王華東，王大羽

（周口師范學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，河南周口 466001）

物聯(lián)網(wǎng)感知層多Sink節(jié)點(diǎn)關(guān)聯(lián)算法研究*

王華東，王大羽

（周口師范學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，河南周口 466001）

針對(duì)大規(guī)模無線傳感器網(wǎng)絡(luò)采用單一的Sink節(jié)點(diǎn)容易造成網(wǎng)絡(luò)“能量空洞”效應(yīng)，而多Sink節(jié)點(diǎn)數(shù)量和位置的合理部署能有效延長無線傳感器網(wǎng)絡(luò)壽命、控制網(wǎng)絡(luò)成本，同時(shí)多Sink節(jié)點(diǎn)數(shù)量和位置是一個(gè)NP--難問題，因此提出新穎的螢火蟲算法對(duì)多Sink節(jié)點(diǎn)布局模型問題進(jìn)行求解計(jì)算，并對(duì)算法的計(jì)算精度、效率進(jìn)行了分析。通過理論分析和仿真驗(yàn)證表明，結(jié)果表明文中提出基于螢火蟲算法的多Sink節(jié)點(diǎn)布局模型與隨機(jī)分布，基于遺傳算法、蟻群算法的多Sink節(jié)點(diǎn)部署算法相比，能夠有效降低無線傳感器網(wǎng)絡(luò)的能量消耗，減少端到端網(wǎng)絡(luò)延時(shí)，降低網(wǎng)絡(luò)部署成本，提高網(wǎng)絡(luò)服務(wù)效率，延長網(wǎng)絡(luò)的生存期。

物聯(lián)網(wǎng)；感知層；多Sink節(jié)點(diǎn)

0 引言

隨著傳感器技術(shù)、計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)、無線通信技術(shù)的迅猛發(fā)展，許多專家學(xué)者投入其中，無線傳感器網(wǎng)絡(luò)技術(shù)隨之得到了快速地進(jìn)步［1］。對(duì)于規(guī)模較大的無線傳感器網(wǎng)絡(luò)，數(shù)據(jù)傳遞給Sink節(jié)點(diǎn)需要經(jīng)歷多跳通信，每個(gè)感知節(jié)點(diǎn)都具有采集信息，同時(shí)承擔(dān)路由轉(zhuǎn)發(fā)的功能，要傳遞大量的信息到源節(jié)點(diǎn)，而感知節(jié)點(diǎn)能量的消耗往往與通信的距離是成正相關(guān)關(guān)系［2］。在無線傳感器網(wǎng)絡(luò)中合理分配Sink節(jié)點(diǎn)個(gè)數(shù)和部署位置，可以縮短傳感器節(jié)點(diǎn)與Sink之間的傳輸距離，從而有效地減少通信中的能量損耗［3］。

許多專家學(xué)者對(duì)多Sink無線傳感器網(wǎng)絡(luò)路由協(xié)議進(jìn)行了相關(guān)研究，相比于單一Sink路由協(xié)議，多Sink無線傳感器網(wǎng)絡(luò)路由協(xié)議具有更多的優(yōu)點(diǎn)。劉強(qiáng)等［4］提出隨機(jī)分布WSN中Sink節(jié)點(diǎn)部署研究，通過對(duì)節(jié)點(diǎn)合理部署提高網(wǎng)絡(luò)效率，延長網(wǎng)絡(luò)壽命；熊永平等［5］提出基于VSR的多Sink機(jī)會(huì)移動(dòng)傳感器網(wǎng)絡(luò)的數(shù)據(jù)收集算法，提高了數(shù)據(jù)收集效率，提高了網(wǎng)絡(luò)效率；袁甜甜等［6］針對(duì)路徑最小剩余能量、路徑最小平均鏈路質(zhì)量和節(jié)點(diǎn)到Sink的跳數(shù)等因素，提出基于模糊綜合評(píng)判的多Sink最優(yōu)路由算法，該算法能延長網(wǎng)絡(luò)生存期，提高數(shù)據(jù)包交付率。以上這些算法主要針對(duì)傳感器網(wǎng)絡(luò)規(guī)模不是很大，考慮更多的是節(jié)點(diǎn)自身剩余能量，而沒有解決多Sink節(jié)點(diǎn)之間的協(xié)同與合作，或者算法的復(fù)雜度較大，開銷也較大。因此考慮到感知節(jié)點(diǎn)的剩余能量、多跳跳數(shù)、傳輸距離等問題，本文從群智能啟發(fā)式算法出發(fā)，提出基于螢火蟲算法的多Sink節(jié)點(diǎn)部署問題，，有效的均衡了感知節(jié)點(diǎn)的能量消耗，延長了網(wǎng)絡(luò)的使用壽命。

