WSN中LEACH路由算法的改进

合集下载

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进无线传感器网络（WSN）是由大量的小型传感器节点组成的自组织网络，用于收集和传输环境中的数据。

WSN 的目标是提高监控、控制和处理环境数据的效率和准确性。

然而，WSN 中的传感器节点有限的计算和存储资源，以及有限的能源。

因此，如何在最小化能量消耗的同时提高数据传输效率是一个关键问题。

WSN 中广泛使用的协议之一是LEACH（Low-Energy Adaptive Clustering Hierarchy）协议，该协议构建了分簇结构，以减少数据传输过程中节点的能量消耗。

LEACH 是一个分簇算法，它通过选择聚类头（Cluster Head）来组织节点。

聚类头节点收集所有从其它传感器节点收集到的数据，将数据进行压缩和聚合后，转发至基站（Base Station）。

LEACH 协议的问题在于，在网络生命周期内，聚类头的选举是随机的，并不能保证选择的聚类头是能量最高的节点，因此会导致一些节点的能量消耗过快，从而缩短了整个网络的生命周期。

为此，我们对 LEACH 协议进行了改进，提出一种改进的 LEACH 算法，以下将详细说明改进内容。

改进算法采用了一种动态簇头选举策略，根据节点的能量进行簇头节点的选择。

在最初的网络部署过程中，节点随机地选择自己的簇头。

在后续的网络运行过程中，根据每个节点的能量动态选择簇头节点。

节点能量越高，则被选为簇头节点的概率越大，与此同时，为了平衡网络负载和能量消耗，簇头节点的角色应该定期轮流转换。

改进算法还引入了一种数据传输的动态策略。

在常规 LEACH 算法中，每个节点定期向簇头节点传输数据，这样会导致簇头节点的能量迅速消耗。

与此相反，改进算法通过根据节点的能量和簇头节点的状态（能量，负载等因素）确定数据传输的目标节点，减少了无效的数据传输，从而提高了整个网络的生命周期。

实验对比结果显示，改进算法在能量效率和数据传输效率上均表现出较大幅度的提高。

WSN中一种基于LEACH协议的改进算法

WSN中一种基于LEACH协议的改进算法周洁;石志东;张震;单联海;房卫东【期刊名称】《上海大学学报（自然科学版）》【年(卷),期】2013(019)002【摘要】In wireless sensor network (WSN), to effectively balance energy of nodes and prolong survival time of the network is a key problem. To solve the problem, this paper proposes an algorithm named cluster control based on low energy adaptive clustering hierarchy (CC-LEACH) based on LEACH. Using this algorithm, cluster heads are selected by the sink. Simulation results show that the method has advantages in terms of energy balance and network lifespan.%在无线传感器网络(wireless sensor network,WSN)中,如何解决漏斗效应、有效平衡节点的能量分布,是延长网络生存时间的关键问题.针对漏斗效应提出一种基于低功耗自适应集簇分层型(low energy adaptive clustering hierarchy,LEACH)协议的改进簇首控制算法(cluster control based on LEACH,CC-LEACH),通过sink辅助选择簇首分布.仿真证明,这种新型簇首选择机制能更好地进行能量均衡,延长网络生命周期.【总页数】5页(P116-119,207)【作者】周洁;石志东;张震;单联海;房卫东【作者单位】上海大学通信与信息工程学院,上海200072;上海无线通信研究中心,上海200335【正文语种】中文【中图分类】TP393【相关文献】1.WSN中一种基于RSSI的移动节点改进定位算法 [J], 黄海辉;李龙连2.无线传感器网络中一种基于改进的LEACH协议的数据收集方案 [J], 刘林锋;郭平;赵娟;李宁3.WSN 中一种改进的基于 LEACH-C 算法的簇间路由算法研究 [J], 付垚4.基于LEACH协议的WSN改进分簇算法的理论分析 [J], 徐丽莉;邹修明5.基于能量均衡高效WSN的LEACH协议改进算法 [J], 黄利晓;王晖;袁利永;曾令国因版权原因，仅展示原文概要，查看原文内容请购买。

