本发明涉及基于分簇优化的无线传感器网络节点休眠调度方法，属于无线通信。
背景技术：
1、无线传感器网络(wireless sensor network,wsn)作为一种新兴的信息获取和处理技术，在环境监测、军事侦察和智能交通等多个领域发挥着越来越重要的作用。wsn通过部署在特定区域的大量传感器节点，实现对环境的实时监控与数据收集。然而，这些传感器节点通常由电池供电，其能源有限的特性成为制约wsn广泛应用的关键因素。因此，如何有效管理传感器节点的能源消耗，延长网络的生命周期，是wsn领域中的关键问题。
2、由于节点随机分布和高密度部署策略，无线传感器网络中通常存在大量冗余节点。这些冗余节点在执行数据采集和传输过程中，不仅增加了不必要的能源消耗，还导致数据重复和信道拥塞等问题，进而降低了网络的整体使用效率。针对上述问题，研究人员正在积极开展对无线传感器网络节点调度策略的探索。基于固定周期的休眠调度，特点在于其简易性和规律性，但缺乏灵活性，不能适应网络条件的动态变化，可能导致资源浪费或响应不及时；其次是基于网络状态的休眠调度，这种方法能够根据网络条件动态调整，优点在于高能效和高适应性，但计算复杂度也较高，可能会增加额外的能源消耗；再次是基于预测的休眠调度，通过预测网络需求来调整休眠和唤醒，优点在于提前响应网络需求，但预测结果的不准确可能导致性能低下，且算法本身复杂、难以实现。因此，基于覆盖的分簇休眠调度算法因其可靠的覆盖能力、高效的数据传输结构及能够有效减少和均衡节点间的能量消耗而显示出其的优越性。
技术实现思路
1、本发明所要解决的技术问题是：无线传感器网络中由于冗余部署引起的资源浪费以及复杂环境下节点能量使用效率低的问题。本发明的目的在于：提供基于分簇优化的无线传感器网络节点休眠调度方法，解决现有技术中存在的问题。
2、优先地，本发明提供一种基于分簇优化的无线传感器网络节点休眠调度方法，包括：根据无线传感器网络节点的部署位置、无线传感器网络节点的统一感知半径、无线传感器网络节点的邻居节点的部署位置和无线传感器网络节点的邻居节点的统一感知半径，计算无线传感器网络节点被无线传感器网络节点的邻居节点覆盖的冗余程度；
3、将冗余程度与预设阈值比较，判定无线传感器网络节点是否为冗余节点，若判定无线传感器网络节点为冗余节点，将该无线传感器网络节点设置为休眠状态；
4、基于无线传感器网络节点到簇头的距离、簇头到汇聚节点的距离和剩余能量三个目标，使用改进的多目标浣熊优化算法在剔除休眠节点后的无线传感器网络节点中选举簇头节点；
5、无线传感器网络中剔除簇头节点和休眠节点后的剩余无线传感器网络节点选择距离最近的簇头，获得簇结构。
6、优先地，无线传感器网络进入数据传输阶段，簇内的无线传感器网络节点向各自簇头节点发送数据，簇头节点接收簇内的无线传感器网络节点发来的数据后，将数据经过数据聚合处理并发送给汇聚节点。
7、优先地，判断是否存在活跃节点，若存在活跃节点则在将数据经过数据聚合处理并发送给汇聚节点之后，判断是否符合动态簇更新条件；
8、若符合动态簇更新条件则执行将冗余程度与预设阈值比较，判定无线传感器网络节点是否为冗余节点，若判定无线传感器网络节点为冗余节点，则将该无线传感器网络节点设置为休眠状态。
9、优先地，动态簇更新条件包括条件一和条件二，条件一是指存在新增的死亡节点；条件二是指任一簇头节点剩余能量小于当前无线传感器网络中存活的无线传感器网络节点的平均能量。
10、优先地，根据无线传感器网络节点的部署位置、无线传感器网络节点的统一感知半径、无线传感器网络节点的邻居节点的部署位置和无线传感器网络节点的邻居节点的统一感知半径，计算无线传感器网络节点被无线传感器网络节点的邻居节点覆盖的冗余程度，包括：