1 多Sink節(jié)點(diǎn)放置位置數(shù)學(xué)模型

Sink節(jié)點(diǎn)的布局情況與無線傳感器的網(wǎng)絡(luò)服務(wù)性能緊密相連，即無線傳感器網(wǎng)絡(luò)中的Sink節(jié)點(diǎn)與感知節(jié)點(diǎn)之間存在服務(wù)與被服務(wù)的關(guān)系［7］。無線通信網(wǎng)絡(luò)鏈路的可靠性、服務(wù)效率與服務(wù)點(diǎn)、被服務(wù)點(diǎn)之間的距離緊密相連，因此通過縮短Sink節(jié)點(diǎn)與傳感器節(jié)點(diǎn)之間距離，可以提高網(wǎng)絡(luò)服務(wù)效率［8］。

在無線傳感器網(wǎng)絡(luò)上選取放置Sink節(jié)點(diǎn)個(gè)數(shù)及部署位置時(shí)，需要考慮以下幾個(gè)問題：第一，評(píng)估放置Sink節(jié)點(diǎn)的能力，承擔(dān)數(shù)據(jù)匯聚的能力；第二，對(duì)于每個(gè)普通傳感器節(jié)點(diǎn)都必須有一個(gè)Sink為其提供相應(yīng)服務(wù)；第三，每個(gè)普通傳感器節(jié)點(diǎn)到其對(duì)應(yīng)的Sink節(jié)點(diǎn)之間的延遲不能太大。Sink節(jié)點(diǎn)放置問題的優(yōu)化目標(biāo)就是如何優(yōu)化放置的位置，使普通傳感器節(jié)點(diǎn)到Sink節(jié)點(diǎn)之間的時(shí)間的最大延遲達(dá)到最小以及感知節(jié)點(diǎn)發(fā)送數(shù)據(jù)能耗最小，并滿足Sink節(jié)點(diǎn)匯聚能力。我們把該問題稱為（Multiple Sink Node Placement Problem，MSNPP）問題［9］。

給定一個(gè)圖論形式的帶權(quán)無向圖無線傳感器網(wǎng)絡(luò)G=（V，E），其中V是所有傳感器網(wǎng)絡(luò)中感知節(jié)點(diǎn)集合；E是網(wǎng)絡(luò)中邊的集合（假如網(wǎng)絡(luò)中兩個(gè)感知節(jié)點(diǎn)信號(hào)連通，就可以連成一條邊），邊權(quán)表示節(jié)點(diǎn)之間通信連接權(quán)值，可定義為網(wǎng)絡(luò)時(shí)延、信號(hào)強(qiáng)度大小等。定義w：V x V，e（0，），w（i，j）=w（j，i）。其中MSNPP數(shù)學(xué)模型定義為：普通感知節(jié)點(diǎn)集合D?V，F(xiàn)?V為無線傳感器網(wǎng)絡(luò)放置Sink集合，整數(shù)ui表示為傳感網(wǎng)Sink節(jié)點(diǎn)i的匯聚能力，其中引入0-1變量，定義如下：

公式中path（i，j）表示普通感知節(jié)點(diǎn)j到其對(duì)應(yīng)的Sink節(jié)點(diǎn)i所經(jīng)過的最短路徑，約束條件為：式（2）表示集合D中每個(gè)感知節(jié)點(diǎn)一定要分派給唯一的Sink節(jié)點(diǎn)。式（3）表示每個(gè)Sink節(jié)點(diǎn)到匯聚的感知采集節(jié)點(diǎn)不能超過自己的負(fù)載能力。式（4）考慮到網(wǎng)絡(luò)成本問題，網(wǎng)絡(luò)中Sink節(jié)點(diǎn)個(gè)數(shù)不能超過L個(gè)。式（5）表示普通感知節(jié)點(diǎn)分派到Sink節(jié)點(diǎn)一定是存在式（6）表示數(shù)學(xué)變量的取值范圍。

