基于多因子與雙簇頭的LEACH優(yōu)化算法

胡 栗

（昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院 云南省人工智能重點(diǎn)實(shí)驗(yàn)室 云南省計(jì)算機(jī)技術(shù)應(yīng)用重點(diǎn)實(shí)驗(yàn)室）

無(wú)線傳感器網(wǎng)絡(luò) （Wireless Sensor Network，WSN）是由多個(gè)傳感器節(jié)點(diǎn)無(wú)規(guī)律散落在某個(gè)空間內(nèi)，實(shí)現(xiàn)信息交互功能的網(wǎng)絡(luò)體系。 節(jié)點(diǎn)之間在一定的條件下實(shí)現(xiàn)數(shù)據(jù)轉(zhuǎn)發(fā)，最終將數(shù)據(jù)傳送到基站，完成整個(gè)網(wǎng)絡(luò)的通信工作。 在各個(gè)傳感器節(jié)點(diǎn)通信［1］過(guò)程中，節(jié)點(diǎn)能耗問(wèn)題必須關(guān)注，節(jié)點(diǎn)電池能量是有限的，而且往往被安放在一些復(fù)雜空間中，導(dǎo)致電池不易更換［2］，一旦電池能量耗盡，就不能繼續(xù)執(zhí)行傳遞數(shù)據(jù)信息的任務(wù)，相當(dāng)于該節(jié)點(diǎn)“死亡”，若多個(gè)節(jié)點(diǎn)“死亡”，網(wǎng)絡(luò)不再連通，最終致使整個(gè)無(wú)線傳感器網(wǎng)絡(luò)“癱瘓”。 因此，節(jié)點(diǎn)的能耗問(wèn)題是無(wú)線傳感器網(wǎng)絡(luò)生命周期的關(guān)鍵限制條件， 在保證網(wǎng)絡(luò)連通的前提下，減少節(jié)點(diǎn)能耗、延長(zhǎng)整個(gè)網(wǎng)絡(luò)的生命周期成為無(wú)線傳感器網(wǎng)絡(luò)研究的熱點(diǎn)。

節(jié)點(diǎn)之間采用分簇路由的方式優(yōu)化節(jié)點(diǎn)能耗是目前最有效的途徑之一。 經(jīng)典分簇算法低能耗自適應(yīng)聚類層次協(xié)議 （Low Energy Adaptive Clustering Hierarchy，LEACH）雖然能起到一定的效果，但也存在不足：每個(gè)節(jié)點(diǎn)都有某種可能成為或者不成為簇頭，但每輪重復(fù)選舉的過(guò)程會(huì)導(dǎo)致能量浪費(fèi)；簇頭節(jié)點(diǎn)到基站的距離不同，距離較遠(yuǎn)的簇頭節(jié)點(diǎn)由于經(jīng)過(guò)的路徑相對(duì)較長(zhǎng)，因此會(huì)過(guò)多使用能量而導(dǎo)致自身“死亡”，致使整個(gè)網(wǎng)絡(luò)處于分區(qū)不連通狀態(tài)； 在選舉簇頭節(jié)點(diǎn)過(guò)程中，約束條件少之又少，因此很難選出符合條件的簇頭節(jié)點(diǎn)完成網(wǎng)絡(luò)間的信息交互過(guò)程。

