路智靜, 黃 如, 孫俊峰, 張 磊(華東理工大學信息科學與工程學院,上海 200237)

基于BA無標度網(wǎng)絡(luò)的WSNs拓撲優(yōu)化模型

路智靜, 黃 如, 孫俊峰, 張 磊
(華東理工大學信息科學與工程學院,上海 200237)

由于無線傳感器能量受限,最大化網(wǎng)絡(luò)生命周期成為優(yōu)化網(wǎng)絡(luò)拓撲首要考慮的問題?；贐A無標度理論,提出了一種WSNs拓撲優(yōu)化模型(WTOM)。在網(wǎng)絡(luò)中引入超級節(jié)點,結(jié)合粒子群算法合理地劃分整個網(wǎng)絡(luò);在節(jié)點間建立多因素為導向的虛擬力場,利用虛擬力調(diào)整超級節(jié)點的部署位置,實現(xiàn)網(wǎng)絡(luò)能量的均衡消耗,通過對關(guān)鍵節(jié)點的保護,提高網(wǎng)絡(luò)的抗毀魯棒性。經(jīng)理論分析和實驗證明,該網(wǎng)絡(luò)不僅繼承了BA無標度網(wǎng)絡(luò)的特征還具有小世界特性;同時該動態(tài)拓撲延長了網(wǎng)絡(luò)的生命周期,提高了網(wǎng)絡(luò)面向數(shù)據(jù)收集的節(jié)能性。

無線傳感網(wǎng)絡(luò); BA無標度網(wǎng)絡(luò); 拓撲優(yōu)化; 超級節(jié)點

隨著微電子技術(shù)、通信技術(shù)和計算機技術(shù)的飛速發(fā)展,無線傳感網(wǎng)路(WSNs)在軍事和民用各個領(lǐng)域都得到廣泛應用[1],然而無線傳感器節(jié)點受到部署環(huán)境限制,其能量不能得到及時補充。合理、高效的拓撲優(yōu)化能夠?qū)崿F(xiàn)網(wǎng)絡(luò)能量的均衡消耗和延長網(wǎng)絡(luò)的生命周期。而復雜網(wǎng)絡(luò)理論為建立可靠、高效的無線網(wǎng)絡(luò)拓撲模型提供了一種新的研究思路和方法。Wang等[2]通過對度分布熵的優(yōu)化來調(diào)整無標度網(wǎng)絡(luò)結(jié)構(gòu),提升無標度網(wǎng)絡(luò)抗隨意性攻擊能力進而優(yōu)化網(wǎng)絡(luò)的生命周期,但該拓撲模型沒有考慮能量消耗不均衡問題。文獻[3]在構(gòu)建網(wǎng)絡(luò)拓撲時通過控制網(wǎng)絡(luò)節(jié)點飽和度和剩余能量等因素,提高了WSNs的抗毀性,延長了網(wǎng)絡(luò)生命周期,但是在拓撲模型構(gòu)建時沒有考慮節(jié)點負載量,負載量高的節(jié)點會因耗能過快造成過早死亡,縮短網(wǎng)絡(luò)生命周期。Tao等[4]統(tǒng)計自同構(gòu)群的對稱網(wǎng)絡(luò)軌道,提出通過優(yōu)化網(wǎng)絡(luò)拓撲對稱,使網(wǎng)絡(luò)更趨于同步,該方法更側(cè)重對網(wǎng)絡(luò)模型同步性的研究,且沒有用到復雜網(wǎng)絡(luò)理論。文獻[5]在 BA無標度網(wǎng)絡(luò)基礎(chǔ)上提出了新的 WSNs拓撲結(jié)構(gòu)演化模型,該模型對節(jié)點的隨機故障及失效具有較高的魯棒性,但對網(wǎng)絡(luò)模型具體特征沒有作出分析。文獻[6]利用小世界模型的聚類特性和邊界數(shù)的概念對 WSNs 進行拓撲優(yōu)化,并在此基礎(chǔ)上引入了閾值機制,使網(wǎng)絡(luò)優(yōu)化之后具有較高的聚類系數(shù)、較明顯的簇群結(jié)構(gòu),但平均路徑長度變化不大。文獻[7]在復雜網(wǎng)絡(luò)理論的基礎(chǔ)上,提出了一種新的加權(quán)局域 WSNs 演化模型在沙漠治理維護中的應用研究,推導出其度分布、強度分布、邊權(quán)重分布均滿足冪率分布特征,但沒有考慮到網(wǎng)絡(luò)拓撲的動態(tài)變化。文獻[8-10]在復雜網(wǎng)絡(luò)模型演化的過程中考慮了節(jié)點剩余能量對網(wǎng)絡(luò)增長的影響,但對網(wǎng)絡(luò)模型的抗毀性沒有作出分析。Zhu等[11]基于局域網(wǎng)世界(Local world)模型,分別提出了兩種無標度網(wǎng)絡(luò)模型(EAEM模型和EBEM模型)。在EAEM模型中,新節(jié)點優(yōu)先連接能量高的節(jié)點;而在EBEM模型中,除考慮剩余能量以外,新節(jié)點優(yōu)先連接度較高的節(jié)點,但沒考慮網(wǎng)絡(luò)拓撲的變化。本文提出了一種基于BA無標度理論的WSNs拓撲優(yōu)化模型,以最大化網(wǎng)絡(luò)生命周期為目標,在網(wǎng)絡(luò)初始演化的過程中構(gòu)造節(jié)點適應度函數(shù),考慮了網(wǎng)絡(luò)剩余能量和節(jié)點度的共同影響。在網(wǎng)絡(luò)拓撲動態(tài)優(yōu)化的過程中,通過粒子群算法合理分區(qū)處理,利用節(jié)點度、節(jié)點剩余能量、節(jié)點密度多因素主導的虛擬力對超級節(jié)點的移動和部署進行優(yōu)化,提高網(wǎng)絡(luò)能量均衡消耗能力,實現(xiàn)關(guān)鍵節(jié)點的目標性保護。實驗證明該網(wǎng)絡(luò)還具有BA無標度特征和小世界特性的雙重特點。

