高麗娜,戴天虹,李 昊

(東北林業(yè)大學(xué)機電工程學(xué)院,哈爾濱 150040)

如何在WSNs的監(jiān)測區(qū)域內(nèi)部署多個有目的、可調(diào)控的Sink節(jié)點,既可以削弱“能量空洞”問題,還可以更好的均衡網(wǎng)絡(luò)負載,節(jié)約網(wǎng)絡(luò)能耗,提高網(wǎng)絡(luò)性能,是當前WSNs中一個新的研究熱點。文獻[1]通過分析傳感器網(wǎng)絡(luò)數(shù)據(jù)流的分布,利用啟發(fā)式算法求解Sink節(jié)點的最優(yōu)位置,使通過Sink節(jié)點的總數(shù)據(jù)流最大,但該算法網(wǎng)絡(luò)總能耗過大且不適合動態(tài)網(wǎng)絡(luò)。文獻[2-4]研究移動多Sink節(jié)點選址問題,根據(jù)傳感器節(jié)點數(shù)量把網(wǎng)絡(luò)劃分為若干子網(wǎng)絡(luò),在子網(wǎng)中通過最大平衡連接分區(qū)MBCP(Maximally Balanced Connected Partitio)技術(shù),尋找Sink節(jié)點最優(yōu)位置解,使分區(qū)內(nèi)能耗最低,從而延長網(wǎng)絡(luò)生命周期。文獻[5-6]研究雙層傳感器網(wǎng)絡(luò)Sink節(jié)點和中繼節(jié)點的拓撲結(jié)構(gòu),利用迭代算法,在監(jiān)測區(qū)域內(nèi)找到中繼節(jié)點覆蓋所有傳感器節(jié)點,并結(jié)合優(yōu)化算法得出Sink節(jié)點的最優(yōu)位置,該方法適用于異構(gòu)傳感器網(wǎng)絡(luò),但傳感器節(jié)點、中繼節(jié)點及Sink節(jié)點是以單跳模式相互通訊。文獻[7-8]在雙層異構(gòu)傳感器網(wǎng)絡(luò)中,使用k-均值聚類算法(k-means clustering algorithm)尋找每簇的中心作為Sink節(jié)點的最佳位置,但該算法須已知網(wǎng)絡(luò)中每個傳感器節(jié)點的位置,一旦節(jié)點位置發(fā)生變化或節(jié)點死亡,則計算結(jié)果失效。

本文將網(wǎng)絡(luò)中某段時間內(nèi)向Sink節(jié)點發(fā)送過數(shù)據(jù)包的全部一跳鄰居節(jié)點視為質(zhì)點系,所發(fā)送的數(shù)據(jù)量作為質(zhì)點質(zhì)量,使Sink節(jié)點向著傳感器節(jié)點密度大的方向移動,并配合對Sink節(jié)點移動的限制,達到多個Sink節(jié)點相互協(xié)作,逐步逼近移動到Sink節(jié)點新位置,即該質(zhì)點系的質(zhì)心位置,可以更好地均衡網(wǎng)絡(luò)負載,提高數(shù)據(jù)轉(zhuǎn)發(fā)成功率,延長網(wǎng)絡(luò)生命周期。

1 質(zhì)心理論

1.1 質(zhì)心定義

在物理學(xué)質(zhì)點系的研究中,有一個特殊的點,在質(zhì)點系動力學(xué)理論中具有重要作用,稱為質(zhì)點系的質(zhì)量中心,簡稱質(zhì)心[9]。它的作用與質(zhì)點系上的力系無關(guān),質(zhì)心是質(zhì)點系質(zhì)量分布的平均位置,假設(shè)質(zhì)點系由N個質(zhì)點組成,其中它們的質(zhì)量是m1,m2,…,mN[9-11]。若用r1,r2,…,rN表示質(zhì)點系中各質(zhì)點相對于某一固定點O的矢徑,則用rσ表示質(zhì)心的矢徑,即式(1):

(1)

