摘要：针对多无人机物流配送存在的空载率高、能源利用效率低等问题,考虑同时送取货的多无人机配送场景和无人机实时能耗变化,提出了无人机动态能耗模型,进行了多无人机同时送取货任务分配问题的研究。用遗传算法对问题进行求解,针对经典遗传算法对初始种群的依赖性、易早熟、局部搜索能力弱等特点,设计了一种混合初始化方法,引入了食肉植物算法繁殖机制,并结合问题特性设计了内交叉策略和反馈变异策略,同时引入了过程精英策略,对遗传算法进行了改进。实验结果表明,改进的遗传算法可以有效求解基于动态能耗的多无人机任务分配问题。

摘要：分析太阳光照特点,设计了太阳能补给模型,并在此模型下提出了一种自适应的分簇路由算法ACSP,定义了网络有三种状态:耗能期、储能期、稳定期,并适应各个时期设计不同的簇首选择和路由选择机制。理论和实验表明,ACSP可自适应网络中能量变化,充分利用补给能量,并且具有较好的能耗均衡性。

摘要：为了有效均衡网络能耗,提升网络生命周期,提出了一种基于簇首重构的层次路由协议—HRP-CHR协议。对路由协议进行分析,指出能耗问题是设计过程中的难点。设计了非均匀层次结构的成簇方法,通过基站将网络空间划分为多个层次,各个层次是以基站为中心的同心圆,并且层次宽度由内向外依次增加,能够有效避免离基站较近的节点易形成能量空洞的缺陷。同时还为网络中每个节点分配唯一的层号和簇号,保证了在数据传输过程中不会出现回路和绕路。对该协议和LEACH,EECS协议进行对比,仿真结果表明HRP-CHR协议能更好的均衡网络能耗和提升网络生命周期。

摘要：为保持水下传感网络节点之间的能量平衡,提出一种多目标优化机会路由MOO-BA(multi-objective optimization opportunistic routing based on bat algorithm)。MOO-BA路由充分考虑节点剩余能量、深度,通过动态寿命估计(dynamic life estimate)选择下一跳节点;使用改进的蝙蝠算法BA(bat algorithm),进一步优化初始路径,通过引入优化因子,提高算法收敛精度,达到算法全局搜索能力和局部搜索能力的平衡。仿真结果表明,该协议能够有效均衡能耗,降低端到端延迟,延长网络的生存周期。

摘要：为解决现有聚类协议在无线传感器网络(WSN)应用中存在的簇头分布不均匀、负载不均衡、网络生存时间短的问题,提出一种簇规模约束与簇头最优化选择的聚类协议。在建立节点簇时采用固定阈值法对节点簇规模进行约束,保证建立的簇规模基本一致。在选择簇头时,兼顾节点的信任度、剩余能量以及节点作为簇头的比例,构建簇头节点选择目标函数,选择最优的簇头。对剩余能量和信任度低于设定阈值的簇头节点进行回收,避免簇头节点过早失效。实验结果表明,该聚类协议的簇头分布均匀、负载均衡、网络生存时间长。

摘要：针对铁路沿线环境监测对象种类繁多、位置分散的特点,设计一种无线传感器网络用于将传感器采集信息传输至监测中心,该无线传感器网络由传感器节点、轨边汇聚节点、机房汇聚节点及中继节点组成,重点研究提出轨边汇聚节点与机房汇聚节点之间线性无线传感器网络路由协议。鉴于铁路沿线传感器节点采集信息的重要程度不同,该路由协议根据信息重要程度对数据包进行优先级排序。综合考虑网络寿命和信息重要程度,以网络生命周期内传输数据包数量最大化为目标,建立数据包转发模型和数据包排队模型。在网络能耗均衡的前提下,采用减少优先级高的数据包的转发次数和减少优先级高的数据包在轨边汇聚节点的排队时延两种方式,减少优先级高的数据包的总传输时延。仿真结果表明,该路由协议可以显著减少高优先级数据包的传输时延,均衡使用网络能量,最大化网络寿命。

摘要：针对无线传感器网络中节点负载过重与能耗不均衡而出现网络能量空洞的问题,基于演化博弈理论建立一种簇头竞选的博弈模型,同时提出一种基于演化博弈的无线传感器网络最优成簇算法。运用节点的剩余能量、数据接收能耗和数据转发能耗设计簇头演化博弈的收益函数,并将最优发射功率控制机制应用于簇成员的选择,从而形成稳定连通的网络分簇结构。仿真实验表明该算法平衡了节点负载,从而均衡网络能量,有效改善网络中过早出现能量空洞的问题,进而延长了网络生存时间。

摘要：为均衡能量效率不等聚类(EEUC)机制的能耗,提出一种改进的EEUC机制。在簇首选举部分对门限函数进行改进,引入能量项和距离项,保证剩余能量越大、距离基站越近、担任簇首节点次数少的节点更有机会成为候选簇首节点;对规模较大的簇进行节点分组,由各分组的中心节点代替簇首节点执行各自分组内成员节点的数据采集与融合任务,簇首节点只与各分组中心节点进行通信,均衡簇内节点能耗。实验结果表明,改进的EEUC机制的簇首节点能耗低,网络生命周期长。

摘要：针对无线传感器网络(WSNs)节点能耗负载不均衡的问题,提出一种基于混沌改进灰狼优化(CIGWO)的分簇路由算法。通过混沌化原GWO算法的参数,并在迭代中添加混沌映射种群,改进灰狼种群位置更新策略,提高GWO算法全局搜索能力;根据节点的平均剩余能量设计适应度函数,选择全局最优的簇首,降低网络的能量消耗。仿真结果表明:所提出的算法与LEACH,HEED和基于适应度改进的GWO(FIGWO)算法相比,能够有效地均衡节点负载,降低网络能耗,延长网络寿命。

摘要：无人机(UAV)群路径规划和任务分配是UAV群救援应用的核心,然而传统方法分开求解路径规划与任务分配,导致资源分配不均。为了解决上述问题,结合UAV群的物理属性与应用环境因素,改进蚁群算法(ACO),提出联合并行蚁群(JPACO)模型。首先,借助分级信息素增强系数机制更新信息素,以提高JPACO任务分配均衡性和能耗均衡性;其次,设计路径平衡因子和动态概率转移因子优化蚁群模型易陷入局部收敛的情况,从而提高JPACO的全局搜索能力;最后,引入集群并行处理机制,以降低JPACO运算耗时。将JPACO与自适应动态蚁群算法(ADACO)、扫描动态蚁群算法(SMACO)、贪婪策略蚁群算法(GSACO)和交叉蚁群算法(IACO)在公开数据集CVRPLIB上对比最优路径、任务分配均衡、能耗均衡和运算耗时。实验结果表明:与IACO和ADACO相比,JPACO处理小规模运算的最优路径平均值分别降低7.4%和16.3%;处理大规模运算的求解耗时与GSACO、ADACO相比降低8.2%和22.1%。以上结果验证了JPACO在处理小规模运算时能够改善最优路径,处理大规模运算时任务分配均衡、能耗均衡和运算耗时明显优于对比算法。