移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法
【專利摘要】本發(fā)明公開了一種移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法，命名為FLEACH分簇方法，主要解決LEACH算法無法適用移動自組織網(wǎng)絡(luò)的問題，以及簇首選擇未考慮節(jié)點本身特性和分簇規(guī)模限制。實現(xiàn)步驟是：對場景建模，設(shè)置節(jié)點的具體參數(shù)，在原有算法基礎(chǔ)上為每個節(jié)點增加移動性，以適用于移動自組織網(wǎng)絡(luò)；基于模糊邏輯對算法進(jìn)行改進(jìn)，主要是考慮節(jié)點的剩余能量和移動性選擇簇首；設(shè)置最佳簇成員個數(shù)變量，對分簇大小進(jìn)行控制，將規(guī)模較大和較小的簇結(jié)構(gòu)均分，均衡網(wǎng)絡(luò)負(fù)載。仿真結(jié)果表明，本發(fā)明使得簇首間負(fù)載平衡，整個網(wǎng)絡(luò)的能量分布更均勻，延長了整個網(wǎng)絡(luò)的生命周期，提高了網(wǎng)絡(luò)穩(wěn)定性和可靠性，能夠更好地適用于移動自組織網(wǎng)絡(luò)中。
【專利說明】
移動自組織網(wǎng)絡(luò)中基于模糊還輯的分簇方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于無線通信技術(shù)領(lǐng)域，更進(jìn)一步設(shè)及移動自組織網(wǎng)絡(luò)中基于模糊邏輯提 出的分簇和簇首選取方法，具體是一種移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法，將該 方法命名為化EACH分簇方法。由于節(jié)點的移動性和簇首節(jié)點的可變性，該方法具有較好的 抗摧毀性可被廣泛應(yīng)用于軍事戰(zhàn)爭和車聯(lián)網(wǎng)領(lǐng)域。
【背景技術(shù)】
[0002] 分簇算法是為了實現(xiàn)網(wǎng)絡(luò)的校制和管理而被應(yīng)用到移動自組織網(wǎng)絡(luò)中。當(dāng)網(wǎng)絡(luò)包 含大量移動的通信節(jié)點時，網(wǎng)絡(luò)的處理能力下降。目前分簇是解決大規(guī)模通信的一種有效 方法。然而分簇算法本身會帶來計算和維護(hù)的開銷，分簇次數(shù)和簇首數(shù)過多都會降低網(wǎng)絡(luò) 的通信效率?，F(xiàn)有的分簇算法大多通過周期性地交換控制信息來選擇簇首，不僅要考慮網(wǎng) 絡(luò)節(jié)點的移動性還要考慮網(wǎng)絡(luò)結(jié)構(gòu)的時變性。合理的分簇算法對網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的穩(wěn)定性和 連通性是至關(guān)重要的。
[0003] 目前較為經(jīng)典的分簇算法是最小ID分簇算法和LEACH分簇算法。最小ID分簇算法 是由Grela和Tsai提出的一種簡單的分簇算法，該算法為每個節(jié)點分配唯一的ID，相鄰節(jié)點 中ID最小的節(jié)點作為簇首。該算法計算量小、收斂快，但是運種算法無法控制簇首的數(shù)目同 時傾向選擇ID較小的節(jié)點為簇首，運些節(jié)點將消耗更多的電量導(dǎo)致提前死亡，從而縮短了 網(wǎng)絡(luò)的生存時間。為了解決最小ID算法無法控制簇首數(shù)目的問題，Chan化akasan等人提出 了低功耗自適應(yīng)集群分層型協(xié)議化EACH),該協(xié)議是為無線傳感器網(wǎng)絡(luò)設(shè)計的低功耗自適 應(yīng)聚類路由算法，與一般的平面路由協(xié)議和靜態(tài)的聚類算法相比，LEACH算法可W將網(wǎng)絡(luò)的 生命周期延長15% dLEACH算法的基本思想是隨機(jī)循環(huán)地選擇簇首節(jié)點，保證所有的節(jié)點在 1/P輪內(nèi)都充當(dāng)一次簇節(jié)首點，從而將整個網(wǎng)絡(luò)的能量負(fù)載平均分配到每個傳感器節(jié)點中， 達(dá)到降低網(wǎng)絡(luò)能源消耗、提高網(wǎng)絡(luò)整體生存時間的目的。然而運種隨機(jī)選取簇首的機(jī)制忽 略了每個節(jié)點本身的特性，如當(dāng)前的剩余能量等，運樣有可能選擇剩余能量較少的節(jié)點為 簇首，簇首節(jié)點開銷較大會使該節(jié)點能量過早耗盡進(jìn)而影響整個網(wǎng)絡(luò)的壽命。