本文通過螢火蟲算法（Firefly algorithm，F(xiàn)A）對(duì)多Sink節(jié)點(diǎn)放置位置數(shù)學(xué)問題進(jìn)行求解，尋找重點(diǎn)節(jié)點(diǎn)傳輸?shù)蕉郤ink節(jié)點(diǎn)的最短路徑，下面第二小節(jié)簡單闡述螢火蟲算法。

2 螢火蟲優(yōu)化算法

自然界中，螢火蟲可以通過感知一定范圍內(nèi)異性螢火蟲的發(fā)光頻率和強(qiáng)度來判斷異性的吸引力，同時(shí)可以通過發(fā)光吸引獵物進(jìn)而捕食獵物。由于螢火蟲的發(fā)光強(qiáng)度會(huì)隨著傳播距離的變化而變化，英國劍橋大學(xué)X.S.Yang博士對(duì)螢火蟲的發(fā)光行為進(jìn)行抽象，于2007年提出了螢火蟲算法，該算法是一種新的元啟發(fā)式群智能算法。在求解函數(shù)優(yōu)化問題時(shí)，螢火蟲算法比PSO和GA更有效，并解決了很多工程問題［10］。

在螢火蟲算法中，首先定義相關(guān)參數(shù)：螢火蟲個(gè)體i，當(dāng)前位置xi（k）和該位置對(duì)應(yīng)的熒光素值li（k），同時(shí)對(duì)應(yīng)一個(gè)目標(biāo)函數(shù)值f（xi（k））。螢火蟲在尋找食物過程中，首先會(huì)向周圍的螢火蟲傳遞相關(guān)信息，以目標(biāo)函數(shù)值f（xi（k））為決策范圍，之后決策范圍會(huì)根據(jù)式（9）進(jìn)行更新。

根據(jù)上述分析，GSO算法由四個(gè)階段螢火蟲種群初始化、熒光素更新、當(dāng)前位置更新和螢火蟲決策域更新組成。

3 GSO算法在多Sink節(jié)點(diǎn)部署應(yīng)用

圖1 基本人工螢火蟲群優(yōu)化算法流程圖

具體的基于人工蜂群算法的多Sink節(jié)點(diǎn)部署MSNPP問題關(guān)聯(lián)問題求解步驟如下：

（1）初始化種群。在某區(qū)域內(nèi)隨機(jī)拋灑傳感器節(jié)點(diǎn)，并將每個(gè)傳感器節(jié)點(diǎn)看成一個(gè)螢火蟲，從而形成螢火蟲群。在算法初始賦與隨機(jī)播撒傳感器節(jié)點(diǎn)中每個(gè)節(jié)點(diǎn)相同熒光素濃度。

（3）熒光素更新操作。對(duì)每個(gè)個(gè)體i按式（12）計(jì)算在第k代、位置xi（k）的適應(yīng)度值，根據(jù)式（11）利用目標(biāo)函數(shù)值來計(jì)算螢火蟲i的熒光素值。

4 算法性能分析

為了驗(yàn)證本文提出基于螢火蟲算法的多Sink節(jié)點(diǎn)的放置算法有效性及優(yōu)越性，利用MATLAB仿真軟件對(duì)隨機(jī)撒播、遺傳算法的多 Sink節(jié)點(diǎn)的放置算法［11］、蟻群算法的多Sink節(jié)點(diǎn)的放置算法［12］和本文算法進(jìn)行仿真測試對(duì)比，仿真電腦配置為內(nèi)存4G的奔騰處理器，仿真環(huán)境采用的是Matlab編程，版本為R2012b。在網(wǎng)絡(luò)范圍為200m x 200m的方形范圍內(nèi)隨機(jī)部署100個(gè)感知終端節(jié)點(diǎn)和從1到10個(gè)變化的Sink節(jié)點(diǎn)，部署的節(jié)點(diǎn)遵循空間點(diǎn)泊松分別，實(shí)驗(yàn)室仿真環(huán)境參數(shù)如表1所示。

表1 實(shí)驗(yàn)仿真參數(shù)