圖1 質(zhì)點位置示意圖

1.2 問題分析

對于多Sink節(jié)點重選址問題,我們可以將某段時間內(nèi)向Sink節(jié)點發(fā)送過數(shù)據(jù)包的全部一跳鄰居節(jié)點視為質(zhì)點系,所發(fā)送的數(shù)據(jù)量作為質(zhì)點質(zhì)量,而質(zhì)點系中必然就會存在質(zhì)心的位置,而此時的質(zhì)心位置就是Sink節(jié)點需要移動到的最優(yōu)位置[12]。這樣就將多Sink節(jié)點選址問題與數(shù)學(xué)和物理問題聯(lián)系起來,從而更好的解決Sink節(jié)點重選址問題。通過位置矢量的直角坐標軸分量,可得質(zhì)心坐標表達式,如式(2)所示,圖1為質(zhì)點位置示意圖。

(2)

2 質(zhì)心重選址算法

2.1 算法分析

假設(shè)在監(jiān)測區(qū)域內(nèi),隨機分布若干個傳感器節(jié)點和若干個Sink節(jié)點,網(wǎng)絡(luò)工作正常,當Sink節(jié)點j在接收數(shù)據(jù)包時,需要做以下準備工作:

Step 1 記錄轉(zhuǎn)發(fā)的數(shù)據(jù)鄰居節(jié)點,并在接收到數(shù)據(jù)后確認;

Step 2 判斷該階段內(nèi)接收的數(shù)據(jù)總量TOTALj是否夠ω個;

Step 3 判斷鄰居節(jié)點i轉(zhuǎn)發(fā)的數(shù)據(jù)量SUMi是否超過數(shù)據(jù)總量TOTALj的ρ倍;

Step 4 當Sink節(jié)點j在接收到某一個數(shù)據(jù)包后,符合Step 2和Step 3要求的前提下,啟動Sink節(jié)點重選址算法;反之,Sink節(jié)點則繼續(xù)正常工作。

多Sink節(jié)點重選址啟動流程如圖2所示。

圖2 Sink節(jié)點重選址啟動流程圖

當Sink節(jié)點j進入重選址階段,該Sink節(jié)點首先應(yīng)根據(jù)式(2)計算出此時的坐標值。在重選址算法啟動前應(yīng)先確定該節(jié)點坐標值與其他Sink節(jié)點的當前坐標是否相鄰,避免多個Sink節(jié)點同時移向相同監(jiān)測區(qū)間。若它們之間的距離小于ξ,則Sink節(jié)點j保持原地不動,反之則進行重選址。當Sink節(jié)點j確認自己可以重新選址后,則向Rt范圍內(nèi)的一跳鄰居節(jié)點廣播指令,此時忽略鄰居節(jié)點向該Sink節(jié)點發(fā)送數(shù)據(jù)包的影響。Sink節(jié)點j在廣播指令之后即開始向新位置移動,移動過程中拒收任何數(shù)據(jù),此時周邊的傳感器節(jié)點接收到Sink節(jié)點傳來的指令,也將停止向該Sink節(jié)點傳送數(shù)據(jù)。當Sink節(jié)點j重新選址移動完畢后,則立即向當前通信半徑范圍Rt內(nèi)廣播指令,告知鄰居傳感器節(jié)點該Sink節(jié)點重選址結(jié)束。此時傳感器節(jié)點i將會出現(xiàn)以下3種情況:①當傳感器節(jié)點i即接收到指令,又接收到指令,則標志位flag=1,表示該傳感器節(jié)點i并未離開Sink節(jié)點通信半徑Rt范圍內(nèi),正常傳送數(shù)據(jù)。②當傳感器節(jié)點i接收到指令,未接收到指令,則標志位flag=0,表示該傳感器節(jié)點i并已離開Sink節(jié)點通信半徑Rt范圍內(nèi),則刪除Sink節(jié)點j重啟局部更新路由向新Sink節(jié)點傳輸數(shù)據(jù)。③當傳感器節(jié)點i未接收到指令,接收到指令,則標志位flag=1,表示該Sink節(jié)點j移入到傳感器節(jié)點i的監(jiān)測區(qū)域,此時傳感器節(jié)點i接入Sink節(jié)點j并向其發(fā)送數(shù)據(jù)。