1 系統(tǒng)模型

1.1 概述

無線傳感器網(wǎng)絡(luò)中普通節(jié)點易受到環(huán)境的限制無法充電,某些節(jié)點由于能量的過度消耗而過早死亡,影響了網(wǎng)絡(luò)的性能和生命周期。在網(wǎng)絡(luò)中可以嘗試添加能量高、儲存容量大、數(shù)據(jù)通信能力強的超級節(jié)點來改善網(wǎng)絡(luò)的拓撲特性。圖1示出了WSNs拓撲優(yōu)化模型(WTOM)示意圖,如圖所示,普通節(jié)點分布在超級節(jié)點的周圍,按照WTOM模型初始化生成算法形成類似于蜘蛛網(wǎng)狀的結(jié)構(gòu)。模型中sink節(jié)點是路由信息的目的地,超級節(jié)點具有較大的通信半徑。由于普通節(jié)點通信半徑的限制,遠離sink節(jié)點的普通節(jié)點最優(yōu)選擇通過超級節(jié)點將信息傳遞給sink節(jié)點。本模型中超級節(jié)點與普通節(jié)點按照一定比例加入網(wǎng)絡(luò)中,網(wǎng)絡(luò)中超級節(jié)點的個數(shù)將直接影響網(wǎng)絡(luò)的整體性能。超級節(jié)點因為其自身的優(yōu)勢會更優(yōu)先連接網(wǎng)絡(luò)新加入的節(jié)點,同時超級節(jié)點也會影響其鄰居節(jié)點與新加入節(jié)點的連接。超級節(jié)點類似于小世界效應,現(xiàn)實網(wǎng)絡(luò)中都有這種現(xiàn)象。以文獻檢索為例,新的手稿往往引用本領(lǐng)域的經(jīng)典文獻,曾引用過本領(lǐng)域經(jīng)典文獻的文章,更容易受到新手稿的引用。

圖1 WTOM模型圖

1.2 模型前提假設(shè)

假設(shè)WSNs中隨機分散著N個節(jié)點,它們具備如下特點:

(1) 傳感器節(jié)點具有全局唯一的標識符ID。

(2) 普通傳感器節(jié)點部署到目標區(qū)域內(nèi)不具有移動能力,隨機分布在正方形區(qū)域;超級節(jié)點具有移動能力;sink節(jié)點不具有移動能力,位于全局的中心。