仿真主要分為兩部分：①從本文提出的算法本身出發(fā)，從Sink節(jié)點(diǎn)數(shù)量變化對(duì)最小平均距離關(guān)系、總跳數(shù)與Sink節(jié)點(diǎn)數(shù)之間的關(guān)系、路由空洞數(shù)與Sink節(jié)點(diǎn)數(shù)之間的關(guān)系、Sin節(jié)點(diǎn)數(shù)量與算法計(jì)算時(shí)間的關(guān)系等四個(gè)方面進(jìn)行仿真試驗(yàn)。②對(duì)4種算法從網(wǎng)絡(luò)壽命和端到端時(shí)延等兩個(gè)方面對(duì)算法性能進(jìn)行對(duì)比分析。

（1）Sink數(shù)量變化對(duì)最小平均距離的影響

在這里我們定義無線傳感器網(wǎng)絡(luò)最小距離L為每個(gè)感知節(jié)點(diǎn)發(fā)送信息到Sink節(jié)點(diǎn)之間的平均距離，用數(shù)學(xué)公式表述為：

其中S為網(wǎng)絡(luò)最小總的加權(quán)距離，T為所有感知節(jié)點(diǎn)請(qǐng)求數(shù)之和。Sink節(jié)點(diǎn)的數(shù)量與最小平均距離的關(guān)系圖如圖2所示。

圖2 Sink節(jié)點(diǎn)的數(shù)量與最小平均距離（m）的關(guān)系

一般而言，隨著匯聚節(jié)點(diǎn)Sink數(shù)量的增多，感知節(jié)點(diǎn)的最小平均距離隨之下降，網(wǎng)絡(luò)的通信能力隨之增強(qiáng)，可以通過增加Sink節(jié)點(diǎn)的數(shù)量來增強(qiáng)無線傳感器網(wǎng)絡(luò)的通信能力，但Sink節(jié)點(diǎn)不是越多越好，Sink節(jié)點(diǎn)越多，意味著網(wǎng)絡(luò)的能耗在增加，網(wǎng)絡(luò)壽命在下降。從圖2可以看出，開始時(shí)最小平均距離為6.5左右，在Sink節(jié)點(diǎn)數(shù)量為4時(shí)下降到只有2.8左右，下降幅度超過了56.8%，說明增加Sink節(jié)點(diǎn)數(shù)量有效地減小了最小平均距離，增加了網(wǎng)絡(luò)的通信能力。但當(dāng)Sink節(jié)點(diǎn)增加到一定數(shù)量后，最小平均距離變化不大，逐步趨近平穩(wěn)，當(dāng)Sink節(jié)點(diǎn)增加到7時(shí)，對(duì)最小平均距離影響就很小了。

（2）總跳數(shù)與Sink節(jié)點(diǎn)數(shù)之間的關(guān)系

在200m x 200m的仿真區(qū)域中隨機(jī)播撒50，100和150個(gè)普通的終端節(jié)點(diǎn)，同時(shí)設(shè)定網(wǎng)絡(luò)的平均連通度分別對(duì)應(yīng)5，15和18左右。為了驗(yàn)證總跳數(shù)與Sink節(jié)點(diǎn)數(shù)之間的影響關(guān)系，進(jìn)行50次求取跳數(shù)的平均值。在仿真過程中，Sink節(jié)點(diǎn)與普通節(jié)點(diǎn)進(jìn)行通信都使用MSDDGR協(xié)議，在進(jìn)行數(shù)據(jù)傳輸時(shí)，網(wǎng)絡(luò)中所有感知節(jié)點(diǎn)與任意一個(gè)Sink節(jié)點(diǎn)建立連接網(wǎng)絡(luò)計(jì)算感知節(jié)點(diǎn)到Sink節(jié)點(diǎn)間的跳數(shù)。當(dāng)Sink節(jié)點(diǎn)與周圍節(jié)點(diǎn)建立路由連接時(shí)，網(wǎng)絡(luò)進(jìn)行一次輪詢次數(shù)，記錄網(wǎng)絡(luò)中所有節(jié)點(diǎn)間總跳數(shù)與Sink節(jié)點(diǎn)數(shù)之間的關(guān)系，如圖3所示。從圖3可以看出，總的節(jié)點(diǎn)個(gè)數(shù)少時(shí)，總的跳數(shù)也相對(duì)較少，網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)大時(shí)，總的跳數(shù)也相應(yīng)地最多。同時(shí)本文使用的MSDDGR通信協(xié)議中感知節(jié)點(diǎn)的總跳數(shù)隨Sink節(jié)點(diǎn)的增多而減少。當(dāng)Sink節(jié)點(diǎn)個(gè)數(shù)增加到6之后，網(wǎng)絡(luò)中總的跳數(shù)變化不大，曲線趨近平緩。

