《Heliyon》：Optimized fuzzy logic-based clustering protocol for enhanced lifetime in wireless sensor networks using particle swarm optimization
编辑推荐：
摘要：由于传感器节点能量受限，减少能耗和延长网络寿命在不断发展中的无线传感器网络（WSN）应用中至关重要。这些节点受限于其小型电池容量且部署于不可达区域，一旦能量耗尽便停止工作。聚类技术，尤其是基于模糊逻辑的技术，因其通过将数据转发限制在簇头（CH）来平衡能耗
摘要：由于传感器节点能量受限，减少能耗和延长网络寿命在不断发展中的无线传感器网络（WSN）应用中至关重要。这些节点受限于其小型电池容量且部署于不可达区域，一旦能量耗尽便停止工作。聚类技术，尤其是基于模糊逻辑的技术，因其通过将数据转发限制在簇头（CH）来平衡能耗的能力而得到广泛研究。在模糊逻辑中，模糊规则要么基于人类专家对应用的知识，要么通过启发式、元启发式、模糊逻辑或混合算法进行优化。本文提出一种经粒子群优化（PSO）优化的协议，该协议为CH选择生成优化的模糊规则库。此优化的动机在于，随着网络规模扩大，使用手动设置的规则来确定输出可能导致CH的选择显著欠优。所提出的协议通过使用PSO算法确定规则的输出值并根据输入变量——剩余能量、中心性和移动性——对CH选择的影响程度为其分配权重，从而精炼手动设置的初始规则。更优的CH选择意味着网络中更高效的能源利用，进而延长网络寿命，这体现了本研究的重要性。MATLAB仿真表明，基于网络寿命参数：首个节点死亡（FND）、半数节点死亡（HND）和最后一个节点死亡（LND）的测量，所提协议显著优于现有协议。与IEECP、LEACH-PRO、DPFCP和EECHIGWO协议的对比分析显示，LND分别提升297.38%、89.75%、201.99%和15.17%，对应于网络寿命的延长。总体分析表明，该模型实现了更慢的节点耗尽率和更高的节点参与时间，证明了该协议在WSN部署中的优越性和潜力。
基于PSO优化模糊逻辑聚类的无线传感器网络寿命增强协议解读
1. 研究背景与问题
无线传感器网络（WSN）由大量能量受限的传感器节点组成，广泛应用于健康监测、水下通信、精准农业、天气预报、军事追踪和工业应用等领域。这些节点通常部署在不可达区域，依赖有限的电池供电，一旦能量耗尽便无法继续工作。因此，如何有效降低能耗、延长网络整体寿命成为WSN领域的关键研究课题。
在众多能量管理策略中，聚类技术被认为是最有效的方法之一。通过将节点分组形成簇，并选举簇头（CH）负责数据聚合与转发，可以显著减少节点间的长距离通信能耗。然而，传统的聚类协议如LEACH采用随机方式选举CH，未考虑节点的剩余能量、位置或移动性，容易导致低能量节点过早死亡。此外，基于模糊逻辑的聚类方法虽然能够处理不确定性，但其模糊规则通常依赖人工经验设定，当网络规模增大时，手动规则难以保证CH选择的全局最优性。
针对上述问题，本文提出了一种结合K-means聚类、模糊逻辑和粒子群优化（PSO）的混合协议，旨在通过优化模糊规则库和规则权重，实现更优的CH选择，从而进一步降低能耗、延长网络寿命。
2. 关键技术方法概述
研究人员采用了以下主要技术方法：
- •
K-means聚类算法：用于初始簇的形成，依据节点间欧氏距离将网络划分为均衡的簇，以减少簇内通信距离。
- •
Mamdani型模糊推理系统（FIS）：以节点的剩余能量、中心性（到簇中心的距离）和移动性作为输入变量，输出节点的CH机会值，用于评估节点担任CH的适宜性。
- •
粒子群优化（PSO）算法：用于优化模糊规则的后件（输出值）和规则权重。优化分两步进行：首先优化规则后件，然后在保留优化后件的基础上优化规则权重。PSO的适应度函数基于不同输入组合下FIS输出的总和，通过最小化负总和来寻找最优参数。
- •
一阶无线电能耗模型：用于计算节点在数据传输和接收过程中的能量消耗，包括自由空间和多径衰落信道模型。
3. 研究结果
3.1 模糊规则生成输出
研究人员展示了手动设计的模糊规则表，其中所有规则权重均为1，即各输入变量对输出影响相同。经过PSO优化后，规则的后件值和权重均发生变化。例如，高剩余能量、近中心性和低移动性的规则被赋予更高权重（最高达0.98），而低能量、远中心性和高移动性的规则权重极低（最低至0.05）。这种加权机制使得CH选择更倾向于那些有利于延长网络寿命的节点。
3.2 CH选择对比
在相同网络条件下，研究人员比较了手动规则与PSO优化规则选出的CH节点。结果显示，优化后的规则在多个簇中选择了不同的节点作为CH，且这些节点的CH机会值普遍高于手动规则下的对应值（如簇1从0.7074提升至0.7627，簇5从0.7570提升至0.8707）。这表明优化后的规则能够更准确地识别适合担任CH的节点。
3.3 网络寿命性能评估
研究人员在六种不同网络场景下（改变节点数量、初始能量范围和网络面积）测试了协议性能，并与IEECP、LEACH-PRO、DPFCP和EECHIGWO四种现有协议进行对比。性能指标包括首个节点死亡（FND）、半数节点死亡（HND）和最后一个节点死亡（LND）。
结果表明，所提协议在所有场景下均显著优于对比协议。具体而言，在标准场景（100节点，100×100 m2，1-2J初始能量）下，与IEECP相比LND提升了297.38%，与LEACH-PRO相比提升89.75%，与DPFCP相比提升201.99%，与EECHIGWO相比提升15.17%。此外，该协议的网络节点死亡率更慢，节点参与数据传输的时间更长，表明其在能量均衡和寿命延长方面具有明显优势。
4. 结论与意义
研究人员在论文结论部分指出，所提出的基于PSO优化的模糊逻辑聚类协议通过K-means算法形成均衡簇，再结合模糊逻辑与PSO优化规则进行CH选择，有效降低了网络能耗并延长了网络寿命。与现有协议相比，该协议在网络寿命的三个关键指标（FND、HND、LND）上均有显著提升，尤其在较大规模和异构节点网络中表现更为突出。该研究为WSN在实际部署中实现高效能量管理提供了新的思路和方法，尤其适用于需要长时间稳定运行的监测类应用。
