任克強(qiáng)，余建華，謝 斌

(江西理工大學(xué) 信息工程學(xué)院，江西 贛州 341000)

基于改進(jìn)LEACH的多簇頭分簇路由算法

任克強(qiáng)，余建華，謝 斌

(江西理工大學(xué) 信息工程學(xué)院，江西 贛州 341000)

為了降低無線傳感器網(wǎng)絡(luò)(WSN)的能耗，延長網(wǎng)絡(luò)的生存周期，提出一種多簇頭雙工作模式的分簇路由算法。算法對(duì)低功耗自適應(yīng)集簇分層(LEACH)協(xié)議作了以下改進(jìn)：采用多簇頭雙工作模式來分擔(dān)單簇頭的負(fù)荷，以解決單簇頭因能耗較大而過早消亡的問題；選舉簇頭時(shí)充分考慮節(jié)點(diǎn)位置和節(jié)點(diǎn)剩余能量，并應(yīng)用粒子群優(yōu)化(PSO)算法優(yōu)化簇頭的選舉，以均衡網(wǎng)絡(luò)內(nèi)各節(jié)點(diǎn)的能耗；建立簇與簇之間的數(shù)據(jù)傳輸路由，以減少簇間通信的能耗。仿真結(jié)果表明，算法有效降低了網(wǎng)絡(luò)的能耗，延長了網(wǎng)絡(luò)的生存周期。

無線傳感器網(wǎng)絡(luò)；分簇路由算法；LEACH協(xié)議；粒子群優(yōu)化

無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network，WSN)是由部署在監(jiān)測區(qū)域內(nèi)的大量傳感器節(jié)點(diǎn)構(gòu)成的無線自組織網(wǎng)絡(luò)，傳感器節(jié)點(diǎn)將監(jiān)測到的數(shù)據(jù)通過路由算法來實(shí)現(xiàn)數(shù)據(jù)分組的多跳傳輸。WSNs的生存周期往往取決于傳感器節(jié)點(diǎn)的能量，而傳感器節(jié)點(diǎn)所攜帶的能量有限，因此，研究和設(shè)計(jì)高效節(jié)能的路由算法一直是WSNs領(lǐng)域的研究熱點(diǎn)[1]。

WSNs路由算法主要有平面路由算法和分簇路由算法，分簇路由算法在拓?fù)涔芾怼⒛芰啃室约皵?shù)據(jù)融合等方面具有明顯的優(yōu)勢(shì)[2]。低功耗自適應(yīng)集簇分層(low energy adaptive clustering hierarchy，LEACH)協(xié)議[3]作為分簇路由協(xié)議的典型代表，采用動(dòng)態(tài)分簇、隨機(jī)選舉簇頭等方式來延長網(wǎng)絡(luò)生存周期；但存在單跳、單簇頭以及能耗較大等不足。文獻(xiàn)[4]根據(jù)節(jié)點(diǎn)剩余能量以及備選簇頭與鄰居簇頭的距離來優(yōu)化簇頭的選舉。文獻(xiàn)[5]根據(jù)節(jié)點(diǎn)剩余能量和節(jié)點(diǎn)密度進(jìn)行分簇，以平衡簇內(nèi)和簇間的通信能耗。文獻(xiàn)[6]提出一種采用鏈?zhǔn)絺鬏數(shù)姆执芈酚蓞f(xié)議，以減少節(jié)點(diǎn)間的傳輸能耗。文獻(xiàn)[7]應(yīng)用粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法優(yōu)化分簇過程，選擇高能量的節(jié)點(diǎn)擔(dān)任簇頭以克服能量受限的問題。文獻(xiàn)[8]利用PSO算法將網(wǎng)絡(luò)分成多個(gè)子區(qū)域，通過考慮節(jié)點(diǎn)剩余能量選舉簇頭，但簇頭的負(fù)荷較重。

