一种基于亲和传播和混沌狮群的无线传感器网络分簇方法

1.本发明涉及一种无线传感器网络分簇方法，特别是一种基于亲和传播和混沌狮群的无线传感器网络分簇方法。


背景技术：

2.无线传感器网络在环境观察、军事、建筑监控、医疗保健、家居等方面起着重要的作用，但是无线传感器网络的发展仍然受到很多因素的限制，如：组成无线传感器网络的传感器节点通常部署在人类难以操作或无法操作的区域；传感器节点的能量有限，而且不能及时补充能量；传感器节点的分布具有随机性，导致传感器网络的拓扑结构不同。
3.目前已经提出大量关于分簇方法，簇头的数量及其选择对于减小能耗和延长网络寿命起着关键作用,大多数的聚类方法在聚类过程开始时使用固定数量的聚类，但这种方式通常不适合用于分布不均的网络。


技术实现要素：

4.本发明主要针对如何解决无线传感网络分簇方法中的簇数难以确定，簇头选择不合理，能量消耗较大等问题，提出一种基于亲和传播和混沌狮群的无线传感器网络分簇方法。
5.本发明一种基于亲和传播和混沌狮群的无线传感器网络分簇方法由两部分构成，即亲和传播确定簇数和初始簇头，采用混沌狮群方法优化簇头选举。
6.所述亲和传播确定簇数和初始簇头，使用节点之间的距离差的负绝对值来计算它们的相似度，亲和传播方法中的偏好用节点其与邻居节点到基站距离的归一化值以及节点的剩余能量与负载的比率与其邻居节点的归一化值来表示，剩余能量以及节点间距离也用于更新亲和传播中的吸引度和归属度。
7.所述混沌狮群方法优化簇头选举，考虑了簇内通信的能量消耗以及簇头的剩余能量与它们到基站的距离的比值来定义一个适应度函数，并在优化过程中引入混沌映射来提高狮群优化方法的收敛度。
附图说明
8.图1为本发明的存活节点示意图；图2为本发明的网络能耗示意图；图3为本发明的网络收敛时间示意图。
具体实施方式
9.下面结合附图对本发明作进一步的详细说明，本发明一种基于亲和传播和混沌狮群的无线传感器网络分簇方法包括亲和传播确定簇数和初始簇头和采用混沌狮群方法优化簇头选举两个部分。提出的分簇方法以减少网络能耗，扩大网络吞吐量、延长网络生命周
期为目的，首先基于改进的亲和传播聚类方法基于节点间的距离、节点到基站的距离、节点的剩余能量确定网络聚类数目并选出初始簇头，之后再狮群优化方法根据簇内通信的能量消耗以及簇头的剩余能量与它们到基站的距离的比值建立一个适应度函数来优化簇头，并在搜索的过程中引入混沌映射提高收敛速度，找到最优簇头。
10.所述亲和传播聚类方法其特征在于使用节点i和j之间的距离差的负绝对值来计算它们的相似度s(i,j)，计算公式如下：s(i,j)＝-|s(i1,i2)-s(j1,j2)|i,j∈[1,n],i∈nj,i≠j (1)其中s(i1,i2)为节点在网络中的位置，亲和传播的偏好s(j,j)设置为其中表示其与邻居节点到基站距离的归一化值，表示节点的剩余能量与负载的比率与其邻居节点的归一化值。为使具有更多剩余能量和较低负载以及邻居平均相似度的节点有更大的机会被选为ch，在亲和传播更新吸引度和归属度的式(2),(3)中引入剩余能量和距离，其中r(i,j)表示节点j被选为节点i的ch的合适程度，a(i,j)反映了节点i选择j作为其ch的合适程度，具体计算公式如下：如下：在亲和传播方法停止迭代后，满足r(j,j) a(j,j)＞0，j∈[1,n]的k个节点被选为簇头，k即为网络聚类数。
[0011]
所述混沌狮群优化簇头方法可以优化亲和传播方法中生成的初始簇头，在优化过程中，为了最小化簇内通信的能量消耗，考虑了簇内通信的能量消耗以及簇头的剩余能量与它们到基站的距离的比值来定义一个适应度函数如公式(4)所示其中ines(i)为每个簇内通信的能量消耗的归一化值diste(i)为簇头的剩余能量与它们到基站的距离的比值的归一化值。此外对狮群优化方法的迭代过程中结合混沌映射来提高其收敛性，利用tent映射的方式将混沌变量转化为区间范围，生成新个体，假定当前第k(k＝1，2，
…
，m)个簇头的搜索空间范围为[uk,lk]，uk,lk为当前簇头chxk到其邻居节点的最小和最大距离，tent混沌映射的主要步骤可以描述为如下4个步骤：
步骤1：对chxk实施变换，其中tmax表示tent混沌映射的最大迭代次数，将其映射到区间；步骤2：将混沌变量转化为区间范围，生成新个体，即chyk为下一轮迭代的节点；步骤3：如果fitness(chxk)＜fitness(chyk)，那么chxk＝chyk；步骤4：如果连续t轮迭代中没有更新更优值或者达到最大混沌迭代次数后，则结束混沌映射，否则继续搜索。
[0012]
为了验证本发明一种基于亲和传播和混沌狮群的无线传感器网络分簇方法apclo的性能，将提出的apclo方法在网络面积为200*200、基站位置为(100,100)、100个初始能量为1j的节点随机分布的条件下使用matlab仿真工具进行仿真。通过仿真结果对apclo分簇方法的性能与apsa、kh分簇方法进行比较分析。
[0013]
在本实验中，每轮存活节点数的模拟结果如图1所示，本文提出的apclo的首节点、一半节点分以及80％的节点分别在181、1098和1346轮死亡，而kh方法分别出现在58、909和1302轮，apsa方法分别出现在89、1031和1261轮；从图1中网络中存活节点的数量曲线可以看出，apclo在延长网络寿命方面相比其它协议有更加显著的效果。
[0014]
网络的寿命通常与节点的能量消耗成反比，能量消耗的越小，网络运行时使用的传输距离就越小。网络总能耗的变化如图2所示，随着网络中ch旋转频率的增加，网络能耗不断上升。kh和apsa方法的网络能耗曲线高于提出的apclo方法。apsa和kh方法分别在523和519轮消耗掉网络中一半的能量，而aplco运行到第559时网络能耗达到50％。从这些数据可以看出，在降低能耗方面，与apsa和kh相比，apclo方法具有更好的效果。
[0015]
收敛速度是指提出的方法从初始聚类到最终确定簇头的迭代次数。apclo方法的收敛速度＝(亲和传播聚类迭代次数 混沌狮群优化簇头的迭代次数)。apsa、kh和apclo三种方法收敛速度的仿真结果如图3所示，apsa和kh的平均收敛速度分别为66.78和39.42，提出的apclo方法的平均收敛速度为29.39，因此可以证明apclo通过混沌狮群方法在局部范围内优化簇头，提高了该方法收敛速度。