圖3 Sink節(jié)點重選址移動流程圖

2.2 算法流程

Sink節(jié)點j移動和傳感器節(jié)點i在接收指令信息時,Sink節(jié)點重選址移動流程圖如圖3所示。具體步驟如下:

Step 1 初始化,判斷此時傳感器節(jié)點i是否在匯聚節(jié)點j通信半徑Rt監(jiān)測區(qū)域SE內(nèi),若在該區(qū)域,且該傳感器節(jié)點i向匯聚節(jié)點j轉(zhuǎn)發(fā)了數(shù)據(jù),則記錄該傳感器節(jié)點的位置信息;

Step 2 匯聚節(jié)點j根據(jù)式(2)更新坐標;

Step 3 判斷匯聚節(jié)點j與相鄰匯聚節(jié)點之間的距離dj是否大于ξ,若大于ξ,匯聚節(jié)點移動并廣播指令,反之,則該匯聚節(jié)點j不移動;

Step 4 當匯聚節(jié)點j移動到監(jiān)測區(qū)域SI,判斷匯聚節(jié)點j與相鄰匯聚節(jié)點之間的距離dk是否大于ξ,若大于ξ,則廣播指令,停止移動,反之,繼續(xù)移動;

Step 5 判斷傳感器節(jié)點i是否接收到了和指令,若兩個指令均接收到,標志位flag=1,則正常傳送數(shù)據(jù)給匯聚節(jié)點;若接到指令,未接收到指令,此時flag=0刪除該匯聚節(jié)點,啟動局部更新,尋找新的匯聚節(jié)點;若未接收到,而接收到了,此時flag=1,該傳感器節(jié)點則需接入該匯聚節(jié)點,并向其發(fā)送數(shù)據(jù)。

2.3 實例分析

假設(shè)試驗區(qū)一個Sink節(jié)點A附近有鄰居傳感器節(jié)點a,b和c,初始位置如圖4(a)所示,假設(shè)某段時間內(nèi),傳感器節(jié)點a,b和c分別向Sink節(jié)點A發(fā)送了5個、15個、20個數(shù)據(jù)包。根據(jù)式(2)計算可得Sink節(jié)點A的新坐標如式(3)所示,且移動后位置如圖4(b)所示。

(3)

圖4 Sink節(jié)點移動坐標示意圖

根據(jù)式(2)計算可得Sink節(jié)點新位置,符合質(zhì)心的物理學(xué)定義,在Sink節(jié)點接收數(shù)據(jù)包時滿足Sink節(jié)點重選址啟動條件后,在網(wǎng)絡(luò)運行過程中逐步逼近最優(yōu)位置,并不是一步到位,且該算法在移向最優(yōu)位置的過程中,還兼顧了傳感器節(jié)點稀疏的區(qū)域,從而有效的避免了Sink節(jié)點位置移動過快,節(jié)約傳感器節(jié)點在局部重建路由上的能耗,以路由代價的提升抵消了Sink節(jié)點重選址所帶來的能耗。

除此之外,該算法還考慮到了如何避免多個Sink節(jié)點同時移向相同傳感器監(jiān)測區(qū)域的情況,通過計算Sink節(jié)點移動后距離是否允許移動到新位置,進行有效的控制,突出了多Sink節(jié)點間可協(xié)作移動的特點。當Sink節(jié)點逐步移向傳感器節(jié)點較密集的監(jiān)測區(qū)域時,該區(qū)域的傳感器節(jié)點以最少的跳數(shù),將數(shù)據(jù)包傳送給Sink節(jié)點,降低丟包率,該算法的合理性及高效性通過以下仿真實驗進一步驗證。