目前也有一 些基于LEACH算法改進(jìn)的分簇算法，如異構(gòu)感知的SEP協(xié)議，該協(xié)議假定每個節(jié)點知道網(wǎng)絡(luò) 的總能量，然后根據(jù)節(jié)點的剩余能量計算出簇首的最佳概率。SEP中根據(jù)節(jié)點的剩余能量把 節(jié)點分為高級節(jié)點和普通節(jié)點，通過設(shè)定不同的口限值使高級節(jié)點成為簇首的概率更大。 該算法通過均衡能源消耗延長了網(wǎng)絡(luò)的穩(wěn)定期，增加了網(wǎng)絡(luò)可靠傳輸?shù)臅r間。但是該算法 籠統(tǒng)的把節(jié)點分為兩類，不能很好的描述節(jié)點的特性，而且沒有考慮節(jié)點的移動性對網(wǎng)絡(luò) 拓?fù)浣Y(jié)構(gòu)穩(wěn)定性造成的影響。
[0004] 現(xiàn)有分簇算法應(yīng)用在移動自組織網(wǎng)絡(luò)中都存在一些不足之處，最小ID分簇算法傾 向選擇節(jié)點ID較小的節(jié)點成為簇首，因此網(wǎng)絡(luò)中部分節(jié)點能量將會提前耗盡使得網(wǎng)絡(luò)壽命 減少，LEACH分簇算法隨機(jī)選取簇首，沒有考慮到節(jié)點本身的性能而且無法控制簇結(jié)構(gòu)的大 小，不能較好地均衡網(wǎng)絡(luò)的負(fù)載。異構(gòu)感知的SEP算法雖然考慮了節(jié)點本身的特性但只將節(jié) 點劃分為兩種情況，對節(jié)點的刻畫粒度不夠細(xì)致，而且沒有考慮節(jié)點的移動性對網(wǎng)絡(luò)造成 的影響。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服上述技術(shù)忽略節(jié)點本身特性，無法控制簇結(jié)構(gòu)大小的不 足，提出一種延長網(wǎng)絡(luò)生命周期，更加節(jié)能的移動自組織網(wǎng)絡(luò)中基于模糊邏輯的化EACH分 簇方法。
[0006] 本發(fā)明是一種移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法，其特征在于，考慮節(jié) 點的移動性和剩余能量使其更加適用于移動自組織網(wǎng)絡(luò)中，實現(xiàn)包括有如下具體步驟：
[0007] 1)首先對場景進(jìn)行建模，設(shè)置節(jié)點和網(wǎng)絡(luò)的參數(shù)，首先設(shè)置網(wǎng)絡(luò)中的節(jié)點總數(shù)、簇 首個數(shù)、節(jié)點發(fā)射和接受單位報文的能耗、節(jié)點的初始能量等參數(shù)，然后在LEACH協(xié)議的基 礎(chǔ)上為每個節(jié)點增加移動性參數(shù)，為節(jié)點隨機(jī)設(shè)置速度的大小和方向值，節(jié)點增加了移動 性參數(shù)，也就是網(wǎng)絡(luò)增加了移動性參數(shù)，使該方法更加適用于移動自組織網(wǎng)絡(luò)。
[0008] 2)構(gòu)造節(jié)點剩余能量和移動性的隸屬度函數(shù)，在使用模糊邏輯制定規(guī)則前，需要 構(gòu)造節(jié)點剩余電量的模糊隸屬度函數(shù)，用XS，S，M，L，化順序表示剩余能量較少、剩余能量 少、剩余能量一般、剩余能量多、剩余能量很多，節(jié)點移動性的隸屬度函數(shù)用A、B、C順序表示 節(jié)點移動性低、移動性一般、移動性高。
[0009] 3)根據(jù)經(jīng)驗和測試結(jié)果制定模糊邏輯規(guī)則，根據(jù)測試結(jié)果，節(jié)點的剩余能量越多、 移動性越小節(jié)點成為簇首的合理值越高，首先將節(jié)點的剩余能量和移動性作為輸入變量， 根據(jù)模糊邏輯規(guī)則得到的節(jié)點成為簇首的合理值q，用乂5、5、1、1^、化順序表示節(jié)點非常不適 合成為簇首、節(jié)點不適合成為簇首、節(jié)點適合成為簇首、節(jié)點很適合作為簇首、節(jié)點非常適 合成為簇首。
[0010] 4)將節(jié)點成為簇首的合理值隨機(jī)化后與口限值對比選出簇首，節(jié)點合理值q的取 值范圍為0到l，q值越大說明該節(jié)點越適合作為簇首，由于大部分q值集中于0.5附近，需要 對合理值q隨機(jī)化得到對比值e，將對比值e與口限值進(jìn)行比較即可選出簇首。
