导致靠近基站的节点会因转发过多的能量而死亡,出现能量消耗不均衡现象。因此,如何均衡各个节点之间能量消耗是wsn研究的热点。 为了减少冗余数据开销,heinzelman等 1 提出了自适应的分簇路由算法,方便了节点管理和控制信道的接入,减少开销,提高资源的利用效率,有效地降低节点能量消耗,延长网络的生命周期,但在分簇传感器

7、网络中,由于簇首到基站的距离比较远,簇首与基站之间需要通过多跳路由的方式进行传输和转发数据,这样进行数据传输时,将会造成离基站近的簇首因过多地转发数据而消耗大量的能量,导致能量消耗的不均衡问题；文献2提出了一种能量有效的非均匀分簇(energy efficient uneven clustering, eeuc)算法,虽然同时考虑簇内和簇间的能量均衡问题,但是eeuc需要周期性地随机竞选簇首,而且竞选簇首时只考虑了节点的剩余能量；文献3提供了一种有效的部署模式,将部署问题转化为多背包问题,利用蚁群优化的方法解决这一问题,能够延长网络的生命周期,但是对于一些环境恶劣的地区很难实现人工部署；在文献

8、4提出了一种负载均衡的无线传感器网络自适应分簇算法,该算法使用簇半径、节点剩余能量和簇首间距作为参数选取簇首,簇首与基站节点采用多跳的方式进行通信；文献5提出的改进的非均匀分簇算法考虑邻居节点剩余能量,文献6算法根据剩余能量选举簇首,同时限制簇内成员的数量和多跳路由的方式控制能量的消耗,都不能有效均衡节点的能量；文献7通过分析无线传感器网络中数据传输的动态连接优化问题,提出了一种利用代价模型、自适应学习和自协调启发式方法进行实时变量值的筛选方法,主要是集中于簇内连接计算,然后对成对主成分进行优化,实验结果表明可以应用于大规模的标准数据集上；文献8提出的一种能量均衡的路由算法(energy ba

9、lancing clustering algorithm, ebca),在非均匀部署的情况下,利用平衡网格设置节点的能量阈值来选取簇首,虽然在一定程度上能有效地降低网络的能量消耗,均衡网络中节点的能耗,但是没有涉及到最优路径的选择问题；文献9提出了一种能量高效非均匀分簇算法(uneven clustering algorithm, uca),通过簇首之间协调传输数据减少基站附近簇首的负担,但是没有涉及到最优路径的选择问题；文献10提出自适应分布式再分簇算法,通过节点的剩余能量和每个簇的平均能量来选择簇首和下一跳,但未考虑节点到基站的距离；文献11针对无线传感器网络节点负载不平衡性,在综合考虑节

10、点信息感知和信息传递能耗基础上对圆形区域节点能耗进行分析,使网络结束后,节点的剩余能量基本相同,仅仅考虑圆形区域,不具普遍性；文献12通过分析网络中不同半径下能量消耗情况,提出了不等簇半径轮转工作的能量空洞避免策略,对簇首之间的传输问题未进一步优化；文献13采用基于优先级的簇首选择策略,避免能量低的节点成为簇首,在一定程度上可以有效缓解能量洞问题；文献14针对基站附近的节点由于要转发数据而消耗过多的能量,导致能量洞的形成,提出了剩余能量启发合作传输避免能量空洞,通过合作阈值来进行数据传输,但是没有考虑到节点到基站的传输路径。 为此，本文提出了基于最小生成树的非均匀分簇路由算法(uneven c

11、lustering routing algorithm based on minimum spanning tree, ucramst),很好地解决了能量消耗不均匀的问题,有效延长整个网络的生命周期。 1 模型与问题描述 1.1 前提假设 传感器网络性质如下:基站节点具有较强的计算和存储能力,且满足对能量的需要;所有的传感器节点一旦部署之后是固定不动的,具有相同的通信能力和初始能量,另外还具备一定的数据融合功能;所有的节点根据接收的信号强度指示(received signal strength indication, rssi)可以获知自己的位置信息,根据接收者的距离远近,自动地调节其发送功率

12、,以减少节点能量的消耗。 1.2 能量模型 在描述算法之前,分析传感器网络的发送能量消耗,采用文献15中定义的能量模型: e trans (s i,s i+1 )=e 0+(d(s i,s i+1 ) (1) 其中:e 0为发射电路的耗损能量,表示模型中功率放大所需的能量,d(s i, s i+1 )表示两个节点之间的距离,e trans (s i,s i+1 )表示节点s i将单位数据传输给s i+1 所消耗的传输能量,取2或4。 传感器节点接收k比特数据消耗的能量e rece (k)为: e rece (k)=k*e 0(2) 假设s i选择s j作为其数据转发节点,其中每个节点在固定的时