圖3 總跳數(shù)與Sink數(shù)量對(duì)應(yīng)關(guān)系

（3）路由空洞數(shù)與Sink節(jié)點(diǎn)數(shù)對(duì)應(yīng)關(guān)系

同樣地，對(duì)路由空洞個(gè)數(shù)的統(tǒng)計(jì)我們使用基于MSDDGR協(xié)議，在進(jìn)行數(shù)據(jù)傳輸時(shí)，網(wǎng)絡(luò)中所有感知節(jié)點(diǎn)與任意Sink建立連接，統(tǒng)計(jì)出現(xiàn)路由空洞情況，根據(jù)統(tǒng)計(jì)結(jié)果，繪制路由空洞數(shù)與Sink數(shù)量關(guān)系如圖4所示。從圖4可以看出，基于MSDDGR通信協(xié)議能有效提高網(wǎng)絡(luò)通信能力，降低數(shù)據(jù)傳輸跳數(shù)，減少網(wǎng)絡(luò)路由空洞數(shù)量，多個(gè)Sink的分散放置，使感知節(jié)點(diǎn)采集的數(shù)據(jù)只需發(fā)送給距離自己最近的Sink節(jié)點(diǎn)就可以，減少了網(wǎng)絡(luò)的跳數(shù)，縮短了網(wǎng)絡(luò)通信傳輸路程，降低了網(wǎng)絡(luò)總跳數(shù)，路由空洞數(shù)隨之減少。

圖4 路由空洞數(shù)與sink節(jié)點(diǎn)數(shù)對(duì)應(yīng)關(guān)系

（4）Sink節(jié)點(diǎn)數(shù)量與算法計(jì)算時(shí)間的關(guān)系

在大規(guī)模的無線傳感器網(wǎng)絡(luò)中，放置多個(gè)Sink節(jié)點(diǎn)可以減少數(shù)據(jù)傳輸距離和網(wǎng)絡(luò)通信跳數(shù)，但會(huì)對(duì)網(wǎng)絡(luò)部署計(jì)算耗時(shí)產(chǎn)生影響，Sink節(jié)點(diǎn)數(shù)量增加的同時(shí)也增加了網(wǎng)絡(luò)部署計(jì)算數(shù)量量的加大，數(shù)據(jù)通信延時(shí)也會(huì)增大。Sink節(jié)點(diǎn)數(shù)量與本文提出的螢火蟲多Sink放置算法計(jì)算時(shí)間的關(guān)系如圖5所示。從圖5的曲線走勢可以看出，本文提出的基于螢火蟲算法的Sink節(jié)點(diǎn)放置算法與部署所需的耗時(shí)呈線性增長關(guān)系，放置的Sink節(jié)點(diǎn)越多，部署所需計(jì)算時(shí)間相應(yīng)也越長。通過啟發(fā)式螢火蟲算法的技術(shù)，布置合理的Sink節(jié)點(diǎn)數(shù)量和位置，能夠適用于大規(guī)模的無線傳感器網(wǎng)絡(luò)多Sink節(jié)點(diǎn)放置問題。