3 仿真實驗

3.1 仿真設(shè)置

在OMNeT++[13-14]仿真平臺主要針對網(wǎng)絡(luò)生命周期、數(shù)據(jù)轉(zhuǎn)發(fā)成功率兩方面將基于質(zhì)心的多Sink節(jié)點重選址算法與多Sink節(jié)點位置固定和基于COST函數(shù)[15]的多Sink節(jié)點重選址算法進行對比實驗,從而驗證質(zhì)心多Sink節(jié)點重選址算法的有效性及可靠性。

為保證節(jié)點密度對實驗結(jié)果的影響最小,仿真過程中隨機分布傳感器節(jié)點,且監(jiān)測區(qū)域隨節(jié)點數(shù)量作出適當?shù)母淖?。仿真主要分兩部?第1種仿真環(huán)境設(shè)置傳感器節(jié)點為400、600和800個,分別分布在400 m×400 m、600 m×600 m和800 m×800 m范圍內(nèi),其中Sink節(jié)點數(shù)量為5。第2種仿真環(huán)境在400 m×400 m監(jiān)測區(qū)域內(nèi)隨機分布400個傳感器節(jié)點,其中Sink節(jié)點數(shù)量從1到10個依次遞增,并觀察Sink節(jié)點數(shù)量對WSNs性能的影響。但在仿真過程中,需對下幾點進行約束:

①傳感器節(jié)點和Sink節(jié)點均隨機分布在監(jiān)測區(qū)域內(nèi),網(wǎng)絡(luò)運行時,所有傳感器節(jié)點保持靜止不動,而Sink節(jié)點則可以在監(jiān)測區(qū)域內(nèi)無限制移動;

②結(jié)果統(tǒng)計分析時,忽略Sink節(jié)點因移動所消耗的時間,當Sink節(jié)點得到要移動的新位置坐標后,可在允許范圍內(nèi)快速移動,不考慮移動過程消耗的時間;

③為了使Sink節(jié)點更精確地計算出重選址最優(yōu)位置坐標,在網(wǎng)絡(luò)運行期間,全部傳感器節(jié)點可在需要的時候提取自己的位置坐標;

④傳感器節(jié)點的發(fā)送和接收數(shù)據(jù)的能量模型采用一階無線模型[16-17],即式(4)所示:

ETX(d)=Eelec+εampd2
ERX=Eelec

(4)

其他仿真參數(shù)設(shè)置如表1所示。

表1 仿真參數(shù)

如圖5所示,為5個Sink節(jié)點、400個傳感器節(jié)點隨機分布在400 m×400 m監(jiān)測區(qū)域內(nèi)的示意圖。

圖5 一種節(jié)點隨機分布示意圖

如圖6所示,為網(wǎng)絡(luò)生命周期結(jié)束后5個Sink節(jié)點通過質(zhì)心重選址算法移動后的位置示意圖,此時傳感器節(jié)點靜止不動。

圖6 Sink節(jié)點移動后位置示意圖

3.2 結(jié)果分析

3.2.1 網(wǎng)絡(luò)節(jié)點平均剩余能量

如圖7所示,為3種選址算法平均剩余能量隨時間變化曲線圖?？芍?質(zhì)心重選址算法中各節(jié)點到Sink節(jié)點距離的總和低于其他兩種選址算法,對應(yīng)的網(wǎng)絡(luò)能耗更少。在網(wǎng)絡(luò)工作前100 s,3種匯聚選址算法所對應(yīng)的能耗差別并不大,質(zhì)心重選址算法對應(yīng)的能耗相對少于其他兩種選址算法;隨著仿真繼續(xù)100 s后有節(jié)點死亡,部分數(shù)據(jù)包被丟棄,網(wǎng)絡(luò)能耗速度緩慢,但其中質(zhì)心重選址算法耗能速度低于另外兩種選址算法,可知該算法對應(yīng)的傳感器節(jié)點失效速度比另外兩種算法慢。

圖7 網(wǎng)絡(luò)平均剩余能量

3.2.2 數(shù)據(jù)轉(zhuǎn)發(fā)平均跳數(shù)