針對(duì)上述問題，本文對(duì)LEACH協(xié)議進(jìn)行改進(jìn)，提出一種基于改進(jìn)LEACH和PSO的多簇頭分簇路由算法。算法采用多簇頭、雙工作模式以及PSO優(yōu)化簇頭選舉等措施來降低網(wǎng)絡(luò)能耗，以延長網(wǎng)絡(luò)生存周期。

1 相關(guān)技術(shù)

1.1 LEACH協(xié)議

LEACH協(xié)議定義了“輪”的概念，將時(shí)間劃分為若干輪，每輪由簇的建立和數(shù)據(jù)傳輸兩個(gè)階段組成。

在簇的建立階段，各傳感器節(jié)點(diǎn)生成0～1之間的隨機(jī)數(shù)，如果某個(gè)節(jié)點(diǎn)選取的隨機(jī)數(shù)小于所設(shè)定的閾值T(n)，那么該節(jié)點(diǎn)就當(dāng)選為這一輪的簇頭。T(n)的計(jì)算式為

(1)

式中：p為簇頭占總節(jié)點(diǎn)數(shù)的百分?jǐn)?shù)；r為當(dāng)前的輪數(shù)；G為最近的1/p輪中未當(dāng)選簇頭節(jié)點(diǎn)的集合。被選為簇頭的節(jié)點(diǎn)向網(wǎng)絡(luò)廣播當(dāng)選簇頭的信息，其他節(jié)點(diǎn)根據(jù)接收信號(hào)的強(qiáng)度選擇加入哪個(gè)簇，并告知相應(yīng)的簇頭，完成分簇。

在數(shù)據(jù)傳輸階段，簇內(nèi)普通節(jié)點(diǎn)周期性地將采集數(shù)據(jù)發(fā)送給簇頭節(jié)點(diǎn)，簇頭節(jié)點(diǎn)將接收到的信息進(jìn)行必要的處理后傳送給基站。持續(xù)工作一段時(shí)間后，進(jìn)行下一輪簇頭選舉和分簇。

1.2 粒子群優(yōu)化算法

粒子群優(yōu)化算法源于對(duì)鳥群捕食行為的研究，鳥群中的每只鳥被抽象成“粒子”，每個(gè)粒子的適應(yīng)值取決于優(yōu)化函數(shù)，而飛行的方向和位置則由速度v決定。對(duì)于初始的一群隨機(jī)粒子，算法通過個(gè)體極值pbest和全局最優(yōu)值gbest來更新個(gè)體，并進(jìn)行迭代來尋求最優(yōu)解。

vid(t+1)=wvid(t)+c1*rand1()*(pbest-xid(t))+

c2*rand2()*(gbest-xid(t))

(2)

xid(t+1)=xid(t)+vid(t+1)

(3)

式中：vid(t)為粒子當(dāng)前的速度；w為慣性權(quán)重；xid(t)為當(dāng)前粒子的位置；rand1()和rand2()為介于(0，1)之間的隨機(jī)函數(shù)；c1和c2為學(xué)習(xí)因子；通常c1=c2=2。

2 算法描述

LEACH協(xié)議中的簇頭節(jié)點(diǎn)主要負(fù)責(zé)簇內(nèi)數(shù)據(jù)的收集、融合和轉(zhuǎn)發(fā)，其能耗比普通節(jié)點(diǎn)大很多。由于LEACH協(xié)議采用隨機(jī)策略選舉簇頭，有可能導(dǎo)致能量低的節(jié)點(diǎn)當(dāng)選簇頭，另外，簇頭節(jié)點(diǎn)直接與基站進(jìn)行通信，也容易導(dǎo)致距基站較遠(yuǎn)的簇頭節(jié)點(diǎn)因能耗較大而過早消亡。因此，本文對(duì)LEACH協(xié)議進(jìn)行了改進(jìn)，采用多簇頭雙工作模式來分擔(dān)單簇頭的負(fù)荷，以解決單簇頭工作負(fù)荷過重而過早消亡的問題；設(shè)計(jì)節(jié)點(diǎn)的適應(yīng)值函數(shù)時(shí)充分考慮節(jié)點(diǎn)的當(dāng)前剩余能量和位置關(guān)系，并應(yīng)用PSO算法優(yōu)化簇頭的選舉，以均衡網(wǎng)絡(luò)內(nèi)各節(jié)點(diǎn)的能耗，延長網(wǎng)絡(luò)的生存周期。

