基于复杂网络的无线传感器网络节能演化模型.doc

基于复杂网络无线传感器网络演化模型我们提出两个自组织的节能模式，第一种模式根据连接和每个传感器节点剩余能量构建无线传感器网络，因此，它可以规模网络容忍的随机误差。第二个模型，我们考虑的是能源消费两种模式ad-hoc模式中的分布式传感器节点因它们可以很容易地部署和自我组织。环境和中心的监测，交通管制，紧急情况，以及医疗保健服务经济问题如生产控制和结构监测最近，在许多科学领域结构和动态科学协作网络万维网代谢网络事实上，一种新的方法来制定战略打击恐怖主义和拓扑意大利机场网络许多研究已经完成Barabasi 和 Albert提出了无标度模型，结果表明，无标度网络无线传感器网络许多能源意识和容错拓扑控制算法作者收集相关数据的传感器网络提出了一种节能路由算法。聚类传感器部署k -连通网络提出了一种机制来推断集束通信拓扑维持网络然而，网络演进和分几乎所有的现有研究我们提出了两种基于复杂网络理论无线传感器网络演变算法第一个模型，推导能源意识到沟通的拓扑结构，该模型可以产生无尺度网络具有高随机误差的容忍高度节点我们提出了一种能源演化模式提出了一种能量平衡演化模式数值试验演化模型复杂的网络，有其特殊的功能。能源效率，其结果是，增长：m0），在每个时间步，我们增加一个新的节点（它们将连接到本已在网络中存在的节点上） 选择性的附属： 当一个新的节点进入网络，它将在它的局部区域选择一些节点去连接。我们认为一个新的节点被连接到节点i 依靠的连接系数 ki 的可能性为，此节点的剩余能量为E。在本文中，我们定义一个函数f(E)来说明一个节点的剩余能量与它被连接上的能力的关系。一个节点的能量越多，它被连接到一个新加进来的节点上的可能性越大。因此，这儿的f(E)必须是一个递增函数。例如E, 等，并且的形式是 （1） 在复杂的网络中，对于观察网络的特点分布的程度是一个非常重要和有益的因素Barabasi和Albert提出的方法中，网络的增长被作为一个持续的过程对待，允许用积分算法简化模型。如果要使这种近似的模拟与具体的网络增长非常相似，前提是我们考虑的网络有足够大的规模，即网络经历了大量的时间步m条新边就被形成了，所以我们得到 （2） 表1 重要参数的定义 在每个节点的局部区域，我们有 （3） 此处的L是安装在新来节点局部的节点数目，是f(E)的期望值，〈k〉是网络的分布度，在大规模的网络中，平均分布度可一用下面的公式计算 （4） 此处的eo和mo分别代表开始时的连接数和节点数，并且它们非常小，将（3）式（4）式代入到（2）式，我们得到 （5） 然后我们有 （6） 因为f(E)是一个增函数，我们将f(E)=E作为一个例子，然后 （7） 最后，我们将展示f(E)的形式确实不影响分布程度特征的最后结果。 由于ki(ti)=m， 因此我们得到 （8） 一个节点的连接系数ki(t)小于k的可能性是 （9） 假设我们在相等的时间间隔内加入节点到网络中，在时间ti时的可能性程度是 因此我们得到 （10） 有剩余能量为E的处于此分布度的节点的可能性密度函数是 （11） 为了获得整体概率密度函数，该算法不仅能够增长：m0），在每个时间步，我们增加一个新的节点（它们将连接到本已在网络中存在的节点上） （2）选择性大的附属： 当选择一些节点与新加入的节点连接时，我们假设一个新节点依靠连接系数ki被连接到节点i 时的可能性为∏i，节点i 将被连接到超过ki(max) 个节点上，因此 （13） 此处我们定义指示了当ki越接近ki(max)，节点被连接到新节点上的可能性越小。当ki接近最大值ki(max) 时，节点i 将再不可能连接到新加入的节点上。 为了得到分布程度P(k)，我们可以使用EAEM算法∞的极限情况下，环的限制被删除了，这时，EBEM算法与EAEM算法相当。 数值实验 在网络演进过程中，我们假设网络从m0个节点开始m0=5，在每一步，一个新节点被连接到已经存在的节点中的三个节点上。在两个算法的演进过程中，我们假设每个节点的能量从0.5 J到1 J变化，在我们的实验中，我们检测三个不同的剩余能量的分布。分布函数和相应的期望值如表2所示。 为了检测通过EAEM创建的网络的特性，在下面，我们将分析连接性和分布度随时间的演进。从图1到3我们能看出能量分布、局部区域、节点加入的时间等因素是怎样影响节点连接性的增长。图1显示了能量分布在连接性增长中的影响。当分布度被给定时，各种变化的期望值将产生不同的连接性增长速度。图2预测最近加入到网络中的节点基于局部区域节点数量的基