如圖8所示,節(jié)點數(shù)為400時3種算法的網(wǎng)絡(luò)平均跳數(shù)對比圖。由圖可知,3種選址算法隨著網(wǎng)絡(luò)運行網(wǎng)絡(luò)平均跳數(shù)都有所下降,但質(zhì)心重選址算法對應(yīng)的節(jié)點平均跳數(shù)始終低于另外兩種選址算法的平均節(jié)點跳數(shù),有效的降低了網(wǎng)絡(luò)的丟包率提高了數(shù)據(jù)轉(zhuǎn)發(fā)成功率,從而達到了延長網(wǎng)絡(luò)生命周期的最終目的。

圖8 節(jié)點數(shù)為400時網(wǎng)絡(luò)平均跳數(shù)

圖9 網(wǎng)絡(luò)生命周期對比圖

3.2.3 網(wǎng)絡(luò)生命周期

如圖9所示,為3種算法仿真的網(wǎng)絡(luò)生命周期對比圖?？芍?質(zhì)心重選址算法網(wǎng)絡(luò)生命周期明顯高于其他兩種Sink節(jié)點重選址算法。由于該重選址算法使Sink節(jié)點向傳感器節(jié)點密度較大的一跳鄰居節(jié)點附近逐步移動,最終達到最優(yōu)位置。在多Sink節(jié)點分別移向各自最優(yōu)位置后,由圖7、圖8可知傳感器節(jié)點傳送數(shù)據(jù)的平均跳數(shù)和節(jié)點能耗都有效降低。并且,在多Sink節(jié)點移動過程中多個Sink節(jié)點之間是相互協(xié)作,逐步向最優(yōu)位置逼近的。在此過程中,節(jié)約了傳感器節(jié)點局部更新路由的能耗,進一步節(jié)約了網(wǎng)絡(luò)能量,延長了WSNs的生命周期。而COST算法網(wǎng)絡(luò)平均能耗大幅度增加,網(wǎng)絡(luò)生命周期縮短,這是因為該算法需要節(jié)點全局信息,節(jié)點之間需要交換大量的數(shù)據(jù)信息。相對于位置固定選址算法,質(zhì)心重選址算法和COST算法在網(wǎng)絡(luò)生命周期方面都有所提升,質(zhì)心重選址算法性能提升更加顯著。

雖然在WSNs中部署多個Sink節(jié)點可以有效的均衡網(wǎng)絡(luò)負載、降低網(wǎng)絡(luò)能耗,但在網(wǎng)絡(luò)工作時,若Sink節(jié)點保持不動,仍會出現(xiàn)鄰居節(jié)點數(shù)據(jù)轉(zhuǎn)發(fā)任務(wù)過重,而提早死亡,造成能量空洞,縮短網(wǎng)絡(luò)生命周期。而多Sink節(jié)點的質(zhì)點重選址算法將質(zhì)心原理自適應(yīng)動態(tài)調(diào)整這種變化,可以很好的適應(yīng)網(wǎng)絡(luò)環(huán)境的隨時變化。

3.2.4 數(shù)據(jù)轉(zhuǎn)發(fā)成功率

如圖10所示,為數(shù)據(jù)轉(zhuǎn)發(fā)成功率對比圖。由圖可知,質(zhì)心重選址算法的數(shù)據(jù)包轉(zhuǎn)發(fā)成功率優(yōu)于其他兩種算法的數(shù)據(jù)包轉(zhuǎn)發(fā)成功率。因為多個Sink節(jié)點通過質(zhì)心重選址算法將互相協(xié)作分別移向傳感器節(jié)點密集區(qū)域,逐步逼近最優(yōu)位置,縮短轉(zhuǎn)發(fā)數(shù)據(jù)路徑,降低丟包率。而COST算法,其數(shù)據(jù)轉(zhuǎn)發(fā)成功率還低于多Sink節(jié)點固定的情況,這是因為多Sink節(jié)點固定的情況下采用的路由協(xié)議也是基于路由代價的蟻群路由算法算法,選擇路由協(xié)議時考慮了路徑平均最小鏈路質(zhì)量,進行最優(yōu)路徑進行數(shù)據(jù)傳輸,從而降低網(wǎng)絡(luò)丟包率。多Sink節(jié)點位置保持不動,鄰居節(jié)點到Sink節(jié)點的跳數(shù)始終不變,數(shù)據(jù)轉(zhuǎn)發(fā)成功率相對質(zhì)心重選址算法低。