針對(duì)上述問(wèn)題， 胡源等提出非均勻分簇算法，把整個(gè)空間劃分成不同區(qū)域，在簇頭節(jié)點(diǎn)的選擇上提出采用與距離相關(guān)的通信代價(jià)評(píng)估函數(shù)選擇最優(yōu)簇頭［3］；劉衛(wèi)等提出LEACH-C算法，該算法修正了LEACH原先的閾值計(jì)算方法，使用兩種控制因子作為簇頭選擇約束條件，同時(shí)節(jié)點(diǎn)間的距離可以隨情況改變［4］；戴劍勇等提出基于改進(jìn)螢火蟲(chóng)優(yōu)化神經(jīng)網(wǎng)絡(luò)的WSNs分簇路由協(xié)議，使用螢火蟲(chóng)智能優(yōu)化算法和權(quán)重因子平衡簇內(nèi)、簇間的通信距離，采用BP神經(jīng)網(wǎng)絡(luò)優(yōu)化簇頭選舉和數(shù)據(jù)傳輸路徑［5］；甄巖等提出分布式能量均衡的WSN動(dòng)態(tài)數(shù)據(jù)轉(zhuǎn)發(fā)策略， 根據(jù)節(jié)點(diǎn)自身的能量、位置和相關(guān)因素構(gòu)建層次結(jié)構(gòu)，并根據(jù)節(jié)點(diǎn)的通信開(kāi)銷等選擇中繼節(jié)點(diǎn)進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)［6］。

針對(duì)以上提出的分簇路由算法、簇頭節(jié)點(diǎn)選舉與數(shù)據(jù)傳輸階段，考慮因素都不夠全面、不能很好地優(yōu)化節(jié)點(diǎn)能耗的問(wèn)題，筆者提出基于多因子與雙簇頭的LEACH優(yōu)化算法，完成網(wǎng)絡(luò)節(jié)點(diǎn)間的通信。

1 網(wǎng)絡(luò)和能耗模型

1.1 WSN數(shù)學(xué)網(wǎng)絡(luò)模型

WSN數(shù)學(xué)網(wǎng)絡(luò)模型類似于圖論中圖的數(shù)據(jù)結(jié)構(gòu)，無(wú)線傳感器網(wǎng)絡(luò)是多個(gè)傳感器節(jié)點(diǎn)隨機(jī)散落在監(jiān)控區(qū)域，節(jié)點(diǎn)與節(jié)點(diǎn)之間構(gòu)成相互連通的鏈路，因此可以用無(wú)向賦權(quán)圖Gw表示：

1.2 WSN節(jié)點(diǎn)能耗模型

WSN節(jié)點(diǎn)間數(shù)據(jù)處理與傳輸過(guò)程的能耗遠(yuǎn)多于其他應(yīng)用能耗，因此筆者根據(jù)文獻(xiàn)［6］中的一階無(wú)線電能耗模型進(jìn)行說(shuō)明，分為發(fā)送數(shù)據(jù)和接收數(shù)據(jù)兩個(gè)階段。

發(fā)送節(jié)點(diǎn)能耗ETX（k，d）的計(jì)算式為：

為了簡(jiǎn)化問(wèn)題，只考慮同一簇群內(nèi)的數(shù)據(jù)融合問(wèn)題，其中節(jié)點(diǎn)數(shù)據(jù)融合的能耗Ec的計(jì)算式為：

其中，ni是簇群內(nèi)所有節(jié)點(diǎn)的數(shù)量；EDA是每比特?cái)?shù)據(jù)融合的能耗。

由式（1）～（3）可以看出，在數(shù)據(jù)長(zhǎng)度相同的情況下，傳感器節(jié)點(diǎn)的能耗主要是由節(jié)點(diǎn)間的傳輸距離、鄰居節(jié)點(diǎn)的數(shù)量等因素決定的。

2 基于多因子與雙簇頭的LEACH優(yōu)化算法

上述提出的各種分簇算法都沒(méi)有較好地優(yōu)化節(jié)點(diǎn)能耗，單個(gè)簇頭節(jié)點(diǎn)承擔(dān)數(shù)據(jù)轉(zhuǎn)發(fā)的壓力過(guò)大， 數(shù)據(jù)傳輸過(guò)程中缺乏良好的數(shù)據(jù)轉(zhuǎn)發(fā)路徑， 不能很好地解決節(jié)點(diǎn)能量消耗問(wèn)題。 而且LEACH算法僅有較少的約束條件，在延長(zhǎng)網(wǎng)絡(luò)生命周期的過(guò)程中存在一定缺陷。

