致  谢 17

参 考 文 献 18

附录19

图 3.1  自适应离散粒子群算法基本流程 8

图 4.1  基于自适应离散粒子群算法的无线传感器网络分簇算法流程11

图4.2  100个节点时的网络分簇收敛曲线12

图4.3  200个节点时的网络分簇收敛曲线13

图4.4  300个节点时的网络分簇收敛曲线13

图4.5  400个节点时的网络分簇收敛曲线13

图4.6  500个节点时的网络分簇收敛曲线  14

表4.1  不同节点个数时的网络分簇数量对比表 14

1  绪论

1.1  研究背景和国内外研究现状

无线传感器网络是一种新兴的网络技术，将微电子、传感器、无线通信等高新技术融为一体，通过相互协作获取研究对象的相关信息并予以网络传输，被誉为21世纪最具影响力的高新技术之一，无线传感器网络在环境监测、交通控制、国防军事等领域均大量应用，关系到国家的国防安全与经济发展，是一个国家国际竞争能力的重要体现[1]。

为了有效的提高网络信息传输能力，人们往往采用对网络进行分簇，然后通过簇首节点进行二次信息传输的方式来开展网络信息交互[2]。同时达到提高现有无线传感器网络的网络性能的目的，本课题拟结合粒子群算法，设计一种无线传感器网络分簇算法，提高无线传感器网络的网络信息传输性能，也达到优化无线传感网络，降低网络总能耗的目的。

无线传感器网络研究始于20世纪70年代，但其网络研究还较为原始，仅考虑单点信息传输、单功能应用等，从而导致无线传感器网络发展十分有限[3]。此后，美国各大高校、研究机构等都大力加紧无线传感器网路研究，与此同时，英国、日本等发达国家也将无线传感器网路研究作为国家发展的战略技术之一，如欧盟的EYES计划等[4]。

我国各大院校与研究所充分认识到无线传感器网络的重要性，国内众多学府都启动了对无线传感器网络的有关科研项目，并取得了许多突破性的成果。2009年，时任国家的温家宝同志更是提出了“感知中国”的提议，从国家层面加强对无线传感器网络的研究[5]。

为了有效提高无线传感器网络的信息传输性能并降低传输功耗，人们普遍采用网络分簇的方法来尽量减少网络空间内远距离信息传输带来的大量能量耗费。典型分簇方法包括层次路由算法LEACH、基于全球定位系统（Global Positioning System,GPS）的位置路由分簇算法、等。

群体智能（Swarm Intelligence，SI）是指由众多简单个体组成的群体，虽然群体中的每个个体并不具有智能特性，但是众多个体组成的群体在一定的运行规则下却能呈现智能特性的涌现（Emergence）行为[6]。粒子群算法（Particle Swarm Optimization，PSO）是美国科学家Kennedy在鸟群觅食行为规律的启发下于1995年提出的，在算法模拟中，优化问题的寻优空间等同于鸟儿所在的天空，优化参数组对应鸟儿的位置，目标函数对应鸟儿找到的食物，鸟儿根据天空中食物资源的特性，结合自己曾经去过的食物充沛地与其他鸟儿找到的食物充沛地决定自己的飞行方式，进而在天空中寻找最优的食物资源[7]。

粒子群算法作为典型群智能优化算法的代表，其研究思路为：首先在搜索空间内构造一组随机解，通过适应度函数评价各个组元的优劣性，然后根据各个组元的优劣性，以一定的规则进行迭代更新，最终达到寻求全局最优的目的。粒子群算法相对其他群智能算法而言，具有规则简单的优点，仅仅通过一次速度位置更新，足以取代其他算法复杂的规则构造，系统收敛速度较快。 基于粒子群算法无线传感器网络分簇算法设计(2):http://www.chuibin.com/zidonghua/lunwen_205615.html