本文簇頭分為主簇頭(CHR)、轉(zhuǎn)發(fā)簇頭(CHT)以及備用簇頭(CHP)，工作模式分為三簇頭模式和雙簇頭模式。算法仍采用輪作為周期，相比于以往輪的定義，本文的輪由首輪分簇、簇頭選舉、簇內(nèi)工作模式選擇以及簇間數(shù)據(jù)傳輸4部分組成。

2.1 首輪分簇

首輪分簇階段主要完成節(jié)點(diǎn)信息的收集、選舉臨時(shí)簇頭并進(jìn)行分簇。網(wǎng)絡(luò)中的節(jié)點(diǎn)將各自的位置和能量信息發(fā)送給基站，基站將收集到的信息進(jìn)行處理，并計(jì)算出當(dāng)前網(wǎng)絡(luò)能量的平均值。為了減小能量相對(duì)較小的節(jié)點(diǎn)在首輪分簇階段擔(dān)任臨時(shí)簇頭的概率，各節(jié)點(diǎn)將生成的隨機(jī)數(shù)乘上一個(gè)以各自當(dāng)前剩余能量與當(dāng)前網(wǎng)絡(luò)能量平均值的比值的負(fù)指數(shù)權(quán)衡因子作為新的隨機(jī)數(shù)，當(dāng)新的隨機(jī)數(shù)小于閾值T(n)時(shí)，節(jié)點(diǎn)即可選為臨時(shí)簇頭，當(dāng)選的臨時(shí)簇頭廣播其當(dāng)選消息，若在其廣播范圍之內(nèi)存在其他臨時(shí)簇頭，則能量最大的臨時(shí)簇頭當(dāng)選為最終的臨時(shí)簇頭，能量相對(duì)小的則變成普通節(jié)點(diǎn)，普通節(jié)點(diǎn)根據(jù)接收到的信息強(qiáng)弱加入相應(yīng)的簇。由于節(jié)點(diǎn)的位置是固定的，所以在之后的運(yùn)行周期只需要向基站發(fā)送能量信息。

2.2 簇頭選舉

LEACH協(xié)議選舉簇頭時(shí)未充分考慮節(jié)點(diǎn)的當(dāng)前能量、簇頭之間的距離以及簇頭與普通節(jié)點(diǎn)之間的距離等因素，容易使能量低、位置偏的節(jié)點(diǎn)被選為簇頭。為了避免這類情況的發(fā)生，本文在簇頭選舉的過程中引入了PSO算法，要利用PSO算法進(jìn)行簇頭選舉優(yōu)化，必須首先根據(jù)各個(gè)簇頭在通信過程中擔(dān)任的角色，設(shè)計(jì)相應(yīng)的適應(yīng)值函數(shù)，本文為PSO算法設(shè)計(jì)的適應(yīng)值函數(shù)如表1所示。

表1 簇頭選舉的適應(yīng)值函數(shù)

1)CHR的適應(yīng)值函數(shù)：CHR負(fù)責(zé)收集簇內(nèi)節(jié)點(diǎn)的信息并轉(zhuǎn)發(fā)給CHP進(jìn)行融合(三簇頭模式)，或者將收集的信息融合后轉(zhuǎn)發(fā)給CHT(雙簇頭模式)。因此，當(dāng)選的CHR必須具備較高的能量、距簇內(nèi)各普通節(jié)點(diǎn)的平均距離最小。其中，n為簇內(nèi)節(jié)點(diǎn)的個(gè)數(shù)；f1為候選CHR能量評(píng)價(jià)因子，等于候選CHR的當(dāng)前能量Ecurrent(k)除以所有節(jié)點(diǎn)當(dāng)前能量之和，值越大，候選CHR的能量越高；f2為候選CHR到簇內(nèi)剩余各個(gè)節(jié)點(diǎn)距離的評(píng)價(jià)因子，等于候選CHR到所有簇內(nèi)節(jié)點(diǎn)之間的距離之和除以候選CHR到某一節(jié)點(diǎn)距離的最大值，值越接近(n-1)/2，表示距離簇內(nèi)節(jié)點(diǎn)的平均距離越??；α1，α2為權(quán)重因子。