13、间t内产生k比特的数据,s i所在的簇内节点的个数为n i,s j所在的簇内节点的个数为n j。为了简化问题分析,假设通信采用自由空间模型,并假设s i将数据传输至s j,s j将数据直接传输至基站,则传输k比特的数据至基站,s i消耗的能量e i为 e i=n i ke 0+n i ke trans (s i,s j)= n i k(2e 0+d 2(s i,s j)(3) s j消耗的能量主要有3部分:s j所在的簇内节点收集数据消耗的能量为n j*ke 0,接收s i的传输数据所消耗的能量为n i*ke 0,发送s i和s j这两部分数据消耗的能量。则s j消耗的能量e j为: e j=

14、n j ke 0+n i ke 0+(n i+n j) ke trans (s j,bs)= (n i+n j) k(2e 0+d 2(s j,bs)(4) 则s is j基站这条路径上消耗的能量e com 为: e com =e i+e j=(4n i+2n j)ke 0+n ikd 2(s i,s j)+ (n i+n j)kd 2(s j,bs)(5) 由式(5)可知,d 2(s i,s j)+d 2(s j,bs)将决定网络能量消耗的高低,因此优化传输路径可以降低网络中能量的消耗。 2 基于最小生成树的非均匀分簇路由算法 ucramst分3部分:根据节点的剩余能量和节点到基站的距离进行

15、非均匀分簇和簇首的选择;对簇首之间的传输路径进行搜索,通过建立最小生成树来寻找最优的传输路径;进行数据传输和转发并根据剩余能量和距离进行簇内调整和路由更新。 2.1 非均匀分簇和簇首选举 无线传感器网络所有的节点参与簇首的竞选,簇首选举采用非均匀分布竞选方式,网络中的所有节点都参与竞选,并将节点的剩余能量和节点到基站的距离作为簇首选择的评价标准,每进行一段时间的数据传输之后,簇内节点把自己的能量信息发送给簇首,在簇内所有节点中选取一个剩余能量最大的且离基站较近的节点取代簇首。通过簇首轮转的方式可以有效地均衡簇内各节点的能量消耗。 规则1 在竞选过程中,如果节点s k竞选成功,则在s k的竞选半

16、径r k之内的所有的节点均不能成为簇首并且退出竞选的过程。选举时计算竞选广播半径方法如下: r k=1-cd max -d(s k,bs)d max -d min r 0; c(0,1)(6) 其中:r 0是根据节点到基站的距离信息计算出来的竞选半径的最大值,r k是节点s k的竞选半径,d max 和d min 分别是节点到基站距离的最大值和最小值,c是用于控制竞选半径取值范围的参数,d(s k, bs)表示节点s k到基站的距离。由式(6)可知,随着节点到基站距离的减小,其竞选半径随之也减小,即靠近基站的传感器节点的竞选半径较小。 选举非均匀簇首的算法步骤: 第1步 各节点计算自己的竞选半

17、径并在竞选半径r k/2范围内广播竞选的消息msg1,该消息包含节点的 id、 节点到基站距离d(s k, bs)和剩余能量e resi 。 第2步 各节点收到其他节点的竞选消息msg1,把满足条件的节点添加到竞选节点的列表table中。条件:d(s k, s j)p j,则节点s k就成为新的簇首;否则s j就成为新的簇首,并将这一信息广播给簇内各个节点和相邻的簇首,同时修改路由表信息, 包括id、相关的能耗信息和剩余能量。 簇内调整后,将更改后的簇首信息添加到路由表中,如果路由表中有原簇首的信息,则将其删除掉,并将新簇首的id、剩余能量和相关的能耗信息添加到路由表中,并将这一信息广播,使传

18、感器网络中的所有簇首都能获得这一信息,更改其他簇首节点中存在的原簇首的信息。 2.4 算法性能分析 假设无线传感器网络中节点数量为 n,簇首的数量为n head 。下面讨论基于最小生成树的非均匀分簇动态路由算法的时间复杂度。 对于非均匀簇和簇首选择部分,首先要对所有的传感器节点计算竞选簇首的广播半径,时间复杂度为o(n);每个传感器节点在添加到竞选列表时都要计算各节点之间的距离,对应的时间复杂度o(n 2);根据每个节点的竞选列表,通过比较剩余能量和节点与基站的距离来决定簇首的选择,对应的时间复杂度是o(n 2);从整体上看,整个非均匀分簇和簇首选举算法的时间复杂度是o(n+ n 2+ n 2)，即o(n 2)。对于基于最小生成树的方法搜索最优路径的部分,首先构造一个带权连通图,构造带权的连通图的时间复杂度是o(n 2 head );根据 rssi 距离对簇首进行等级划分的复杂度是o(n head );当搜索簇首节点到基