基于自适应模糊引导分割与遗传算法优化的无线传感器网络能耗感知分簇方法

《Scientific Reports》：A hybrid swarm intelligence and evolutionary approach for adaptive fuzzy segmentation in energy-efficient WSNs

　　

摘要

无线传感器网络已在包括环境监测和医疗保健系统在内的多种应用中得到广泛使用。然而，无线传感器网络面临的最大问题仍然是如何优化能耗以延长网络寿命。在动态节点条件下，无线传感器网络需要能量感知的分簇来延长网络生存时间。本文提出的研究工作是一种自适应模糊引导分割方法，该方法利用剩余能量和通信上下文逐轮构建簇头候选池，并通过遗传算法优化簇的稳定性以构建稳定簇。该方法在不同节点密度和随机部署条件下，结合典型无线电模型和公认的无线传感器网络基线进行了测试。结果表明，网络寿命得到延长，能耗降低，传输可靠性提高，且延迟得到有效控制。这种混合算法利用模糊逻辑根据节点能量、通信范围等动态参数自适应地划分传感器节点，这与传统分簇算法有所不同。该框架利用群体智能来优化簇的形成，确保数据以高效且低能耗的方式进行传输。进化算法也优化了迭代过程，从而实现了性能之间的权衡。为了证明所提算法优于现有算法（粒子群优化算法和遗传算法），进行了详细的仿真实验。该算法有效提升了网络寿命、数据包传输率和整体能耗表现。通过模糊分割，簇能够动态生成，并且随着网络条件的变化，混合算法能够在节点之间实现良好的能量负载均衡。所提出的解决方案具有创新性，提供了一种可扩展的解决方案，能够适应不同的网络规模和拓扑结构，适用于能量资源受限的智能环境。