2)CHT的適應(yīng)值函數(shù)：CHT負(fù)責(zé)在兩種工作模式下分別接收CHR或者CHP轉(zhuǎn)發(fā)過來的數(shù)據(jù)，并將數(shù)據(jù)轉(zhuǎn)發(fā)給基站。CHT不僅要有較高的能量，而且距CHR以及基站的距離越小越好。其中，G1為候選CHT能量評(píng)價(jià)因子，等于候選CHT的能量與節(jié)點(diǎn)能量總和之比，比值越大表示當(dāng)前候選CHT能量越高；G2為候選CHT到CHR的距離，等于候選CHT到CHR距離的最小值，值越小表示候選CHT越靠近CHR；G3為距基站的距離，等于候選CHT到基站距離的最小值，值越小表示距離基站越近，將數(shù)據(jù)轉(zhuǎn)發(fā)給基站越省能量；β1，β2，β3為權(quán)重因子。

3)CHP的適應(yīng)值函數(shù)：在三簇頭模式下，CHP負(fù)責(zé)將CHR轉(zhuǎn)發(fā)過來的數(shù)據(jù)進(jìn)行融合并將融合后的數(shù)據(jù)轉(zhuǎn)發(fā)給CHT；此外，當(dāng)CHR意外死亡，CHP可以履行CHR的功能。所以CHP應(yīng)具有較高的能量，并且距CHR和CHT越近越好。其中，M1為候選CHP能量占當(dāng)前總能量的比值，比值越大說明其當(dāng)前能量越高；M2為候選CHP分別到CHR和CHT的距離，等于候選CHP分別到CHR和CHT距離之和的最小值，值越小表示候選CHP越靠近CHR和CHT節(jié)點(diǎn)；λ1，λ2為權(quán)重因子。

本文采用PSO選取簇頭的步驟如下：

步驟1，初始化粒子種群，即隨機(jī)初始化粒子的位置xid和速度vid，對(duì)于平面網(wǎng)絡(luò)而言，xid和vid在x，y兩個(gè)方向上有分量。

步驟2，計(jì)算每個(gè)粒子的適應(yīng)值F1，并令粒子的個(gè)體極值pbest等于粒子的當(dāng)前位置，全局極值gbest等于當(dāng)前粒子中適應(yīng)值最大的粒子所對(duì)應(yīng)的位置。

步驟3，通過式(2)、式(3)更新粒子的xid和vid，對(duì)于更新后的xid，vid，相應(yīng)地更新粒子的適應(yīng)值F1。

步驟4，更新個(gè)體極值pbest以及全局極值gbest。

步驟5，重復(fù)執(zhí)行步驟2～步驟4，直至達(dá)到預(yù)定迭代次數(shù)。

步驟6，當(dāng)達(dá)到最大迭代次數(shù)時(shí)，選擇全局極值gbest，作為CHR的位置。

步驟7，根據(jù)CHP的適應(yīng)值函數(shù)和CHT的適應(yīng)值函數(shù)，重復(fù)執(zhí)行步驟2～步驟6，選擇全局最優(yōu)解作為CHP和CHT。

2.3 簇內(nèi)工作模式選擇

設(shè)CHR和CHP之間的距離為d1，CHP和CHT之間的距離為d2，CHT和CHR之間的距離為d3，且d1，d2和d3的值均小于閾值d0。則根據(jù)自由空間能量模型[9]，簇頭a轉(zhuǎn)發(fā)1bit數(shù)據(jù)到距離為d的簇頭b的能耗為Es(l,d)=lEelec+lεfsd2，其中εfs為功率放大能耗因子，Eelec為發(fā)射電路的能耗。