wsn中leach算法改进程序

%Field Dimensions - x and y maximum (in meters)xm=300;ym=300;%x and y Coordinates of the Sinksink.x=0.5*xm;sink.y=0.5*ym;%Number of Nodes in the fieldn=900;%Optimal Election Probability of a node%to become cluster headp=0.1;%Energy Model (all values in Joules)%Initial EnergyEo=0.5;%Eelec=Etx=ErxETX=50*0.000000001;ERX=50*0.000000001;%Transmit Amplifier typesEfs=10*0.000000000001;Emp=0.0013*0.000000000001;%Data Aggregation EnergyEDA=5*0.000000001;%Values for Hetereogeneity%Percentage of nodes than are advancedm=0.1;%\alphaa=1;cc=10;CM=32;DM=4000;%maximum number of roundsrmax=100;%%%%%%%%%%%%%%%%%%%%%%%%% END OF PARAMETERS %%%%%%%%%%%%%%%%%%%%%%%%%Computation of dodo=sqrt(Efs/Emp);%Creation of the random Sensor Networkfigure(1);for i=1:1:nS(i).xd=rand(1,1)*xm;XR(i)=S(i).xd;S(i).yd=rand(1,1)*ym;YR(i)=S(i).yd;S(i).G=0;%initially there are no cluster heads only nodes S(i).type='N';temp_rnd0=i;%Random Election of Normal Nodesif (temp_rnd0>=m*n+1)S(i).E=Eo;S(i).ENERGY=0;% plot(S(i).xd,S(i).yd,'o');% hold on;end%Random Election of Advanced Nodesif (temp_rnd0<m*n+1)S(i).E=Eo*(1+a);S(i).ENERGY=1;% plot(S(i).xd,S(i).yd,'+');% hold on;endendS(n+1).xd=sink.x;S(n+1).yd=sink.y;%plot(S(n+1).xd,S(n+1).yd,'x');%First Iterationfigure(1);%counter for CHscountCHs=0;%counter for CHs per roundrcountCHs=0;cluster=1;countCHs;rcountCHs=rcountCHs+countCHs;flag_first_dead=0;for r=0:1:rmaxr+1%Operation for epochif(mod(r, round(1/p) )==0)for i=1:1:nS(i).G=0;%S(i).cl=0;endendhold off;EJ(r+1)=0;%Number of dead nodesdead=0;%Number of dead Advanced Nodesdead_a=0;%Number of dead Normal Nodesdead_n=0;%counter for bit transmitted to Bases Station and to Cluster Heads%packets_TO_BS=0;%packets_TO_CH=0;%counter for bit transmitted to Bases Station and to Cluster Heads%per roundPACKETS_TO_CH(r+1)=0;PACKETS_TO_BS(r+1)=0;figure(1);for i=1:1:n%checking if there is a dead nodeif (S(i).E<=0)% plot(S(i).xd,S(i).yd,'red .');dead=dead+1;if(S(i).ENERGY==1)dead_a=dead_a+1;endif(S(i).ENERGY==0)dead_n=dead_n+1;endhold on;elseEJ(r+1)=EJ(r+1)+S(i).E;S(i).type='N';% if (S(i).ENERGY==0)% plot(S(i).xd,S(i).yd,'o');% end% if (S(i).ENERGY==1)% plot(S(i).xd,S(i).yd,'+');% end% hold on;endend%plot(S(n+1).xd,S(n+1).yd,'x');%nl=n-dead;%p=do*sqrt(xm*ym/(2*pi*nl))/(2/3*xm*ym-(sink.x+sink.y)*sqrt(xm*ym)+sink.x^2+si nk.y^2)p=1/(cc+1);STATISTICS(r+1).DEAD=dead;DEAD(r+1)=dead;DEAD_N(r+1)=dead_n;DEAD_A(r+1)=dead_a;%When the first node diesif (dead==1)if(flag_first_dead==0)first_dead=rflag_first_dead=1;endendcountCHs=0;cluster=1;for i=1:1:nif(S(i).E>0)temp_rand=rand;if ( (S(i).G)<=0)%Election of Cluster Headsif(temp_rand<= (p/(1-p*mod(r,round(1/p)))))countCHs=countCHs+1;S(i).type='C';S(i).G=round(1/p)-1;C(cluster).xd=S(i).xd;C(cluster).yd=S(i).yd;%plot(S(i).xd,S(i).yd,'k*');distance=sqrt( (S(i).xd-(S(n+1).xd) )^2 + (S(i).yd-(S(n+1).yd) )^2 );C(cluster).distance=distance;C(cluster).id=i;X(cluster)=S(i).xd;Y(cluster)=S(i).yd;packets_TO_BS(cluster)=1;cluster=cluster+1;%Calculation of Energy dissipatedendendendendSTATISTICS(r+1).CLUSTERHEADS=cluster-1;CLUSTERHS(r+1)=cluster-1;%Election of Associated Cluster Head for Normal Nodesfor i=1:1:nif ( S(i).type=='N' && S(i).E>0 )if(cluster-1>=1)min_dis=sqrt( (S(i).xd-S(n+1).xd)^2 + (S(i).yd-S(n+1).yd)^2 );min_dis_cluster=1;for c=1:1:cluster-1temp=sqrt( (S(i).xd-C(c).xd)^2 + (S(i).yd-C(c).yd)^2 );if ( temp<min_dis )min_dis=temp;min_dis_cluster=c;endendpackets_TO_BS(min_dis_cluster)=packets_TO_BS(min_dis_cluster)+1;%line([S(i).xd, C(min_dis_cluster).xd],[S(i).yd, C(min_dis_cluster).yd]);%Energy dissipated by associated Cluster Headmin_dis;Er1=ERX*CM*(cluster+1);if (min_dis>do)Et1=ETX*(CM+DM)+Emp*(CM+DM)* min_dis * min_dis * min_dis * min_dis;endif (min_dis<=do)Et1=ETX*(CM+DM)+Efs*(CM+DM)*min_dis * min_dis;endS(i).E=S(i).E-Er1-Et1;EJ(r+1)=EJ(r+1)-Er1-Et1;S(i).min_dis=min_dis;S(i).min_dis_cluster=min_dis_cluster;endendend%a=zeros(cluster-1,1)for c=1:1:cluster-1CEr1=ERX*(CM+DM)*(packets_TO_BS(c)-1);distemp=0;for pinkx=0:xm:xmfor pinky=0:ym:ymdispink=sqrt( (X(c)-pinkx)^2 + (Y(c)-pinky)^2 );if(dispink>distemp)distemp=dispink;endendenddistbroadcast(c)= distemp;if (distbroadcast(c)>do)CEt1=ETX*CM+Emp*CM*distbroadcast(c)*distbroadcast(c)*distbroadcast(c)*dist broadcast(c);endif (distbroadcast(c)<=do)CEt1=ETX*CM+Efs*CM*distbroadcast(c)*distbroadcast(c);endS(C(c).id).E=S(C(c).id).E-CEr1-CEt1;if (S(C(c).id).E<=0)% plot(S(i).xd,S(i).yd,'red .');dead=dead+1;if(S(i).ENERGY==1)dead_a=dead_a+1;endif(S(i).ENERGY==0)dead_n=dead_n+1;endhold on;elseEJ(r+1)=EJ(r+1)-CEr1-CEt1;endendSTATISTICS(r+1).DEAD=dead;DEAD(r+1)=dead;DEAD_N(r+1)=dead_n;DEAD_A(r+1)=dead_a;Et=0;Et=Et+S(C(c).id).E;% EJ(r+1)=EJ(r+1)-CEr1-CEt1;%PACKETS_TO_BS(r+1)=packets_TO_BS(c);hold on;%E=EJ(r+1)/nl;%b=zeros(,1)%for i=1:1:cluster-1% if(a(i)>E)% b(i)=a(i);% en%endCH=1;while(cluster-1>20)%contiue make cluster%select sec cluster headsE=Et/(cluster-1);for c=1:1:cluster-1if (S(C(c).id).E>E)C(c).type='D';D(CH).xd=X(c);D(CH).yd=Y(c);distance=sqrt( (X(c)-S(n+1).xd)^2 + (Y(c).yd-S(n+1).yd)^2 );D(CH).distance=distance;D(CH).id=C(c).id;X(CH)= C(cluster).xd;Y(CH)= C(cluster).yd;packets_TO_BS(CH)=1;CH=CH+1;endendSTATISTICS(r+1).CLUSTERHEADS=CH-1;CLUSTERHS(r+1)=CH-1;for c=1:1:cluster-1if ( C(c).type=='C' && S(C(c).id).E>0 )if(CH-1>=1)% min_dis=sqrt( (C(c).xd-S(n+1).xd)^2 + (C(c).yd-S(n+1).yd)^2 );min_dis_CH=1;for d=1:1:CH-1temp=sqrt( (D(d).xd-C(c).xd)^2 + (D(d).yd-C(c).yd)^2 );if ( temp<C(c).distance )min_dis=temp;min_dis_CH=d;endendpackets_TO_BS(min_dis_CH)=packets_TO_BS(min_dis_CH)+1;%line([S(i).xd, C(min_dis_cluster).xd],[S(i).yd, C(min_dis_cluster).yd]);%Energy dissipated by associated Cluster Headmin_dis;Er1=ERX*CM*(CH+1);if (min_dis>do)Et1=ETX*(CM+DM)+Emp*(CM+DM)* min_dis * min_dis * min_dis * min_dis;endif (min_dis<=do)Et1=ETX*(CM+DM)+Efs*(CM+DM)*min_dis * min_dis;endS(C(c).id).E=S(C(c).id).E-Er1-Et1;EJ(r+1)=EJ(r+1)-Er1-Et1;S(C(c).id).min_dis=min_dis;S(C(c).id).min_dis_CH=min_dis_CH;endendendfor d=1:1:CH-1CEr1=ERX*(CM+DM)*(packets_TO_BS(d)-1);distbroadcast(d)= D(d).distance;if (distbroadcast(d)>do)CEt1=ETX*CM+Emp*CM*distbroadcast(d)*distbroadcast(d)*distbroadcast(d)*dis tbroadcast(d);endif (distbroadcast(d)<=do)CEt1=ETX*CM+Efs*CM*distbroadcast(d)*distbroadcast(d);endif(packets_TO_BS(d)<=cc)l=1;elsel=ceil(packets_TO_BS(d)/cc);endif (D(d).distance>do)CEt2=(ETX+EDA)*DM*l+ Emp*DM*l* D(d).distance*D(d).distance*D(d).distance*D(d).distance ;endif (D(d).distance<=do)CEt2=(ETX+EDA)*DM*l+ Efs*DM*l* D(d).distance*D(d).distance ;endS(D(d).id).E=S(D(d).id).E-CEr1-CEt1-CEt2;EJ(r+1)=EJ(r+1)-CEr1-CEt1-CEt2;PACKETS_TO_BS(r+1)=packets_TO_BS(d);hold on;endendend%subplot(2,2,1); %r=0:1:rmax;%plot(r,DEAD(r+1));%box off;%title('图一：死亡节点数统计图'); %xlabel('工作轮数（/轮）');%ylabel('死亡节点数（/个）');%subplot(2,2,2);r=0:1:rmax;plot(r,PACKETS_TO_BS(r+1));box off;title('图二：基站接收数据包统计图'); xlabel('工作轮数（/轮）');ylabel('数据包个数（/个）');%subplot(2,2,3);%r=0:1:rmax;%plot(r,EJ(r+1));%box off;%title('图三：网络剩余能量统计图'); %xlabel('工作轮数（/轮）');%ylabel('网络剩余能量（/焦耳）');。