[0011] 5)為每個簇首節(jié)點設(shè)置最佳簇成員個數(shù)Mm,為了彌補(bǔ)算法無法控制簇結(jié)構(gòu)規(guī)模的 缺點，在分簇過程中簇成員個數(shù)應(yīng)有所限制，假設(shè)第m個簇首節(jié)點擁有Mm個簇成員是最理想 的狀況，在該種情況下簇首負(fù)載平衡。
[0012] 6)根據(jù)不同簇首節(jié)點的最佳簇成員數(shù)來控制和調(diào)整簇結(jié)構(gòu)大小，為了均衡網(wǎng)絡(luò)負(fù) 載需要對分簇大小進(jìn)行控制，規(guī)模較大的分簇將其簇成員均分到其他簇中，規(guī)模較小的分 簇請求郵鄰簇成員加入，郵鄰簇根據(jù)自身簇結(jié)構(gòu)情況決定是否接受均分的簇成員。
[0013] 7)建簇成功節(jié)點間進(jìn)行通信，在調(diào)整網(wǎng)絡(luò)簇結(jié)構(gòu)大小后網(wǎng)絡(luò)建簇成功，網(wǎng)絡(luò)進(jìn)入 數(shù)據(jù)傳輸階段，節(jié)點間開始通信，隨著節(jié)點位置和能量的變化網(wǎng)絡(luò)重新構(gòu)建簇結(jié)構(gòu)。
[0014] 本發(fā)明的技術(shù)思路是:在LEACH協(xié)議的基礎(chǔ)上首先為節(jié)點加入移動性參數(shù)，結(jié)合節(jié) 點的剩余能量作為選擇簇首的依據(jù)。通過模糊邏輯將運兩個因素作為輸入變量，再通過制 定相關(guān)的規(guī)則得到節(jié)點是否適合作為簇首的參數(shù)，再將其隨機(jī)化后與口限值比較選擇簇 首。查看簇成員個數(shù)是否為該簇首可控制的最佳簇首個數(shù)，進(jìn)行調(diào)配。
[0015] 本發(fā)明與現(xiàn)有技術(shù)相比具有W下優(yōu)點：
[0016] 1、本發(fā)明提出的化EACH分簇算法是在現(xiàn)有LEACH分簇算法的基礎(chǔ)上進(jìn)行改進(jìn)而 成，F(xiàn)LEACH分簇算法為節(jié)點增加了移動性，在選擇簇首時W節(jié)點的剩余能量和移動性為依 據(jù)通過模糊邏輯制定規(guī)則選擇簇首，選擇性能較好的節(jié)點成為簇首，節(jié)點在一定輪次內(nèi)輪 流成為簇首。該方法可使得網(wǎng)絡(luò)的負(fù)載更具均衡，延長了網(wǎng)絡(luò)壽命，使其更適應(yīng)于移動自組 織網(wǎng)絡(luò)的動態(tài)特性。
[0017] 2、本發(fā)明通過引入最佳簇成員個數(shù)，根據(jù)簇首節(jié)點的本身性能控制簇結(jié)構(gòu)的大 小，更好的將普通節(jié)點均分到附近合適的簇首，使得簇首間負(fù)載相對平衡。在網(wǎng)絡(luò)節(jié)點較多 時，該算法更加節(jié)能而且可顯著提高網(wǎng)絡(luò)的穩(wěn)定性，延長網(wǎng)絡(luò)的生命周期。
【附圖說明】
[0018] 圖1為本發(fā)明的總流程圖；
[0019] 圖2為本發(fā)明具體實現(xiàn)的步驟；
[0020] 圖3為本發(fā)明制定的模糊邏輯規(guī)則的S維圖表示圖；
[0021] 圖4為本發(fā)郵LEACH算法與LEACH算法剩余能量的對比仿真圖；
[00剖圖5為本發(fā)郵LEACH算法與LEACH算法存活節(jié)點數(shù)目的對比仿真圖。
【具體實施方式】
[0023 ]下面結(jié)合附圖對本發(fā)明詳細(xì)說明
[0024] 實施例1
[0025] 目前應(yīng)用在移動自組織網(wǎng)絡(luò)中的分簇算法都存在一些不足之處，最小ID分簇算法 隨機(jī)選取簇首忽略節(jié)點本身特性，LEACH分簇算法由于口限值的設(shè)定對簇首有一定篩選作 用，但沒有考慮到節(jié)點本身特性和簇結(jié)構(gòu)大小對網(wǎng)絡(luò)的影響，無法很好的均衡網(wǎng)絡(luò)負(fù)載。異 構(gòu)感知的SEP算法根據(jù)節(jié)點能量將節(jié)點劃分為兩種情況，對節(jié)點的刻畫粒度不夠細(xì)致，而且 沒有考慮節(jié)點的移動性對網(wǎng)絡(luò)造成的影響。為此本發(fā)明提供了根據(jù)節(jié)點本身特性，考慮節(jié) 點移動性對移動自組織網(wǎng)絡(luò)的影響，通過模糊邏輯細(xì)化節(jié)點分類選擇簇首，最后通過控制 簇結(jié)構(gòu)大小使得網(wǎng)絡(luò)負(fù)載更加均衡。
