無(wú)線傳感器網(wǎng)絡(luò)中的LEACH算法分析與設(shè)計(jì)
加入技術(shù)交流群
在參考文獻(xiàn)中，作者對(duì)SEp算法進(jìn)行再次改進(jìn)，利用整個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的平均能量與節(jié)點(diǎn)當(dāng)前能量的比值來(lái)限制節(jié)點(diǎn)成為簇首節(jié)點(diǎn)的概率，兩類節(jié)點(diǎn)成為簇首節(jié)點(diǎn)概率如式(4)所示。
根據(jù)式(4)，可以看出進(jìn)一步限制的低能量節(jié)點(diǎn)成為簇首節(jié)點(diǎn)的概率。
1．3 根據(jù)節(jié)點(diǎn)剩余能量的不同而改進(jìn)
M．J．Handy等人提出了DCHS(Deterministic Clus-ter-Head Selection)算法，根據(jù)LEACH算法中的T(n)計(jì)算不足之處，對(duì)其進(jìn)行改進(jìn)，如式(5)所示。式(5)中En_current表示節(jié)點(diǎn)當(dāng)前的能量，En_max表示節(jié)點(diǎn)初始的能量。
由改進(jìn)后的算法可以看出，當(dāng)前節(jié)點(diǎn)能量比較高的節(jié)點(diǎn)成為簇首節(jié)點(diǎn)的概率變大，從而降低了低能量節(jié)點(diǎn)成為簇首節(jié)點(diǎn)的概率，提高了整個(gè)網(wǎng)絡(luò)的性能。然而根據(jù)式(5)可以看出，當(dāng)整個(gè)網(wǎng)絡(luò)運(yùn)行到一定的時(shí)間后，大部分節(jié)點(diǎn)的能量都將剩余不多，相應(yīng)的T(n)就會(huì)變小，那么整個(gè)網(wǎng)絡(luò)中節(jié)點(diǎn)成為簇首的概率變小，從而影響到整個(gè)網(wǎng)絡(luò)的性能。M．J．Handy等人對(duì)式(5)進(jìn)一步改進(jìn)，得到式(6)，從而有效解決了式(5)的不足之處。在式(6)中rs表示節(jié)點(diǎn)連續(xù)未當(dāng)選過(guò)簇頭的輪次。一旦節(jié)點(diǎn)當(dāng)選為簇首節(jié)點(diǎn)，則rs置零。
1．4 根據(jù)簇首節(jié)點(diǎn)隨機(jī)分布不均而改進(jìn)
LEACH-C算法是LEACH算法的集中式控制版本，采用模擬退火算法獲得更優(yōu)的簇頭選舉策略，克服了LEACH算法中每輪產(chǎn)生的簇頭數(shù)與位置的隨機(jī)性。
LEACH-C算法可以把每個(gè)節(jié)點(diǎn)的地理位置以及節(jié)點(diǎn)當(dāng)前的能量報(bào)告給基站。基站把所有節(jié)點(diǎn)的能量取平均，當(dāng)網(wǎng)絡(luò)中某些節(jié)點(diǎn)的能量低于平均值時(shí)，將不能成為候選簇頭節(jié)點(diǎn)，從而更加有效地解決了低能量節(jié)點(diǎn)成為簇頭節(jié)點(diǎn)的概率。
評(píng)論