【LEACH协议】加权节点剩余能量与节点分布位置的低能量自适应集群层次结构 (LEACH) 集群路由协议【含Matlab源码 3918期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、 简介

1 无线传感器网络
无线传感器网络（Wireless Sensor Network，WSN）是由大量的自主节点组成的网络，这些节点能够感知环境中的信息并将其传输给其他节点。在WSN中，节点之间的通信非常重要，因为它们需要协调工作以实现共同的目标。为了有效地管理和组织WSN中的节点，分簇协议被广泛应用。

分簇协议是一种将节点划分为不同的簇（cluster）以便进行有效通信和协调的方法。LEACH（Low Energy Adaptive Clustering Hierarchy）和DEEC（Distributed Energy Efficient Clustering）是两种常用的分簇协议，它们在WSN中被广泛研究和应用。本文将介绍LEACH和DEEC算法的步骤和原理。

首先，我们来了解LEACH算法的步骤。LEACH算法是一种自适应的分簇协议，旨在延长网络寿命和提高能源效率。以下是LEACH算法的步骤：
（1）初始化：在网络中选择一个随机的簇头节点。每个节点都有一个固定的能量阈值，当能量低于阈值时，节点将无法参与簇头的选择。
（2）簇头选择：每个节点根据预先设定的概率选择自己是否成为簇头。概率与节点的能量水平成反比，能量越高，成为簇头的概率越低。簇头节点负责收集周围节点的数据并将其传输给基站。
（3）簇成员选择：非簇头节点根据与簇头节点的距离选择自己所属的簇。节点将通过与簇头节点之间的距离来评估自己是否应该加入该簇。
（4）数据传输：簇头节点负责收集簇成员节点的数据，并将其传输给基站。这样可以减少整个网络中的数据传输量，从而节省能量。
（5）簇头轮流：在每个轮次结束后，簇头节点将被重新选择，以便均衡能量消耗。这样可以确保网络中的节点能量消耗相对均匀。

接下来，我们将介绍DEEC算法的步骤。DEEC算法是一种分布式的能量高效分簇协议，旨在提高网络的能源利用率。以下是DEEC算法的步骤：
（1）初始化：每个节点都有一个固定的能量阈值，当能量低于阈值时，节点将无法参与簇头的选择。此外，节点还需要知道网络中的节点数量和能量水平。
（2）簇头选择：每个节点根据预先设定的概率选择自己是否成为簇头。概率与节点的能量水平成正比，能量越高，成为簇头的概率越高。
（3）簇成员选择：非簇头节点根据与簇头节点的距离选择自己所属的簇。节点将通过与簇头节点之间的距离来评估自己是否应该加入该簇。

数据传输：簇头节点负责收集簇成员节点的数据，并将其传输给基站。这样可以减少整个网络中的数据传输量，从而节省能量。
能量均衡：在每个轮次结束后，簇头节点将根据能量水平重新选择，以便均衡能量消耗。这样可以确保网络中的节点能量消耗相对均匀。
LEACH和DEEC算法在簇头选择和簇成员选择方面有所不同，但它们的目标都是提高网络的能源利用率和延长网络寿命。通过采用分簇协议，WSN中的节点能够更有效地协作，减少能量消耗，并提供更长的网络寿命。

总结起来，LEACH和DEEC算法是两种常用的分簇协议，它们在无线传感器网络中具有重要的应用价值。通过选择合适的簇头节点和簇成员节点，这些算法能够提高网络的能源利用率和延长网络寿命。在未来的研究中，我们可以进一步改进这些算法，以适应不同类型的无线传感器网络应用场景，并提高网络的性能和可靠性。

2 加权节点剩余能量与节点分布位置的低能量自适应集群层次结构 (LEACH) 集群路由协议
加权节点剩余能量与节点分布位置的低能量自适应集群层次结构（LEACH）是一种用于无线传感器网络（WSN）中的集群路由协议。LEACH协议的目标是延长网络寿命，提高能源效率。

LEACH协议的原理如下：
（1）集群形成：初始阶段，每个节点根据一个随机数选择是否成为簇头节点。每个节点根据其剩余能量与一个全局阈值进行比较，如果小于阈值，则成为簇头节点的概率较大。这样可以实现能量均衡，避免某些节点过早耗尽能量。
（2）簇头选择：每个节点在成为簇头节点后，广播自己是簇头的信息给其他节点。其他节点根据接收到的信息选择最近的簇头节点进行连接。
（3）数据传输：每个节点将数据传输给所连接的簇头节点，然后由簇头节点进行数据聚合和压缩，减少数据传输量。
（4）能量平衡：簇头节点将聚合后的数据传输给基站或其他上级节点。为了实现能量平衡，LEACH协议采用了轮换簇头的策略，即每个轮次中，不同的节点有机会成为簇头节点，从而均衡能量消耗。

⛄二、部分源代码

clear
%1.初始参数设定模块
%.传感器节点区域界限(单位 M)
xm=200;
ym=200;
%(1)汇聚节坐标给定
sink.x=0.5xm;
sink.y=0.5ym;
%区域内传器节数
n=100
%簇头优化比例（当选簇头的概率）
P=0.05;
%能量模型（单位 焦）
%初始化能量模型
Eo=0.1;
%Eelec=Etx=Erx
ETX=500.000000001;
ERX=500.000000001;
%Transmit Amplifier types
Efs=100.000000000001;
Emp=0.00130.000000000001;
%Data Aggregation Energy
EDA=5*0.000000001;
%高能量节点超出一节点能量的百分比
a=1;
%最大循环次数
rmax=1000
%算出参数 do
do=sqrt(Efs/Emp);
Et=0;
%2.无线传感器网络模型产生模块
%构建无线传感器网络,在区域内均匀投放100个节点,并画出图形
for i=1:1:n
S3(i).xd=rand(1,1)xm;
S4(i).xd=S3(i).xd;
XR4(i)=S4(i).xd;
XR3(i)=S3(i).xd;
S3(i).yd=rand(1,1)ym;
S4(i).yd=S3(i).yd;
YR4(i)=S4(i).yd;
S4(i).G=0;
YR3(i)=S3(i).yd;
S3(i).G=0;
S3(i).E=Eo(1+randa);
S4(i).E=S3(i).E;
E3(i)= S3(i).E;
E4(i)= S4(i).E;
Et=Et+E3(i);
%initially there are no cluster heads only nodes
S3(i).type=‘N’;
S4(i).type=‘N’;
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]黄利晓,王晖,袁利永,曾令国.基于能量均衡高效WSN的LEACH协议改进算法[J].通信学报第38卷第Z2期

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
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

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、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、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

3 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

4 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、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 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

6 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

7 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

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合