[0026] 本發(fā)明是一種移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法，由于LEACH分簇算法 是目前無線網(wǎng)絡(luò)中應(yīng)用較為廣泛的一種方法，參見圖1，本發(fā)明是對LEACH分簇方法的一種 改進(jìn)，也是在LEACH分簇協(xié)議基礎(chǔ)上實現(xiàn)的，考慮節(jié)點的移動性和剩余能量使其更加適用于 移動自組織網(wǎng)絡(luò)，實現(xiàn)的步驟的流程參見圖2,包括如下具體步驟，：
[0027] 1)首先對場景進(jìn)行建模，設(shè)置網(wǎng)絡(luò)中的節(jié)點總數(shù)、簇首個數(shù)、節(jié)點發(fā)射和接受單位 報文的能耗、節(jié)點的初始能量等參數(shù)，然后在LEACH協(xié)議的基礎(chǔ)上為每個節(jié)點增加移動性參 數(shù)，為節(jié)點隨機(jī)設(shè)置速度的大小和方向值，節(jié)點增加了移動性參數(shù)，也就是網(wǎng)絡(luò)增加了移動 性參數(shù)，使該方法更加適用于移動自組織網(wǎng)絡(luò)，具體參數(shù)設(shè)置如下：
[002引（1)節(jié)點總數(shù)11:100
[0029] (2)發(fā)射單位報文損耗能量:500nJ/bit
[0030] (3)接收單位報文損耗能量Er:500nJ/bit
[0031] (4)自由空間能量拉s:100pj/bit
[0032] (5)多徑衰落能量 Emp: 0.001：3pJ/bit
[0033] (6)節(jié)點初始能量:IJ
[0034] (7)節(jié)點成為簇首的概率p:0.1
[0035] (8)為節(jié)點設(shè)置移動性參數(shù)
[0036] (9)輪次 N: 500
[0037] 2)構(gòu)造節(jié)點剩余能量和移動性的隸屬度函數(shù)，在使用模糊邏輯制定規(guī)則前，需要 構(gòu)造節(jié)點剩余電量的模糊隸屬度函數(shù)，用XS，S，M，L，化順序表示剩余能量較少、剩余能量 少、剩余能量一般、剩余能量多、剩余能量很多，節(jié)點移動性的隸屬度函數(shù)用A、B、C順序表示 節(jié)點移動性低、移動性一般、移動性高。
[0038] 3)根據(jù)經(jīng)驗和測試結(jié)果制定模糊邏輯規(guī)則，測試結(jié)果表明，節(jié)點的剩余能量越多、 移動性越小節(jié)點成為簇首的合理值越高，首先將節(jié)點的剩余能量和移動性作為輸入變量， 根據(jù)模糊邏輯規(guī)則得到節(jié)點成為簇首的合理值q，用XS、S、M、L、)(L順序表示節(jié)點非常不適合 成為簇首、節(jié)點不適合成為簇首、節(jié)點適合成為簇首、節(jié)點很適合作為簇首、節(jié)點非常適合 成為簇首。
[0039] 4)將節(jié)點成為簇首的合理值隨機(jī)化后與口限值對比選出簇首，節(jié)點合理值q的取 值范圍為0到l，q值越大說明該節(jié)點越適合作為簇首。由于大部分q值集中于0.5附近不是一 個隨機(jī)的分布，無法控制每輪次內(nèi)簇首的數(shù)目，因此需要對合理值q隨機(jī)化得到對比值e，將 對比值e與口限值進(jìn)行比較即可選出簇首。
[0040] 5)為每個簇首節(jié)點設(shè)置最佳簇成員個數(shù)Mm,為了彌補(bǔ)算法無法控制簇結(jié)構(gòu)規(guī)模的 缺點，在分簇過程中簇成員個數(shù)應(yīng)有所限制，假設(shè)第m個簇首節(jié)點擁有Mm個簇成員是最理想 的狀況，在該種情況下可使簇首負(fù)載平衡。
[0041] 6)根據(jù)不同簇首的最佳簇成員數(shù)來控制和調(diào)整簇結(jié)構(gòu)大小，為了均衡網(wǎng)絡(luò)負(fù)載需 要對分簇大小進(jìn)行控制，控制大小的依據(jù)就是步驟5中設(shè)定的Mm,控制的目的是盡量使分簇 大小在簇首節(jié)點最佳簇成員個數(shù)附近。如果分簇規(guī)模較大，將其簇成員均分到其他簇中，分 簇規(guī)模較小，則請求郵鄰簇成員加入，郵鄰簇根據(jù)自身簇結(jié)構(gòu)情況決定是否接受均分的簇 成員。
[0042] 7)建簇成功節(jié)點間進(jìn)行通信，在調(diào)整網(wǎng)絡(luò)簇結(jié)構(gòu)大小后網(wǎng)絡(luò)建簇成功，網(wǎng)絡(luò)進(jìn)入 數(shù)據(jù)傳輸階段，節(jié)點間開始通信，隨著節(jié)點位置和能量的變化網(wǎng)絡(luò)重新構(gòu)建簇結(jié)構(gòu)。