圖5 Sink節(jié)點(diǎn)的數(shù)量與部署計(jì)算時(shí)間（s）的關(guān)系

（5）網(wǎng)絡(luò)壽命

圖6給出了隨機(jī)分布、遺傳算法的多Sink節(jié)點(diǎn)的放置算法、蟻群算法的多Sink節(jié)點(diǎn)的放置算法和本文提出的算法四種部署算法對(duì)網(wǎng)絡(luò)壽命進(jìn)行50次仿真，計(jì)算平均值后的網(wǎng)絡(luò)壽命對(duì)比。從圖6中可以看出，隨著Sink節(jié)點(diǎn)放置數(shù)量的增加，網(wǎng)絡(luò)的壽命都在隨著增長，當(dāng)Sink節(jié)點(diǎn)個(gè)數(shù)加到6個(gè)以后時(shí)，網(wǎng)絡(luò)的壽命變化不大，網(wǎng)絡(luò)壽命的曲線也趨近平緩，對(duì)網(wǎng)絡(luò)壽命的影響不大。同時(shí)隨機(jī)部署放置策略的無線傳感網(wǎng)絡(luò)壽命最短，遠(yuǎn)小于其它三種采用啟發(fā)式算法的網(wǎng)絡(luò)壽命時(shí)間，其中本文提出的算法比隨機(jī)部署放置策略提高網(wǎng)絡(luò)壽命25.3%，比基于遺傳算法的放置策略的網(wǎng)絡(luò)壽命提高12.1%，比蟻群算法的放置策略的網(wǎng)絡(luò)壽命提高4.1%。

圖6 不同部署算法下的網(wǎng)絡(luò)壽命

（6）端到端網(wǎng)絡(luò)時(shí)延

圖7給出了四種算法的端到端網(wǎng)絡(luò)時(shí)延對(duì)比，從圖7來看，隨著放置Sink節(jié)點(diǎn)個(gè)數(shù)的增加，端到端網(wǎng)絡(luò)時(shí)延都在減小，但隨機(jī)部署放置策略的端到端網(wǎng)絡(luò)時(shí)延較大，遺傳算法次之，蟻群算法較小，本文提出的螢火蟲算法端到端網(wǎng)絡(luò)時(shí)延最小。另外對(duì)這四種算法計(jì)算它們之間的均方值，本文提出算法比隨機(jī)部署放置策略的端到端網(wǎng)絡(luò)時(shí)延短0.05s，比遺傳算法的放置策略的端到端網(wǎng)絡(luò)時(shí)延短0.035s，比蟻群算法的放置策略的端到端網(wǎng)絡(luò)時(shí)延短0.02s。從以上仿真結(jié)果可以看出，本文提出的啟發(fā)式螢火蟲算法，合理布置的Sink節(jié)點(diǎn)數(shù)量和位置，能夠減少網(wǎng)絡(luò)跳數(shù)、路由空洞數(shù)、端到端網(wǎng)絡(luò)時(shí)延，延長網(wǎng)絡(luò)壽命，能夠適用于大規(guī)模的無線傳感器網(wǎng)絡(luò)多Sink節(jié)點(diǎn)放置問題。

圖7 不同算法下的端到端網(wǎng)絡(luò)時(shí)延

5 結(jié)論

在大規(guī)模無線傳感器網(wǎng)絡(luò)監(jiān)測環(huán)境中，采用單一的Sink節(jié)點(diǎn)容易使周圍感知節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)頻繁而工作量巨大，導(dǎo)致自身能力迅速耗盡時(shí)網(wǎng)絡(luò)失效，造成網(wǎng)絡(luò)“空洞效應(yīng)”。而多Sink節(jié)點(diǎn)數(shù)量和位置的合理部署能有效延長無線傳感器網(wǎng)絡(luò)壽命、控制網(wǎng)絡(luò)成本，提出新穎的螢火蟲算法對(duì)多Sink節(jié)點(diǎn)布局模型問題進(jìn)行求解。通過理論分析和大量實(shí)驗(yàn)驗(yàn)證算法的有效性，實(shí)驗(yàn)表明該方法簡單有效而具有實(shí)用性。本文提出的算法使多Sink節(jié)點(diǎn)進(jìn)行最優(yōu)部署，降低無線傳感器網(wǎng)絡(luò)的能量消耗，減少端到端網(wǎng)絡(luò)延時(shí)，降低網(wǎng)絡(luò)部署成本，提高網(wǎng)絡(luò)服務(wù)效率，延長網(wǎng)絡(luò)的生存期。

［1］Ming Ma，Yuanyuan Yang，Miao Zhao.Tour Planning for Mobile Data-Gathering Mechanisms in Wireless Sensor Networks［J］.IEEE Transactions on Vehicular Technology，2013，62（4）：1472-1483.

