饒芳　譚建軍

摘 要： 在深入研究k?means算法和連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上，提出一種目標(biāo)位置選擇移動(dòng)算法，該算法先利用k?means算法的原理，將網(wǎng)絡(luò)中能量相近的節(jié)點(diǎn)進(jìn)行聚簇，并選取每個(gè)簇的質(zhì)心作為sink節(jié)點(diǎn)可以安放的目標(biāo)位置，再利用連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)算法的思想，為sink節(jié)點(diǎn)的前進(jìn)預(yù)設(shè)一條最優(yōu)路徑。Matlab仿真結(jié)果顯示，該路由算法可以有效地抑制能量空洞的現(xiàn)象，對(duì)延長(zhǎng)網(wǎng)絡(luò)壽命具有重大意義，同時(shí)對(duì)解決能源問(wèn)題也做出了一定貢獻(xiàn)。

關(guān)鍵詞： 移動(dòng)sink節(jié)點(diǎn)； 能量空洞； 目標(biāo)位置選擇移動(dòng)算法； 信息泛洪； 網(wǎng)絡(luò)能耗； 網(wǎng)絡(luò)壽命

中圖分類(lèi)號(hào)： TN92?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2015）19?0043?03

Abstract： On the basis of studying k?means algorithm and continuous Hopfield neural network algorithm deeply， a target position selection and movement algorithm is proposed， in which the nodes with similar energy in networks are clustered by using the principle of k?means algorithm. The centroid of each cluster is selected as the target position where the sink node can be placed， and an optimal path is presupposed for running of the sink node by applying the thought of continuous Hopfield neural network algorithm. Simulation results by Matlab show that this route algorithm can suppress the phenomenon of energy hole effectively， has great significance to prolong the network lifetime. It makes some contribution to solve energy problems.

Keywords： mobile sink node； energy hole； target position selection and movement algorithm； information flooding； network energy consumption； network lifetime

0 引 言

隨著物聯(lián)網(wǎng)的發(fā)展，無(wú)線(xiàn)傳感器網(wǎng)絡(luò)（WSN）作為其重要的組成部分，在工業(yè)、農(nóng)業(yè)等方面被廣泛應(yīng)用，但基于傳感器自身的特點(diǎn)，通常用能量有限的干電池給它供電[1]。由于無(wú)線(xiàn)傳感網(wǎng)應(yīng)用場(chǎng)景非常復(fù)雜，更換節(jié)點(diǎn)電池很困難[2]，因此，怎樣使無(wú)線(xiàn)傳感網(wǎng)絡(luò)實(shí)現(xiàn)同樣的功能，消耗更少的能耗就成為了研究的重點(diǎn)。

現(xiàn)在的無(wú)線(xiàn)傳感網(wǎng)最明顯的特征是在某一個(gè)指定的范圍內(nèi)隨機(jī)安放一些節(jié)點(diǎn)，由于節(jié)點(diǎn)是通過(guò)多跳的方式將感知的信息傳輸?shù)交荆@種數(shù)據(jù)收集方式帶來(lái)的最顯著的問(wèn)題是：在能量消耗方面上，網(wǎng)絡(luò)中靠近sink附近的節(jié)點(diǎn)比遠(yuǎn)離sink的節(jié)點(diǎn)要快，進(jìn)而由于靠近sink周邊節(jié)點(diǎn)的能量過(guò)早地消耗完，容易使整個(gè)網(wǎng)絡(luò)陷入癱瘓中[3]。因此，大批的科研人員將移動(dòng)sink的策略應(yīng)用到WSN中[4]。現(xiàn)階段提出了各種sink節(jié)點(diǎn)移動(dòng)方案[5?9]，這些方案在一定程度上均衡了WSN中的能量，進(jìn)而使網(wǎng)絡(luò)的生存時(shí)間[10]變得更長(zhǎng)。關(guān)系到整個(gè)網(wǎng)絡(luò)生命期的是sink節(jié)點(diǎn)，對(duì)現(xiàn)階段提出的移動(dòng)方案進(jìn)行分析，發(fā)現(xiàn)怎樣解決sink節(jié)點(diǎn)的移動(dòng)成為了一個(gè)重難點(diǎn)。

本文在深入研究k?means算法和連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)算法的前提條件下，提出目標(biāo)位置選擇算法，該算法先采用k?means算法將能量相近的節(jié)點(diǎn)聚為一類(lèi)，然后選取聚類(lèi)的質(zhì)心點(diǎn)作為sink節(jié)點(diǎn)的目標(biāo)位置[11]。sink節(jié)點(diǎn)在各個(gè)簇頭間的移動(dòng)是隨機(jī)的，容易產(chǎn)生信息泛洪現(xiàn)象[12]，會(huì)造成不必要的能量消耗，基于這個(gè)特點(diǎn)，本文利用連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)對(duì)sink節(jié)點(diǎn)的移動(dòng)路徑進(jìn)行優(yōu)化，得到了最優(yōu)路徑，從而使能量消耗達(dá)到了最優(yōu)狀態(tài)。

1 問(wèn)題描述

將移動(dòng)sink節(jié)點(diǎn)應(yīng)用到無(wú)線(xiàn)傳感網(wǎng)絡(luò)中，一定程度上解決了網(wǎng)絡(luò)的生存時(shí)間，但卻增加了路由協(xié)議設(shè)計(jì)的難度。在網(wǎng)絡(luò)工作過(guò)程中，sink節(jié)點(diǎn)如何選擇停留的目標(biāo)位置及移動(dòng)路線(xiàn)如何確定成為不得不考慮的現(xiàn)實(shí)問(wèn)題[13]。