[0043] 本發(fā)明提出的化EACH分簇算法為節(jié)點增加了移動性，通過模糊邏輯選擇簇首可同 時考慮節(jié)點的剩余能量和移動性作為選擇簇首的標(biāo)準(zhǔn)。運種方法能夠選擇性能較好的節(jié)點 成為簇首，在一定輪次內(nèi)節(jié)點輪流成為簇首，可使得網(wǎng)絡(luò)的負(fù)載更具均衡，延長了網(wǎng)絡(luò)壽 命，使其更適應(yīng)于移動自組織網(wǎng)絡(luò)的動態(tài)特性。
[0044] 實施例2
[0045] 移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法同實施例1，其中步驟3中所述的模糊 邏輯規(guī)則，根據(jù)經(jīng)驗和測試結(jié)果表明節(jié)點移動性越低，剩余能量越多越適合作為簇首。本發(fā) 明采用Sugeno模糊模型中模糊規(guī)則的形式，具體規(guī)則的=圍表示如圖3所示。輸出結(jié)果為節(jié) 點成為簇首的可能性記為:乂5、5、1、1^、化分別表示的映射為0、0.25、0.5、0.75、1.0，具體包 括如下：
[0046] 如果節(jié)點的剩余能量為XS，移動性為C，則輸出為XS;
[0047] 如果節(jié)點的剩余能量為XS，移動性為B，則輸出為XS;
[0048] 如果節(jié)點的剩余能量為XS，移動性為A，則輸出為XS;
[0049] 如果節(jié)點的剩余能量為S，移動性為C，則輸出為XS;
[0050]如果節(jié)點的剩余能量為S，移動性為B，則輸出為S;
[0051 ]如果節(jié)點的剩余能量為S，移動性為A，則輸出為S;
[0052] 如果節(jié)點的剩余能量為M，移動性為C，則輸出為M;
[0053] 如果節(jié)點的剩余能量為M，移動性為B，則輸出為M;
[0054] 如果節(jié)點的剩余能量為M，移動性為A，則輸出為レ
[0055] 如果節(jié)點的剩余能量為L，移動性為C，則輸出為レ
[0056] 如果節(jié)點的剩余能量為L，移動性為B，則輸出為レ
[0057] 如果節(jié)點的剩余能量為L，移動性為A，則輸出為XL
[0058] 如果節(jié)點的剩余能量為XL，移動性為C，則輸出為XL
[0059] 如果節(jié)點的剩余能量為XL，移動性為B，則輸出為XL
[0060] 如果節(jié)點的剩余能量為XL，移動性為A，則輸出為XL。
[0061] 本發(fā)明在建簇的過程中需要考慮節(jié)點本身的特性選擇簇首，節(jié)點多元特性與節(jié)點 成為簇首的關(guān)系很難用常規(guī)的數(shù)學(xué)解析式表示。然而模糊邏輯可較好將該問題表示為數(shù)學(xué) 模型，為網(wǎng)絡(luò)選出合適的簇首。在不同的通信系統(tǒng)中還可調(diào)整兩個因素的權(quán)重，可更好的適 應(yīng)不同的通信環(huán)境，運種簇首選擇機(jī)制可較好的均衡網(wǎng)絡(luò)節(jié)點的負(fù)載，降低網(wǎng)絡(luò)整體能耗， 延長網(wǎng)絡(luò)壽命和節(jié)點存活時間，有效提升移動自組織網(wǎng)絡(luò)的性能。
[0062] 實施例3
[0063] 移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法同實施例1-2,其中步驟4中對比的口 限值選用LEACH分簇算法中的口限值Tn, 口限值也稱為闊值，設(shè)置如下：
[0064]
12345678
其中，P表示簇首占運個傳感網(wǎng)絡(luò)所有節(jié)點的百分比，r表示當(dāng)前輪數(shù)，G表示在過 去的1/p輪中未當(dāng)選簇首的節(jié)點集合。運種的簇首選舉方法保證了所有的節(jié)點在1/p輪內(nèi)都 充當(dāng)一次簇首節(jié)點，W達(dá)到均衡整個網(wǎng)絡(luò)的能量消耗，延長生命周期。 2 口限值中包含簇首占網(wǎng)絡(luò)的比率P，因此可將網(wǎng)絡(luò)中簇首控制在理想范圍內(nèi)，隨著 輪次的變化口限值也會發(fā)生變化。該口限值避免了單個節(jié)點在一定輪次內(nèi)重復(fù)成為簇首， 從而延長了整個網(wǎng)絡(luò)的生命周期，降低節(jié)點早期死亡的概率。 3 實施例4 4 移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法同實施例1-3,其中步驟5中所述的最 佳簇成員個數(shù)Mm計算方法如下： 5 6 7 其中numiive是目前網(wǎng)絡(luò)中存活的節(jié)點數(shù)目，P為網(wǎng)絡(luò)中簇首所占節(jié)點總數(shù)的概率， qm為節(jié)點m成為簇首的合理值，nm為網(wǎng)絡(luò)中的簇首個數(shù)。 8 本發(fā)明根據(jù)不同簇首節(jié)點的多元特性，為節(jié)點設(shè)置個性化的簇結(jié)構(gòu)的大小Mm,運 樣可準(zhǔn)確地為不同簇首設(shè)置簇結(jié)構(gòu)規(guī)模，使得簇首節(jié)點間負(fù)載均衡，從而延長了節(jié)點的壽 命，延長了網(wǎng)絡(luò)可靠通信的時間。