節(jié)點(diǎn)接收1bit數(shù)據(jù)的能耗為Ec=lEelec，將1bit數(shù)據(jù)進(jìn)行融合的能耗為Ed=lEDF(EDF為融合單位比特?cái)?shù)據(jù)所需的能量)。

如果采用三簇頭工作模式，CHR負(fù)責(zé)收集簇內(nèi)節(jié)點(diǎn)信息并轉(zhuǎn)發(fā)給CHP的能耗為E1，CHP將接收到的信息進(jìn)行融合處理后轉(zhuǎn)發(fā)給CHT的耗能為E2，CHT將接收到的信息轉(zhuǎn)發(fā)給臨近簇的CHT的耗能為Et，那么在三簇頭模式下將1bit數(shù)據(jù)轉(zhuǎn)發(fā)至簇外簇頭的總能耗為

(4)

如果采用雙簇頭模式工作，CHR收集、融合簇內(nèi)信息并將融合后的數(shù)據(jù)轉(zhuǎn)發(fā)給CHT的耗能為E4；CHT將接收到的信息轉(zhuǎn)發(fā)給臨近簇的CHT的能耗為Et；則在雙簇頭模式下將1bit數(shù)據(jù)轉(zhuǎn)發(fā)至簇外簇頭的總能耗為

(5)

由于Eelec，Ec和εfs均為常數(shù)，令Etotal2=Etotal3，可以得到

(6)

2.4 簇間數(shù)據(jù)傳輸

簇生成之后，需要將簇內(nèi)收集的數(shù)據(jù)轉(zhuǎn)發(fā)至基站。每個(gè)CHT根據(jù)與臨近簇的CHT的距離，選擇距離較近的臨近簇CHT為其數(shù)據(jù)轉(zhuǎn)發(fā)的中轉(zhuǎn)簇頭，從而在簇與簇之間建立一條以CHT為鏈的數(shù)據(jù)傳輸路由，這樣可以減少數(shù)據(jù)傳輸過程的能耗。

3 實(shí)驗(yàn)仿真及分析

為了驗(yàn)證本文算法的性能，將本文算法分別與LEACH、文獻(xiàn)[7]以及文獻(xiàn)[8]進(jìn)行比較實(shí)驗(yàn)。實(shí)驗(yàn)平臺(tái)：Windows 7 專業(yè)版+MATLAB 2009a。實(shí)驗(yàn)場景：200個(gè)節(jié)點(diǎn)隨機(jī)分布在200 m×200 m的區(qū)域內(nèi)，基站的坐標(biāo)位于(100，150)。實(shí)驗(yàn)參數(shù)：網(wǎng)絡(luò)仿真周期為1 500輪，節(jié)點(diǎn)的初始能量為0.5 J，Eelec=50 nJ/bit，εfs=10 (pJ·bit-1·m-2)，d0=87 m，α1=0.5，α2=0.5，β1=0.5，β2=0.25，β3=0.25，λ1=0.3，λ2=0.7。

3.1 網(wǎng)絡(luò)存活節(jié)點(diǎn)

隨著網(wǎng)絡(luò)的運(yùn)行，有些節(jié)點(diǎn)會(huì)因能量耗盡而死亡，同一時(shí)間內(nèi)網(wǎng)絡(luò)存活節(jié)點(diǎn)數(shù)量越多，則網(wǎng)絡(luò)節(jié)點(diǎn)的能量使用越均衡。圖1為4種算法隨網(wǎng)絡(luò)運(yùn)行時(shí)間變化的網(wǎng)絡(luò)存活節(jié)點(diǎn)。

圖1 網(wǎng)絡(luò)存活節(jié)點(diǎn)

