任昌鸿 安 军

1(重庆师范大学涉外商贸学院信息技术中心 重庆 401520)2(重庆工商大学数学与统计学院 重庆 400030)

0 引 言

伴随着信息时代的发展以及物联网技术的出现，无线传感器网络领域的研究也受到了极大的关注[1-3]。在网络中使用的传感器节点因其独有的特性在各种应用中得到了广泛的应用，这些节点能够检测和监测物理现象的变化。但它们的设计存在两个问题：(1) 传感器的有限寿命，因为它们由小电池供电；(2) 选择应用程序采用的部署方法，其中最重要的环节是聚类过程，而影响聚类过程的重要因素之一就是Cluster Head(CH)节点的分布。因此，研究WSN中的聚类方法具有很好的现实意义和实用价值[4-5]。

国内外许多专家及学者围绕WSN中的聚类方法展开了深入的研究。文献[6]研究了一种利用低能量自适应聚类层次协议的无线传感器网络的动态聚类技术，该技术提供了一种简单的机制，可以将大量节点组织到集群中，并定期更改网络中每个节点的角色。然而，它没有考虑CH节点的分布和生成的集群的大小。文献[7]提出一种混合能量分布式聚类协议，并制定了延长网络生命周期的两个重要指标。这些指标是剩余能量和集群内通信成本，但它是一种迭代技术，会消耗更多的开销。文献[8]基于遗传算法提出了一种新的适用于无线传感器网络的聚类技术，其目标函数最小化了从成员节点到其相关CH之间的总距离。文献[9]使用粒子群优化来产生一种节能聚类技术，其目标函数最小化成员节点及其相关CH之间的平均距离以及所有节点的总初始能量与候选CH的总能量之比。……