［2］Joohwan Kim，Xiaojun Lin，Shroff N B，et al.Minimizing Delay and Maximizing Lifetime for Wireless Sensor Networks With Anycast［J］.IEEE/ACM Transactions on Networking，2010，18（2）：515-528.

［3］梁小曉，韋崇崗，樂英高，等.基于小波神經(jīng)網(wǎng)絡(luò)的WSN目標(biāo)識(shí)別設(shè)計(jì)［J］.計(jì)算機(jī)測量與控制，2013，21（9）：2550-2553.

［4］梁小曉，韋崇崗.基于人工蜂群算法的物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù)研究［J］.組合機(jī)床與自動(dòng)化加工技術(shù)，2013（5）：5-8.

［5］熊永平，孫利民，馬建，等.VSR：多sink機(jī)會(huì)移動(dòng)傳感器網(wǎng)絡(luò)的數(shù)據(jù)收集［J］.計(jì)算機(jī)研究與發(fā)展，2010，47（8）：1450-1458.

［6］袁甜甜，徐敬東，張建忠.基于模糊綜合評(píng)判的多sink最優(yōu)路由算法［J］.計(jì)算機(jī)工程，2012，38（7）：73-76.

［7］任小洪，樂英高，徐衛(wèi)東.無線傳感ZigBee技術(shù)在物聯(lián)網(wǎng)中的應(yīng)用［J］.電子技術(shù)應(yīng)用，2011，37（6）：81-83.

［8］韓凱州，馬福昌.無線傳感器網(wǎng)絡(luò)中多Sink節(jié)點(diǎn)位置部署研究［J］.傳感器與微系統(tǒng)，2014，33（3）：37-39.

［9］潘耘，李嫣，李晉凱.無線傳感器網(wǎng)絡(luò)中的多Sink節(jié)點(diǎn)的放置問題［J］.計(jì)算機(jī)研究與發(fā)展，2010，47（2）：92-95.

［10］劉長平，葉春明.一種新穎的仿生群智能優(yōu)化算法：螢火蟲算法［J］.計(jì)算機(jī)應(yīng)用研究，2011，28（9）：3295-3297.

［11］徐久強(qiáng)，柏大治，羅玎玎.遺傳算法在WSNs多Sink節(jié)點(diǎn)布局中的應(yīng)用［J］.東北大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，29（6）：815-818.

［12］陳志雄，潘耘，李嫣.用改進(jìn)蟻群算法求解無線傳感器網(wǎng)絡(luò)多sink節(jié)點(diǎn)關(guān)聯(lián)問題［J］.計(jì)算機(jī)應(yīng)用與軟件，2012，29（2）：246-249.

（編輯 趙蓉）

Research on Multi-Sink Node Association Algorithm of Internet of Things Perception Layer

WANG Hua-dong，WANG Da-yu
（School of Computer Science and Technology，Zhoukou Normal University，Zhoukou Henan 466001，China）

In large-scale wireless sensor net works monitoring environment，using a single Sink node in the network is likely to cause"energy hole"effect，while Sink node number and location of proper deployment can cost effectively extend the lifetime of wireless sensor networks，control network costs，at the same time multi-Sink node number and location is an NP-hard problem.Therefore propose the firefly algorithm to solve the problems of the multiple Sink node layout model calculation，and analyses the calculation accuracy and efficiency of algorithm.Theoretical analysis and simulation results show that the proposed in this paper based on the firefly algorithm Sink node layout model with random distribution，based on genetic algorithm，ant colony algorithm Sink node deployment algorithm，can effectively reduce the energy consumption of wireless sensor networks，reducing end-to-end network delay，reduce network deployment costs，improve network efficiency and prolong the lifetime of the network.

internet of things；perception layer；multi-sink node

TH166；TG506

A

1001-2265（2015）10-0023-05 DOI：10.13462/j.cnki.mmtamt.2015.10.007

2014-12-15；

2015-01-13

國家自然科學(xué)基金（61103143）；河南省基礎(chǔ)與前沿技術(shù)研究項(xiàng)目（142300410339，132300410479）

王華東（1977—），男，河南沈丘人，周口師范學(xué)院副教授，碩士，研究方向?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)與通信，無線傳感器網(wǎng)絡(luò)，（E-mail）zhoukou985211@163.com。