圖10 數(shù)據(jù)轉(zhuǎn)發(fā)成功率對比圖

隨著網(wǎng)絡(luò)中傳感器節(jié)點密度的增加網(wǎng)絡(luò)中數(shù)據(jù)轉(zhuǎn)發(fā)成功率不會有所提高,因為此時網(wǎng)絡(luò)中傳感器節(jié)點密度增加,所以在實際應(yīng)用中,部署網(wǎng)絡(luò)應(yīng)根據(jù)實際要求部署,無需盲目高密度的部署傳感器節(jié)點。

3.2.5 Sink節(jié)點數(shù)對WSNs性能影響

①網(wǎng)絡(luò)生命周期

如圖11所示,為Sink節(jié)點個數(shù)對WSNs生命周期的影響折線圖,隨著Sink節(jié)點個數(shù)的增加,網(wǎng)絡(luò)生命周期呈上升趨勢。此時網(wǎng)絡(luò)中,Sink節(jié)點數(shù)量在3個～5個時最好,因為此時的網(wǎng)絡(luò)生命周期增長速度最快,此時Sink節(jié)點個數(shù)對網(wǎng)絡(luò)生命周期的影響最大。而但當Sink節(jié)點數(shù)目達到一定數(shù)量后,網(wǎng)絡(luò)生命周期的增長速度緩慢,而對于其他規(guī)模的WSNs,則需進一步實驗仿真驗證。

圖11 Sink節(jié)點數(shù)對網(wǎng)絡(luò)生命周期的影響

②數(shù)據(jù)轉(zhuǎn)發(fā)成功率

如圖12所示,為Sink節(jié)點數(shù)對數(shù)據(jù)轉(zhuǎn)發(fā)成功率的影響,可知,隨著Sink節(jié)點數(shù)的增加網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)發(fā)成功率直線上升,尤其當網(wǎng)絡(luò)中由一個匯聚節(jié)點向多個匯聚節(jié)點跳變的過程,數(shù)據(jù)轉(zhuǎn)發(fā)成功率大幅度提升。對于該網(wǎng)絡(luò)中Sink節(jié)點數(shù)量在2個～4個時最好,網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)發(fā)成功率最高,可見Sink節(jié)點數(shù)量的增加對數(shù)據(jù)轉(zhuǎn)發(fā)成功率的影響之大。但當Sink節(jié)點個數(shù)增加大一定數(shù)目后,數(shù)據(jù)轉(zhuǎn)發(fā)成功率趨于平穩(wěn),并沒有很大波動,因此對于這種規(guī)模的WSNs部署3個Sink節(jié)點個數(shù)最為合理,WSNs性能最好,針對其他規(guī)模的網(wǎng)絡(luò),Sink節(jié)點個數(shù)應(yīng)根據(jù)實際情況部署,并進行仿真實驗驗證。

圖12 Sink節(jié)點數(shù)對數(shù)據(jù)轉(zhuǎn)發(fā)成功率的影響

上述仿真實驗,是在一定仿真環(huán)境假設(shè)情況下進行的,在實際應(yīng)用中還需考慮很多因素,如硬件成本、環(huán)境限制、應(yīng)用需求等。

4 結(jié)論

本文主要研究多Sink節(jié)點質(zhì)心重選址算法,通過對質(zhì)心理論的研究,將質(zhì)心理論引入到多Sink節(jié)點重選址算法中,使Sink節(jié)點重選址到質(zhì)心位置,并給出明確的Sink節(jié)點啟動、限制移動的條件確定Sink節(jié)點重新選擇的最優(yōu)位置,并根據(jù)傳感器節(jié)點接收信息的情況決定網(wǎng)絡(luò)工作狀態(tài)。實驗結(jié)果表明,質(zhì)心重選址算法不但可以避免網(wǎng)絡(luò)出現(xiàn)“能量空洞”問題、均衡網(wǎng)絡(luò)負載、降低丟包率還可延長網(wǎng)絡(luò)生命周期。

