擾動粒子群優(yōu)化的SDWSN路由算法

胡 敏，汪騰飛，黃宏程

重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065

1 引言

傳統(tǒng)的無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，WSN）大多面向于特定的應(yīng)用，在部署后，節(jié)點的策略和網(wǎng)絡(luò)功能難以改變，導(dǎo)致網(wǎng)絡(luò)的資源利用率低，網(wǎng)絡(luò)管理變得困難[1-2]。軟件定義網(wǎng)絡(luò)（Software-Defined Network，SDN）將網(wǎng)絡(luò)設(shè)備控制面與數(shù)據(jù)面分離，帶來網(wǎng)絡(luò)應(yīng)用可編程、集中式控制、網(wǎng)絡(luò)設(shè)備開銷少等好處[3]。SDN的思想應(yīng)用于WSN中產(chǎn)生了軟件定義無線傳感器網(wǎng)絡(luò)（Software-Defined Wireless Sensor Networks，SDWSN），SDWSN由軟件定義傳感器節(jié)點組成，可根據(jù)實時感測請求按需加載不同的程序，動態(tài)地重新配置其功能和屬性。SDWSN利用了SDN的優(yōu)點，通過將WSN中分布式的節(jié)點管理有機整合，形成全網(wǎng)優(yōu)化的管理控制，提高了WSN的資源利用率。

Luo等人[4]第一次將SDN與WSN結(jié)合來解決無線傳感器網(wǎng)絡(luò)中的一些固有問題。Gante等人[5]提出了一種基于基站的集中式控制平面的智能無線傳感器網(wǎng)絡(luò)，可實現(xiàn)簡單的重配置，以解決傳統(tǒng)傳感器網(wǎng)絡(luò)中傳感器節(jié)點的移動、定位等問題。Huang等人[6]提出了一種SDWSN原型，以提高環(huán)境監(jiān)控WSN的適應(yīng)性和能量效率。已有的研究在不同方面證實了SDWSN方案是可行的，但對于WSN中的重要問題如路由算法，如何利用軟件定義的優(yōu)勢來進行研究的較少。WSN中，節(jié)點的能量由電池供應(yīng)且難以替換，因而節(jié)能路由算法成為研究熱點[7-9]。LEACH（Low-Energy Adaptive Clustering Hierarchy）[10]協(xié)議依概率隨機選取簇頭節(jié)點，通過輪換簇頭的方式來平衡網(wǎng)絡(luò)能耗。但簇頭選擇的隨機性會使得簇頭分布不均勻，且簇頭的選擇沒有考慮能量因素。HEED（Hybrid Energy-Efficient Distributed clustering）[11]考慮節(jié)點的剩余能量，先選取一部分候選簇頭，然后根據(jù)簇內(nèi)能量消耗代價競爭產(chǎn)生最終簇頭，使選出的簇頭分布更均勻，能量較高。但單跳通信的方式導(dǎo)致距基站較遠(yuǎn)的節(jié)點能耗大。采用多跳通信方式的網(wǎng)絡(luò)中，距基站越近的簇頭越多地參與數(shù)據(jù)轉(zhuǎn)發(fā)而使其能量快速耗盡。EEUC（Energy-Efficient Uneven Clustering）[12]采用非均勻分簇的方法使得距基站較近的簇?fù)碛休^少的成員節(jié)點，簇內(nèi)能耗減少，從而平衡簇內(nèi)能耗和數(shù)據(jù)轉(zhuǎn)發(fā)能耗。DEBUC（Distributed Energy-Balanced Unequal Clustering）[13]利用節(jié)點剩余能量構(gòu)造的計時廣播機制代替EEUC中的競爭機制，節(jié)省了簇頭競爭過程中的能量消耗。但簇頭的選擇采用概率和門限值會導(dǎo)致能量較小節(jié)點的無效競爭，且能夠繼續(xù)工作的簇頭還需重新分簇，造成能量浪費。IPSOCH[14]利用中繼節(jié)點分擔(dān)簇頭能耗，考慮節(jié)點剩余能量和距離信息，利用改進的粒子群優(yōu)化算法選擇簇頭和中繼節(jié)點，有效地提高了能量使用效率。然而，在SDWSN的范例中，路由功能在邏輯上集中在控制器上?，F(xiàn)有的WSN路由協(xié)議采用分布式算法在節(jié)點上運行，分簇和路由選擇過程需要進行大量的信息交換，增加了網(wǎng)絡(luò)負(fù)擔(dān)，消耗大量能量，而基于軟件定義的WSN中的路由協(xié)議如NWPSO-based[15]、SDUCR[16]，其簇頭能量消耗不均衡，導(dǎo)致網(wǎng)絡(luò)的能量利用率低，生存周期短。