技术特征：
1.一种基于亲和传播和混沌狮群的无线传感器网络分簇方法，其特征在于：采用亲和传播方法计算聚类数并进行初始聚类和采用混沌狮群优化簇头两个部分，具体信息如下：(1)所述亲和传播聚类方法其特征在于使用节点i和j之间的距离差的负绝对值来计算它们的相似度，亲和传播方法中的偏好s(j,j)设置为其中α表示其与邻居节点到基站距离的归一化值，β表示节点的剩余能量与负载的比率与其邻居节点的归一化值，此外剩余能量以及节点间距离也用于更新吸引度r(i,j)和归属度a(i,j)，计算公式如下：度a(i,j)，计算公式如下：将满足r(j,j) a(j,j)＞0，j∈[1,n]的k个节点被选为簇头，k即为网络聚类数；(2)所述混沌狮群优化簇头方法可以优化亲和传播方法中生成的初始簇头，在优化过程中，为了最小化簇内通信的能量消耗，考虑了簇内通信的能量消耗和簇头的剩余能量与它们到基站的距离的比值两个因素定义了一个适应度函数，表示为其中ines(i)为每个簇内通信的能量消耗的归一化值，diste(i)为簇头的剩余能量与它们到基站的距离的比值的归一化值，此外在优化过程中引入了混沌映射来提高收敛速度，将混沌变量转化为区间范围，生成新个体，计算公式如下：其中chy
k
为下一轮迭代的节点，u
k
,l
k
为当前簇头chx
k
到其邻居节点的最小和最大距离，如果fitness(chx
k
)＜fitness(chy
k
)，那么chx
k
＝chy
k
，如果连续t轮迭代中没有更新更优值或者达到最大混沌迭代次数后，则结束混沌搜索，否则继续搜索。

技术总结
本发明涉及一种环形无线传感器网络分簇方法，特别是一种基于亲和传播和混沌狮群的无线传感器网络分簇方法(Affinitypropagationandchaoticlionswarmoptimizationbasedclusteringforwirelesssensornetworks，APCLO)。该方法包采用亲和传播计算聚类数并对网络初始聚类和混沌狮群优化簇头两个部分。提出的APCLO分簇方法以减少网络能耗，扩大网络吞吐量、延长网络生命周期为目的，首先基于改进的亲和传播方法生成聚类数并完成初始聚类，之后在狮群优化方法中引入混沌映射优化初始聚类中的簇头，提高收敛速度找到最优簇头。优簇头。


技术研发人员：胡黄水 郭宇欣 高栋
受保护的技术使用者：长春工业大学
技术研发日：2022.05.31
技术公布日：2022/8/12