為此， 筆者提出基于多因子與雙簇頭的LEACH優(yōu)化算法，其基本原理是：首先提出一種新的簇頭評(píng)估閾值函數(shù)，通過(guò)加入距離控制因子和輪次能耗因子判斷節(jié)點(diǎn)能否成為簇頭節(jié)點(diǎn)；其次設(shè)置成簇評(píng)估函數(shù)判斷簇頭所在簇群能否成簇，同時(shí)設(shè)置副簇頭節(jié)點(diǎn)均衡簇頭節(jié)點(diǎn)數(shù)據(jù)轉(zhuǎn)發(fā)的能耗壓力，降低簇頭節(jié)點(diǎn)能耗；最后在數(shù)據(jù)傳輸過(guò)程中通過(guò)加入權(quán)重因子綜合選擇中繼節(jié)點(diǎn)，采用多跳方式轉(zhuǎn)發(fā)數(shù)據(jù)到基站。

2.1 簇頭選舉

經(jīng)典LEACH算法中，任一節(jié)點(diǎn)都有相同的可能性成為簇頭節(jié)點(diǎn)， 節(jié)點(diǎn)會(huì)產(chǎn)生一個(gè)0～1范圍內(nèi)的隨機(jī)值，若該值小于閾值函數(shù)T，就采用洪泛方式使其余節(jié)點(diǎn)都知道“我”已經(jīng)是簇頭，該輪應(yīng)該放棄當(dāng)選。 每次都以同樣的方式選舉簇頭，使得能量消耗的代價(jià)隨之增加，又因?yàn)榧s束條件少之又少， 導(dǎo)致很難選出符合條件的簇頭， 因此LEACH算法存在一定的缺陷。

筆者提出的簇頭評(píng)估閾值函數(shù)T的表達(dá)式為：

其中，p是節(jié)點(diǎn)成為簇頭的概率；r為選舉次數(shù)；QSCH（i）為簇頭評(píng)估函數(shù)，該函數(shù)與節(jié)點(diǎn)間的距離、節(jié)點(diǎn)運(yùn)行多輪之后使用的能量情況以及通信半徑范圍內(nèi)節(jié)點(diǎn)的個(gè)數(shù)有關(guān)。 將節(jié)點(diǎn)此刻的值與閾值T進(jìn)行比較，若大于閾值T，即為簇頭。

由于簇頭節(jié)點(diǎn)要轉(zhuǎn)發(fā)大量數(shù)據(jù)，節(jié)點(diǎn)自身能量使用程度要大于普通成員節(jié)點(diǎn)，節(jié)點(diǎn)的剩余能量固然重要，但是究其根源，節(jié)點(diǎn)運(yùn)行多輪后消耗的能量也是不容忽視的直接因素，通常選舉簇頭都會(huì)考慮節(jié)點(diǎn)的剩余能量，但是之前消耗的能量不只是數(shù)據(jù)傳輸?shù)哪芰浚€包括每輪節(jié)點(diǎn)向鄰居節(jié)點(diǎn)廣播自身信息所消耗的能量，以及換簇過(guò)程中控制信息消耗的能量等。 因此，筆者提出輪次能耗因子， 用以衡量節(jié)點(diǎn)運(yùn)行多輪消耗的能量， 同時(shí)考慮到節(jié)點(diǎn)在與鄰居節(jié)點(diǎn)通信過(guò)程中，節(jié)點(diǎn)間的距離也會(huì)影響節(jié)點(diǎn)能量的消耗量，因此提出將距離控制因子作為評(píng)估函數(shù)的一部分，由于簇頭是針對(duì)整個(gè)網(wǎng)絡(luò)的，考慮到全局性，簇頭的評(píng)估標(biāo)準(zhǔn)還依賴網(wǎng)絡(luò)中未失效的節(jié)點(diǎn)個(gè)數(shù)。

