一种基于改进模糊C均值聚类的WSN分簇路由方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115843085A(43)申请公布日2023.03.24(21)申请号202211264294.X(22)申请日2022.10.14(71)申请人桂林理工大学地址541004广西壮族自治区桂林市七星区建干路12号(72)发明人程小辉吴喜凯王新政(51)Int.Cl.H04W40/32(2009.01)H04W40/20(2009.01)H04W40/10(2009.01)G06F18/2337(2023.01)G06N3/006(2023.01)权利要求书1页说明书5页附图3页(54)发明名称一种基于改进模糊C均值聚类的WSN分簇路由方法(57)摘要本发明提供了一种基于改进模糊C均值聚类的WSN分簇路由方法。包括：网络分簇、动态选举簇首、数据传输。通过节点分布情况，采用麻雀搜索改进的模糊C均值聚类算法对网络进行分簇；根据每个簇内节点的剩余能量和节点间距离两种因素进行适应度值计算，动态选取出最优的簇首，簇内的其他普通节点将采集的数据发送至簇首进行数据融合；簇首与基站通信时，计算簇间通信代价，采用Dijkstra算法构建最小通信代价的簇间路由路径，均衡各簇首节点的负载。本发明采用麻雀搜索优化FCM的初始聚类中心，使得网络节点分簇更加均匀合理，能够有效均衡网络的能量消耗，优化了簇首路由，使得节点能耗降低，从而改善无线传感器网络生命周期过短的问题。CN115843085ACN115843085A权利要求书1/1页1.一种基于麻雀搜索优化模糊C均值聚类的无线传感器网络分簇路由方法，其特征在于：首先，通过麻雀搜索优化模糊C均值聚类算法对网络进行分簇，使网络能够均匀分簇；然后，根据簇内节点剩余能量和节点间距离两种因素选取出最优簇首；最后，使用Dijkstra算法构建最小通信代价链路，以实现降低节点能量消耗，延长网络运行时间；所述的方法步骤如下：步骤1：根据网络监测范围与节点数目进行初始化；步骤2：计算出麻雀种群中个体的最优位置和最优适应度值，分配跟生产者与追随者；步骤3：根据步骤2计算出的结果，更新发现者、追随者和预警者的位置；步骤4：通过更新后的麻雀位置计算出适应度值；判断是否满足停止条件，满足时，输出结果，否则重复步骤2‑4；步骤5：将麻雀搜索算法计算出的最优解作为初始聚类中心执行模糊C均值聚类算法，并且初始化归属度矩阵；步骤6：通过归属度矩阵计算聚类中心坐标，聚类中心公式为：归属度矩阵更新公式为：其中：C为分类的数量，数据点xi到聚类中心cj的距离通常采用欧式距离j；步骤7：根据公式计算目标函数，判断目标函数值是否达到停止条件，迭代停止条件为：其中k和ε分别为迭代次数和迭代终止阈值；若达到条件则停止迭代，输出最优聚类中心；否则重复步骤6‑7；步骤8：根据步骤7得到的聚类中心对网络节点进行分簇，分簇后通过节点剩余能量因素fe与节点间距离因素fd因素构建适应度函数，根据f(i)＝αfe(i)+βfd(i)计算簇内每个节点的适应度值，其中α和β为权重因子，两者之和为1，由网络状态实时调节权重因子；初始时，α和β的值均为0.5，随着网络的运行更新方式为α＝0.5+0.5(Eres/Eavg)与β＝1‑α；步骤9：第一轮时选出最大适应度值的节点成为簇首，之后每轮与前一轮簇首的适应度值按fCH＜λfmax(i)进行比较，其中λ∈(0,1]为网络系数，若不等式成立则更新簇首，反之不更新；网络系数值的大小影响着簇首的更新频率，取值过大时，簇首的更新频率快，会造成网络能耗的浪费，取值过小时，簇首的更新频率缓慢，会导致簇首长期不更换而过早耗尽能量；步骤10：将k个簇首节点与一个基站节点组成的网络使用一个带权图G＝(V,E)表示，其中由k+1个节点构成顶点集合V，由顶点集合构成拥有权值的边集E，权值为节点之间通信代价；两个节点间的通信代价表达式为其中dij表示源节点i与转发节点j的通信距离,Einit(j)与Eres(j)表示转发节点j的初始能量值与当前剩余能量值；根据计算出的通信代价值，按Dijkstra算法构建出基站与各簇首节点的最小通信代价路由，节点数据通过本路由进行传输。2CN115843085A说明书1/5页一种基于改进模糊C均值聚类的WSN分簇路由方法技术领域[0001]本发明涉及无线传感器网络路由协议领域，具体为一种基于改进模糊C均值聚类的无线传感器网络分簇路由方法。背景技术[0002]无线传感器网络((WirelessSensorNetwork,WSN)是由若干的小型传感器以及无线网络协议组成，因其成本低和部署便捷，被广泛应用在土壤环境监测、农业生产、灾害监控系统等领域。WSN中的传感器节点通常是部署在户外，所以其供电方式一般是采用电池，并且充电或更换电池也非常不方便，某些节