[0073] 實施例5
[0074] 移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法同實施例1-4,其中步驟6中控制和調(diào) 整簇結(jié)構(gòu)大小，參加圖2，具體方法包括如下：
[0075] 6.1簇首節(jié)點m周期性的廣播一張表，在廣播的表中加入簇首的最佳成員個數(shù)Mm;
[0076] 6.2若簇首節(jié)點的簇成員個數(shù)小于簇首的最佳簇成員個數(shù)Mm,則查看郵鄰節(jié)點中 是否有其他簇首的簇成員，若有則向該簇首請求將該簇成員加入自己的簇中；
[0077] 6.3接到請求的簇首查看自己的簇成員個數(shù)是否大于最佳簇成員個數(shù)Mm,若大于Mm 則同意該請求，若等于或小于Mm不接受請求，如果簇首同時接受到多個郵鄰簇首的請求，而 且請求的是同一節(jié)點，則將該節(jié)點分給合理值最大的郵鄰簇首，完成對簇結(jié)構(gòu)的調(diào)整，網(wǎng)絡(luò) 開始通信。
[0078] 本發(fā)明根據(jù)最佳簇成員個數(shù)，將普通節(jié)點均分到附近合適的簇首，使得簇首間負(fù) 載相對平衡。在網(wǎng)絡(luò)節(jié)點較多時，該算法更加節(jié)能而且可顯著提高網(wǎng)絡(luò)的穩(wěn)定性，延長網(wǎng)絡(luò) 的生命周期。
[0079] 實施例6
[0080] 移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法同實施例1-5,為了驗證化EACH分簇 方法的性能，在構(gòu)造的移動自組織網(wǎng)絡(luò)中設(shè)置了 100個隨機(jī)節(jié)點，系統(tǒng)分別應(yīng)用LEACH分簇 方法和FLEACH分簇方法進(jìn)行通信，然后對比網(wǎng)絡(luò)中全部節(jié)點的存活數(shù)目和剩余能量來對比 LEACH和化EACH分簇算法的性能。
[0081] 在比較兩種算法的節(jié)點剩余能量性能時，為了結(jié)果的科學(xué)性，通過=次比較分析 評價運兩個分簇方法在節(jié)能方面的性能，節(jié)點剩余能量的對比如圖4所示，其中紅色虛線代 表本發(fā)明提出的FLEACH算法，黑色實線代表LEACH算法。通過對比兩條曲線可知，LEACH分簇 方法在輪次接近150時能量即將耗盡，此時系統(tǒng)無法進(jìn)行通信，而本發(fā)明的化EACH分簇方法 在輪次接近300時能量才基本耗盡，F(xiàn)LEAC田是高了的節(jié)點在系統(tǒng)中的剩余能量，特別是在輪 次從100到200時對系統(tǒng)的性能改良達(dá)到最大。通常，系統(tǒng)剩余20 %電量時理論上系統(tǒng)無法 正常通信，為了更加準(zhǔn)確的比較系統(tǒng)剩余20 %電量時，系統(tǒng)的輪次數(shù)，對兩種協(xié)議方法進(jìn)行 了 3次比較，其結(jié)果如表1所示。
[0082] 表1剩余20 %能量時的輪次
[0083]
[0084] 表1給出了LEACH分簇方法和本發(fā)明化EACH分簇方法在系統(tǒng)剩余20%能量時運行 的輪次。通過比較可知本發(fā)明提出的化EACH分簇方法使得在20%剩余能量時，系統(tǒng)運行的 輪次平均提高了一倍左右。為系統(tǒng)節(jié)省了一半的能量，延長了使用壽命，節(jié)約了能量，使得 系統(tǒng)更加高效和節(jié)能。
[0085] 系統(tǒng)的存活節(jié)點數(shù)目將會影響系統(tǒng)安全可靠的通信，存活節(jié)點數(shù)目越多表明系統(tǒng) 的通信越節(jié)能、可靠。存活節(jié)點對比結(jié)果如圖5所示，其中紅色虛線代表本發(fā)明提出的 化EACH算法，黑色實線代表LEACH算法。通過對比兩條曲線可知，LEACH分簇算法在100輪次 內(nèi)系統(tǒng)可較好的通信，之后迅速衰減，而化EACH分簇算法在250輪次都可較好的通信，有圖 可知化EAC抽是高了的節(jié)點在系統(tǒng)中的存活率，延長了系統(tǒng)穩(wěn)定通信的時間，將節(jié)點的存活 率提高了 2倍左右。