對于多Sink節(jié)點重選址算法,忽略了Sink節(jié)點移動延遲的問題,未考慮移動中的消耗。因此在未來的實際應(yīng)用中還需進一步研究,考慮當Sink節(jié)點移動延遲較大的情況,從而得到更加有效的多Sink節(jié)點重選址算法。比如,根據(jù)Sink節(jié)點不同的移動速度對重選址機制進行調(diào)整,設(shè)置Sink節(jié)點的移動速度使網(wǎng)絡(luò)性能最優(yōu)化等。

[1] Bogdanov A,Maneva E,Riesenfeld S. Power Aware Base Station Positioning for Sensor Networks[J]. Proceedings IEEE INFOCOM,2004,1:575-585.

[2] Wu D,Zhang Z,Wu W,et al. Approximation Algorithm for the Balanced 2-Connected Bipartition Problem[C]//International Computing and Combinatorics Conference. Springer International Publishing,2014:441-452.

[3] Sobti R. A Comparative Study on Network Structure Based Routing Protocol and Its Variants in Wireless Sensor Networks:A Survey[J]. International Journal of Computer Applications,2015,117(12):27-33.

[4] Slama I,Jouaber B,Zeghlache D. Multiple Mobile Sinks Deployment for Energy Efficiency in Large Scale Wireless Sensor Networks[M]//e-Business and Telecommunications. Springer Berlin Heidelberg,2008:412.

[5] Pan J,Hou Y T,Cai L,et al. Locating Base Stations for Video Sensor Networks[C]//Vehicular Technology Conference,2003. Vtc 2003-Fall. 2003 IEEE. IEEE Xplore,2003:3000-3004.Vol.5.

[6] Pan J,Cai L,Hou Y T,et al. Optimal Base Station Locations in Two Tiered Wireless Sensor Networks[J]. IEEE Transactions on Mobile Computing,2005,4(5):458-473.

[7] 王福林. 無線傳感器網(wǎng)絡(luò)中Sink節(jié)點移動策略的研究[D]. 吉林大學(xué),2013.

[8] Oyman E I,Ersoy C. Multiple Sink Network Design Problem in Large Scale Wireless Sensor Networks[C]//IEEE International Conference on Communications. IEEE Xplore,2004:3663-3667 Vol.6.

[9] 胡嘉葦. 質(zhì)心理論的應(yīng)用探析[J]. 數(shù)學(xué)教學(xué)通訊(教師閱讀),2011(15):48-50.

[10] 李心宏. 理論力學(xué):Theoretical Mechanics[M]. 大連理工大學(xué)出版社,2008.

[11] 謝傳鋒. 動力學(xué)[M]. 北京:高等教育出版社,2004:56.

[12] 歐陽青群. 無線傳感器網(wǎng)絡(luò)能量均衡策略的研究[D]. 哈爾濱:哈爾濱工業(yè)大學(xué),2016.

[13] Varga A. OMNeT++[M]//Modeling and Tools for Network Simulation. Springer Berlin Heidelberg,2010:35-59.

[14] Birajdar D,Solapure S. LEACH:An Energy Efficient Routing Protocol using Omnet++for Wireless Sensor Network[C]//International Conference on Inventive Communication and Computational Technologies. 2017.

[15] 劉強,毛玉明,冷甦鵬,等. 隨機分布WSN中Sink節(jié)點部署研究[J]. 計算機工程與科學(xué),2013,35(2):49-55.

[16] Friedmann L,Boukhatem L. Efficient Multi Sink Relocation in Wireless Sensor Network[C]//International Conference on NETWORK-IN Gand Services. IEEE Xplore,2007:90-90.

[17] 王寧,周圓,劉敬浩. 一種基于改進粒子群的無線傳感器網(wǎng)絡(luò)層次化聚類協(xié)議[J]. 傳感技術(shù)學(xué)報,2017,30(1):120-125.