基于DRNG与DLSS拓扑结构的网络模型优化研究 .pdfVIP

基于DRNG与DLSS拓扑结构的网络模型

优化研究

作者：彭文良

来源：《荆楚理工学院学报》2021年第02期

摘要：对基于邻近图的主流拓扑控制算法进行了阐述，通过OMNET++软件仿真建模，设

计出基于DRNG与DLSS拓扑控制算法的网络模型，仿真并收集分析数据结果，结果表明：

改进DLSS算法与DRNG算法都能够实现通信拓扑结构的简化，达到降能的目的;改进DRNG

算法比DLSS算法优化的拓扑结构的鲁棒性更好，更适合实际应用推广。同时提出改进和优化

的策略。

关键词：无线传感器网络;拓扑控制;邻近图;DRNG;DLSS;

中图分类号：TP391文献标志码：A文章编号：1008-4657（2021）02-0079-05

引言0

无线传感器网络是集合信息传递、接收和处理与一体的自组织的网络系统，涉及环境、医

疗、军事、工业、农业以及交通等应用领域[1]。拓扑控制技术是保证无线传感器网络通信机

制与数据融合的重要支撑技术之一，对于网络结构的优化与节能降耗等方面具有直接关系

[2]。陈军[3]提出了一种启发式分簇拓扑控制方法，利用粒子群实现通信节点的分簇，从而提

升通信网络的连通性与生命周期。刘志龙等[4]采用群交叉与变异的方式达到非均匀分簇，控

制传感器节點的剩余能量与负载直接的均衡，在较大的网络吞吐量下仍然能够保持较长的生命

周期。除了通过建立粒子群算法达到网络拓扑结构的控制之外，还可以通过优化节点可靠性权

值的方式达到节能的目的。宋伟奇等[5]通过构建网络节点模型优化传输节点的权值约束，提

升数据传输的流畅度，达到延长网络寿命周期的目的。本文通过OMNET++软件对改进后的

DRNG（DirectedRelativeNeighborhoodGraph）算法与DLLS（DirectedLocalSpanning

Subgraph）算法的网络模型进行仿真，比较不同节点优化技术的优势，为拓扑控制技术在无线

传感器网络的节能降耗研究提供依据。

基于邻近图的拓扑控制1

1.1DRNG算法改进

在DRNG算法中[6]，在得到u的邻居节点集之后，在邻居节点集内寻找距离节点u最远

的节点v，并且根据这两节点间的距离来确定节点的最大发射功率。所以此算法的最终目的就

是找到距离节点最远的邻居节点。在原有的DRNG算法中需要判断所有的n个邻居节点是否

为u的邻居节点，而改进DRNG算法减少了n/2需要确定的邻居节点的个数。那么在寻找邻居

节点的时候如果对于它的可达节点进行排序，算法的复杂度将会从原来的n4比较次数下降为

n2比较次数。算法步骤如图1所示。

DRNG算法改进主要是在确定可达邻居集合N后，将N中的节点按照与u的距离从大到

小进行排序，记为v1、v2、v3、...、vn。每个节点vi（i=1，2，3，...，n）两两之间的集合

{vi+1，vn}，如果不存在一点p满足max{d（u，p），d（v，p）}d（u，v），则vi即是u

的最远邻居节点。按照vi到u的距离d（ui，v）调节发射功率。

1.2DLSS的拓扑控制算法

基于DLSS算法的拓扑结构的通信流程与DRNG算法的结构类似[6]。通过每个节点发送

最大功率的广播Hello信息，结合DLSS算法的节点定位确定邻居节点从而实现最高效率的通

信路径筛选。具体的算法如下：

输入参数：Gu：u的可达邻居子图G;

输出参数：Su=（V（Su），E（Su）），根据Gu得到的局部生成子图。

Begin

1Sort（E（Gu））;将E（Gu）中的边按照权重排序

2foreachedge（u0，v0）intheorder

3ifu0isnotconnectedtov0inSu

（4ESu）：=E（Su）∪{（u0，v0）}

5endif

6end

End

在完成上述过程后，调