基于BBO优化K-means算法的WSN分簇路由算法

doi:10.7523/j.ucas.2022.065

中国科学院大学学报 ›› 2024, Vol. 41 ›› Issue (3): 357-364.DOI: 10.7523/j.ucas.2022.065

• 电子信息与计算机科学 • 上一篇下一篇

基于BBO优化K-means算法的WSN分簇路由算法

彭程^1,2, 谭冲², 刘洪², 郑敏²

1. 中国科学院大学, 北京 100049;
2. 中国科学院上海微系统与信息技术研究所, 上海 200050

收稿日期:2021-12-31 修回日期:2022-06-21 发布日期:2022-06-27
通讯作者: 彭程,E-mail:cheng.peng@mail.sim.ac.cn
基金资助:
国家重点研发计划(2020YFB2103300)资助

Clustering routing algorithm for WSN based on BBO optimized K-means

PENG Cheng^1,2, TAN Chong², LIU Hong², ZHENG Min²

1. University of Chinese Academy of Sciences, Beijing 100049, China;
2. Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences, Shanghai 200050, China

Received:2021-12-31 Revised:2022-06-21 Published:2022-06-27

摘要/Abstract

摘要： 针对无线传感器网络中传感器节点能量有限、网络生存期短的问题，提出一种基于生物地理学算法优化K-means的无线传感器网络分簇路由算法BBOK-GA。成簇阶段，通过生物地理学优化算法改进K-means算法，避免求解时陷入局部最优。根据能量因子和距离因子设计了新的适应度函数选举最优簇首，完成分簇任务。数据传输阶段，则利用遗传算法为簇首节点搜寻到基站的最佳数据传输路径。仿真结果表明，相较于LEACH、LEACH-C、K-GA等算法，BBOK-GA降低了网络能耗,提高了网络吞吐量，延长了网络生存周期。

关键词: 无线传感器网络, 生物地理学优化算法, 遗传算法, K-means算法, 分簇路由

Abstract: Aimed at the problems of limited energy and short network lifetime in wireless sensor network,BBOK-GA based on biogeographic algorithm optimization K-means was proposed.In the clustering stage, biogeographic algorithm optimization K-means was firstly used to prevent K-means from falling into the local optimum. According to the energy factor and distance factor, a new fitness function was designed to select optimal cluster heads and complete the clustering. And genetic algorithm was used to search the optimal routing path towards base station for cluster heads. The simulation results indicate that BBOK-GA reduces the network energy consumption，increases the network throughput and extends the network life time compared to LEACH, LEACH-C, and K-GA.

Key words: wireless sensor network, biogeography-based optimization, genetic algorithm, K-means algorithm, clustering-based routing

中图分类号:

TN393

彭程, 谭冲, 刘洪, 郑敏. 基于BBO优化K-means算法的WSN分簇路由算法[J]. 中国科学院大学学报, 2024, 41(3): 357-364.

PENG Cheng, TAN Chong, LIU Hong, ZHENG Min. Clustering routing algorithm for WSN based on BBO optimized K-means[J]. Journal of University of Chinese Academy of Sciences, 2024, 41(3): 357-364.