无线传感器网络LEACH路由协议的节能改进算法

无线传感器网络LEACH路由协议的节能改进算法摘要：LEACH（Low Energy Adaptive Clustering Hierarchy）是一种经典的WSN自适应分簇分层路由协议，但协议没有考虑节点的剩余能量，随机的产生簇头节点，且在分簇过程中没有考虑簇头节点的数量，过多的簇头造成数据冗余，过少的簇头又因数据传输距离过长而消耗过多的能量，缩短了整个网络的生存周期。

针对LEACH存在的以上缺陷，首先在阀值公式中引入节点的能量因素，然后提出一种新的簇头数的计算方法，通过控制簇头数量确保了网络负载的平衡。

仿真结果表明：改进后的算法有效降低了能耗，延长了节点和网络的寿命。

关键词：无线传感器网络，LEACH路由协议，最佳簇头数，能量消耗1 引言无线传感器网络（WSN）是由大量传感器节点以自组织的方式构成的无线网络。

传感器节点通常采用电池供电，其计算和存储能力十分有限，因此节能是无线传感器网络的一个重要研究方向[[1]]。

其中LEACH路由协议是最早提出的一个能量利用率较高的分层路由协议，协议采用分簇的方式，实现网络能量消耗的均衡。

本文针对LEACH协议的一些不足，提出改进算法。

2 LEACH 算法概述LEACH算法是无线传感器网络最早提出的分簇路由协议， LEACH定义了轮的概念，每轮分为簇的建立阶段和稳定状态阶段。

在簇的建立阶段，每个节点产生一个（0,1）之间的随机数，并把它和阀值 T(n)进行比较，如果这个数小于阀值，则该节点成为簇头节点。

T(n)的计算公式为：其中，P是簇头在所有传感器节点中所占的百分比，P=k/n,k为网络中的簇头个数，N为网络中的节点总数，r是当前的轮数，G是前1/P轮中未当选过簇头节点的集合。

在每1/P轮，每个节点有且只能成为一次簇头。

3 簇头选择的改进Leach协议中所有节点被选为簇头的概率是相等的，但他们当选为簇头的概率依然是相等的。

在这种情况下会出现一些剩余能量很少的节点依然被选为簇头节点，这样导致此节点的能量会很快耗尽，出现网络“洞点”使得整个网络的生存时间变短[2]。

一种基于LEACH的改进WSN路由算法

文针对ＬＥＡＣＨ算法中的簇首选举方法进行了改进，首先利用粒子群算法良好的收敛性和全局优化能力将整个网络区域合理分割成多个子区域，然后在子区域内通过考虑节点剩余能量的因素进而选举簇首。实验结果表明：与经典路由协议ＬＥＡＣＨ相比，该协议能够更加有效的平衡网络负载，提高了能量的利用率，延长了网络的生命周期。
ｄｏｍａｉｎｓｂｙＰＳＯ，ｗｈｉｃｈｉｓｐｒｏｖｉｄｅｄｗｉｔｈｎｉｃｅｃｏｎｖｅｒｇｅｎｃｅａｎｄｇｌｏｂａｌｏｐｔｉｍｉｚａｔｉｏｎａｂｉｌｉｔｙ，ａｎｄｔｈｅｎ，ｓｅｌｅｃｔｓｃｌｕｓｔｅｒ — ｈｅａｄｓｗｉｔｈｉｎｔｈｅｆａｃｔｏｒｏｆｎｏｄｅｒｅｓｉｄｕａｌｅｎｅｒｇｙ．Ｔｈｅｒｅｓｕｌｔｏｆｅｘｐｅｒｉｍｅｎｔｓｈｏｗｓｔｈａｔ，ｃｏｍｐａｒｉｎｇｗｉｔｈＬＥＡＣＨ，ＬＥＡＣＨ— ＰＳＯＣｃａｎｂａｌａｎｃｅｔｈｅｎｅｔｗｏｒｋｌｏａｄｅｉｃｆｉｅｎｔｌｙ，ｉｍｐｒｏｖｅｔｈｅｅｎｅｒｇｙｕｔｉｌｉｚａｔｉｏｎ，ｐｒｏｌｏｎｇｔｈｅｎｅｔｗｏｒｋｌｉｆｅｔｉｍｅ．
第２６卷第１期
２０１３年１月
传感技术学报

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进无线传感器网络（WSN）是由大量分布在空间中的无线传感器节点组成的网络，用于监测、收集和传输环境信息或事件。

它被广泛应用于环境监测、军事监测、医疗保健、工业自动化等领域。

由于传感器节点的能量有限，传感器节点之间的通信受限，需要能耗较低的网络协议来延长网络的寿命。

LEACH（Low-Energy Adaptive Clustering Hierarchy）算法是一种用于节能的无线传感器网络协议，通过聚类和轮换角色的方式降低传感器节点的能量消耗，延长整个网络的寿命。