本文在已有的SDWSN架構(gòu)下，提出了一種基于擾動粒子群優(yōu)化的能耗均衡路由算法tPSOEB（Extremum Disturbed Particle Swarm Optimization based Energy-Balanced Routing Protocol），通過考慮節(jié)點的剩余能量、位置和能量均衡信息選擇簇頭，并引入擾動改進了PSO的搜索性能，依據(jù)節(jié)點距基站距離、節(jié)點剩余能量和鄰居節(jié)點個數(shù)將整個網(wǎng)絡(luò)動態(tài)劃分為大小不等的簇。同時每周期進行一輪全局分簇和k輪局部簇頭更新，節(jié)省分簇時的能量消耗。在簇間路由建立時，傳感器控制服務(wù)器采用集中式方式根據(jù)鏈路能耗、節(jié)點剩余能量和簇內(nèi)節(jié)點數(shù)構(gòu)建最短路由樹。仿真結(jié)果表明，tPSOEB能顯著提高網(wǎng)絡(luò)的能量使用率，延長網(wǎng)絡(luò)壽命。

2 網(wǎng)絡(luò)模型與能耗模型

2.1 網(wǎng)絡(luò)模型

網(wǎng)絡(luò)模型如圖1所示，其由在基站處實現(xiàn)的傳感器控制服務(wù)器CS（Sensor Control Server）和一組隨機分布在監(jiān)測區(qū)域的軟件定義傳感器節(jié)點組成，且具有如下性質(zhì)：（1）考慮一組感測目標(biāo)如溫度、濕度等，隨機分布在SDWSN區(qū)域內(nèi)。每個軟件定義傳感器節(jié)點配備具有不同感測能力的多個傳感器，可同時執(zhí)行多個任務(wù)。（2）傳感器控制服務(wù)器可根據(jù)執(zhí)行任務(wù)的不同，為傳感器節(jié)點分配相應(yīng)的程序來重新編程一些傳感器節(jié)點。（3）每個傳感器節(jié)點配有ID，其能量、通信能力相同。（4）傳感器節(jié)點部署后可感知其位置，不能隨意移動，節(jié)點的發(fā)射功率能夠進行自動調(diào)整。

圖1 多任務(wù)軟件定義無線傳感器網(wǎng)絡(luò)

2.2 能耗模型

能耗模型同文獻[7]，節(jié)點向相距為d的目標(biāo)節(jié)點發(fā)送k bit數(shù)據(jù)的能量消耗為：

節(jié)點接收k bit數(shù)據(jù)的能量消耗為：

數(shù)據(jù)聚合也會消耗一定的能量，聚合1 bit數(shù)據(jù)消耗的能量用EDA表示。

3 tPSOEB路由算法

tPSOEB算法包括簇的形成、簇間多跳路由建立和數(shù)據(jù)傳輸階段，這三個階段周期性地執(zhí)行。簇建立階段，傳感器控制服務(wù)器綜合網(wǎng)絡(luò)信息和業(yè)務(wù)需求選出簇頭，劃分大小不同的簇，然后根據(jù)分簇結(jié)果建立簇間最佳路由，將選出的簇頭信息以及路由信息發(fā)送給相應(yīng)簇頭，簇頭接收控制服務(wù)器的指令，指示所在簇區(qū)域內(nèi)的節(jié)點完成相應(yīng)的任務(wù)。數(shù)據(jù)傳輸階段，簇頭收集簇內(nèi)節(jié)點的數(shù)據(jù)，將數(shù)據(jù)聚合后依照傳感器控制服務(wù)器所做的路由決策進行數(shù)據(jù)傳輸。