[0086] 在分析評價運兩個分簇方法存活節(jié)點數(shù)目時，采用=個指標(biāo)來判斷。首先是網(wǎng)絡(luò) 中20%節(jié)點死亡時刻(FND)，運段時間是系統(tǒng)的穩(wěn)定期通信效果最好。其次是一半節(jié)點死亡 時刻化NA )，運時系統(tǒng)性能下降迅速。最后比較80 %節(jié)點死亡時刻化ND )，當(dāng)80 %節(jié)點死亡時 系統(tǒng)基本無法工作。為了結(jié)果的科學(xué)性，對3次結(jié)果進(jìn)行對比和統(tǒng)計。分別統(tǒng)計W上=種情 況系統(tǒng)在FND、HND、LND時刻節(jié)點的死亡情況，結(jié)果如表巧日3所示。
[0087] 表2 LEACH分簇方法節(jié)點死亡情況 「AAQQl
12 通過對比可知，本發(fā)明化EACH分簇方法將系統(tǒng)穩(wěn)定工作的平均輪次從84提高到 254,穩(wěn)定的工作時間大約是原來的3倍，改善十分明顯。節(jié)點死亡一半的平均輪次由156提 高到334,大約改善了一倍。節(jié)點基本死亡的平均輪次由218提高410,基本改善了一倍左右。 顯而易見，從各個節(jié)點死亡時刻來看，提出的新算法優(yōu)勢明顯，使得整個系統(tǒng)的能量分布更 加均勻。從整體上來看，本發(fā)明提出的FLEACH分簇方法延長了整個網(wǎng)絡(luò)的整體有效性，提高 了移動自組織網(wǎng)絡(luò)的穩(wěn)定性和可靠性，延長整個網(wǎng)絡(luò)的生命周期。 2 簡而言之，本發(fā)明公開的移動自組織網(wǎng)絡(luò)中基于模糊邏輯的化EACH分簇方法，主 要解決現(xiàn)有的LEACH分簇算法無法適用于移動自組織網(wǎng)絡(luò)的問題，W及簇首選擇機(jī)制未考 慮節(jié)點本身的特性和分簇規(guī)模限制的技術(shù)空白。本發(fā)明實現(xiàn)的步驟是:首先對場景進(jìn)行建 模，設(shè)置節(jié)點的具體參數(shù)，在原有算法的基礎(chǔ)上為每個節(jié)點增加移動性，使其適用于移動自 組織網(wǎng)絡(luò);基于模糊邏輯對簇首選擇機(jī)制進(jìn)行改進(jìn)，考慮節(jié)點的剩余能量和移動性選擇簇 首；設(shè)置最佳簇成員個數(shù)變量，對分簇大小進(jìn)行控制，將規(guī)模較大和較小的簇結(jié)構(gòu)進(jìn)行均 分，從而均衡網(wǎng)絡(luò)負(fù)載。仿真結(jié)果表明，本發(fā)明使得簇首間負(fù)載平衡，整個網(wǎng)絡(luò)的能量分布 更加均勻，從而延長了整個網(wǎng)絡(luò)的的生命周期，提高了網(wǎng)絡(luò)的穩(wěn)定性和可靠性，使得LEACH 分簇算法更好地適用于移動自組織網(wǎng)絡(luò)中。
【主權(quán)項】
1. 一種移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法，命名為化EACH分簇方法，其特征 在于，基于LEACH分簇協(xié)議上實現(xiàn)，分簇過程包括有如下具體步驟： 1) 首先對場景進(jìn)行建模，設(shè)置節(jié)點和網(wǎng)絡(luò)的參數(shù)，首先設(shè)置網(wǎng)絡(luò)中的節(jié)點總數(shù)、簇首個 數(shù)、節(jié)點發(fā)射和接受單位報文的能耗、節(jié)點的初始能量等參數(shù)，然后在LEACH協(xié)議的基礎(chǔ)上 為每個節(jié)點增加移動性參數(shù)，為節(jié)點隨機(jī)設(shè)置速度的大小和方向值； 2) 構(gòu)造節(jié)點剩余能量和移動性的隸屬度函數(shù)，在使用模糊邏輯制定規(guī)則前，需要構(gòu)造 節(jié)點剩余電量的模糊隸屬度函數(shù)，用乂5,5，1，1^，乂1^頓序表示剩余能量較少、剩余能量少、剩 余能量一般、剩余能量多、剩余能量很多，節(jié)點移動性的隸屬度函數(shù)用A、B、C順序表示節(jié)點 移動性低、移動性一般、移動性高； 3) 根據(jù)經(jīng)驗和測試結(jié)果制定模糊邏輯規(guī)則，首先將節(jié)點的剩余能量和移動性作為輸入 變量，根據(jù)模糊邏輯規(guī)則得到節(jié)點成為簇首的合理值q，用乂5、5、1、1^、化順序表示節(jié)點非常 