(3) 在部署時,普通節(jié)點具有相同的能量;超級節(jié)點擁有幾倍于普通節(jié)點的等同能量,且它們的能量均不能得到補充;sink節(jié)點的能量足夠。

(4) 傳感器節(jié)點不能獲取地理位置信息,但能夠根據(jù)信號的強度計算發(fā)送節(jié)點到本節(jié)點的相對距離。

1.3 相關(guān)定義

(1) 度ki與度分布p(k)。節(jié)點i的度ki定義為與i相連的節(jié)點的數(shù)目。網(wǎng)絡(luò)中所有節(jié)點的度ki的平均值稱為網(wǎng)絡(luò)節(jié)點的平均度,記為。

(1)

式中N為整個網(wǎng)絡(luò)節(jié)點數(shù)。節(jié)點度分布用分布函數(shù)p(k)表示,p(k)表示在網(wǎng)絡(luò)中隨機選定的節(jié)點的度恰好是k的概率。

(2) 平均路徑長度L。用L表示無線傳感網(wǎng)絡(luò)中所有節(jié)點發(fā)送數(shù)據(jù)到匯聚節(jié)點距離的平均跳數(shù),Dj表示普通節(jié)點i到匯聚節(jié)點最短路徑的跳數(shù)。

(2)

(3) 聚類系數(shù)C。聚類系數(shù)定義為i的ki個鄰居間實際存在的連接數(shù)Ei除以節(jié)點i的鄰居間完全連接的總連接數(shù),表示與i相連的點中任意兩點間相互連接的概率。

(3)

(4) 節(jié)點剩余能量與被選中連接關(guān)系f(E)。定義E表示剩余能量,f(E)表示節(jié)點剩余能量與被選中連接關(guān)系,節(jié)點的剩余能量越大,f(E)越大。當節(jié)點i為超級節(jié)點時,f(E)=nE,其中1

(5) WSNs生命周期。WSNs生命周期定義為網(wǎng)絡(luò)中能量耗盡或失效節(jié)點超過總節(jié)點數(shù)一半之前正常通信的周期數(shù)。

1.4 網(wǎng)絡(luò)拓撲動態(tài)優(yōu)化機制

1.4.1 基于粒子群算法的網(wǎng)絡(luò)分區(qū) 利用粒子群算法將整個網(wǎng)絡(luò)中N個傳感器節(jié)點分成a個區(qū),其中a表示超級節(jié)點的個數(shù),則每個區(qū)中含有N/a個節(jié)點。首先確定一條網(wǎng)絡(luò)區(qū)域分割線,將網(wǎng)絡(luò)分割成兩個區(qū)域,兩個區(qū)域內(nèi)節(jié)點數(shù)目相同。分割線形式如下:

(4)

式中:x,y分別為為位于分割線上點的橫縱坐標;θ為分割線與x軸的夾角。

定義fitness函數(shù)如下:

fitness=(d1-f1N)2+(d2-f2N)2

(5)

其中:di(i=1,2)為區(qū)域i中的節(jié)點數(shù)目;fi=ai/a(i=1,2),ai為期待超級節(jié)點的數(shù)目,即期待通過分割使得該區(qū)域保留多少個超級節(jié)點數(shù)。

(1) 對參數(shù)x,y,θ隨機賦值,由式(4)確定區(qū)域分割線,至此整個區(qū)域被分成2個不同的子區(qū)域,把兩個子區(qū)域節(jié)點的個數(shù)帶入式(5)。

(2) 確定多個不同的fitness值,與上次搜索得到的最小fitness值進行比較并取最小值,與其對應的粒子作為全局極值Pgd;同理,比較單個粒子得到的fitness值取最小的作為個體極值Pid,令α分別取值為x,y,θ,然后通過式(6)更新x,y,θ。

(6)

其中:Xxid,Xyid為粒子的位置;Xθid為分割線的傾角;vxid,vyid,vθid為粒子在x,y,θ3個維度上的搜索速度,由式(7)確定。

(7)

其中:c1,c2為學習因子;w為權(quán)重因子。

(3) 粒子得到合適的x,y,θ后,代入式(4)轉(zhuǎn)入步驟(1)的搜索,直到找到fitness值等于0或者近似0為止,此時,可以將整個區(qū)域分成節(jié)點數(shù)相等的兩個部分。

