一种高效节能的无线传感器网络分簇路由算法

一种高效节能的无线传感器网络分簇路由算法
施志刚;李桂娟;李亮;张持健
【摘要】为了解决低能量自适应聚簇分层(LEACH)算法中簇头分布不均匀、选举不合理以及路由方式单一的不足,提出了一种高效节能的无线传感器网络(WSNs)分簇路由算法(ECRAW).运用遗传算法和引力对簇的形成进行改进;综合考虑节点的剩余能量、节点与基站(BS)以及节点与簇中心之间的距离来优化簇头的选举;通过通信代价函数建立簇头与基站的多跳通信.仿真结果表明:相比于LEACH和能耗比较的LEACH(LEACH-EC)算法,ECRAW算法明显降低了网络能耗,均衡了节点能量消耗,延长了网络生存周期.
【期刊名称】《传感器与微系统》
【年(卷),期】2018(037)009
【总页数】3页(P139-141)
【关键词】无线传感器网络;低能量自适应聚簇分层;遗传算法;引力;多跳
【作者】施志刚;李桂娟;李亮;张持健
【作者单位】安徽师范大学物理与电子信息学院,安徽芜湖241000;安徽师范大学物理与电子信息学院,安徽芜湖241000;安徽师范大学物理与电子信息学院,安徽芜湖241000;安徽师范大学物理与电子信息学院,安徽芜湖241000
【正文语种】中文
【中图分类】TP393
0 引言
无线传感器网络(wireless sensor networks,WSNs)在智能交通、环境监测、工业控制等领域有着相当的发展优势，但电池更换困难，因此设计一种高效节能的路由算法，最大限度地延长网络生存周期尤为重要。

Heinzelman W等人[1]在2000年提出了分簇路由算法的典型代表LEACH算法。

近年来,在LEACH算法基础上相继提出了多种改进方法，pLEACH算法[2]中提出将网络分区，然后在各个子区域中选出剩余能量最高的节点作为簇头；覃海生等人[3]在细胞膜优化算法的基础上通过浓度、能量和距离三因子完成对节点的分簇；罗琴等人[4]运用模糊理论计算节点担任簇头的概率来改进阈值公式；严斌亨等人[5]通过节点的剩余能量和连通度来优化簇头选举。

上述算法在一定程度上降低了网络能耗，但簇头分布的随机性没有得到很好解决,且未从全局和局部两个方面来考虑簇内、簇头间的能耗问题。

本文给出了一种高效节能的WSNs分簇路由算法(efficient and energy-saving clustering routing algorithm for WSNs，ECRAW)，其特点在于：结合最优簇头数运用遗传算法(genetic algorithm,GA)和引力对簇的形成进行改进；簇头选举时考虑节点的剩余能量、节点与基站以及节点与簇中心之间的距离；引入通信代价函数建立簇头与基站的多跳通信。

1 经典LEACH算法不足
虽然相比于传统的平面路由算法,LEACH算法将网络生存周期提高了15 %[6]，但仍存在一些问题：1)簇头选举的随机性导致簇头分布不均匀；2)簇头的选举未考虑节点的剩余能量，低能量的节点担任簇头会导致簇头过早死亡，影响数据的传输，出现监测盲区现象；3)数据传输采用单跳的方式，远距离传输消耗大量的能量，不适用于大规模的无线传感网络。

2 ECRAW算法
本文从分簇方式、簇头的选举和路由方式3个方面对LEACH算法加以改进，与LEACH算法类似，每一轮也分为簇的建立和稳定传输，不同的是ECRAW算法在簇的建立阶段先进行簇的划分，再执行簇头选举。

2.1 最优簇头数
本文采用文献[7]的最优簇头数K计算方法为
(1)
式中 N为传感节点数,M为正方形区域边长,dtoBS为节点到基站距离。

则最优簇头比例为
2.2 GA和引力改进簇的形成
本文采用GA优化初始聚类中心，以避免聚类效果受初始聚类中心的干扰，陷入局部最优。

优化步骤如下：
1)编码方式:随机选取K个节点组成1个个体，染色体采用节点下标进行编码，即1,2,…,K；
2)初始化种群，按上述编码方式，重复H次得到种群；
3)构造适应度函数(式(2))；
4)经过选择、交叉和变异操作得到新的种群；
5)重复步骤(4)，达到最大的迭代次数，并输出种群中适应度最大的个体即优化之后的初始聚类中心。

在簇的形成过程中引入引力思想，传感节点看成是有质量无体积的质点，引力大小和簇内节点个数(质点质量)正比，与质点之间的距离成反比。

由于只需比较两个引力相对大小，每次待分簇的质点在参与引力运算时，其个数一直是1，即可省略一个m，同时G可以忽略不计。

为了避免簇内节点数过多，所造成引力过大带来“黑洞”问题以及簇头负载过重加快死亡现象，改进后的引力公式为
(2)
式中 ci为待分簇的质点,zj为簇j的簇中心,r(ci,zj)为待分簇质点与簇中心之间的距离,m(j)为簇j内节点个数。

zj的计算方法为
根据式(2)知，待分簇节点与簇中心的距离越小，簇内节点越多，引力就越大,该节
点加入该簇的机会就越大。

簇的形成过程如下：
1)设置GA运行参数，执行GA算法，适应度最大的个体即初始聚类中心；
2)基站逐一计算网络节点与K个初始聚类中心间引力大小，并加入引力较大的簇，开始成簇，并更新簇中心；
3)基站逐一计算剩余网络节点与更新后的聚类中心之间的引力大小，并更新簇中心；
4)重复步骤(3)，直到所有节点均入簇，分簇完成。

