基于混合灰狼与鲸鱼优化算法的无线传感器网络节能集群路由技术

《Sustainable Computing: Informatics and Systems》:Energy-efficient cluster-based routing in wireless sensor networks using a hybrid grey wolf and whale optimization algorithm

【字体: 大 中 小 】 时间:2026年06月15日 来源:Sustainable Computing: Informatics and Systems 3.8

编辑推荐:

  Eesa Alsolami沙特阿拉伯吉达21959,吉达大学计算机科学与工程学院摘要在实施监控和环境感知任务中,无线传感器网络起着至关重要的作用,它们负责能量供应和数据传输。为此,我们提出了一种能效型集群与路由混合方案,将灰狼优化算法和鲸鱼优化算法相结合,以此作为解决上述问题的潜

  
Eesa Alsolami
沙特阿拉伯吉达21959,吉达大学计算机科学与工程学院

摘要

在实施监控和环境感知任务中,无线传感器网络起着至关重要的作用,它们负责能量供应和数据传输。为此,我们提出了一种能效型集群与路由混合方案,将灰狼优化算法和鲸鱼优化算法相结合,以此作为解决上述问题的潜在方法。该算法通过结合鲸鱼优化算法的搜索能力和灰狼优化算法的探索能力,优化路由路径并动态选择集群头节点。该方法更注重能效、网络寿命以及可靠的数据传输。总体而言,根据仿真结果,与现有的经典分布式算法如LEACH相比,这种混合灰狼-鲸鱼优化算法在更大规模的网络中能更好地平衡能耗、网络寿命和延迟。实验证明,该算法是解决实际场景中各类无线传感器网络所面临动态问题的优化方案,无论是对同构还是异构网络而言。

引言

无线传感器网络的诞生使得数据监测变得更为便捷,可应用于环境监测、制造流程以及智慧城市等领域[1]。这些网络中的传感器节点会协同收集数据,并将其传输至中央基站[2]。由于资源限制,无线传感器网络在运行过程中必须注重节能,因此电池至关重要[3]。在采用集群路由系统的传感器网络中,需要通过集群头节点选择机制来管理节点结构。通过减少网络信息量,尽可能避免数据重复,从而提升网络的可持续运行时间[4]。
在无线传感器网络中,集群头节点的选择以及路由路径的确定对于实现能效目标具有重要意义。若采用不当的方法选择集群头节点,会导致能耗不均,进而引发节点过早失效,降低网络稳定性[5]、[6]。节点密度、传输范围的变化以及环境因素都会影响这类网络中的能耗情况[7]。由于无线传感器网络需要在不断变化的复杂环境中运行,且流量模式也会不断变动,因此需要具备能够根据环境变化调整自身行为的自适应路由机制[8]、[9]。传统的路由协议在应对无线传感器网络复杂的动态和异构需求时,灵活性较差。
[10]由于无线传感器网络基于集群的路由特性,其在发展过程中面临着两大难题。大多数传统算法在收敛过程中容易陷入局部最优解,或者需要很长时间才能确定合适的部署方案,比如错误的集群头节点位置,这会导致路由路径上的能量迅速耗尽[11]。如果不能将能耗控制、端到端延迟以及可靠的端到端数据传输作为优化目标,路由网络的效率也会下降[12]。随着网络规模的扩大,要保持稳定的路由规则以实现高效能路由,就会面临巨大的扩展难题[13]。
本研究提出了一种基于灰狼优化算法和鲸鱼优化算法的混合元启发式方法来解决这些问题[14]、[15]。灰狼优化算法利用灰狼的社会结构和捕猎方式,具备强大的全局搜索能力[16]。而鲸鱼优化算法则借助鲸鱼的群体觅食机制,能够精准地执行局部搜索。通过结合灰狼优化算法的探索能力和鲸鱼优化算法的利用能力,这种混合方法能够实现均衡的集群头节点选择以及最优的路由路径规划[17]。两种方法的结合产生了协同效应,有助于降低能耗、延长网络寿命,并提高各类动态网络中的数据传输可靠性[18]。
在无线传感器网络中,集群头节点的选择和路由优化属于典型的NP难问题,因为需要在剩余能量、传输距离、延迟、负载均衡以及网络覆盖等相互冲突的约束条件下,同时优化集群构建、集群头节点位置以及多跳路由路径。传感器节点的数量可能呈指数级增长,而在大规模网络环境中,使用精确的优化技术不仅成本高昂,而且并不实用。在动态且异构的网络环境中,传统的确定性及启发式路由协议存在一些缺陷,比如过早收敛、适应性较差以及能源平衡不佳。因此,人们通常采用元启发式算法,在可接受的计算时间内获得接近最优的解决方案。灰狼优化算法在整个解空间中具有出色的探索能力,而鲸鱼优化算法则具备优秀的局部利用能力和解决方案优化能力。所提出的混合灰狼-鲸鱼优化框架充分利用了这两种算法的互补优势,通过优化集群头节点选择和具备能源意识的路由性能,有效解决了这一NP难优化问题。
由于传感器节点的能源储备极为有限,无线传感器网络在集群构建和路由规划方面面临着诸多复杂挑战。数据传输需要消耗大量能量,因为数据需要经过多个节点才能到达目标节点[19]。在异构网络中,由于节点间的能量差异,服务质量会受到严重影响。在既要保持较高的数据传输速率,又要优化数据传输的能耗这一NP难问题上,如果路由和集群构建方法不当,就会导致节点失效,进而引发网络不稳定,因为此时单个节点的能源效率会下降,节点最终会因能源耗尽而无法正常工作,进而降低整体网络性能[20]。本研究提出了一种结合灰狼优化算法和鲸鱼优化算法的混合方法,用于实现集群构建和路由优化。通过合理的集群头节点选择以及动态的路由路径规划,该网络实现了能耗的均衡分配,网络寿命得到延长,稳定性也有所提升[21]。灰狼优化算法的全局探索能力与鲸鱼优化算法的局部利用能力相结合,使得资源分配更加灵活,有助于解决能量不平衡问题,进而提升无线传感器网络的效率和可靠性。
  • •
    采用混合灰狼-鲸鱼优化算法实现高效的集群头节点选择与路由优化。
  • •
    均衡的能耗有助于延长网络寿命并提升其稳定性。
  • •
    提升了数据传输的可靠性,同时减少了延迟。
  • •
    能够适应网络中的动态变化条件。
  • •
    通过将该混合算法与现有解决方案进行对比,验证其性能优势。

