【无线传感器网络】多级动态优化智能LEACH与成本效益深度信念网络（Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、文章

---

💥1 概述

文献来源：

摘要—能源利用是能量受限的无线传感器网络（WSN）的关键属性，直接影响网络的寿命。LEACH（及其变体）被认为是最常见的能源有效路由协议之一。在本文中，我们提出了LEACH的优化修改，利用多跳通信、动态簇边界和路由中的能量保护，以最大化网络的寿命。我们提出了一种多级方法，以最大程度地提高我们在能源保护方面的收益，即：i）基于动态规划的簇内优化技术；ii）蚁群优化用于与汇节点进行能量高效的簇首连接；iii）Voronoi分割用于有效的覆盖规划，即动态形成簇边界。为了适应更灵活的自组网络，基于深度信念网络的混合（反应性和主动性）事件监测已集成到分布式节点中，以改善系统的延迟。结果表明，所提出的方案在网络寿命和吞吐量方面明显优于当前的最新技术。
关键词—LEACH，分布式多智能体系统，深度信念网络，动态优化，蚁群优化，物联网，无线通信

无线传感器网络（WSN）由用于监测环境不同属性的自治节点组成。WSN的基本功能包括感知、收集、处理和分发信息。WSN通常由需要长时间工作的静态节点组成。因此，许多研究人员关注WSN的能量消耗和网络寿命。传感器节点通常是由电池供电的设备，因此能源高效路由直接转化为网络更长的寿命。近年来，已经发展出了四种不同类别的路由协议，并且每个类别下有大量的路由协议。这些类别包括地理路由协议、数据中心路由协议、基于聚类的路由协议和混合路由协议[1]。在这些类别中，基于聚类的分层路由协议因其可扩展性而非常受欢迎。基于聚类的路由协议将传感器节点划分为连接到本地基站（BS）或簇首（CH）的群组。文献中提出了大量基于聚类的路由协议，如LEACH、LEACH-C、KLEACH、sLEACH、EEE-LEACH等[1]。其中，LEACH是第一个也是最流行的基于聚类的分层路由协议。LEACH（低能耗自适应聚类层次）是一种自组织的、自适应的聚类协议，它利用基于随机化的概率将能量负载均匀分配给网络中的传感器节点。在LEACH协议中，节点有能力将自己组织成具有一个节点充当CH（或路由器）的簇，该节点为其他节点聚合数据。这使得高能量节点以随机轮换的方式充当簇首，从而节省了所有传感器节点的能量（或电池消耗），从而增加了网络的寿命[2]。LEACH还在传输数据到汇节点之前在簇首级别执行数据聚合和数据融合（数据压缩），进一步减少了能量消耗，并通过应用特定的数据处理增强了网络寿命。

LEACH协议有两个阶段：i）设置阶段，包括簇首（CH）选择、簇设置阶段和簇调度；ii）稳定阶段，包括数据聚合、压缩和传输。然而，在设置阶段，LEACH不稳定，因为它依赖于传感器节点的密度。由于不使用多跳通信，大型网络在传输远离汇节点的节点数据时消耗大量能量。影响能量消耗的主要因素是：感知数据、数据处理，尤其是无线电（RF）通信。在本文中，我们提出了两级聚类，使用动态优化和随机几何技术来改善网络的能量消耗，而不是像[1]、[2]中使用三级路由。接下来，我们列出了我们工作的关键贡献：

1) 最大网络寿命：在簇内多跳事件传播和混合（多跳和并行）簇间事件传播已被提出，这大大提高了网络寿命。
2) 覆盖规划：提出了一种动态的簇覆盖范围；利用Voronoi图确定了簇的覆盖范围和其边界。
3) 灵活延迟监测：延迟或网络延迟是测量读数和将数据传输到汇节点之间经过的时间。所提出的多跳路由方法会影响系统的延迟。为了补偿这一点，我们提出了基于深度信念网络（DBN）的事件监测，它在主动和被动事件监测之间切换。DBN网络降低了输入数据的维度，允许更快的处理，从而改善了系统的延迟。
4) 分布式多智能体情报（DMI）：分布式网络没有单点故障。我们设计了一个可靠且强大的系统，通过簇内动态优化来防止特定传感器节点在现场失效。我们假设汇节点位于场外一个安全环境中，具有大量的能源供应。详细文章见第4部分。 

📚2 运行结果

部分代码：

function model=CreateGraph()

i=1:4;
s = [1 1 1 2 2 2 3 3 3 4 4 4  ];
t = [2 3 4 1 3 4 1 2 4 1 2 3];
G = digraph(s,t)
h=plot(G)
CH=1;

for j=[ 2 3 4]
highlight(h,1,j,'EdgeColor','r','LineWidth',1.5);
end
pause(1)
for j=[3 4]
highlight(h,1,j,'EdgeColor','k','LineWidth',1.5);
end
highlight(h,1,'MarkerSize',10);
pause(1)
for j=[1 3 4]
highlight(h,2,j,'EdgeColor','r','LineWidth',1.5);
end
pause(1)
for j=[1 4]
highlight(h,2,j,'EdgeColor','k','LineWidth',1.5);
end
highlight(h,2,'NodeColor','y');
pause(1)
for j=[1 2 4]
highlight(h,3,j,'EdgeColor','r','LineWidth',1.5);
end
pause(1)
for j=[1 2]
highlight(h,3,j,'EdgeColor','k','LineWidth',1.5);
end
highlight(h,3,'NodeColor','y');
pause(1);
highlight(h,4,'NodeColor','y');
  

end

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

🌈4 Matlab代码、文章