(4) 將區(qū)域首次分割之后,對兩個子區(qū)域繼續(xù)分割,直到分成a個規(guī)模相等的區(qū)域結(jié)束。

1.4.2 以虛擬力為導向的超級節(jié)點部署調(diào)整 當節(jié)點i為超級節(jié)點時,為各超級節(jié)點找到鄰近的子目標區(qū)域并調(diào)整其在子目標區(qū)域內(nèi)的目標部署位置,在節(jié)點之間引入虛擬力,使超級節(jié)點在多因素影響的虛擬力作用下調(diào)整自身的部署位置。其中,各作用力取正數(shù)值時表示引力,取負數(shù)值時為斥力。

(1) 超級節(jié)點與同區(qū)域普通節(jié)點的作用力

(2) 子區(qū)域邊界對超級節(jié)點的作用力

其中:Dj表示超級節(jié)點對應目標子區(qū)域的邊界;|pi-Dj|是超級節(jié)點i距離重心Dj的距離;kbj是與兩子區(qū)域相互位置關(guān)系相關(guān)的一個參數(shù);kd是一個反映節(jié)點密度的增益系數(shù),反映相鄰子區(qū)域的節(jié)點密度與期望節(jié)點密度的關(guān)系;sn表示超級節(jié)點是否在目標區(qū)域內(nèi),若超級節(jié)點在目標區(qū)域sn取0,否則取1。

(3) 其他超級節(jié)點對超級節(jié)點i的作用力

其中:|pi-pj|為超級節(jié)點i,j之間的距離;d是一個固定值,為超級節(jié)點通信半徑的1.71倍;kij是一個增益系數(shù)。

2 WTOM模型的生成機制

本文模型采用基于改進BA模型網(wǎng)絡(luò)節(jié)點演化模型生成機制,并考慮到超級節(jié)點的影響,進而優(yōu)化WSNs的網(wǎng)絡(luò)拓撲。

(1) 起始設(shè)定。假設(shè)網(wǎng)絡(luò)最初有m0個普通孤立節(jié)點,各普通節(jié)點儲能量相同。

(2) 增長性。每個時間間隔加入一個新的節(jié)點v,新加入的節(jié)點v為超級節(jié)點的概率為p,為普通節(jié)點的概率為(1-p),其中0≤p≤0.1,每次加入的節(jié)點v新增的度為m(m

(3) 確定局域世界。距節(jié)點v最短時間加入的M(M≥m)個節(jié)點作為節(jié)點v的局域世界,其中M是隨時間增長的量,這M個節(jié)點均在節(jié)點v的通信范圍之內(nèi)。

(4) 擇優(yōu)連接。 若新增加的節(jié)點v與局域世界M已存在的節(jié)點i進行連接時,其連接概率為

(8)

其中:βi服從(0～1)分布表示超級節(jié)點的影響,如果網(wǎng)絡(luò)中新增節(jié)點與網(wǎng)絡(luò)中存在的超級節(jié)點或者超級節(jié)點的鄰居節(jié)點相連,則βi=1,否則βi=0。

(5) 重復步驟(2)～(4),達到要求的網(wǎng)絡(luò)規(guī)模N為止。

(6) 按照1.3節(jié)中網(wǎng)絡(luò)拓撲優(yōu)化機制實現(xiàn)網(wǎng)絡(luò)的動態(tài)更新。

算法流程如圖2所示。

3 WTOM演化模型的數(shù)學分析

WTOM模型初始化完畢,在網(wǎng)絡(luò)動態(tài)優(yōu)化的過程中,只有少量超級節(jié)點發(fā)生微小移動,因此并不影響網(wǎng)絡(luò)的整體拓撲。無標度網(wǎng)絡(luò)模型的動態(tài)特性可以用連續(xù)場理論進行分析論證[13]?？紤]到連續(xù)性能更詳細地刻畫所提出模型的性質(zhì)并預測其度分度,因此,運用連續(xù)場理論的方法進行數(shù)學論證。模型中任何一個節(jié)點的度隨時間變化的演化關(guān)系,可用連續(xù)場近似的方法求得。