LEACH算法仍然存在一些问题，需要进行改进。

本文将介绍LEACH算法的基本原理，以及一些对LEACH算法的改进方法，以提高其在无线传感器网络中的性能和效率。

一、LEACH算法介绍1. LEACH算法基本原理LEACH算法是一种典型的分簇式无线传感器网络协议，它通过聚类和轮换簇头的方式降低传感器节点的能量消耗。

LEACH算法的基本原理如下：（1）初始化阶段：初始化每个节点的能量，并设置阈值T，根据T决定哪些节点将成为簇头节点。

（2）簇头选择阶段：每个节点以概率的方式成为簇头节点，概率与其剩余能量成正比。

（3）簇形成阶段：非簇头节点将根据其距离最近的簇头节点进行加入。

（4）数据传输阶段：簇头节点收集数据并传输给基站。

（5）簇头轮换阶段：为了均衡网络中各个节点的能量消耗，每个簇头节点在每一轮中都会轮换。

2. LEACH算法存在的问题尽管LEACH算法在节能方面有一定的优势，但是它也存在一些问题：（1）簇头选择过程没有考虑传感器节点的位置及其与基站之间的距离。

（2）没有考虑网络中节点的能量消耗不均匀问题。

（3）没有充分考虑网络中的数据传输量，可能导致某些簇头节点负载过重。

1. 基于节点位置的改进通过引入节点位置信息，可以更合理地选择簇头节点，避免一些节点成为簇头节点后，由于其位置过远而导致能量消耗过大。

可以根据节点与基站之间的距离进行簇头节点的选择，以减少能量消耗。

WSN中LEACH路由协议的改进及仿真

WSN 中LEACH 路由协议的改进及仿真李雅卿，李腊元(武汉理工大学计算机科学与技术学院，武汉 430063)摘要：针对低功耗自适应聚类(LEACH)路由协议中簇头节点在空间上分布不均以及在远距离数据传输过程中能量消耗过多等不足，提出一种改进的LEACH 路由协议LEACH-ZMH ，其中采用基于区域的簇头选择和簇间多跳数据传输的方法。

给出LEACH-ZMH 的正确性证明和复杂性分析。

NS2仿真表明，改进的协议有效延长了网络的存活时间，性能优于LEACH 协议。

关键词：无线传感器网络；LEACH 路由协议；区域簇头选择；多跳数据传输Improvement and Simulation of LEACH Routing Protocolin Wireless Sensor NetworksLI Ya-qing, LI La-yuan(Department of Computer Science and Technology, Wuhan University of Technology, Wuhan 430063)【Abstract 】Aiming at the insufficiency of Low Energy Adaptive Clustering Hierarchy(LEACH) routing protocol that cluster-head nodes distribution is uneven in the space and cluster-head nodes consume excessive energy in the process of long-distance data transmission, this paper proposes an improved LEACH routing protocol named LEACH-ZMH, which adopts the methods of cluster-head selection based on zone and multiple hop data transmission among clusters. The correctness proof and complexity analysis of LEACH-ZMH are given. Simulation by NS2 shows that the protocol extends the survival time of the network and performs better than LEACH protocol.【Key words 】Wireless Sensor Network(WSN); Low Energy Adaptive Clustering Hierarchy(LEACH) routing protocol; zone cluster-head selection; multiple hop data transmission计算机工程 Computer Engineering 第35卷第10期Vol.35 No.10 2009年5月May 2009·网络与通信· 文章编号：1000—3428(2009)10—0104—03文献标识码：A中图分类号：TP3931 概述无线传感器网络(Wireless Sensor Network, WSN)[1]是目前国际上研究的热点，它融合了计算、通信和传感器这3项技术的交叉应用，具有十分广阔的应用前景。

WSN中LEACH路由算法的改进

WSN中LEACH路由算法的改进郑少朋;王涛;彭刚【期刊名称】《计算机应用与软件》【年(卷),期】2011(028)005【摘要】For serious imbalance issues of energy consumption of nodes in wireless sensor network, based on tow energy adaptive clustering hierarchy (LEACH) routing algorithm,and integrated with the idea of minimum spanning tree,we propose a new algorithm of LEACH-PD.The algorithm makes reasonable choice of cluster header according to comprehensive reference of residual energy of the nodes as well as the distance between base station and nodes, the inter-cluster communicates with the base station by multi-hop forwarding.Simulation results provided by NS2 showed that, compared with LEACH, the improved LEACH-PD algorithm can effectively prolong the survival time of the network by optimising network load and energy consumption,etc.%针对无线传感器网络节点能耗严重失衡问题,以低功耗自适应聚类LEACH(Low Energy Adaptive Clustering Hierarchy)算法为基础,融合最小生成树的思想,提出一种新的LEACH-PD(Low Energy Adaptive Clustering Hierarchy based on Power and Distance)算法.该算法综合参考节点的剩余能量以及节点到基站的距离合理选择簇首,簇间采用多跳转发的方式与基站进行通信.NS2仿真结果证明,与LEACH算法相比,改进后的LEACH-PD算法在网络负载、能量消耗等方面进行优化,能有效延长网络的生存时间.【总页数】3页(P232-234)【作者】郑少朋;王涛;彭刚【作者单位】桂林电子科技大学计算机与控制学院,广西,桂林,541004;桂林空军学院,广西,桂林,541003;桂林空军学院,广西,桂林,541003【正文语种】中文【相关文献】1.一种基于LEACH的改进WSN路由算法 [J], 陈晓娟;王卓;吴洁2.WSN中基于LEACH的改进路由协议 [J], 黄真金;李道全;张俊虎3.WSN 中一种改进的基于 LEACH-C 算法的簇间路由算法研究 [J], 付垚4.WSN中融合多跳路由和休眠机制的改进型LEACH-C协议 [J], 吕振雷;吴丰5.WSN中基于粒子群最优算法的LEACH的改进路由 [J], 崔亚楠; 韦炜; 胡艳华因版权原因，仅展示原文概要，查看原文内容请购买。

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进无线传感器网络（WSN）是由大量的分布式传感器节点组成的网络系统，用于监测、收集和传输环境中的数据。

WSN可以应用于许多领域，如环境监测、智能交通系统、医疗保健和军事应用等。

由于传感器节点通常由电池供电，因此能源是WSN中一个非常有限的资源，因此如何有效地利用能源是WSN中的一个重要问题。

LEACH（Low Energy Adaptive Clustering Hierarchy）是一种经典的WSN能源管理协议，它通过将传感器节点划分为不同的簇并采用轮流工作的方式来延长网络的寿命。