綜上，簇頭評(píng)估函數(shù)QSCH（i）的表達(dá)式如下：

2.2 成簇及副簇頭選舉

在簇頭節(jié)點(diǎn)選舉完成之后，各簇頭節(jié)點(diǎn)周圍的節(jié)點(diǎn)根據(jù)自己與簇頭節(jié)點(diǎn)的距離進(jìn)入相應(yīng)的簇群內(nèi)。 因?yàn)榇仡^的選舉是針對(duì)整個(gè)網(wǎng)絡(luò)而言的，考慮到全局性，根據(jù)節(jié)點(diǎn)自身的剩余能量和節(jié)點(diǎn)與基站的距離， 構(gòu)造的成簇評(píng)估函數(shù)QSBC如下：

將簇頭節(jié)點(diǎn)的剩余能量與整個(gè)網(wǎng)絡(luò)中節(jié)點(diǎn)間的距離的比值作為評(píng)估值， 選擇QSBC值較大的簇頭節(jié)點(diǎn)成簇。

由于簇頭節(jié)點(diǎn)既要接收簇內(nèi)普通節(jié)點(diǎn)成員發(fā)來(lái)的數(shù)據(jù)， 又要進(jìn)行簇間數(shù)據(jù)傳輸與基站通信，因此在數(shù)據(jù)接收與轉(zhuǎn)發(fā)的過(guò)程中，能量消耗顯著增加。 針對(duì)這個(gè)問(wèn)題，提出用副簇頭節(jié)點(diǎn)均衡簇頭節(jié)點(diǎn)的能耗， 當(dāng)簇群中選出副簇頭后，由于默認(rèn)副簇頭與基站的距離比簇頭節(jié)點(diǎn)近，因此簇頭節(jié)點(diǎn)先將數(shù)據(jù)傳遞給副簇頭節(jié)點(diǎn)，再一步步傳遞給基站，進(jìn)而降低傳輸能耗。 副簇頭節(jié)點(diǎn)只針對(duì)單個(gè)簇群而言，僅考慮節(jié)點(diǎn)的局部性，依賴于節(jié)點(diǎn)的鄰居節(jié)點(diǎn)的能量和節(jié)點(diǎn)間的距離。 設(shè)α與β都是屬于［0，1］的均衡調(diào)節(jié)因子，則構(gòu)造的副簇頭評(píng)估函數(shù)Pach如下：

在簇頭選舉與成簇的過(guò)程中，綜合考慮節(jié)點(diǎn)與其通信半徑內(nèi)所有節(jié)點(diǎn)的平均距離和最大距離，同時(shí)考慮節(jié)點(diǎn)的輪次消耗能量和節(jié)點(diǎn)的剩余能量，既考慮節(jié)點(diǎn)的局部性又考慮整個(gè)簇群。 針對(duì)簇頭存在過(guò)大數(shù)據(jù)轉(zhuǎn)發(fā)壓力的情況，設(shè)置副簇頭節(jié)點(diǎn)來(lái)均衡簇頭的能耗，達(dá)到了有效優(yōu)化網(wǎng)絡(luò)節(jié)點(diǎn)能耗的目的。

2.3 數(shù)據(jù)傳輸

數(shù)據(jù)傳輸分為簇內(nèi)傳輸和簇間傳輸。 簇內(nèi)傳輸是指單個(gè)簇群內(nèi)，普通節(jié)點(diǎn)成員與簇頭節(jié)點(diǎn)之間的信息交互。 簇間傳輸是指在簇頭節(jié)點(diǎn)完成簇內(nèi)傳輸后，通過(guò)多跳將數(shù)據(jù)傳遞給基站。 但是由于網(wǎng)絡(luò)節(jié)點(diǎn)的分布是隨機(jī)的，所以簇頭與基站的距離不一，距離基站的遠(yuǎn)近程度可以衡量數(shù)據(jù)轉(zhuǎn)發(fā)路徑的長(zhǎng)短，若到基站距離較短則選擇一跳傳遞數(shù)據(jù)，反之則選擇過(guò)渡點(diǎn)作為數(shù)據(jù)的承上啟下節(jié)點(diǎn)（即中繼節(jié)點(diǎn)），使得路徑滿足多跳的條件，將數(shù)據(jù)傳遞給基站。

