基于自律分散系统方法的一种WSNs路由学习算法

doi:10.3969/j.issn.1007130X.2010.

J4 ›› 2010, Vol. 32 ›› Issue (9): 1-4.doi: 10.3969/j.issn.1007130X.2010.

• 论文 • 下一篇

基于自律分散系统方法的一种WSNs路由学习算法

钟声1,2，张百海1

（1.北京理工大学自动化学院，北京 100081;2.海南大学信息科学技术学院，海南海口 570228）

收稿日期:2010-03-12 修回日期:2010-06-15 出版日期:2010-09-02 发布日期:2010-09-02
通讯作者: 钟声
作者简介:钟声(1962),男,江西瑞金人,教授,CCF会员( E2020009151S),研究方向为优化算法和软件理论;张百海,博士，教授,研究方向为大系统理论和自然计算。

A Routing Learning Algorithm on WSNs Based on the Autonomous Decentralized Systems Approach

ZHONG Sheng1,2，ZHANG Baihai1

（1.School of Automation,Beijing Institute of Technology,Beijing 100081;
2.School of Information Science and Technology,Hainan University,Haikou 570228,China）

Received:2010-03-12 Revised:2010-06-15 Online:2010-09-02 Published:2010-09-02

摘要/Abstract

摘要：

本文对随机散播节点的无线传感器网络的路由策略进行探讨，提出了一个通过学习方法计算节点路由的算法。该方法计算路由时，只需要与邻接点交流少量信息，通过深度优先搜索策略，并结合节点路由历史经验，选择路搜索下一节点。该方法体现了分散自律系统方法和分布估计学习算法结合的优越性。仿真结果表明，该算法是一个快速高效的无线传感器网络路由算法。

关键词: WSNs, 路由算法, 自律分散系统, 学习算法

Abstract:

This paper investigates the routing protocols for randomly distributed wireless sensor networks (WSNs). A learning algorithm is proposed for computing the path on routing,and only few information of the adjacent nodes is necessary. By using the depth first search strategy,and remembering the historical experience of path on routing,we can find the next node,which illustrates the advantage of combining the autonomous decentralized systems approach and the distributed estimation learning algorithm. The simulation results show the usefulness and advantages of the developed algorithm.

Key words: WSNs;routingalgorithms;autonomous decentralized systems;leaning algorithms

钟声1,2，张百海1. 基于自律分散系统方法的一种WSNs路由学习算法[J]. J4, 2010, 32(9): 1-4.

ZHONG Sheng1,2，ZHANG Baihai1. A Routing Learning Algorithm on WSNs Based on the Autonomous Decentralized Systems Approach[J]. J4, 2010, 32(9): 1-4.

[1]	康子扬, 彭凌辉, 周干, 林博, 王蕾. 一种用于片上网络的拥塞感知哈密尔顿最短路径路由算法[J]. 计算机工程与科学, 2022, 44(06): 986-993.
[2]	曾杰, 贲可荣, 张献, 徐永士. 融合文本分布式表示的重复缺陷报告检测[J]. 计算机工程与科学, 2021, 43(04): 670-680.
[3]	宋佳佳，王作为. 基于有效实例的改进U树算法[J]. 计算机工程与科学, 2019, 41(01): 185-190.
[4]	任春江，降爱莲. 基于移动状态的车载自组织网络路由算法[J]. 计算机工程与科学, 2018, 40(03): 464-471.
[5]	丁毓良，张剑贤，周端，裘雪红. 直线引导的Torus结构路由算法[J]. 计算机工程与科学, 2017, 39(02): 275-279.
[6]	曹继军，郑义，王克非，肖立权. 具有原路返回特征的改进OSRM胖树路由算法研究[J]. J4, 2014, 36(06): 997-1004.
[7]	何晓亮1,2，宋威1，梁久祯1. 基于资源分配网络和语义特征选取的文本分类[J]. J4, 2014, 36(02): 340-346.
[8]	孙践知，张迎新，陈丹，韩忠明. 具有退避机制的Epidemic路由算法[J]. J4, 2013, 35(3): 66-71.
[9]	肖灿文,戴泽福,张民选. 新型适应性路由器微体系结构研究[J]. J4, 2013, 35(11): 22-26.
[10]	张麟麟，李东生，雍爱霞. 基于3D Mesh结构的一种静态路由算法[J]. J4, 2011, 33(11): 60-64.
[11]	王贵竹,卢华庭,徐亮. 容迟网络中基于节点能量考虑的混合散发与等待路由算法[J]. J4, 2010, 32(12): 8-11.
[12]	蔡昭权[1,2] 叶建锋[3,4]. 一种新的路由优化计算方法[J]. J4, 2008, 30(6): 10-12.
[13]	李津卢泽新白建军. 卫星网络路由算法仿真结果可视化技术研究[J]. J4, 2006, 28(12): 57-60.
[14]	刘云生李夏龙玉国. 前向神经网络信赖域学习算法的研究[J]. J4, 2005, 27(6): 75-77.
[15]	陈丽戚飞虎. 基于梯度动力学的协同神经网络学习算法的改进[J]. J4, 2005, 27(1): 42-45.

基于自律分散系统方法的一种WSNs路由学习算法

A Routing Learning Algorithm on WSNs Based on the Autonomous Decentralized Systems Approach

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价