面向输变电场景的基于SSA的WSN分簇路由算法

doi:10.7523/j.ucas.2021.0024

中国科学院大学学报 ›› 2023, Vol. 40 ›› Issue (1): 119-127.DOI: 10.7523/j.ucas.2021.0024

• 电子信息与计算机科学 • 上一篇

面向输变电场景的基于SSA的WSN分簇路由算法

刘天凯^1,2, 刘洪¹, 郑敏¹, 谭冲¹

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

收稿日期:2021-01-25 修回日期:2021-03-15 发布日期:2021-07-02
通讯作者: 谭冲,E-mail:chong.tan@mail.sim.ac.cn
基金资助:
国家重点研发计划(2020YFB2103301)资助

SSA-based WSN clustering routing algorithm for power transmission and substation scenarios

LIU Tiankai^1,2, LIU Hong¹, ZHENG Min¹, TAN Chong¹

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

Received:2021-01-25 Revised:2021-03-15 Published:2021-07-02

摘要/Abstract

摘要： 针对部分输变电场景传感器众多、不具有组网能力的特点，提出采用计算能力高的中继节点收集传感器信息，并对中继节点进行组网的解决方案。根据方案，提出一种轮换中继节点网络的根节点-无线网关节点的分簇路由算法(LEACH-WGR-SSA)，并且引入麻雀搜索智能算法(SSA)，对节点网络中的簇首选举进行优化，并加入Levy飞行策略避免算法陷入局部最优。对于无线网关节点和网络簇首的选举均考虑了节点剩余能量、邻接节点的个数和位置信息。仿真实验表明，在50%节点死亡时，LEACH-WGR-SSA的网络生存轮数相较于LEACH、LEACH-WGR、LEACH-WGR-PSO分别延长121.6%、64.1%、6.5%，均衡了能耗，延长了网络生存周期，并有效地提高了寻优精度。

关键词: 输变电场景, 无线网关节点轮换, 麻雀搜索, 分簇路由

Abstract: In view of the large number of sensors and the lack of networking capability on some power transmission and substation scenarios, a solution for using the relay nodes with high computing power to collect sensor information and networking is proposed. According to this solution, a clustering routing protocol algorithm (LEACH-WGR-SSA) that rotates the root node of the relay nodes -wireless gateway is proposed. The sparrow search algorithm is used to optimize cluster head election, which considers the remaining energy of nodes, the number of adjacent and location information for the election of the wireless gateway and cluster heads and joins the Levy flight strategy to avoid the algorithm falling into the local optimum. Simulation results shows that when 50% of the nodes die, the number of network survival rounds of LEACH-WGR-SSA is increased by 121.6%, 64.1%, and 6.5% compared with LEACH, LEACH-WGR, and LEACH-WGR-PSO, which balances energy consumption, prolongs the network life and improves optimization accuracy.

Key words: power transmission and substation scenarios, wireless gateway rotation, sparrow search algorithm, clustering routing

中图分类号:

TN929.5

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.

LIU Tiankai, LIU Hong, ZHENG Min, TAN Chong. SSA-based WSN clustering routing algorithm for power transmission and substation scenarios[J]. Journal of University of Chinese Academy of Sciences, 2023, 40(1): 119-127.