LEACH算法也存在一些问题，例如簇头节点的选取不够公平、能量分配不均匀、数据传输过程中的能量消耗大等。

研究人员对LEACH算法进行了不断改进以解决这些问题，并提出了许多改进的版本，比如VLEACH、M-LEACH、TEEN等。

本文将重点介绍LEACH算法的改进及新版本的发展情况，深入分析其改进思路和效果，为WSN的性能优化提供一定的参考。

一、 LEACH算法的改进方向1. 簇头节点的选取原始的LEACH算法中簇头节点的选取是通过随机数生成的方式进行的，这使得簇头节点的选取不够公平。

改进的LEACH算法一般会引入一些能量或距离的参数，使得选取簇头节点更加公平和均匀。

比如VLEACH算法通过引入节点的剩余能量和节点到基站的距离两个参数，采用加权随机数生成的方式选取簇头节点，从而使得簇头节点的分布更加均匀。

2. 能量分配在传统LEACH算法中，簇头节点负责整个簇的数据聚合和传输，导致簇头节点的能耗较大，簇内节点的能量耗尽速度不一致。

改进的LEACH算法一般会引入数据负载均衡的机制，将簇头节点的聚合任务分摊给其他节点，从而使得能量分配更加均匀。

M-LEACH算法引入了多簇头节点的概念，使得簇内节点可以选择不同的簇头节点进行数据传输，从而实现了能量的均衡分配。

3. 消息传输改进的LEACH算法还会引入一些新的机制以减少数据传输过程中的能量消耗。

31317009-张威-一种对WSN分层路由LEACH算法的改进

我们的改进思想
ISODATA算法： ISODATA算法是在k-均值算法的基础上，增加对聚
类结果的“合并”和“分裂”两个操作，并设定算法运行控制参数的一种聚类算法。即：迭代自组织数据分析算法
“合并”操作：当聚类结果某一类中样本数太少，或两个类间的距
离太近时，进行合并。ቤተ መጻሕፍቲ ባይዱ“分裂”操作：
当聚类结果某一类中样本某个特征类内方差太大，将该类进行分裂。
ISODATA具体步骤：
步骤7：入口选择
如果迭代次数LP=NS，则算法结束。
如果 c K ，则执行步骤8分裂；
如果
K
2 c
2K，则执行步骤9合并。
一种对WSN分层路由LEACH算法的改进
小组成员：王亚维张威李欣姣
大连理工大学软件学院
CONTENTS
·问题概述
渠道部第二·研季究现度状经营分析
·我们的改进思想 2011月年6 仿真实验与结果
问题概述
无线传感器网络是由部署在监测区域内能进行无线通讯
交流的大量无线传感器节点组成的一个自组织网络。由于可
自组织网路、环境适应能力强等特点无线传感器网络在军事、
渠道部第二季度经营分析交通、矿业、农业领域具有广阔的应用前景。 WSN使用过程
中需要考虑的两点：
1、能源节点能源有限
2、定位节点的移动性
2011月年6
问题概述
路由协议是WSN的关键技术之一，它负责将数据分组从源节点通过网络转发到目的节点，主要包括两个方面的功能：
1、寻找源节点和目的节点的优化路径
渠道部第二季度经营分析 2、将数据分组沿着优化路径正确转发
路由协议的性能和整个网络的性能密切相关。目前，路由协议可以分为平面路由协议和分层路由协议。作和在反平馈面信路息由来协生议成中路，由节的点。间典地型位的是平平面等路，由是协2通议01过1有月局：年6部SP操INf、 Directed Difhlsion、Rumor、SAR等。分层路由协议中通常将网路节点划分为若干簇，由簇头负责管理簇内节点。典型的分簇路由协议有：LEACH、 TEEN、PEGASlS、CEFL、DAEA等。

基于能量均衡高效WSN的LEACH协议改进算法

2017年11月Journal on Communications November 2017 第38卷第Z2期通信学报V ol.38No.Z2基于能量均衡高效WSN的LEACH协议改进算法黄利晓，王晖，袁利永，曾令国（浙江师范大学计算机科学与技术学院，浙江金华 321000）摘要：提出了一种能量负载均衡高效的路由协议LEACH-improved节能算法。

该算法通过加入间距因子、剩余能量因子和节点密度因子来改进阈值计算式，综合考虑节点剩余能量和地理位置选择簇首。

此外，在不同WSN 的应用场景中，根据剩余能量和地理位置对簇首的选择起到的作用大小不同，引入加权因子。

仿真实验结果表明，改进后的算法有效地节省了网络的能量消耗，网络生命周期得到延长。

关键词：无线传感器网络；分簇路由协议；间距因子；剩余能量因子；节点密度因子中图分类号：TP393 文献标识码：AImproved LEACH protocol algorithm for WSN basedon energy balance and high efficiencyHUANG Li-xiao, WANG Hui, YUAN Li-yong, ZENG Ling-guo(School of Computer Science and Technology, Zhejiang Normal University, Jinhua 321000, China) Abstract: The improved energy-saving algorithm for the energy efficient and balanced protocol (LEACH-improved) was proposed. In the algorithm, the residual energy factor, the distance factor and the node density factor was added to im-prove the threshold formula. Moreover, in the various application scenarios of WSN, based on the different effects on the selection of cluster heads caused by the residual energy and geographical location, the weighting factor was introduced.Results of simulation experiments show that the improved algorithm can effectively reduce the network energy consump-tion and prolong the network lifetime.Key words: wireless sensor network, clustering routing protocol, distance factor, residual energy factor, node density factor1引言WSN由能感知外部环境的传感器节点以自组网的形式构成，是一种分布式无线传感器网络。

leach算法的改进

针对无线传感器网络中的网络能耗问题，提出了改进leach 簇首与簇内节点选取的leach-tr 算法，该算法不仅利用了原leach 模型形成簇的算法,也运用了数学思想中的剩余能量均值算法选取簇形成节点。

首先，根据根据簇首节点的阈值公式选取最优的簇首节点；其次，根据簇内节点剩余能量与节点剩余能量的门限值进行比较，选择最适合作为簇首的功能节点出无效的簇内节点；最后，再次根据簇内节点剩余能量与节点剩余能量的门限值进行比较，选出无效的簇内节点。

仿真实验结果证明，该算法可显著的减少节点能耗，进而有效降低整个无线传感器网络整体结构的网络能耗。

关键字：无线传感器网络；leach ；簇首；簇内节点 0.引言无线传感器网络(WSN)是一种高密度、微小型、自组织的无线监控网络。

网络中的节点能够根据外界环境因素的变化自主完成指定的测量任务和监测任务。

但无线传感器网络资源能量受限对传感器节点的组网、网络拓扑发现技术带来了难点。

因此研究降低网络能耗、延长网络生命周期成为重点。

无线传感器网络具有网络规模大、节点数目多，同时具有很强的扩展性等特点。

因此，多跳通信方式比对等通信方式在无线传感器中的应用更为广泛。

为了能够方便管理节点，本文通过多跳通信方式获取网络的拓扑信息，即对传感器网络节点进行分簇处理。

LEACH 算法是一种比较成熟的分簇处理算法，但LEACH 算法忽视了簇首节点的覆盖范围、能量不均等问题。

故文中对于降低节点能量消耗，延长网络的生命周期，主要通过设定簇首节点的选取阈值和簇内节点的剩余能量要求进行了改进，并通过matlab 环境进行了改进算法的仿真。

1.算法的实现1.1改进算法的思想基于LEACH 算法的思想，改进算法主要包含两个部分。

首先是根据簇首节点的阈值公式选取最优的簇首节点。

第二步是根据簇内节点剩余能量与节点剩余能量的门限值进行比较，选择出无效的簇内节点。

1.2算法改进初始条件(1)路由协议采用分层和分簇的LEACH 算法； (2)每个节点已知自身的剩余能量值； (3)每个节点已知到达簇首节点的距离； (4)节点信息包在传输的过程中没有误码率； 1.3簇首节点的选取簇首的建立是基于LEACH 算法，LEACH 算法中簇首节点的选择由网络覆盖范围的大小以及所有节点已经成为过簇首节点的次数决定。