當M≥m時,用ki表示節(jié)點i的度,并假設(shè)ki連續(xù),則在每一個時間步中,節(jié)點i的度ki按照式(9)的比率增加。

圖2 WTOM模型初始化算法流程圖

(9)

式(9)的初始條件為:節(jié)點i在ti時刻進入系統(tǒng),其度數(shù)ki(t)=m,且t>0,解微分方程可得

(10)

t→+∞時,網(wǎng)絡(luò)的平均節(jié)點度為

(11)

由于時間t服從均勻分布,所以

(12)

由此可得,t→+∞時,節(jié)點的度分布趨于

(13)

(14)

因為輸入超級節(jié)點的概率0≤p<0.1,故2

4 實驗仿真與結(jié)果分析

4.1 實驗參數(shù)設(shè)置

運用Matlab仿真工具和Gephi網(wǎng)絡(luò)構(gòu)建工具,分析關(guān)鍵參數(shù)對WTOM模型的影響,并將WTOM模型與原始的BA模型在模型特點、平均路徑長度、聚類系數(shù)、能耗和生命周期方面進行對比。表1列出了實驗參數(shù)表,采用文獻[14]的通信模型模擬網(wǎng)絡(luò)能量的消耗,其中超級節(jié)點最大傳輸半徑為普通節(jié)點最大傳輸半徑的2倍,節(jié)點發(fā)射功率可調(diào)。

表1 仿真實驗參數(shù)設(shè)置

4.2 WTOM模型和BA模型比較

仿真實驗共分為兩組,第1組為按照WTOM模型擇優(yōu)概率形成的模型,第2組為按照BA模型生成算法形成的模型,其中p=0.05。圖3(a)和圖3(b)為兩組模型圖。表2列出了兩組模型相同編號節(jié)點對應度的變化。圖3(a)中的編號節(jié)點為WTOM模型中的超級節(jié)點,圖3(b)中的編號節(jié)點為BA模型與圖3(a)中超級節(jié)點對應的相同編號節(jié)點。

由圖3(a)和圖3(b)及表2可知,WTOM模型中超級節(jié)點比BA模型中對應相同編號的節(jié)點連接的邊多,即度大。這是因為在WTOM模型中超級節(jié)點具有較高的能量,這樣有利于網(wǎng)絡(luò)能量的均衡消耗。

表2 WTOM模型和BA模型相同編號節(jié)點對應度的變化

圖3 WTOM模型(a)及BA模型(b) (N=100,p=0.05)

4.3 WTOM模型和BA模型度分布比較以及重要參數(shù)對WTOM模型度的影響

本文研究了WTOM模型和BA模型度分布的特征以及各關(guān)鍵參數(shù)對WTOM模型度分布的影響。圖4為p=0.05時WTOM模型和BA模型的實際度分布以及理想的度分布圖。p=0時,網(wǎng)絡(luò)中無超級節(jié)點,此時WTOM模型和BA模型完全相同。圖5為n取不同值時WTOM模型的度分布圖。

從圖4可知,WTOM模型和BA模型都具有度大的節(jié)點分布概率小、度小的節(jié)點分布概率大的特點。WTOM模型中,度在一段范圍內(nèi)出現(xiàn)平坦的狀況,但從網(wǎng)絡(luò)整體度分布看,網(wǎng)絡(luò)具有無標度性;由于網(wǎng)絡(luò)中超級節(jié)點的存在,其度分布的冪指數(shù)變大,度較高的節(jié)點數(shù)目降低,這有利于降低網(wǎng)絡(luò)中某些節(jié)點因度過大消耗較多的能量,導致過早死亡。從圖5可知,適當?shù)卦黾映壒?jié)點的能量也可以降低節(jié)點因過度消耗能量導致的失效,從而達到均衡網(wǎng)絡(luò)能量消耗,增加網(wǎng)絡(luò)穩(wěn)定性的效果。

