【LEACH协议】异构多聚合器多链路由协议PEGASIS附matlab代码

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

物理应用             机器学习

🔥 内容介绍

1. 概述

LEACH 协议是一种用于无线传感器网络的层次式路由协议。它将传感器节点划分为簇，每个簇由一个簇首节点领导。簇首节点负责收集本簇内其他节点的数据并将其发送到基站。LEACH 协议简单易于实现，但它存在一些缺点，例如簇首节点的能量消耗过快，以及簇首节点到基站的距离过远导致数据传输延迟过大等问题。

PEGASIS 协议是一种异构多聚合器多链路由协议，它对 LEACH 协议进行了改进。PEGASIS 协议将传感器节点划分为链，每个链由一个链首节点领导。链首节点负责收集本链内其他节点的数据并将其发送到基站。PEGASIS 协议通过链首节点之间的多跳路由来减少数据传输延迟，并通过多聚合器来降低簇首节点的能量消耗。

2. LEACH 协议

LEACH 协议的工作流程如下：

1. 初始化阶段：传感器节点随机选择自己是否成为簇首节点。

2. 簇建立阶段：簇首节点广播消息，通知其他节点加入自己的簇。

3. 数据收集阶段：簇首节点收集本簇内其他节点的数据并将其发送到基站。

4. 数据传输阶段：基站接收簇首节点发送的数据。

LEACH 协议的优点是简单易于实现，但它存在一些缺点，例如簇首节点的能量消耗过快，以及簇首节点到基站的距离过远导致数据传输延迟过大等问题。

3. PEGASIS 协议

PEGASIS 协议的工作流程如下：

1. 初始化阶段：传感器节点随机选择自己是否成为链首节点。

2. 链建立阶段：链首节点广播消息，通知其他节点加入自己的链。

3. 数据收集阶段：链首节点收集本链内其他节点的数据并将其发送到下一个链首节点。

4. 数据传输阶段：链首节点之间进行多跳路由，最终将数据发送到基站。

PEGASIS 协议通过链首节点之间的多跳路由来减少数据传输延迟，并通过多聚合器来降低簇首节点的能量消耗。

4. 实验结果

实验结果表明，PEGASIS 协议在数据传输延迟和能量消耗方面均优于 LEACH 协议。

5. 结论

PEGASIS 协议是一种改进的 LEACH 协议，它通过链首节点之间的多跳路由来减少数据传输延迟，并通过多聚合器来降低簇首节点的能量消耗。实验结果表明，PEGASIS 协议在数据传输延迟和能量消耗方面均优于 LEACH 协议。

📣 部分代码

function dydt = myODE2(t,y,A1,B1,D1,E1,F1,A2,B2,D2,E2,F2,t_,alpha,beta,delta,c1,c2,k)​X1=y(1);X2=y(2);​A1_=interp1(t_,A1,t);B1_=interp1(t_,B1,t);D1_=interp1(t_,D1,t);E1_=interp1(t_,E1,t);F1_=interp1(t_,F1,t);A2_=interp1(t_,A2,t);B2_=interp1(t_,B2,t);D2_=interp1(t_,D2,t);E2_=interp1(t_,E2,t);F2_=interp1(t_,F2,t);​P=A1_-A2_-B1_+B2_+2*D1_*X1-2*D2_*X2-2*E1_*X2+2*E2_*X1-F1_*X1+F1_*X2-F2_*X1+F2_*X2;​dydt=zeros(2,1);​dydt(1)=alpha-beta*(c1-c2)/3+k*(2*X1+X2)/3+beta*P/3-delta*X1;dydt(2)=alpha-beta*(c2-c1)/3+k*(2*X2+X1)/3-beta*P/3-delta*X2;​end​​

⛳️ 运行结果

🔗 参考文献

Pulagam, et al. “Multiple Aggregator Multiple Chain Routing Protocol for Heterogeneous Wireless Sensor Networks.” 2013 INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING AND COMMUNICATION (ICSC), IEEE, 2013, doi:10.1109/icspcom.2013.6719769.

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码和数据获取及论文数模仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题

2 机器学习和深度学习方面

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合