從圖1可以看出，本文算法的存活節(jié)點(diǎn)數(shù)多于其他3種算法。這是因?yàn)楸疚乃惴ú捎枚啻仡^混合工作模式，優(yōu)化選出的各簇頭能量高且各司其職，有效減輕了簇間信息的轉(zhuǎn)發(fā)負(fù)荷，均衡了簇內(nèi)節(jié)點(diǎn)的能量消耗，從而有效地延長了節(jié)點(diǎn)的存活時(shí)間。而其他3種算法分別在簇頭選舉、簇頭分布、信息傳輸以及能耗均衡上不同程度地存在缺陷，導(dǎo)致節(jié)點(diǎn)的存活時(shí)間得不到有效的延長。

3.2 網(wǎng)絡(luò)總能耗

圖2所示為4種算法的網(wǎng)絡(luò)總能耗。從圖2可以看出，本文算法的網(wǎng)絡(luò)總能耗曲線斜率最小，其次是文獻(xiàn)[8]、文獻(xiàn)[7]，最大的是LEACH，說明本文算法在網(wǎng)絡(luò)運(yùn)行每輪的網(wǎng)絡(luò)總能耗都比LEACH、文獻(xiàn)[7]及文獻(xiàn)[8]要少，這是因?yàn)楸疚乃惴軌蚴勾貎?nèi)節(jié)點(diǎn)和簇頭之間的能耗更加均衡，從而達(dá)到降低網(wǎng)絡(luò)總能耗及延長網(wǎng)絡(luò)生存周期的目的。

圖2 網(wǎng)絡(luò)總能耗

3.3 生存周期

生存周期可以通過第1個(gè)節(jié)點(diǎn)死亡(FND)、半數(shù)節(jié)點(diǎn)死亡(HND)及最后一個(gè)節(jié)點(diǎn)死亡輪數(shù)(LND)3個(gè)指標(biāo)來衡量。表2所示為4種算法的FND、HND和LND。

表2 4種算法的生存周期比較

從表2可知，LEACH、文獻(xiàn)[7]、文獻(xiàn)[8]和本文算法的FND出現(xiàn)輪數(shù)分別為293，423，667和813，HND出現(xiàn)的輪數(shù)分別為415，645，796和917，LND出現(xiàn)的輪數(shù)分別為695，783，832和1 026，本文算法有效延長了網(wǎng)絡(luò)的生存周期。此外，從仿真開始到出現(xiàn)FND的時(shí)間段稱為網(wǎng)絡(luò)穩(wěn)定期，穩(wěn)定期是衡量網(wǎng)絡(luò)穩(wěn)定系數(shù)的重要指標(biāo)，F(xiàn)ND出現(xiàn)的時(shí)間越晚，網(wǎng)絡(luò)的穩(wěn)定性越好。LEACH、文獻(xiàn)[7]、文獻(xiàn)[8]和本文算法的穩(wěn)定期分別為293輪、423輪、667輪和813輪，本文算法的穩(wěn)定期是LEACH的2.77倍，文獻(xiàn)[7]的1.92倍，文獻(xiàn)[8]的1.21倍，本文算法有效均衡了各個(gè)節(jié)點(diǎn)能耗，推遲了FND出現(xiàn)的時(shí)間，使得網(wǎng)絡(luò)具有更好的穩(wěn)定性和可靠性。

4 小結(jié)

針對(duì)LEACH協(xié)議存在的不足，提出一種基于改進(jìn)LEACH和PSO的多簇頭雙工作模式分簇路由算法。該算法主要從簇頭負(fù)荷、工作模式和簇頭選舉3個(gè)方面對(duì)LEACH協(xié)議進(jìn)行了改進(jìn)和優(yōu)化，并在相同環(huán)境下與LEACH協(xié)議和相關(guān)文獻(xiàn)進(jìn)行比較實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該算法的性能(存活節(jié)點(diǎn)、生存周期以及總能耗)優(yōu)于LEACH協(xié)議和相關(guān)文獻(xiàn)，可以有效均衡網(wǎng)絡(luò)能耗，延長網(wǎng)絡(luò)生存周期。

[1] 趙阿群，劉昌陽.一種基于收集樹協(xié)議的工業(yè)無線傳感器網(wǎng)絡(luò)動(dòng)態(tài)路由機(jī)制[J].電子與信息學(xué)報(bào)，2012，34(9)：2194-2199.