不適合成為簇首、節(jié)點不適合成為簇首、節(jié)點適合成為簇首、節(jié)點很適合作為簇首、節(jié)點非 常適合成為簇首； 4) 將節(jié)點成為簇首的合理值隨機(jī)化后與口限值對比選出簇首，節(jié)點合理值q的取值范 圍為0到l，q值越大說明該節(jié)點越適合作為簇首，由于大部分q值集中于0.5附近，需要對合 理值q隨機(jī)化得到對比值e，將對比值e與口限值進(jìn)行比較選出簇首； 5) 為每個簇首節(jié)點設(shè)置最佳簇成員個數(shù)Mm，在分簇過程中簇成員個數(shù)應(yīng)有所限制，假設(shè) 第m個簇首節(jié)點擁有Mm個簇成員是最理想的狀況，在該種情況下可使簇首負(fù)載平衡； 6) 根據(jù)不同簇首的最佳簇成員數(shù)來控制和調(diào)整簇結(jié)構(gòu)大小，規(guī)模較大的分簇將其簇成 員均分到其他簇中，規(guī)模較小的分簇請求郵鄰簇成員加入，郵鄰簇根據(jù)自身簇結(jié)構(gòu)情況決 定是否接受均分的簇成員，簇結(jié)構(gòu)大小調(diào)整完成； 7) 簇結(jié)構(gòu)大小調(diào)整完成后節(jié)點間進(jìn)行通信，在調(diào)整網(wǎng)絡(luò)簇結(jié)構(gòu)大小后網(wǎng)絡(luò)建簇成功， 網(wǎng)絡(luò)進(jìn)入數(shù)據(jù)傳輸階段，節(jié)點間開始通信，隨著節(jié)點位置和能量的變化網(wǎng)絡(luò)重新構(gòu)建簇結(jié) 構(gòu)。2. 根據(jù)權(quán)利要求1所述的移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法，其特征在于:步 驟3中所述的模糊邏輯規(guī)則，具體包括如下： 如果節(jié)點的剩余能量為XS，移動性為C，則輸出為XS; 如果節(jié)點的剩余能量為XS，移動性為B，則輸出為XS; 如果節(jié)點的剩余能量為XS，移動性為A，則輸出為XS; 如果節(jié)點的剩余能量為S，移動性為C，則輸出為XS; 如果節(jié)點的剩余能量為S，移動性為B，則輸出為S; 如果節(jié)點的剩余能量為S，移動性為A，則輸出為S; 如果節(jié)點的剩余能量為M，移動性為C，則輸出為M; 如果節(jié)點的剩余能量為M，移動性為B，則輸出為M; 如果節(jié)點的剩余能量為M，移動性為A，則輸出為レ 如果節(jié)點的剩余能量為L，移動性為C，則輸出為レ 如果節(jié)點的剩余能量為L，移動性為B，則輸出為レ 如果節(jié)點的剩余能量為L，移動性為A，則輸出為化； 如果節(jié)點的剩余能量為化，移動性為C，則輸出為化； 如果節(jié)點的剩余能量為化，移動性為B，則輸出為化； 如果節(jié)點的剩余能量為化，移動性為A，則輸出為化。3. 根據(jù)權(quán)利要求1所述的移動自組織網(wǎng)絡(luò)中基于模糊邏輯分簇方法，其特征在于:步驟 5中所述的最佳簇成員個數(shù)Mm計算方法如下：nm=numiiveXp 其中numiive是目前網(wǎng)絡(luò)中存活的節(jié)點數(shù)目，P為網(wǎng)絡(luò)中簇首所占節(jié)點總數(shù)的概率，qm為 節(jié)點m成為簇首的合理值，nm為網(wǎng)絡(luò)中的簇首個數(shù)。4. 根據(jù)權(quán)利要求1所述的移動自組織網(wǎng)絡(luò)中基于模糊邏輯的分簇方法，其特征在于:步 驟6中控制和調(diào)整簇結(jié)構(gòu)大小的具體方法包括如下： 6.1簇首節(jié)點m周期性的廣播一張表，在廣播的表中加入簇首的最佳成員個數(shù)Mm; 6.2若簇首節(jié)點的簇成員個數(shù)小于簇首的最佳簇成員個數(shù)Mm，則查看郵鄰節(jié)點中是否有 其他簇首的簇成員，若有則向該簇首請求將該簇成員加入自己的簇中； 6.3接到請求的簇首查看自己的簇成員個數(shù)是否大于最佳簇成員個數(shù)Mm，若大于Mm則同 意該請求，若等于或小于Mm不接受請求，如果簇首同時接受到多個郵鄰簇首的請求，而且請 求的是同一節(jié)點，則將該節(jié)點分給合理值最大的郵鄰簇首，完成對簇結(jié)構(gòu)的調(diào)整，網(wǎng)絡(luò)開始 通信。
【文檔編號】H04W40/10GK105979539SQ201610298932
【公開日】2016年9月28日
【申請日】2016年5月6日
【發(fā)明人】蔡雪蓮, 許獻(xiàn)元, 李長樂, 苗志芳
【申請人】西安電子科技大學(xué)