圖4 WTOM模型和BA模型度分布

圖5 超級節(jié)點能量對WTOM模型度分布的影響

4.4 WTOM模型和BA模型平均路徑比較以及重要參數(shù)對WTOM模型平均路徑的影響

圖6示出了WTOM模型和BA模型平均路徑分布圖。圖6表明添加超級節(jié)點可以有效地降低網(wǎng)絡(luò)的平均路徑,降低信息在網(wǎng)絡(luò)傳遞過程中的跳數(shù);增加超級節(jié)點的能量對平均路徑幾乎沒有影響。圖7示出了超級節(jié)點個數(shù)對WTOM模型平均路徑的影響。圖7表明適當增加超級節(jié)點個數(shù)可以降低網(wǎng)絡(luò)的平均路徑,但達到一定數(shù)目時,網(wǎng)絡(luò)的平均路徑幾乎不再發(fā)生變化。

4.5 WTOM模型和BA模型聚類系數(shù)比較以及重要參數(shù)對WTOM模型聚類系數(shù)的影響

圖8示出了WTOM模型和BA模型的聚類特性。圖8表明WTOM模型具有較大的聚類特性,大的聚類系數(shù)使得局部網(wǎng)絡(luò)節(jié)點間連接具有更高的穩(wěn)健性,增加超級節(jié)點的能量,聚類系數(shù)有所增加。圖9示出了超級節(jié)點個數(shù)對 WTOM模型聚類系數(shù)的影響。圖9表明增加超級節(jié)點個數(shù),WTOW模型的聚類系數(shù)沒有規(guī)律地變化。

圖6 WTOM模型和BA模型平均路徑

圖7 超級節(jié)點個數(shù)對WTOM模型平均路徑影響

圖8 WTOM模型和BA模型的聚類系數(shù)

4.6 WTOM模型和BA模型抗毀魯棒性比較

為比較WTOM模型(p=0.1)和BA模型的抗毀魯棒性,表3中統(tǒng)計了WTOM模型(p=0.1)和BA模型最大連通分支上的節(jié)點數(shù)隨周期數(shù)r的變化結(jié)果。

圖9 超級節(jié)點個數(shù)對 WTOM模型聚類系數(shù)的影響

由表3可以看出,在通信過程中,WTOM模型比BA模型具有較好的抗毀魯棒性。這是因為WSNs節(jié)點的失效很大程度上是由能量耗盡引起的,而WTOM模型在拓撲構(gòu)建的過程中考慮了剩余能量和度的影響,拓撲優(yōu)化過程中考慮了對關(guān)鍵節(jié)點的保護,有利于維持網(wǎng)絡(luò)的連通性,從而提高了網(wǎng)絡(luò)的抗毀魯棒性。

4.7 WTOM模型和BA模型生命周期比較以及能量消耗分析

實驗采用SEP路由算法,實驗參數(shù)見表1。圖10(a)示出了存活節(jié)點數(shù)與周期數(shù)的關(guān)系;圖10(b)示出了能量消耗率與周期數(shù)的關(guān)系,均在N=100,p=0.1,n=2條件下進行實驗。

圖10(a)表明BA模型在進行300多個周期時節(jié)點開始死亡,而WTOM模型中節(jié)點到400多個周期時節(jié)點才開始死亡;超過310個周期后WTOM模型比BA模型存活的節(jié)點數(shù)多;除此之外WTOM模型比BA模型延長了整個網(wǎng)絡(luò)的生命周期。圖10(b)顯示BA模型節(jié)點能量消耗率高于WTOM模型的能量消耗率,WTOM模型有利于提高能量的利用效率,從而提高網(wǎng)絡(luò)的生命周期。

表3 最大連通分支上的節(jié)點數(shù)隨周期數(shù)的變化

圖10 WTOM模型和BA模型中存活節(jié)點數(shù)和能量消耗率的比較

5 結(jié)束語

本文基于BA無標度網(wǎng)絡(luò)理論,提出了一種拓撲優(yōu)化模型。通過引入超級節(jié)點并結(jié)合粒子群算法將網(wǎng)絡(luò)合理地劃分區(qū)域;在節(jié)點間建立虛擬力場,利用虛擬力調(diào)整超級節(jié)點目的性的移動,實現(xiàn)網(wǎng)絡(luò)中關(guān)鍵節(jié)點的保護,均衡網(wǎng)絡(luò)節(jié)點的能量消耗。實驗結(jié)果表明與原始的BA模型相比該模型更具有小世界特性、延長網(wǎng)絡(luò)生命周期的特點。

[1]YICK J,MUKHERJEE B,GHOSAL D.Wireless sensor network survey[J].Computer Networks,2008,52(12):2292-2330.