[2] 鄒虹，彭國龍.一種基于LEACH改進(jìn)的均勻分簇路由算法[J]. 電視技術(shù)，2013，37(3)：133-136.

[3] HEINZELMAN W，CHANDRAKASAN A，BALAKRISHNAN H. Energy-efficient communication protocol for wireless microsensor networks[C]//Proc. Hawaii International Conference on System Sciences. Hawaii：IEEE Computer Society，2000：3005-3014.

[4] 黃加異，程良倫.一種聚類區(qū)域自適應(yīng)調(diào)整的WSN能耗均衡分簇算法[J].計(jì)算機(jī)應(yīng)用研究，2012，29(11)：4276-4279.

[5] 盧先領(lǐng)，王瑩瑩，王洪斌，等.無線傳感器網(wǎng)絡(luò)能量均衡的非均勻分簇算法[J].計(jì)算機(jī)科學(xué)，2013，40(5)：78-81.

[6] 趙菊敏，張子辰，李燈熬.一種無線傳感器網(wǎng)絡(luò)鏈?zhǔn)絺鬏敺执芈酚蓞f(xié)議[J].傳感器與微系統(tǒng)，2014，33(3)：135-138.

[7] 梁英，于海斌，曾鵬.應(yīng)用PSO優(yōu)化基于分簇的無線傳感器網(wǎng)絡(luò)路由協(xié)議[J].控制與決策，2006，21(4)：453-461.

[8] 陳曉娟，王卓，吳潔.一種基于LEACH的改進(jìn)WSN路由算法[J].傳感技術(shù)學(xué)報(bào)，2013，26(1)：116-121.

[9] 楊永健，賈冰，王杰.無線傳感器網(wǎng)絡(luò)中LEACH協(xié)議的改進(jìn)[J].北京郵電大學(xué)學(xué)報(bào)，2013，36(1)：105-109.

任克強(qiáng)(1959— )，教授，碩士生導(dǎo)師，主要研究方向?yàn)樾畔㈦[藏、無線傳感器網(wǎng)絡(luò)等；

余建華(1987— )，碩士研究生，主研無線傳感器網(wǎng)絡(luò)；

謝 斌(1977— )，副教授，碩士生導(dǎo)師，主要研究方向?yàn)橐曨l信號(hào)處理、通信技術(shù)。

責(zé)任編輯：許 盈

Multi-cluster-heads Clustering Routing Algorithm Based on Improved LEACH

REN Keqiang，YU Jianhua，XIE Bin

(SchoolofInformationEngineering,JiangxiUniversityofScienceandTechnology,JiangxiGanzhou341000,China)

In order to reduce the energy consumption of WSN and prolong the network lifetime, a clustering routing algorithm with multi-cluster-heads and double working modes is proposed. The algorithm makes following improvement on LEACH protocol: to solve the problem of single cluster head premature demise due to larger energy consumption, multi-cluster-heads and double working modes are used to share the load of single cluster head; to balance energy consumption of network nodes, PSO algorithm is used to optimize cluster head election, and head election considers location and residual energy of nodes fully; data transmission routing among clusters is established to reduce energy consumption of inter cluster communication. The simulation results show that the algorithm can efficiently reduce the network energy consumption, and prolong the network lifetime.

WSN; clustering routing algorithm; LEACH protocol; particle swarm optimization

【本文獻(xiàn)信息】任克強(qiáng)，余建華，謝斌.基于改進(jìn)LEACH的多簇頭分簇路由算法[J].電視技術(shù),2015，39(13).

江西省教育廳青年科學(xué)基金項(xiàng)目(GJJ11132)；江西省研究生創(chuàng)新基金項(xiàng)目(YC2013-S199)

TP393

A

10.16280/j.videoe.2015.13.015

2014-12-06