一种LEACH路由协议算法的改进与分析

一种LEACH路由协议算法的改进与分析白永祥【摘要】Based on the traditional LEACH protocol, an improved LEACH-CND protocol is proposed. The cluster head election of WSN network is optimized and implemented on the basis of residual energy, and the best cluster numbers of the wireless sensor networks is thus calsulated. Meanwhile, based on the ad-vantage of the elliptic curve cryptosystem,the lightweight identity key encryption algorithms for WSN node is explored. Finally, simulation on the optimized protocol in MATLAB environment indicates its feasibility, and that it could prolong survival time of WSN networks.%基于传统的LEACH协议，提出了一种改进协议LEACH-CND。

对无线传感器网络的簇头选举进行了优化，主要依据节点的剩余能量选举簇头，并求出网络的最佳簇头数。

其次，基于椭圆曲线密码体制的优势，针对无线传感器网络节点轻量级身份密钥加密算法进行了探讨。

最后，在MAT-LAB环境下对优化后的协议进行了仿真，证明了其可行性。

达到了延长网络生存时间的目的。

【期刊名称】《通信技术》【年(卷),期】2015(000)009【总页数】6页(P1062-1067)【关键词】无线传感器网络;分层路由协议;LEACH协议算法;椭圆曲线密码体制【作者】白永祥【作者单位】渭南职业技术学院，陕西渭南714000【正文语种】中文【中图分类】TP393.06无线传感器网络(Wireless Sensor Network，WSN)是由部署在受监测区域内的大量低成本、低功耗、具有感知、数据存储、数据处理和无线通信能力的传感器节点通过自组网方式形成的一种网络，其目的是协作的采集、处理和传输网络覆盖区域中被感知对象的信息[1]。

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进无线传感器网络（WSN）是由大量互联的低成本无线传感器组成的，用于监测周围环境中的事件并将数据传输到中心节点。

无线传感器网络的LEACH（Low-Energy Adaptive Clustering Hierarchy）是一种常见的能量有效的聚类协议，它通过在无线传感器节点之间形成聚类，将传感器节点分组成不同的簇，并将簇头节点的工作机会平均分配给每个节点，从而延长了整个网络的寿命。

LEACH协议仍然存在一些问题，例如聚类头节点选取的不均匀和能源消耗的不平衡。

研究人员对LEACH算法进行了多方面的改进，以提高网络的性能和能源利用效率。

1. 分簇头节点选择改进LEACH算法中，簇头节点的选择是随机的，这导致一些节点被频繁选为簇头节点，而其他节点却几乎不会成为簇头节点。

为了解决这一问题，研究人员提出了一种改进的LEACH算法，即在节点选择簇头节点时考虑节点的能量水平和其到簇头节点的距离。

这种改进的算法可以使得簇头节点的选择更加均匀，减少了能源消耗的不平衡。

2. 多路径通信改进在传统的LEACH算法中，数据是通过单一路径传输到基站。

在无线传感器网络中，由于节点可能会因为环境变化或故障而失效，单一路径通信容易导致数据丢失。

为了提高数据传输的可靠性，研究人员提出了一种基于LEACH的多路径通信改进算法。

该算法利用多条路径将数据传输到基站，以提高数据传输的稳定性和可靠性。

LEACH算法的改进主要集中在簇头节点选择、多路径通信、节点能量均衡和路径选择优化等方面。

这些改进使得LEACH算法在能源利用效率、网络稳定性和可靠性方面都取得了明显的改善。

随着无线传感器网络的不断发展，LEACH算法的改进也需要不断地调整和完善，以适应不同应用场景的需求。

希望未来能够有更多的研究人员和工程师加入进来，共同努力推进无线传感器网络技术的发展和应用。

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进无线传感器网络（WSN）是一种由大量分布在感兴趣区域内的无线传感器节点组成的网络。

这些节点通常由微控制器、传感器、无线通信设备和能量供应组成。

WSN被广泛应用于环境监测、健康监测、军事侦察等领域，因此对WSN的性能需求也越来越高。

LEACH（Low Energy Adaptive Clustering Hierarchy）是一种用于WSN的分层聚类算法，它通过将网络节点划分为若干个簇来减少能耗、延长网络寿命，提高网络的稳定性和可靠性。

LEACH算法存在着一些问题，如随机选举簇头节点、能量不均衡等，因此需要对LEACH算法进行改进，以提高其性能。

LEACH算法的改进可以从多个方面入手，下面我们将就几个常见的改进方向进行讨论。

1. 节点能量均衡在传统的LEACH算法中，节点被随机选举为簇头节点，这样会导致部分节点频繁成为簇头节点，从而使得它们能量消耗更快。

为了解决这个问题，可以引入基于节点能量水平的簇头节点选举机制。

具体做法是，每个节点都可以计算一个能量阈值，当节点的剩余能量超过该阈值时，它才具备成为簇头节点的资格。

当簇头节点选举完成后，节点可以定期更新自己的能量水平，并根据能量水平动态调整簇头节点选举的阈值。

这样可以让能量消耗较快的节点更少地成为簇头节点，从而达到能量均衡的目的。

2. 聚合传输机制在WSN中，数据的传输是一个重要的能耗环节。

为了降低数据传输的能耗，可以引入数据聚合机制。

具体做法是，当一个节点需要向簇头节点发送数据时，可以先将数据聚合成一个包，然后再传输到簇头节点。

这样可以减少数据传输的次数，降低能耗。

簇头节点在接收到数据后，可以对数据进行聚合处理，再向基站发送数据。

这样可以减少整个网络中数据传输的总量，降低网络的能耗。

4. 路由优化机制在WSN中，节点之间的通信是通过多跳路由实现的。

为了降低数据传输的能耗，可以引入一种根据路由距离进行动态调整的路由优化机制。

基于LEACH的无线传感器网络路由算法的分析与改进

基于LEACH的无线传感器网络路由算法的分析与改进基于LEACH的无线传感器网络路由算法的分析与改进一、引言随着无线传感器网络（Wireless Sensor Network, WSN）的发展，人们对于无线传感器网络路由算法的研究也日益增多。

