基于改进图神经网络与多目标冠毛豪猪优化算法的无线传感器网络容错簇路由模型研究

《Scientific Reports》：Fault tolerant cluster-based routing in wireless sensor network using novel intelligent deep learning methodology

　　

摘要

无线传感器网络（WSNs）由于节点能量有限和通信链路不稳定，极易受到簇头（CH）故障的影响，导致数据丢失和网络可靠性降低。本文提出了一种容错簇状路由模型，将改进图神经网络（IGNN）与多目标冠毛豪猪优化算法（MOCPO）相结合，以实现簇头故障的高效恢复。该模型通过组织无故障簇头的剩余能量和连通性信息，在汇聚节点构建虚拟簇头。所提出的IGNN利用节点位置、欧氏距离、剩余能量、连通度、包延迟和容错分数等关键参数来识别最优故障恢复路径。MOCPO在包含能耗、端到端延迟、连通性度量和容错指标的多目标适应度函数下优化IGNN参数。仿真结果表明，在1000个传感器节点、10个故障簇头、500字节数据包大小和200次优化迭代条件下，所提出的IGNN-MOCPO模型将能耗降低了32.72%，端到端延迟降低了33.14%，同时在分组投递率、剩余能量和网络寿命方面显著优于现有的容错簇路由（FTCR）方案。这些结果证明了所提出框架在密集且易发生故障的WSN部署环境下的效率、稳定性和适应性。