11、s201、在l×l方形监测范围区域内随机部署n个静态节点和1个汇聚节点，n个静态节点构成的节点集合为：，设定各节点的感知半径为，各节点的通信半径为，且；d(i,j)表示节点i与节点j之间的距离；表示传感器i的感知区域；
12、s202、计算节点i的邻居节点集合：
13、,
14、s203、计算节点的冗余程度s：
15、。
16、优先地，将冗余程度与预设阈值比较，判定无线传感器网络节点是否为冗余节点，若判定无线传感器网络节点为冗余节点，将该无线传感器网络节点设置为休眠状态,包括：
17、将冗余程度s与预设阈值α比较，若冗余程度s不小于预设阈值α，则判定无线传感器网络节点i为冗余节点，并将该无线传感器网络节点设置为休眠状态。
18、优先地，基于无线传感器网络节点到簇头的距离、簇头到汇聚节点的距离和剩余能量三个目标，使用改进的多目标浣熊优化算法在剔除休眠节点后的无线传感器网络节点中选举簇头节点,包括：
19、初始化所有浣熊在搜索空间中的位置：
20、，
21、其中xp是第p个浣熊在搜索空间中的新位置，xp,q是第q个决策变量的值，ncoa是浣熊的数量，k是决策变量的数量,r是区间[0,1]中的随机实数，lbq和ubq分别是第q个决策变量的下界和上界；
22、浣熊种群使用种群矩阵x表示：
23、，
24、计算目标函数的矢量f：
25、
26、式中，fp是基于第p个浣熊获得的目标函数值，是基于第个浣熊获得的目标函数值；
27、基于预设迭代次数，更新浣熊种群位置。
28、优先地，基于预设迭代次数，更新浣熊种群位置，包括：
29、假设种群中最好成员的位置是鬣蜥的位置，对浣熊从树上爬起的位置进行数学模拟：
30、，
31、式中，为第p个浣熊的新位置，为第p个浣熊新位置的第q个维度，r是区间[0,1]中的随机实数，iguana表示鬣蜥在搜索空间中的位置，iguanaq为iguana的第j维，i为一个整数，是底函数；
32、鬣蜥落地后被放置在搜索空间中的一个随机位置；
33、基于鬣蜥的位置，地面上的浣熊在搜索空间中移动：
34、，
35、，
36、，
37、式中，iguanag为鬣蜥在地面上的位置；为iguanag的第q个维；
38、如果没有为每个浣熊的新位置提高目标函数值，则浣熊保持在先前的位置：
39、，
40、式中，是的目标函数值，是在目标函数中的值；
41、在每个浣熊在搜索空间中的新位置附近生成随机位置：
42、，
43、，
44、式中，是第j个决策变量的局部下界，是第j个决策变量的局部上界，是第q个决策变量的下界，是第q个决策变量的上界；t是迭代计数器，t是预设的最大迭代数值；是基于coa的第二阶段的第p个浣熊的新位置，是第p个浣熊的新位置的第q个维度；
45、如果第p个浣熊在搜索空间中的新位置提高了目标函数值，则第p个浣熊在搜索空间中的新位置为：
46、，
47、式中，是第p个浣熊新位置的第q个维度的目标函数值，r是区间[0,1]中的随机数；
48、利用tent混沌产生的序列来初始化所有浣熊在搜索空间中的位置：
49、，
50、其中，zt为tent映射生成的混沌序列，β为随机数；
51、进一步生成浣熊初始个体初始位置xp,q：
52、，
53、式中，xmin,q为序列的最小值，xmax,q为序列的最大值。
54、优先地，基于无线传感器网络节点到簇头的距离、簇头到汇聚节点的距离和剩余能量三个目标，使用改进的多目标浣熊优化算法在剔除休眠节点后的无线传感器网络节点中选举簇头节点，包括：
55、计算簇头节点f(h)：
56、，
57、，
58、，
59、，
60、式中，f1(h)为第一目标函数，f2(h)为第二目标函数，f3(h)为第三目标函数，表示成员节点ni与簇头hj间距离，是选举出的簇头节点集合，表示集合h内元素个数，节点ni所属簇的成员节点集为，sink表示无线传感器网络中的汇聚节点，e(hj)表示簇头hj当前的剩余能量。
61、优先地，无线传感器网络中剔除簇头节点和休眠节点后的剩余无线传感器网络节点选择距离最近的簇头，获得簇结构，包括：