参考文献

[1] 马祖长，孙怡宁，梅涛. 无线传感器网络综述[J]. 通信学报，2004，25(4)：114-124.
[2] Yan J J, Zhou M C, Ding Z J. Recent advances in energy-efficient routing protocols for wireless sensor networks: a review[J]. IEEE Access, 2016, 4: 5673-5686.DOI:10.1109/ACCESS.2016.2598719.
[3] Heinzelman W R, Chandrakasan A, Balakrishnan H. Energy-efficient communication protocol for wireless microsensor networks[C]//Proceedings of the 33rd Annual Hawaii International Conference on System Sciences. Maui, HI, USA: IEEE, 2000: 1-10.DOI:10.1109/HICSS.2000.926982.
[4] Heinzelman W B, Chandrakasan A P, Balakrishnan H. An application-specific protocol architecture for wireless microsensor networks[J]. IEEE Transactions on Wireless Communications, 2002, 1(4): 660-670.DOI:10.1109/TWC.2002.804190.
[5] 黄利晓，王晖，袁利永，等. 基于能量均衡高效WSN的LEACH协议改进算法[J]. 通信学报，2017，38(S2)：164-169.DOI:10.11959/j.issn.1000-436x.2017270.
[6] Hu M, Wang Y X. Two-level linear clustering protocol based on wireless sensor networks[J]. Journal of Electronic Science and Technology, 2016, 14(3): 257-261.DOI:10.11989/JEST.1674-862x.505071.
[7] Lee J S, Kao T Y. An improved three-layer low-energy adaptive clustering hierarchy for wireless sensor networks[J]. IEEE Internet of Things Journal, 2016, 3(6): 951-958.DOI:10.1109/JIOT.2016.2530682.
[8] 李安超，陈桂芬. 能量异构无线传感器网络分簇路由改进算法[J]. 传感技术学报，2017，30(11)：1712-1718.DOI:10.3969/j.issn.1004-1699.2017.11.017.
[9] Gharaei N, Abu Bakar K, Mohd Hashim S Z, et al. Collaborative mobile sink sojourn time optimization scheme for cluster-based wireless sensor networks[J]. IEEE Sensors Journal, 2018, 18(16): 6669-6676.DOI:10.1109/JSEN.2018.2851300.
[10] Daneshvar S M M H, Alikhah Ahari Mohajer P, Mazinani S M. Energy-efficient routing in WSN: a centralized cluster-based approach via grey wolf optimizer[J]. IEEE Access, 2019, 7: 170019-170031.DOI:10.1109/ACCESS.2019.2955993.
[11] 戴剑勇，邓先红，王彬，等. 基于改进萤火虫优化神经网络的WSNs分簇路由协议[J]. 北京邮电大学学报，2020，43(3)：131-137.DOI:10.13190/j.jbupt.2019-161.
[12] Singh A, Rathkanthiwar S, Kakde S. LEACH based-energy efficient routing protocol for wireless sensor networks[C]//2016 International Conference on Electrical, Electronics, and Optimization Techniques (ICEEOT): Chennai, India: IEEE, 2016: 4654-4658.DOI:10.1109/ICEEOT.2016.7755602.
[13] 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.2019246.
[14] Xue J K, Shen B. A novel swarm intelligence optimization approach: sparrow search algorithm[J]. Systems Science & Control Engineering, 2020, 8(1): 22-34.DOI:10.1080/21642583.2019.1708830.
[15] 吕鑫，慕晓冬，张钧. 基于改进麻雀搜索算法的多阈值图像分割[J]. 系统工程与电子技术，2021，43(2)：318-327.DOI:10.j.issn.1001-506x.2021.02.05.
[16] 薛建凯. 一种新型的群智能优化技术的研究与应用：麻雀搜索算法[D]. 上海：东华大学，2020.
[17] Lv Y, Tian Y. Design and application of sink node for wireless sensor network[C]//2010 2nd International Conference on Industrial and Information Systems: Dalian, China: IEEE, 2010:487-490.DOI:10.1109/INDUSIS.2010.5565803.
[18] 凡志刚，郭文生，桑楠. 一种基于蜂窝网格的传感器节点部署算法[J]. 传感器与微系统，2008，27(4)：15-17.DOI:10.13873/j.1000-97872008.04.021.
[19] Haklı H, Uğuz H. A novel particle swarm optimization algorithm with Levy flight[J]. Applied Soft Computing, 2014, 23: 333-345.DOI:10.1016/j.asoc.2014.06.034.
[20] 王金伟，孙华志，孙德兵. 基于能耗的无线传感器网络最优簇首数研究[J]. 传感器与微系统，2011，30(7)：45-47, 50.DOI:10.13873/j.1000-97872011.07.023.
[21] 梁青，李卓冉，韩昊澎，等. 基于最优簇首数划分单元格的改进GAF算法[J]. 计算机应用研究，2013，30(12)：3622-3624.DOI:10.3969/j.issn.1001-3695.2013.12.027.

面向输变电场景的基于SSA的WSN分簇路由算法

SSA-based WSN clustering routing algorithm for power transmission and substation scenarios

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]	杨特, 洪佩琳, 李润洲. 蜂窝网络下的SWIPT-D2D通信资源分配[J]. 中国科学院大学学报, 2022, 39(6): 845-852.
[2]	刘梦冰, 邱玲, 梁晓雯. 基于Matern硬核点过程的无人机辅助蜂窝网络吞吐量分析[J]. 中国科学院大学学报, 2022, 39(5): 704-711.
[3]	黄鑫陈, 陈光祖, 郑敏, 谭冲, 刘洪. 基于Q-learning的飞行自组织网络QoS路由方法[J]. 中国科学院大学学报, 2022, 39(1): 134-143.
[4]	王筱翔, 汪明亮, 徐慧慧, 覃荣华. 基于洪泛约束的移动自组网多径路由协议^*[J]. 中国科学院大学学报, 0, (): 2211304-2211304.
[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]	李颖锐, 徐景, 刘响, 易辉跃. TMRC-Filter:一种基于Filtered OFDM系统的子带滤波器设计方法[J]. 中国科学院大学学报, 2020, 37(1): 120-127.
[7]	金叶奇, 郑敏, 谭冲, 刘洪. 面向蜂窝物联网的RB动态预分配调度方案[J]. 中国科学院大学学报, 2019, 36(6): 825-831.
[8]	李维谦, 邱玲. 支持D2D多播的蜂窝网络分簇策略与资源分配[J]. 中国科学院大学学报, 2019, 36(1): 137-143.
[9]	张剑, 邱玲, 陈正. 超密集网络中基于多连接的用户归属和功率控制联合优化[J]. 中国科学院大学学报, 2018, 35(1): 126-130.
[10]	薛滔, 邱玲. 蜂窝网络中机器类设备突发上行随机接入的优化[J]. 中国科学院大学学报, 2016, 33(5): 669-673.
[11]	房秋生, 洪佩琳. SDN网络中基于业务资源偏好的批路由策略[J]. 中国科学院大学学报, 2016, 33(4): 554-561.
[12]	王鑫, 邱玲. H2H与M2M共存场景的准入控制及资源分配[J]. 中国科学院大学学报, 2016, 33(3): 427-432.
[13]	余林浩, 卢汉成, 洪佩琳. 一种带QoS约束的资源分配和ABS功率控制算法[J]. 中国科学院大学学报, 2015, 32(5): 661-666.
[14]	王川, 邱玲. MIMO下行多用户中继系统的线性收发处理设计[J]. 中国科学院大学学报, 2015, 32(3): 378-383.
[15]	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.