要構(gòu)建最優(yōu)傳輸路徑，中繼節(jié)點(diǎn)的選擇受多種條件的約束，同時(shí)考慮到簇群規(guī)模越小，簇內(nèi)數(shù)據(jù)傳遞越少，簇頭在數(shù)據(jù)處理過(guò)程中消耗的能量就越小。 筆者考慮多種限制條件：簇頭節(jié)點(diǎn)與基站間的距離、簇群規(guī)模和簇頭節(jié)點(diǎn)自身剩余能量，進(jìn)而構(gòu)造路徑權(quán)重因子，作為判斷中繼節(jié)點(diǎn)構(gòu)造最優(yōu)傳輸路徑的標(biāo)準(zhǔn)。 路徑權(quán)重因子ω的表達(dá)式如下：

ω越小，表示簇頭節(jié)點(diǎn)間的距離越小，簇群規(guī)模較小，且簇頭節(jié)點(diǎn)剩余能量越高，更適合作為中繼節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)。

3 算法步驟

基于多因子與雙簇頭的LEACH優(yōu)化算法的步驟如下：

a. 計(jì)算節(jié)點(diǎn)的輪次能耗因子、集中度和距離控制因子，構(gòu)造新的簇頭評(píng)估閾值函數(shù)；

b. 根據(jù)新的簇頭評(píng)估閾值函數(shù)判斷是否可以成為簇頭；

c. 選舉簇頭完成后， 構(gòu)造成簇評(píng)估函數(shù)，普通節(jié)點(diǎn)自行進(jìn)入到某個(gè)簇中， 成為簇內(nèi)成員節(jié)點(diǎn)；

d. 在簇群內(nèi)設(shè)置副簇頭節(jié)點(diǎn)均衡簇頭的數(shù)據(jù)轉(zhuǎn)發(fā)能耗；

e. 在數(shù)據(jù)轉(zhuǎn)發(fā)階段根據(jù)多種因子綜合選擇中繼節(jié)點(diǎn)，形成最優(yōu)傳輸路徑，將數(shù)據(jù)傳遞給基站。

4 仿真模擬

仿真模擬在Matlab 2019a平臺(tái)進(jìn)行， 本試驗(yàn)?zāi)M100個(gè)傳感器節(jié)點(diǎn)安置于200 m×200 m的區(qū)域中，基站默認(rèn)在空間最右邊。 通過(guò)加入多種控制因子， 優(yōu)化簇頭選舉成簇和數(shù)據(jù)傳輸， 對(duì)節(jié)點(diǎn)的剩余能量以及運(yùn)行的輪數(shù)通過(guò)多種算法進(jìn)行仿真。 該試驗(yàn)將LEACH 算法、LEACH-C算法和筆者算法在節(jié)點(diǎn)存活數(shù)和剩余能量比值兩個(gè)方面進(jìn)行分析對(duì)比， 以證明筆者算法的優(yōu)越性。

WSN參數(shù)設(shè)置如下：

節(jié)點(diǎn)分布區(qū)域 200 m×200 m

數(shù)據(jù)融合能耗Ec50 nJ/bit

節(jié)點(diǎn)初始能量Emax1 J

節(jié)點(diǎn)的通信半徑R 30 m

WSN中節(jié)點(diǎn)的簇內(nèi)傳輸是指單個(gè)簇群內(nèi)，普通節(jié)點(diǎn)成員與簇頭節(jié)點(diǎn)間的信息交互。 簇間傳輸是指簇頭節(jié)點(diǎn)完成簇內(nèi)傳輸后，通過(guò)多跳最后將數(shù)據(jù)傳遞給基站。 由于與基站的距離不同，導(dǎo)致能耗不同，因此為了分擔(dān)簇頭進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)的能耗壓力，設(shè)置副簇頭節(jié)點(diǎn)，默認(rèn)副簇頭節(jié)點(diǎn)的位置更靠近基站， 距離相對(duì)較近。 通過(guò)在200 m×200 m的空間內(nèi)隨機(jī)布設(shè)100個(gè)傳感器節(jié)點(diǎn)，節(jié)點(diǎn)仿真分簇，每個(gè)簇群的簇頭節(jié)點(diǎn)和副簇頭節(jié)點(diǎn)分布情況如圖1所示。