在現(xiàn)有的幾種路由協(xié)議中，ART，SMS等采用的是隨機(jī)移動(dòng)策略，也就是說(shuō)，sink節(jié)點(diǎn)移動(dòng)的位置不需要根據(jù)某種信息作出判斷而是隨機(jī)選擇的[14]，如圖1所示。

由圖3可知，可預(yù)測(cè)移動(dòng)策略不像隨機(jī)移動(dòng)策略那樣需要多次轉(zhuǎn)發(fā)sink節(jié)點(diǎn)的位置信息給源節(jié)點(diǎn)。通過(guò)對(duì)比，可知可預(yù)測(cè)移動(dòng)策略為整個(gè)網(wǎng)絡(luò)節(jié)省了相當(dāng)多的一部分能量[14]。同時(shí)，由于sink節(jié)點(diǎn)什么時(shí)候路過(guò)什么地方都是提前設(shè)定的，源節(jié)點(diǎn)能夠依照sink節(jié)點(diǎn)來(lái)到的時(shí)刻合情合理地分配自己的能耗，從而使能量消耗達(dá)到均衡的狀態(tài)[14]。

2 目標(biāo)位置選擇移動(dòng)算法

根據(jù)上述分析，將可控制移動(dòng)策略應(yīng)用到本文中，提出了一種目標(biāo)位置選擇移動(dòng)算法。該算法利用無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中某部分特定的網(wǎng)絡(luò)參數(shù)值來(lái)決定sink節(jié)點(diǎn)的目標(biāo)位置和移動(dòng)方式[15]。

2.1 k?means算法endprint

4 結(jié) 語(yǔ)

依據(jù)可控制移動(dòng)策略的思想，針對(duì)該策略中sink節(jié)點(diǎn)可以停留的目標(biāo)位置和可移動(dòng)路徑進(jìn)行了研究分析。文中提出的目標(biāo)位置選擇移動(dòng)算法不僅有效地緩解了網(wǎng)絡(luò)節(jié)點(diǎn)間的信息內(nèi)爆現(xiàn)象，同時(shí)通過(guò)相應(yīng)的平臺(tái)仿真，該算法使網(wǎng)絡(luò)能耗變少，網(wǎng)絡(luò)時(shí)間縮短。然而，這種移動(dòng)sink的策略的缺點(diǎn)是不夠靈活，以后將針對(duì)此策略存在的問(wèn)題進(jìn)行更全面的研究。

參考文獻(xiàn)

[1] 李明隆.無(wú)線(xiàn)傳感器網(wǎng)絡(luò)路由協(xié)議的分析與改進(jìn)[D].重慶：重慶郵電大學(xué)，2011.

[2] 童孟軍.無(wú)線(xiàn)傳感網(wǎng)能量有效路由協(xié)議的研究[D].浙江：浙江工業(yè)大學(xué)，2012.

[3] 劉勇，侯榮旭.無(wú)線(xiàn)傳感器網(wǎng)絡(luò)攻擊與防范[J].電腦知識(shí)與技術(shù)，2013，35（2）：7927?7928.

[4] 程子棟.基于sink節(jié)點(diǎn)移動(dòng)的WSN節(jié)能路由協(xié)議的研究[D].北京：北京交通大學(xué)，2011.

[5] 張帆.延遲容忍傳感器網(wǎng)絡(luò)性能研究[D].武漢：華中科技大學(xué)，2007.

[6] YANG Yinying， FONOAGE M I， CARDEI M. Improving network lifetime with mobile wireless sensor networks [J]. Computer Communications， 2010， 33（4）： 542?555.

[7] SOMASUNDARA A A， KANSAL A， JEA D D， et al. Control mobile infrastructure for low energy embedded networks [J]. IEEE Transaction on Mobile Computing， 2006， 5（8）： 958?973.

[8] AKKAYA K， YOUNIS M， BANGAD M. sink repositioning for enhanced performance in wireless sensor networks [J]. Computer Networks， 2006， 49（4）： 512?534.

[9] XU X， LIANG W. Placing optimal number of sinks in sensor networks for network lifetime maximization [C]// Proceedings of 2011 IEEE International Conference on Communications. [S.l.]： IEEE， 2011： 1?6.

[10] SAAD E M， AWADALLA M H， DARWISH R R. A data gathering algorithm for a mobile sink in large?scale sensor networks [C]// Proceedings of 2008 the 4th International Confe?rence on Wireless and Mobile. [S.l.]： Springer Berlin Heidelberg， 2008： 207?213.

[11] 趙小松，孫曉潔，李國(guó)徽.基于多分辨率聚類(lèi)的安全定位算法[J].計(jì)算機(jī)科學(xué)與探索，2012，22（1）：78?79.

[12] 張靜.無(wú)線(xiàn)傳感器網(wǎng)絡(luò)分簇路由算法研究[D].天津：南開(kāi)大學(xué)，2011.

[13] 郭書(shū)城，盧昱，許定根.基于分簇?zé)o線(xiàn)傳感器網(wǎng)絡(luò)的路由算法研究[J].通信學(xué)報(bào)，2010，31（z1）：63?69.

[14] 樂(lè)俊，張維明，肖衛(wèi)東，等.無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中一種基于非均勻劃分的分簇?cái)?shù)據(jù)融合算法[J].計(jì)算機(jī)研究與發(fā)展，201l，48（z2）：247?254.

[15] 張乃堯，閻平凡.神經(jīng)網(wǎng)絡(luò)與模糊控制[M].北京：清華大學(xué)出版社，1998.endprint