基于模糊控制的Ad Hoc网络分簇策略的研究

来源 :青岛大学 | 被引量 : 0次 | 上传用户:cshan225500
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
移动自组网是由一系列可自由移动的节点所组成的多跳无线网络。Ad Hoc网络拓扑可分为平面结构和分级结构。平面结构中所有节点的地位平等,分级结构将整个Ad Hoc网络进行分簇,一个簇(Cluster)通常包括一个簇头和若干个簇成员。簇头负责簇内成员的通信以及与其他簇的数据转发,负担较重,有可能成为网络的通信瓶颈。因此,簇头的合理选择对于分级结构的Ad Hoc网络的性能至关重要。簇头的选择依赖于分簇算法的执行,分簇算法的性能直接影响到分级结构的性能。本文首先概述了Ad Hoc网络技术,研究了Ad Hoc网络现有的分簇算法,比较各种典型分簇算法的优缺点。在分析比较最大连通度、最小ID、加权法等常用分簇算法的原理、优缺点的基础上,提出了一种改进的复合式加权分簇算法。该算法综合考虑了节点移动性、连通度、链路生存时间、剩余能量等多方面的因素,使得分簇策略更符合实际情况。其次,通过对节点链路生存时间、节点剩余电量等参数分布特点的分析,把模糊控制技术引入复合式加权分簇算法中,定义了节点链路生存时间和剩余电量等的相应的模糊规则并进行模糊推理,为不同应用场合优化分簇算法提供了判断依据。模拟结果表明,改进后的算法同原有算法比较,在没有明显增加计算和通信开销的情况下,单位时间内簇重构次数明显减少,性能有较大的提高。最后,论文进行了总结并提出了今后的研究方向。
其他文献
随着电信技术的日益成熟和电信市场竞争的逐步规范,电信运营商面对的竞争压力越来越大。为了在竞争中取胜,必须推出独具特色的、更具吸引力的业务吸引客户。电信运营商的经营
离群点检测是数据挖掘中重要的研究分支,用于识别某些特征显著区别于其他观测数据的对象。在实际应用如评估金融风险、检测结构的缺陷、侵入检测等领域中会出现的一些离群数据
随着计算机技术、网络技术,特别是Internet技术的飞速发展和广泛普及,人类社会正处于由工业经济向信息经济的深刻变革之中,信息化已经成为当今世界经济和社会发展的倍增器,成为了
近年来,随着嵌入式系统飞速发展,基于Linux的嵌入式系统已经能够提供统一的、可伸缩的解决方案,利用嵌入式Linux实现远程监控、图像采集与压缩成为可能。针对这一点,本文设计
随着互联网的高速发展和数据的爆炸性增长,用户面临着日益严重的信息过载问题,社会化媒体的兴盛使用户更加容易淹没在信息的海洋中。推荐系统作为一种比搜索引擎更加高效的信息
以总完工时间为目标的Flow shop调度问题是一个重要的制造加工系统,广泛应用于工业环境中。流水调度是很多实际流水线生产调度问题的简化模型,也是一类典型的NP完全问题,已被证
一个人的噪声可能是另一个人的信号,对于离群点的挖掘是数据挖掘领域的一个重要研究方向,在数据分析和挖掘的过程中,如何利用数据挖掘的相关技术准确的检测出数据中的离群点
计算机技术的发展把人类社会带入信息化时代,随着信息化进程的深入,通信技术与计算机及网络技术相融合,产生了一个新的研究领域--计算机支持的协向工作(CSCW-Computcr Supported
决策树是应用最广泛的数据挖掘方法之一,研究的重点围绕数据处理的准确率、效率及数据降维等方面,增量式学习能力也是决策树算法的主要特征。SURPASS就是高效的增量式算法,能
随着Internet的飞速发展,网上的数据资源空前丰富。每天都会有成千上万的用户在网络上浏览和寻找自己所需的信息。然而,由于信息量的庞大,对于每个用户来说,如何能够及时快速