无线传感器网络中集群建设的禁止有哪些信誉好的足球投注网站算法.doc

无线传感器网络中集群建设的禁止有哪些信誉好的足球投注网站算法 摘要 当从传感器节点收集数据时，无线传感器网络部署中的主要挑战是怎样优化能源的消耗。基于网络能源图和服务质量（ QoS ）要求，本文提出了一种在无线传感器网络中的新的集中的聚类方法来进行数据收集机。 聚类问题作为一个超分割的模型，它的解决方法受到了禁忌有哪些信誉好的足球投注网站的启发。在可行性集束图中，我们定义移动的方法是它使用了规模最大的小集团。与其他方法相比，如CPLEX的方法，分布式的方法，基于退火法的模拟方法，结果表明，我们的以禁忌有哪些信誉好的足球投注网站为基础的解决方案在的在聚类的成本和执行时间上具有高品质。 因此，这种办法在处理网络的可扩展性上具有令人满意的效果。 1.引言 越来越多的应用程序需要以一种可靠的和自动的方式从物理世界中获得数据。这种必要性意味着出现了新类型的网络，通常是由由低容量的设备组成。 这种装置称为传感器，能够捕捉和测量物理世界的具体参数，例如，温度，压力，湿度 。 此外，它们在小型电池中运行，充满活力的能力低。 因此，其耗电量必须优化，以确保增加这些设备的寿命。 在数据收集，有两个机制用来减少能源消耗：信息的集合和冗余数据的过滤。 这些机制通常使用聚类的方法，以协调集合和过滤。 聚类方法属于分布式和集中式这两类中的一种。集中式方法假定存在一个特定节点，它可以认识到属于其他网络节点的信息。问题是作为具有特别限制的图划分问题的模型，使这一问题很难。中央节点通过解决这一划分问题决定聚类。 然而，这一方法的主要缺点是的通信网络节点信息时产生的额外消耗和解决一个优化问题所需要的时间。在第二类方法中，即分布式方法，每个节点执行一个分布式聚类算法，参照[ 7 ] ， [ 14 ] ， [ 15 ] ， [ 16 ] 。 这种方法的主要缺点是节点对其附近的节点了解有限。 因此，聚类的方法没有一个最佳的方式。 在参照[ 4 ]中，Ghiasi等建议在传感器网络中使用集中式聚类。 他们把这个问题作为K均值聚类问题，它的定义如参照[ 11 ] ： 设p是在d维空间的一系列n个数据参数，整数K，它是由一系列确定参数K的所谓的中心组成，以尽量减少由每个数据点到其最近的中心的平均平方距离。为了在整个网络中分散聚类头节点以便产生更好的簇头节点，Heinzelman等在参照[ 7 ]中提出了一种低能量自适应聚类层次的集中版本（LEACH）的数据采集协议。?本议定书中，每个节点就在当前位置和能级发送信息给接收节点，它计算节点的平均能量水平，能量水平低于这一平均水平的节点不能成为当前轮的聚类头节点。 考虑到剩下的节点可能成为聚类头节点，接收节点找到使用了模拟退火算法参照[ 1 ] 的聚类，以找到最佳的聚类。 该算法的通过使所有非聚类头节点和最近聚类头节点的距离平方和最小，尝试尽量减少非聚类头节点传输数据到聚类头节点所需的能源量。 能源图，照[ 7 ] 。 在能耗的概率模型中， Heinzelman等，参照[ 7 ]，声称每个传感器节点可以以马尔可夫链为模型。 他们提供了一个方程，可用于每个节点可以为下一个T时间间隔计算其能量耗散率，价值ET。 ?其余的能源，其价值ET可以发送到接收节点以便能源图的建设。 本文提出了一种新的集中的聚类机制，配备了能源图和对服务质量（ QoS ）要求的制约。 这种聚类机制是用来在传感器网络中收集数据的。本次调查的第一个方面包括增加对这些机制的制约，它可以帮助数据收集算法，以减少能源消耗并提供申请不必要他们负担数据所需的信息。集中聚类以超分割作为模型。 新方法提议使用禁忌有哪些信誉好的足球投注网站算法来解决这个问题。现有的集中聚类方法不能用来解决这个问题，原因是我们对这个模型的处理方法是假定在聚类产生前聚类和聚类头节点的数量是未知的，这构成了本文的另外一个重要方面。 本文的其余安排如下：第2节总结了数据采集机制。 第3节概述了问题的简介阐述。 第4节介绍了禁忌有哪些信誉好的足球投注网站的适应性。 实验和计算结果公布在第5节。 第6节总结本文描述的一些剩余的挑战 2.数据采集机制 一般来说，传感器网络包含大量的节点用来收集测量值，然后提交应用软件。 如果所有节点转交他们的测量值，应用软件所收到的数据量将迅猛增加，使数据处理成为繁琐的任务。因此， 一个传感系统应该包含一个可以使应用程序表达自己对所需的数据质量要求的控制机制。 数据汇总和过滤数据是减少应用软件收到数据数量的两种方法。 这两个方法的目的，不仅是为了通过减少网络交换中信息的数量来尽量减少能源消耗，而且在没有必要重载他们过高数量信息的同时还给应用程序提供所需的数据。 数据汇总机制，可以收集到的几项测量值集中到一个记录，其大小不到初步记录的程度。然而，其语义不得违背了最初的语义记录。此外，它绝不能失去初步记录的意义。 考虑到那些冗余或无关的应用需求数据，过滤机制可以忽略掉这些测量值。