[2]WANG Bing,TANG Huanwen,GUO Chonghui,etal.Entropy optimization of scale-free networks robustness to random failures [J] .Physica A,2006,363(2):591-596.

[3]ZHENNG Gengzhong,LIU Qiumei.Scale-free topology evolution for wireless sensor networks [J].Computers & Electrical Engineering,2013,39(6):1779-1788.

[4]TAO Shaohua,YAN Jingfeng.Synchronization enhance on scale-free network[C]// 2011 3rd International Workshop on Intelligent Systems and Applications (ISA).USA:IEEE,2011:1-4.

[5]ZHENG G,LIU S,QI X.Scale——Free topology evolution for wireless sensor networks with reconstruction mechanism[J] ． Computers & Electrical Engineering,2012,38(3):643 -651.

[6]李曉誠.基于小世界模型的無線傳感器網(wǎng)絡(luò)由算法的研究 [D].南京:南京郵電大學,2012.

[7]姚洪興,周飛.基于復雜網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)在沙漠治理維護中的研究[J] .計算機應用研究,2014,31(10):3033-3036.

[8]GUIDONI D L,MINI R A,LOUREIRO A A.Applying the small world concepts in the design of heterogeneous wireless sensor networks[J].IEEE Communications Letters,2012,16(7):953-955.

[9]WANG D,LIU E,ZHANG Z,etal.A flow-weighted scale-free topology for wireless sensor networks[J].IEEE Communications Letters,2015,19 (2):235-238.

[10]JIAN Y,LIU E,ZHANGN Z,etal.Percolation and scale-free connectivity for wireless sensor networks[J] .IEEE Communications Letters,2015,19(4):625-628.

[11]ZHU H,LUO H,PENG H,etal.Complex networks-based energy-efficient evolution model for woreless sensor networks[J].Chaos Solitons & Fractals,2009,41(4):1828-1835.

[12]劉軍,于耕,張慧鵬.基于節(jié)點控制的空間信息網(wǎng)絡(luò)拓撲重構(gòu)算法[J].電子學報,2011,39(8):1837-1844.

[13]CHEN Hongbin,TSE Chi K,FENG Jiuchao.Impact of topology on performance and energy efficiency in wireless sensor networks for source extraction[J].IEEE Transactions on Parallel and Distributed Systems,2009,20(6):886-897.

[14]REN J,ZHANG Y,ZHANG K,etal.Lifetime and energy hole evolution analysis in data-gathering wireless sensor networks[J].IEEE Transactions on Industrial Informatics,2015,12(2):788-800.

WSNs Topology Optimization Model Based on BA Scale-Free Network

LU Zhi-jing, HUANG Ru, SUN Jun-feng, ZHANG Lei

(School of Information Science and Engineering,East China University of Science and Technology,Shanghai 200237,China)

Due to the limited energy of wireless sensor nodes, the maximization of the network lifetime has become one of the most important problemsin the optimization of the network topology.This paper presents a wireless sensor networks topology optimization model (WTOM) based on BA scale free network. Some super nodes are introduced into the network that is divided reasonably by using particle swarm algorithm. The virtual force field driven by multiple factors is established between nodes and the deployment position of super nodes is adjusted by the virtual force. Thus, the nodes' energy consumption is balanced and the robustness of invulnerability is improved by protecting key nodes. Both the theoretical analysis and experimental results demonstrate that the obtained network model not only keep the characteristics of BA scale free network, but also has the characteristics of small world. Moreover, the proposed model can extend the network life cycle and raise the network energy saving in data collection.

WSNs; BA scale free network; topological optimization; super nodes

1006-3080(2017)02-0234-07

10.14135/j.cnki.1006-3080.2017.02.013

2016-06-20

國家自然科學基金(61501187,61365005);教育部基本科研業(yè)務基金(WH1315009);國際級大學生創(chuàng)新實踐基金(201410251044,201310251052)

路智靜(1989-),女,河南濮陽人,碩士生,主要從事物聯(lián)網(wǎng)研究。E-mail:nicylzj@163.com

黃 如,E-mail:huangrabbit@163.com

TP391

A