62、簇头节点使用广播的方式宣布获选消息，剔除簇头节点和冗余节点后的剩余无线传感器网络节点就近选择簇头节点并发送入簇请求；
63、簇头节点接收剩余节点入簇请求后将入簇后的剩余无线传感器网络节点作为成员节点，为所有该簇结构中的剩余无线传感器网络节点发送tdma时隙表。
64、优先地，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
65、优先地，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述方法的步骤。
66、本发明所达到的有益效果：
67、本发明在仿真实验方面，测试了冗余判定机制中预设阈值α对于休眠节点个数的影响，验证了随着α值大小的减小，判定为冗余节点进而转为休眠状态的节点就越多，符合理论预期效果；然后本发明将改进的浣熊优化算法应用于无线传感网络节点休眠调度中的簇头选举阶段，与原算法和其他三种不同智能优化算法以及无线传感网络中广泛应用的leach协议和pegasis协议进行对比，使用改进浣熊优化算法的无线传感网络节点休眠调度方法在每轮存活节点数、网络剩余能量和每轮消耗能量方面表现最好，本发明不仅有效均衡无线传感网络节点间的能量消耗，显著延长了网路寿命。
1.基于分簇优化的无线传感器网络节点休眠调度方法，其特征在于，包括：
2.根据权利要求1所述的基于分簇优化的无线传感器网络节点休眠调度方法，其特征在于，无线传感器网络进入数据传输阶段，簇内的无线传感器网络节点向各自簇头节点发送数据，簇头节点接收簇内的无线传感器网络节点发来的数据后，将数据经过数据聚合处理并发送给汇聚节点。
3.根据权利要求2所述的基于分簇优化的无线传感器网络节点休眠调度方法，其特征在于，判断是否存在活跃节点，若存在活跃节点则在将数据经过数据聚合处理并发送给汇聚节点之后，判断是否符合动态簇更新条件；
4.根据权利要求3所述的基于分簇优化的无线传感器网络节点休眠调度方法，其特征在于，动态簇更新条件包括条件一和条件二，条件一是指存在新增的死亡节点；条件二是指任一簇头节点剩余能量小于当前无线传感器网络中存活的无线传感器网络节点的平均能量。
5.根据权利要求1所述的基于分簇优化的无线传感器网络节点休眠调度方法，其特征在于，根据无线传感器网络节点的部署位置、无线传感器网络节点的统一感知半径、无线传感器网络节点的邻居节点的部署位置和无线传感器网络节点的邻居节点的统一感知半径，计算无线传感器网络节点被无线传感器网络节点的邻居节点覆盖的冗余程度，包括：
6.根据权利要求1所述的基于分簇优化的无线传感器网络节点休眠调度方法，其特征在于，将冗余程度与预设阈值比较，判定无线传感器网络节点是否为冗余节点，若判定无线传感器网络节点为冗余节点，将该无线传感器网络节点设置为休眠状态,包括：
7.根据权利要求1所述的基于分簇优化的无线传感器网络节点休眠调度方法，其特征在于，基于无线传感器网络节点到簇头的距离、簇头到汇聚节点的距离和剩余能量三个目标，使用改进的多目标浣熊优化算法在剔除休眠节点后的无线传感器网络节点中选举簇头节点,包括：
8.根据权利要求7所述的基于分簇优化的无线传感器网络节点休眠调度方法，其特征在于，基于预设迭代次数，更新浣熊种群位置，包括：
9.根据权利要求7所述的基于分簇优化的无线传感器网络节点休眠调度方法，其特征在于，基于无线传感器网络节点到簇头的距离、簇头到汇聚节点的距离和剩余能量三个目标，使用改进的多目标浣熊优化算法在剔除休眠节点后的无线传感器网络节点中选举簇头节点，包括：
10.根据权利要求1所述的基于分簇优化的无线传感器网络节点休眠调度方法，其特征在于，无线传感器网络中剔除簇头节点和休眠节点后的剩余无线传感器网络节点选择距离最近的簇头，获得簇结构，包括：
