A Dynamic-Weight Multi-Objective Sloth-Inspired Clustering Algorithm for Wireless Sensor Networks

Ardalan H. Awlla

doi:10.1002/dac.70395

A Dynamic-Weight Multi-Objective Sloth-Inspired Clustering Algorithm for Wireless Sensor Networks

2026-03-10

0

PRE

AI

DOI：10.1002/dac.70395

原文链接

原文求助

摘要

En 中文

集群无线传感器网络（WSNs）由许多小型、电池供电的节点组成，这些节点收集并传输数据到中央基站。选择合适的簇头（CHs）是WSNs中的关键任务，因为它涉及一个多目标问题。这需要在最小化能耗和延迟的同时，最大化数据包交付和网络寿命等相互冲突的目标。当前的多目标算法，如MPSO和MFDO，试图平衡这些目标。然而，它们计算成本高，对参数变化敏感，且难以适应大型或动态WSNs。为解决这些局限性，本文提出了一种轻量级多目标MSloth算法，其在解决WSNs中不稳定的、低能效的CH选择研究空白方面具有创新性。该生物启发的动态加权机制根据节点能量、密度和到基站的距离选择CH，而一种树懒启发的再生机制和动态加权调度减少了CH轮换，确保了自适应和能效的网络性能。我们使用包含100-300节点的模拟网络和包含1000个样本节点的真实WSNs数据集，将MSloth与三种其他多目标优化算法MPSO、MFDO和MOANA进行了比较；1000轮和10000轮的数值结果显示，MSloth节省了20%-27%的能耗，表现出更长的网络寿命，并在合成数据集上保持0.9 s的低延迟，在真实数据集上保持0.65 s的低延迟。在涉及300个节点的测试中，MSloth节省了50 J总能耗中的20.26 J，保持了190个节点活跃，实现了83.4%的数据包交付率，并记录了仅0.55 s的延迟；统计分析证实了这些改进在性能指标上是显著的。这些发现表明，MSloth是一种适用于环境监测、预警系统和智能农业等实际应用的有效且轻量级的协议。

Keyword:

cluster head selection

energy-aware routing

multi-objective optimization

QoS optimization

wireless sensor network routing

A Dynamic-Weight Multi-Objective Sloth-Inspired Clustering Algorithm for Wireless Sensor Networks

摘要

期刊

机构

引用论文