圖1 簇頭成簇示意圖

在無(wú)線傳感器網(wǎng)絡(luò)中，節(jié)點(diǎn)能耗均衡度是判斷該網(wǎng)絡(luò)保持網(wǎng)絡(luò)數(shù)據(jù)通信時(shí)長(zhǎng)的一個(gè)重要標(biāo)準(zhǔn)，通常情況下，運(yùn)行一定輪數(shù)后，節(jié)點(diǎn)的剩余能量和網(wǎng)絡(luò)中存活的節(jié)點(diǎn)數(shù)可以作為網(wǎng)絡(luò)連通持久的參考依據(jù)。 現(xiàn)通過(guò)比較LEACH算法、LEACHC算法和筆者算法在輪數(shù)一定的情況下， 節(jié)點(diǎn)的最小剩余能量和平均剩余能量的比值以及存活節(jié)點(diǎn)數(shù)進(jìn)行分析。

3種算法節(jié)點(diǎn)最小剩余能量和平均剩余能量的比值趨勢(shì)如圖2所示， 當(dāng)節(jié)點(diǎn)運(yùn)行600輪時(shí)，LEACH算法節(jié)點(diǎn)剩余能量比值為0.75，LEACH-C算法為0.83，筆者算法為0.86；當(dāng)節(jié)點(diǎn)運(yùn)行1 100輪時(shí)，LEACH算法節(jié)點(diǎn)剩余能量比值為0.0，LEACHC算法為0.5，筆者算法為0.7；當(dāng)節(jié)點(diǎn)運(yùn)行1 400輪時(shí)，LEACH算法和LEACH-C算法節(jié)點(diǎn)剩余能量比值均為0.00，而筆者算法為0.55。 由此可以看出，當(dāng)LEACH 算法失效時(shí)， 節(jié)點(diǎn)能量耗盡，而LEACH-C算法和筆者算法的節(jié)點(diǎn)最小剩余能量和平均剩余能量比值較大， 能耗相對(duì)更為均衡；當(dāng)LEACH-C算法失效時(shí)，節(jié)點(diǎn)能量耗盡，而筆者算法節(jié)點(diǎn)的最小剩余能量和平均剩余能量比值較大， 能耗相對(duì)更為均衡。 仿真試驗(yàn)結(jié)果表明， 當(dāng)運(yùn)行輪數(shù)一定時(shí)， 節(jié)點(diǎn)的剩余能量比值可以有效地衡量網(wǎng)絡(luò)能耗情況， 隨著輪數(shù)的增加， 節(jié)點(diǎn)最小剩余能量和平均剩余能量的比值在減小， 從各個(gè)算法比值的坡度趨勢(shì)來(lái)看，在相同輪數(shù)情況下， 該比值越大， 各節(jié)點(diǎn)能量差距越小，能耗越均衡。 因此，從3種算法的節(jié)點(diǎn)剩余能量比值差距程度來(lái)看， 筆者算法在加入雙簇頭和多重控制因子后， 有效地均衡了節(jié)點(diǎn)能耗， 延續(xù)了節(jié)點(diǎn)運(yùn)行的輪數(shù)， 延長(zhǎng)了網(wǎng)絡(luò)節(jié)點(diǎn)的生命周期。

圖2 3種算法節(jié)點(diǎn)最小剩余能量和平均剩余能量比值趨勢(shì)