参考文献

[1] 钱志鸿,王义君.面向物联网的无线传感器网络综述[J].电子与信息学报,2013,35(1):215-227. DOI:10.3724/SP.J.1146.2012.00876.
[2] 郭志鹏,李娟,赵友刚,等.物联网中的无线传感器网络技术综述[J].计算机与应用化学, 2019, 36(1):72-83. DOI:10.16866/j.com.app.chem201901009.
[3] Handy M J, Haase M, Timmermann D. Low energy adaptive clustering hierarchy with deterministic cluster-head selection[C]//4th International Workshop on Mobile and Wireless Communications Network. September 9-11, 2002, Stockholm, Sweden. IEEE, 2002: 368-372. DOI:10.1109/MWCN.2002.1045790.
[4] Tripathi M, Gaur M S, Laxmi V, et al. Energy efficient LEACH-C protocol for wireless sensor network[C]//Third International Conference on Computational Intelligence and Information Technology (CIIT 2013). October 18-19, 2013, Mumbai. IET, 2013: 402-405.DOI:10.1049/cp.2013. 2620.
[5] Janson S, Luczak T, Rucinski A. Random graphs[M]. Hoboken, NJ, USA: John Wiley & Sons, Inc., 2000. DOI:10.1002/9781118032718.
[6] 董发志, 丁洪伟, 杨志军, 等. 基于遗传算法和模糊C均值聚类的WSN分簇路由算法[J]. 计算机应用, 2019, 39(8): 2359-2365. DOI:10.11772/j.issn.1001-9081. 2019010134.
[7] 武小年, 张楚芸, 张润莲, 等. WSN中基于改进粒子群优化算法的分簇路由协议[J]. 通信学报, 2019, 40(12): 114-123. DOI:10.11959/j.issn.1000? 436x.2019241.
[8] 凌春, 孙文胜. 基于改进蚁群算法的无线传感器网络路由[J]. 计算机工程与设计, 2019, 40(3): 627-631, 637. DOI:10.16208/j.issn1000-7024.2019.03.006.
[9] 胡春安, 叶健. 基于鲸鱼算法的无线传感器网络分簇路由算法[J]. 计算机工程与设计, 2019, 40(11): 3067-3072. DOI:10.16208/j.issn1000-7024.2019.11.002.
[10] Dan S. Biogeography-based optimization[J]. IEEE Transactions on Evolutionary Computation, 2008, 12(6): 702-713. DOI:10.1109/TEVC.2008.919004.
[11] Guo W A, Chen M, Wang L, et al. A survey of biogeography-based optimization[J]. Neural Computing and Applications, 2017, 28(8): 1909-1926. DOI:10.1007/s00521-016-2179-x.
[12] Jain A K. Data clustering: 50 years beyond K-means[J]. Pattern Recognition Letters, 2010, 31(8): 651-666. DOI:10.1016/j.patrec.2009.09.011.
[13] Holland J H. Genetic algorithms[J]. Scientific American, 1992,267(1): 66-73. DOI: 10.1038/scientificamerican 0792-66.
[14] Yuan X H, Elhoseny M, El-Minir H K, et al. A genetic algorithm-based, dynamic clustering method towards improved WSN longevity[J]. Journal of Network and Systems Management, 2017, 25(1): 21-46. DOI:10.1007/s10922-016-9379-7.
[15] Bhushan S, Pal R, Antoshchuk S G. Energy efficient clustering protocol for heterogeneous wireless sensor network: a hybrid approach using GA and K-means[C]//2018 IEEE Second International Conference on Data Stream Mining & Processing. August 21-25, 2018, Lviv, Ukraine. IEEE, 2018: 381-385. DOI:10.1109/DSMP.2018.8478538.

基于BBO优化K-means算法的WSN分簇路由算法

Clustering routing algorithm for WSN based on BBO optimized K-means

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	赵明浩, 周以国. 相控阵天线波束形成联合优化算法[J]. 中国科学院大学学报, 2023, 40(6): 771-777.
[2]	刘天凯, 刘洪, 郑敏, 谭冲. 面向输变电场景的基于SSA的WSN分簇路由算法[J]. 中国科学院大学学报, 2023, 40(1): 119-127.
[3]	樊慧晶, 章文毅, 田妙苗, 马广彬, 程博. 基于粒子群算法的卫星任务地面站资源调度方法[J]. 中国科学院大学学报, 2022, 39(6): 801-808.
[4]	曹轲, 谭冲, 刘洪, 郑敏. 基于改进灰狼算法优化BP神经网络的无线传感器网络数据融合算法[J]. 中国科学院大学学报, 2022, 39(2): 232-239.
[5]	王虹, 徐佑宇, 谭冲, 刘洪, 郑敏. 基于改进粒子群的BP神经网络WSN数据融合算法[J]. 中国科学院大学学报, 2020, 37(5): 673-680.
[6]	明卫鹏, 马广彬, 章文毅. 基于基因表达式编程的多星成像任务规划算法[J]. 中国科学院大学学报, 2020, 37(4): 532-538.
[7]	余晟, 尚德重, 周猛, 张宝贤. 基于可调节局部洪泛更新的移动WSN路由协议[J]. 中国科学院大学学报, 2015, 32(2): 273-280.
[8]	朱士坤, 李冬, 黄奎, 张宝贤. 一种高效的轻量级无线传感器网络文件系统设计与实现[J]. 中国科学院大学学报, 2014, 31(1): 130-134.
[9]	孙昊, 陈永锐, 许旭柱, 徐鼎鑫, 易卫东. 基于无线传感器网络的地下停车场诱导信息系统[J]. 中国科学院大学学报, 2013, 30(5): 664-670.
[10]	张永江, 郝洁, 刘越, 张宝贤. 一种面向随机调度无线传感器网络的路由方法[J]. 中国科学院大学学报, 2013, 30(2): 251-256.
[11]	桑睿, 吴杰, 许华, 郭强. 基于改进的遗传算法的后非线性盲源分离[J]. 中国科学院大学学报, 2012, 29(5): 707-713.
[12]	陈刚, 王宏琦, 孙显. 基于核函数原型和自适应遗传算法的 SVM模型选择方法[J]. 中国科学院大学学报, 2012, 29(1): 62-69.
[13]	成瑜娟, 张敏洪. 感应半径可调的无线传感器网络生命周期的研究[J]. 中国科学院大学学报, 2011, 28(6): 768-775.
[14]	王翠平, 郭立, 王昱洁, 陈运必. 音频DCT系数分布函数的建模[J]. 中国科学院大学学报, 2011, 28(6): 752-758.
[15]	刘丽峰, 张树清. 人工免疫算法规划复杂环境下三维飞行航迹[J]. 中国科学院大学学报, 2011, 28(6): 746-751.