2.3 簇头选举
分簇完成之后，在簇内进行簇头的选举，结合最优簇头比例在LEACH算法基础上，考虑节点的剰余能量、节点到基站以及节点到簇中心的距离，得到新的阈值为
(3)
(4)
式中 E(i)为当前节点的剩余能量，为当前簇内所有节点能量的平均值，m为当前簇内存活节点数；Dmax,Dmin分别为当前簇内节点到基站的最大距离和最小距离；dmax,dmin分别为当前簇内节点到簇中心的最大距离和最小距离;r为当前轮数。

每轮中节点通过rand(1,1)随机产生1个数，若小于式(3)，节点当选为该簇的簇头，重复上述过程，在每个簇中选出簇头。

改进后的阈值计算公式使剩余能量较多、距离基站和距离簇中心较近的节点有更多的机会当选为簇头，在一定程度上使簇头分
布均匀，均衡网络能耗。

2.4 稳定传输
定义通信代价函数为
可知，选择的中继簇头簇头距离dCHi,j越近，距基站越近，中继簇头利余能量
Ere越高，通信代价就越小，当选为中继簇头的机会就越大。

当簇头将数据转发给下一跳簇头时，从N(CHi)中选择通信代价最小的节点作为中继簇头，以此类推，
直到出现一个簇头与基站的距离dCHjtoBS不大于时，该簇头直接与基站通信，
簇间的多跳路由建立完成。

ECRAW算法整体流程如图1。

图1 ECRAW算法工作流程
3 算法仿真及对比分析
3.1 实验网络参数
为了验证ECRAW算法的性能，采用一阶无线通信能耗模型[8]，本文通过MATLAB 2014a平台将其与LEACH,LEACH-EC算法[5]在死亡节点数、剩余能量和消耗能量3个方面进行了仿真比较。

设有100个初始能量为1J的节点随机部署在100 m×100 m的区域中，基站位于(50 m,50 m)处，实验的相关网络参数如下：数据包长度4 000 bits，εfs为10 pJ/bit/m 2 ，εamp为0.001 3 pJ/bit/m4，数据融合能耗EDA为5 nJ/bit，收发电路能耗Eelec为50 nJ/bit。

3.2 仿真结果
评价网络的生存周期通常看第1个节点死亡时间(first node dead-time,FND)和
1/2节点死亡时间(half node dead-time,HND)。

图2中相比于LEACH和LEACH-EC算法本文算法从FND到最后一个节点死亡时间均滞后，延长了网络的生存周期。

本文算法FND出现在第2 375轮，较LEACH提高了1.64倍，较LEACH-EC延长了58.4 %；HND出现在2 521轮，较LEACH提高1.09倍，较
LEACH-EC延长23.3 %；另外图中本文算法的曲线陡峭，说明节点能量消耗均衡性较好，可见，本文算法具有明显的优势，主要原因是改进了簇的形成和簇头的选举，使簇头分布更均匀，簇头与基站通信的机制的改进降低了网络能耗。

图2 网络生存周期对比
随着网络的运行，图3说明了网络能量在不断消耗，相比之下，在相同的时间内，运用本文算法消耗的总能量少于其他2种算法；相同的初始能量下，总能量耗尽
较晚。

图4中本文算法的剩余能量高于其他2种算法，表明了在相同的初始能量下，改进后的算法较LEACH 和 LEACH-EC 能耗较小，有效地节约能量，另外，ECRAW算法倾斜度较为平缓，说明网络性能较为稳定。

图3 消耗总能量对比
图4 剩余总能量对比
4 结束语
本文在LEACH算法的基础上提出了一种ECRAW算法，仿真结果表明，该算法在存活节点个数、消耗总能量和剩余总能量方面均优于LEACH 和LEACH-EC算法，有效降低网络能耗，均衡了节点能量消耗，延长了网络生存周期。

参考文献:
【相关文献】
[1] Heinzelman W,Chandrakasan A,Balakrishnan H．Energy-efficient communication protocol for wireless microsensor networks[C]∥Proceedings of the Hawaii International Conference on System Sciences,2000:3005-3014.
[2] Gou H S,Yoo Younghwan．An energy balancing LEACH algorithm for wireless sensor networks[C]∥2010 the Seventh International Conference on Information Technology，2010:822-827.
[3] 覃海生，何传波，吴文俊，等.基于细胞膜优化算法的WSNs分簇协议研究[J].计算机工
程,2014(11):92-96.
[4] 罗琴，王小明.基于模糊逻辑的无线传感器网络簇头选择算法[J].微电子学与计算
机,2015,2(9):164-168.
[5] 严斌亨，陈任秋，刘军.能量优化的无线传感器网络 LEACH 算法[J].传感器与微系
统,2016,35(7):120-122.
[6] Shin J,Suh C.CREEC:Chain routing with even energy consumption[J].IEEE Communications and Networks Journal,2011,13(1):17-25.
[7] 孙增友，周池.基于能量和距离的WSNs自适应分簇算法[J].东北电力大学学报，2016,6(1):82-86.
[8] Ramesh R,Charaan R M Dilip,Kumar N T Mohan,et al.Implementation of load balancing in leach protocol for wireless sensor networks[C]∥The 2nd International Conference on Emerging Trends in Engineering and Technology,2014:80-84.。