3種算法存活節(jié)點(diǎn)個(gè)數(shù)的趨勢(shì)如圖3所示，節(jié)點(diǎn)運(yùn)行到1 100輪時(shí)，LEACH算法存活節(jié)點(diǎn)的個(gè)數(shù)開(kāi)始減少；當(dāng)節(jié)點(diǎn)運(yùn)行到1 400輪時(shí)，LEACH-C算法存活節(jié)點(diǎn)的個(gè)數(shù)開(kāi)始減少，而筆者算法存活節(jié)點(diǎn)的個(gè)數(shù)還未減少，說(shuō)明筆者算法能夠有效延長(zhǎng)網(wǎng)絡(luò)生命周期； 當(dāng)節(jié)點(diǎn)運(yùn)行到2 500 輪時(shí)，LEACH算法存活節(jié)點(diǎn)的個(gè)數(shù)為0個(gè)，LEACH-C算法的也為0個(gè)， 而筆者算法存活節(jié)點(diǎn)的個(gè)數(shù)雖然減少，但仍然有大量存活節(jié)點(diǎn)，說(shuō)明筆者算法相對(duì)而言能夠運(yùn)行更多輪數(shù)；當(dāng)節(jié)點(diǎn)運(yùn)行到3 100輪時(shí)，3種算法存活節(jié)點(diǎn)的個(gè)數(shù)均為0。 試驗(yàn)表明，在輪數(shù)一定的情況下，存活節(jié)點(diǎn)的個(gè)數(shù)越多，即表明網(wǎng)絡(luò)中剩余可用節(jié)點(diǎn)的數(shù)量越多，可以繼續(xù)進(jìn)行網(wǎng)絡(luò)信息交互，在能量有限的情況下節(jié)點(diǎn)能運(yùn)行更多輪數(shù)。 隨著運(yùn)行輪數(shù)的不斷增加，節(jié)點(diǎn)能量隨之減少， 監(jiān)測(cè)區(qū)中的節(jié)點(diǎn)剩余數(shù)會(huì)隨之減少。 當(dāng)運(yùn)行輪數(shù)一定時(shí)，網(wǎng)絡(luò)中節(jié)點(diǎn)的存活個(gè)數(shù)作為決定該網(wǎng)絡(luò)是否可以繼續(xù)使用的條件，即判斷網(wǎng)絡(luò)生命周期的另一個(gè)重要標(biāo)準(zhǔn)。 說(shuō)明筆者算法相比于LEACH算法和LEACH-C算法，對(duì)網(wǎng)絡(luò)生命周期的延長(zhǎng)效果有明顯提升。

圖3 3種算法存活節(jié)點(diǎn)個(gè)數(shù)趨勢(shì)

5 結(jié)束語(yǔ)

在無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)通信時(shí)，均衡節(jié)點(diǎn)能耗和延長(zhǎng)網(wǎng)絡(luò)生命周期是當(dāng)前研究領(lǐng)域的重點(diǎn)。筆者提出的基于多因子與雙簇頭的LEACH優(yōu)化算法， 通過(guò)設(shè)置雙簇頭節(jié)點(diǎn)均衡簇頭節(jié)點(diǎn)的能耗， 在考慮剩余能量的同時(shí)考慮輪次消耗能量，設(shè)置距離控制因子和輪次能耗因子，數(shù)據(jù)傳輸過(guò)程加入路徑權(quán)重因子選擇中繼節(jié)點(diǎn)構(gòu)造最優(yōu)傳輸路徑。 仿真試驗(yàn)證明了筆者方法的優(yōu)越性。 但是在輪次能耗因子的計(jì)算上增加了復(fù)雜度，而且在網(wǎng)絡(luò)分簇過(guò)程中會(huì)存在某些節(jié)點(diǎn)不屬于任意簇的情況，造成了節(jié)點(diǎn)資源的浪費(fèi)，優(yōu)化解決這些問(wèn)題是下一步的研究方向。