在无线传感器网络中，路由算法对于网络的性能和能耗具有重要影响。

LEACH（Low Energy Adaptive Clustering Hierarchy）作为一种经典的无线传感器网络路由协议，具有较低的能耗和较好的性能。

本文将对LEACH算法进行分析，并提出一种改进方案。

二、LEACH算法的原理与优缺点分析1. LEACH算法原理LEACH算法是一种分簇式的路由算法，其基本思想是将网络中的节点划分为多个簇。

每个簇内有一个簇头节点负责管理簇内的通信，并将数据传输到基站。

LEACH算法主要包括两个阶段：簇头选择阶段和数据传输阶段。

在簇头选择阶段，每个节点根据阈值（摄取阈值）决定是否成为簇头节点。

节点通过计算能量消耗的阈值，来控制簇头节点的选择，以降低能耗。

簇头节点选定后，其他节点将成为其成员节点。

在数据传输阶段，节点将数据传输到簇头节点，簇头节点再将数据传输到基站。

为了减少能量消耗，簇头节点通常采取限制传输功率和路由选择的策略。

2. LEACH算法的优点与缺点LEACH算法具有以下优点：- 能量均衡性：通过轮流选取簇头节点和采用时分多路复用的方式，使得网络中的节点能量使用均匀，延长网络寿命；- 低延迟：数据通过簇头节点进行传输，减少了节点间的通信距离，缩短了数据传输的时间；- 无需全局信息：LEACH算法只需要节点之间的局部信息即可进行簇头节点的选择，无需全局信息的维护和通信。

然而，LEACH算法也存在以下缺点：- 随机性：簇头节点的选择过程采用随机算法，容易导致不同轮次簇头节点的能量不平衡；- 无线信号干扰：由于节点之间通信的无线信号干扰，导致网络性能下降。

基于延长WSN生命周期的LEACH算法的改进措施研究

基于延长WSN生命周期的LEACH算法的改进措施研究作者：王亮云陈建马宇豪管星宇来源：《无线互联科技》2021年第19期摘要：无线传感器网络的节点总能量有限，如何有效利用节点能量，延长网络节点存活时间，是网络设计的重要内容。

文章在LEACH算法的基础上提出一种改进算法—RLEACH算法。

该算法通过在阈值计算公式中引入当前节点剩余能量与网络中存活节点平均能量的比值，并且将β作调节因子，提高了剩余能量高于平均值的节点当选簇头的概率，从而实现了对每一个节点能量的优化利用。

经过试验仿真，结果表明，RLEACH算法与LEACH算法相比，网络生命周期延长约28.9%，传输数据量增长约196.9%。

关键词：LEACH算法，无线传感网络，簇头选取，网络平均能量0 引言无线传感器网络（Wireless Sensor Networks，WSN）是一种分布式传感网络，其主要以LEACH算法为基本算法，网络的末梢是一个可以感知和检查外部世界的传感器。

WSN以无线的方式与外界进行联系，因此其具备易随时随地设置和跟互联网进行有线或无线方式的连接等优点。

但相较于传统式的网络和其他传感器，无线传感器网络具有网络拓扑结构的不确定性、控制方式不集中，安全性不高的缺點。

WSN在可靠的环境监测、各种商业和军事应用中都很重要。

例如，声学、安全系统的各个方面，是我国科学发展的重要支柱。

WSN的路由算法以逻辑结构方式分为平面型路由算法和层次型路由算法，其中在层次型路由算法方面，提出了LEACH（Low-Energy Adaptive Clustering Hierarchy）算法。

伴随着科技的高速发展，LEACH算法能量利用率低，生存周期短，抗干扰能力差的缺点日益突出[1]。

本文提出一种新型算法—RLEACH（Radical-Low-Energy Adaptive Clustering Hierarchy），对选取簇头节点环节进行改良。

本算法对阈值进行修改，使其值与当前节点与网络平均能量的比值相关联，从而使得WSN生产周期延长，降低循环的总能量。

无线传感器网络LEACH路由算法改进

无线传感器网络LEACH路由算法改进无线传感器网络（Wireless Sensor Network，WSN）是由大量的传感器节点组成的无线网络，能够实时感知、采集和处理环境信息，并将数据通过无线通信传输到基站或其他节点。

在WSN中，节点的能量是非常有限的，因此如何有效地利用能量成为WSN中的一个重要问题。

LEACH（Low Energy Adaptive Clustering Hierarchy）是一种经典的无线传感器网络路由协议，通过将网络划分为若干簇(cluster)，将节点分散地进行数据处理和通信，从而减少节点之间的通信开销，延长网络寿命。

然而，LEACH也存在一些问题，比如选择簇头节点的方式不够合理，导致部分节点能量消耗过快，从而影响网络寿命等。

针对LEACH协议的不足之处，许多改进方法被提出来，下面介绍其中两种改进方案。

1.高能节点选择传统的LEACH协议中，簇头节点的选择是随机进行的，这样可能会导致一些高能节点成为簇头节点，从而使得这些节点能量快速耗尽，影响网络寿命。

因此，改进的LEACH协议中，可以引入节点的能量作为选择簇头节点的依据。

具体而言，节点在选择簇头节点之前，会将自己的能量信息广播给周围节点，其他节点会通过比较能量信息，选择能量相对较高的节点作为簇头节点。

通过这种方式，能量较高的节点更容易成为簇头节点，从而避免了高能节点能量过快消耗的问题。

2.动态簇头节点选择在传统的LEACH协议中，簇头节点的选择是通过随机选取的，因此簇头节点可能会在一个簇中持续服务很长的时间，导致能量消耗不均衡。

为了解决这个问题，改进的LEACH协议中引入了动态簇头节点选择机制。

具体而言，每个节点在成为簇头节点之前，会根据自己的剩余能量与其他节点的平均剩余能量进行比较。

如果节点的剩余能量高于平均能量，则成为簇头节点；否则，放弃成为簇头节点的机会。

通过这种机制，能够使得能量较为平衡地分布在各个节点上，从而延长整个网络的寿命。

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进全文共四篇示例，供读者参考第一篇示例：无线传感器网络（Wireless Sensor Network, WSN）是一种由大量分布在监测区域内的无线传感器节点组成的自组织网络，这些节点负责采集环境信息并将其传输到监控中心。

由于其在环境监测、军事侦察、智能交通等领域中的广泛应用，WSN已成为当前研究的热点之一。

WSN的能量限制和传感器节点分布广泛等特点给其数据节点传输和初始能量分配带来了巨大挑战。

LEACH（Low-Energy Adaptive Clustering Hierarchy）算法作为WSN中的一种典型能量高效性的协议，已经成为了WSN中的研究热点。

LEACH算法借鉴了分簇（clustering）思想和分散式（distributed）思想，在WSN 中通过建立簇形式的通信网络，将大量的传感器节点分为多个集群，每个集群由一个能量较高的簇首（cluster-head）节点负责协调整个簇的工作，其余的非簇首节点称为普通节点，普通节点通过簇首节点进行数据传输。