章节要点

文献综述

为提升能效,集群技术被广泛应用,其中最常用的方法是LEACH算法。但由于其集群头节点选择是随机的,因此在不同部署场景下,LEACH的性能表现不佳。为此,有研究[22]提出了一种改进的灰狼优化算法,通过综合考虑sink节点距离、集群头节点平衡性、剩余能量以及簇内节点距离等因素,来优化集群头节点的选择。这种具有动态特性且注重能源效率的集群构建方法显著延长了网络的使用寿命。仿真结果表明,基于改进灰狼优化算法的LEACH算法性能优于传统版本。

所提出的方法

该图展示了一种用于无线传感器网络中高效集群路由的两阶段混合优化框架。首先进行初始化处理,并通过改进的动态速度调节机制为节点优化做准备。接着,利用混合灰狼优化算法和鲸鱼优化算法共同确定最优的集群头节点。以灰狼优化算法为灵感设计的群体探索机制有助于优化集群头节点的选择,随后再根据适应性标准进行智能筛选。在第二阶段,则会运用记忆机制……

实验与结果

仿真结果显示,所提出的混合灰狼优化算法与鲸鱼优化算法在无线传感器网络的高效集群路由任务中,相较于LEACH算法以及单独使用的灰狼优化算法和鲸鱼优化算法,性能有了显著提升。该混合算法在多轮测试中能耗表现十分稳定,几乎没有明显波动,因此能够保证网络更长的运行时间。网络存活率提升了25%至30%,数据包延迟也有所降低,尤其是在网络规模较大的情况下。

结论与未来展望

本研究提出了一种将灰狼优化算法与鲸鱼优化算法相结合的方法,用以有效提升无线传感器网络中的高效路由功能。实验结果表明,该方法有助于节约能源,从而延长网络使用寿命,同时还能比LEACH算法更快地实现数据包的传输。将这两种算法结合起来,能够以公平的方式寻找最优解决方案,确保能够成功选出合适的集群头节点和路由路径……

CRediT作者贡献说明

Eesa Alsolami:论文撰写——审稿与编辑、论文撰写——初稿撰写、结果验证、方法设计、正式分析、数据整理、概念构思。

参与同意声明

无需提供。

发表同意声明

所有作者均已同意发表本篇论文。

伦理审批声明

本文未涉及任何由作者开展的人类受试者或动物实验相关内容。

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。

致谢

本研究得到了沙特阿拉伯吉达的吉达大学的资助,资助编号为(UJ-25-DR-1379)。在此,作者们对吉达大学在技术支持及资金援助方面的帮助表示衷心的感谢。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号