基于改进灰狼优化的UWSNs分簇路由算法

蒋华; 蔡玮; 王鑫; 覃琴

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进灰狼优化的UWSNs分簇路由算法

更新时间：2026-09-04

- 基于改进灰狼优化的UWSNs分簇路由算法
- UWSNs clustering routing algorithm based on improved grey wolf optimization
- 微电子学与计算机 2020年37卷第6期页码：46-50
- 作者机构：
  
  1. 桂林电子科技大学机构计算机信息与安全学院,广西,桂林,541004
  2. 桂林电子科技大学北海校区,广西,北海,536005
- 作者简介：
- 基金信息：
  
  广西科技重大专项 A18118025桂林电子科技大学研究生教育创新计划项目 2018YJCX93
- DOI：
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
蒋华, 蔡玮, 王鑫, 覃琴. 基于改进灰狼优化的UWSNs分簇路由算法[J]. 微电子学与计算机, 2020, 37(6): 46-50,56.

JIANG Hua, CAI Wei, WANG Xin, et al. UWSNs clustering routing algorithm based on improved grey wolf optimization[J]. 2020, 37(6): 46-50.
蒋华, 蔡玮, 王鑫, 覃琴. 基于改进灰狼优化的UWSNs分簇路由算法[J]. 微电子学与计算机, 2020, 37(6): 46-50,56. DOI：

JIANG Hua, CAI Wei, WANG Xin, et al. UWSNs clustering routing algorithm based on improved grey wolf optimization[J]. 2020, 37(6): 46-50. DOI：

摘要

针对水下无线传感器网络中存在的严重的能耗问题，提出一种基于改进灰狼优化的UWSNs分簇路由算法，采用改进灰狼优化算法进行迭代更新，保证簇首分布均匀，节约簇首能量，平衡负载.数据传输阶段采用最短路径选择策略，保证多跳传输能耗最小.通过实验分析，该方法能够降低UWSNs能耗，延长网络生命周期.

Abstract

Aiming at the energy consumption problem in underwater wireless sensor networks

a UWSNs clustering routing algorithm based on improved gray wolf optimization is proposed. It uses the improved grey wolf optimization algorithm to iteratively update to ensure uniform cluster head distribution

balance load and saveenergy. The data transmission phase uses the shortest path selection strategy to ensure minimum energy consumption for multi-hop transmission.Simulation resultsshows thatthis method can reduce the energy consumption of UWSNs and prolong the network life cycle.

关键词

Keywords

references

MIRJALILI S, MIRJALILI S M, LEWIS A.Grey Wolf Optimizer[J]. Advances in Engineering Software, 2014, 69(3):46-61. DOI: 46

BONGALE A M, NIRMALA C R, BONGALE A M. Hybrid Cluster Head Election for WSN Based on Firefly and Harmony Search Algorithms[J]. Wireless Personal Communications, 2019, 106(2): 275-306. DOI: 275

AHMED M, SALLEH M, CHANNA M I.Routing protocols based on node mobility for Underwater Wireless Sensor Network (UWSN): A survey(Review)[J]. Journal of Network and Computer Applications, 2017, 78: 242-252. DOI: 242

MANZOOR B, JAVAID N, REHMAN N, et al.Q-LEACH: A New Routing Protocol for WSNs[J]. Procedia Computer Science, 2013, 19: 926-931. DOI: 926

刘志, 裘正定.基于分环多跳的无线传感网分簇路由算法[J].通信学报, 2008, 29(3):104-113 DOI: 104

CAO J, DOU J.Design and Development of Heterogeneous Underwater Sensor Networks[J]. IEEE International Conference on Mobile Ad-Hoc and Sensor Systems, 2014 :425-430. DOI: 425

李志华, 赵昭, 魏忠诚, 等.UCUBG:基于等级划分的水下传感器网非均匀分簇算法[J].控制与决策, 2019, 34(1):89-96. DOI: 89

SANDEEP D N, KUMAR V.Review on Clustering, Coverage and Connectivity in Underwater Wireless Sensor Networks: A Communication Techniques Perspective[J]. IEEE Access, 2017, 99:1-1. DOI: 1

郭忠文, 罗汉江, 洪锋, 等.水下无线传感器网络的研究进展[J].计算机研究与发展, 2010, 47(3):377-389. DOI: 377

SANTAR P S, SHARMA S C.A Survey on Cluster Based Routing Protocols in Wireless Sensor Networks[J]. International Conference on Advance Computing Technologies and Applications, 2015, 45: 687-695. DOI: 687

王秋萍, 王梦娜, 王晓峰.改进收敛因子和比例权重的灰狼优化算法[J].计算机工程与应用, 2019, 55(21):60-65. DOI: 60

刘韵婷, 张嗣瀛, 井元伟.基于粒子群优化的无线传感器网络非视距节点定位算法[J].控制与决策, 2015, 30(6): 1106-1110. DOI: 1106

郭振洲, 刘然, 拱长青, 等.基于灰狼算法的改进研究[J].计算机应用研究, 2017, 34(12): 3603-3606. DOI: 3603

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

大模型发展综述：从BERT到Deepseek的技术演进

基于多尺度融合与小目标增强的航拍车辆检测算法

一种基于特征上下文理解与切片分析的肺结核检测算法

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真

基于改进RT-DETR的航拍小目标检测算法