在每一个簇中，LEACH算法通过轮换机制将节点作为簇首节点，以实现能量平衡。

在实际应用中，LEACH算法依然存在一些问题，例如簇首节点的选举机制不够完善，数据传输的可靠性有待提高等。

对LEACH算法进行改进，提高其可靠性和效率是当前研究中的一个重要课题。

一种对LEACH算法的改进是基于改进选举机制的改进，通过优化簇首节点的选举过程，提高簇首节点的能量利用效率和簇的稳定性。

典型的改进选举机制包括基于节点能量、节点距离等因素的选举机制。

陈小斌等学者提出了一种基于节点能量和节点距离的算法，每个节点根据其剩余能量大小计算出一个能量阈值，将节点分为两类：超级节点和普通节点；超级节点之间的距离满足一定条件时，一个新的超级节点产生；选择超级节点作为簇首节点，并分配簇，将普通节点分配到其邻近的簇中。

通过这种改进选举机制，能够减少簇首节点的不必要能量消耗，延长网络寿命，提高整个网络的可靠性和稳定性。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＡｂｔａｔｓｒｃＦｒｓｒｕＭａｃｓｕｓｏｎｒｙｃｎｕｔｎｏｏｅｎｗｒｌｓｅｓｒｎｔｏｋ，ａｅｎｌｗｎｒｙａａｔｅｃｕｔｒｇｏｅｏｓｉｉｍｂｎｅｉｓｅｆｅｅｇｏｓｍｐｉｆｄｓｉｉｅｅｓｓｎｏｅｗｒｂｓｄｏｏｅｅｇｄｐｉｌｓｅｎｏｎｖｉ
ｈｅｒｈＬＡＨ）ｒｕｉｇｌｏｔａｄｉｔｒｔｄｗｔｅｄａｏｍｎｍｍｓａｎｎｅ，ｅｒｐｓｅｇｒｈｆＥＣ —ＤＴｅｉａｃｙ（ＥＣｒｏｔｇｒｈｎｅａｅｉｔｅｉｉｕｎｉｇｔｅｗｏｏｅａｎｗａｏｔｍｏＡＨＰ．ｈｎａｉｍ，ｎｇｈｈｉｆｐｒｐｌｉＬ
真结果证明，ＬＡＨ算法相比，与ＥＣ改进后的ＬＡＨＰ算法在网络负载、ＥＣ－Ｄ能量消耗等方面进行优化，有效延长网络的生存时间。能
关键词
无线传感器网络
低功耗自适应聚类算法最小生成树多跳转发
ＩＰＲｏＶＩＭＮＧＬＥＡＣＨＲｏＵＴＩＮＧＡＬＧｏＲＩＴＨＭＮＩＩＷＲＥＬＥＳＳＳＥＮＳｏＲＮＥＴＷｏＲＫ
ＺｎｇＳａｐｎｈｅｈｏｅｇ
ＷａｇＴａｎｏ
ＰｎｎｅｇＧａｇ
（ｃｏｌｆＣｍｕｒｎｏｔｌＧｉｎＳｈｏｏｏｐｔｄＣｎｒ，ｕｌｅａｏｉ
郑少朋王涛彭刚
（桂林电子科技大学计算机与控制学院（桂林空军学院广西桂林５１０４０４）广西桂林５１０）４０３
摘
要
针对无线传感器网络节点能耗严重失衡问题，以低功耗自适应聚类ＬＡＨ（ｏｎｒｙＡａｔｅＣｕｔｎｉａｃｙ算
法为基础，融合最小生成树的思想，出一种新的ＬＡＨＰＬｗＥｅｇｄｐｉｌｓｒｇＨｅａｃｙｂｓｄｏ０ｅｎｉａｃ）提ＥＣ。Ｄ（ｏｎｒＡａｔｅＣｕｔｎｉｒｈａｅｎＰｗｒｄＤｓｎｅｙｖｅｉｒａｔ
算法。该算法综合参考节点的剩余能量以及节点到基站的距离合理选择簇首，簇间采用多跳转发的方式与基站进行通信。Ｎ２仿Ｓ
第２８卷第５期
２１０１年５月
计算机应用与软件
ＣｏｕｅｐｉａｉｎｎｏｔｒｍｐｔｒＡｐｌｃｔｏｓａｄＳｆｗａｅ
Ｖ１２．ｏ．８Ｎｏ５
Ｍａ０１ｙ２１
ＷＳ中ＬＡＨ路由算法的改进ＮＥＣ
ｅ
ｏｌｔｎｅｈｏｏｙＧｉｎ５１０ＧａｇｉＣｉａｆＥｅｒｉＴｃｎｌ，ｕｌ４０４，ｕｎｘ，ｈｎ）ｃｏｃｇｉ
。ＧｉｎＡｒｏｃＡａｅ，ｕｌ４０３，ｕｎｘ，ｈｎ）（ｕｌｉＦｒｃｄｍｙＧｉｎ５１０ＧａｇｉＣｉａｉｅｉ
ａｇｒｔｍｋｓｒａｏａｅｃｏｃｆｃｕｔｒｈａｅｃｏｄｎｏｃｍｐｅｅｓｅｒｆｒｎｅｏｅｉｕｎｒｆｔｅｎｄｓａｅｌａｅｌｏｈｍａｅｅｓｎｂｌｈｉｅｏｌｓｅｅｄｒａｃｒｉｇｔｏｒｈｎｉｅｅｅｃｒｓｄａｅｅｇｏｈｏｅｓｗｌｓｔｉｖｆｌｙｈｄｓａｃｅｗｅａｅｓｔｎａｄｎｄｓｔｅｉｔｒｃｕｔｒｃｍｍｕｉａｅｉｈａｅｓｔｎｂｈ－ｏｏｗｒｉｇＳｍｕａｉｎｒｓｌｉｔｎｅｂｔｅｎｂｓｔｉｎｏｅ，ｈｎｅ — ｌｓｅｏａｏｎｃｔｓｗｔｔｅｂｓｔｉｙｍｕｉｐｆｒａｄｎ．ｉｌｔｅｕｔｈａｏｈｏｓｐｏｉｅｙＮＳｈｗｄｔａ，ｏａｅｉＥＡＣｔｅｉｒｖｄＬＡＣＨ— ＤａｇｒｈＣｆｃｉｅｙｐｏｏｇｔｅｓｒｉａｉｆｔｅｒｖｄｄｂ２ｓｏｅｈｔｃｍｐｒｄｗｔＬｈＨ，ｈｍｐｏｅＥＰｌｏｔｍａｅｆｔｌｒｌｎｈｕｖｖｔｉｎｅｖｌｍｅｏｈｎｔｏｋｂｐｉｓｎｅｗｒｏｄａｄｅｅｇｏｓｍｐｉｎ，ｔ．ｅｗｒｙｏｔｍｉｇｎｔｏｋｌａｎｎｒｃｎｕｔｉｙｏｅｃＫｅｗｏｄｙｒｓＷｉｅｅｓｓｎｏｅｗｏｋＬｗｅｅｇｄｐｉｅｃｕｔｒｇｈｅａｃｙＭｉｉｍｐｎｉｇｔｅＭｕｔｈｐｆｒａｄｎｒｌｓｅｓｒｎｔｒｓｏｎｒｙａａｔｌｓｉｉｒｈｖｅｎｒｎｍｕｓａｎｎｒｅｌ－ｏｏｗｒｉｇｉ