3.1 基于擾動粒子群優(yōu)化的簇頭選擇算法

簇頭的選擇對路由算法的性能影響重大，為了節(jié)省傳感器節(jié)點的能量，簇頭的選擇由傳感器控制服務(wù)器完成。設(shè)在全網(wǎng)范圍內(nèi)隨機部署了N個軟件定義傳感器節(jié)點，根據(jù)應(yīng)用的需要被分為了n個簇，設(shè)簇頭節(jié)點集合為CN（Cluster Head Node）={CN1,CN2,…,CNj,…,CNn},普通傳感器節(jié)點集合為ON（Ordinary Node）={ON1,ON2,…,ONi,…,ONN-n}，節(jié)點Ni的鄰居節(jié)點集合為NNi（Neighbor Node）={Nj|Nj是 Ni的鄰居節(jié)點，d(Ni,Nj)＜R}，R為節(jié)點的通信半徑，d(Ni,Nj)表示Ni與Nj的歐式距離。

為了選出最佳的簇頭，定義適應(yīng)度函數(shù)：

適應(yīng)度函數(shù)的定義基于以下幾個因素考慮：f1為剩余能量比例因子；f2為距離因子，含義為選出的一組簇頭距傳感器控制服務(wù)器的平均距離與網(wǎng)中普通節(jié)點距傳感器控制服務(wù)器的平均距離的比值，其值越小，代表選出的全網(wǎng)簇頭距離傳感器控制服務(wù)器的平均距離越?。籪3為簇內(nèi)緊湊性因子，其值越小，代表選出的全網(wǎng)簇頭距它們的鄰居節(jié)點越近；f4為能量均衡因子。適應(yīng)度函數(shù)越小，表明選出的簇頭剩余能量越高，距傳感器控制服務(wù)器及鄰居節(jié)點越近，剩余的能量越均衡。參數(shù) α1、α2、α3、α4決定了各因子對適應(yīng)度函數(shù)貢獻的比值且α1+α2+α3+α4=1。粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）是一種群體化算法，通過適應(yīng)度對粒子進行評價，經(jīng)過不斷迭代來找到優(yōu)化問題的解。因其簡單高效，收斂速度快，可用來進行簇頭的選擇。但標(biāo)準(zhǔn)粒子群優(yōu)化算法在求解多峰值問題時易陷入局部最優(yōu)，導(dǎo)致選出來的簇頭并非全網(wǎng)最優(yōu)。因此，本文改進PSO算法，提出一種基于擾動粒子群優(yōu)化的簇頭選擇算法。

（1）對優(yōu)化問題和算法參數(shù)初始化。創(chuàng)建一定數(shù)量的粒子，每個粒子代表問題的初始解，即選出的一組簇頭。設(shè)粒子數(shù)量為m，種群X={x1,x2,…,xm}，第i個粒子的速度矢量為vi={vi1,vi2,…,vin},位置矢量為xi={xi1,xi2,…,xin},n代表問題的維數(shù)即簇頭個數(shù)。由式（3）評價每個粒子，得到粒子對應(yīng)的個體最優(yōu)解為 pi={pi1,pi2,…,pin},所有粒子找到的全局最優(yōu)解為 pg={pg1,pg2,…,pgn}。

（2）更新粒子的速度和位置矢量。標(biāo)準(zhǔn)PSO算法的速度和位置更新公式分別為：

式中，vij是第i個粒子速度矢量的第 j維值；t為迭代次數(shù)；c1、c2為加速因子；r1、r2是服從U(0,1)均勻分布的隨機數(shù)；ω為慣性權(quán)值。

標(biāo)準(zhǔn)的粒子群算法由于群體中所有粒子都向同一個全局最優(yōu)粒子學(xué)習(xí)，很容易因?qū)W習(xí)強度過大，群體喪失多樣性而陷入局部極值。本文對其進行改進，首先引入擾動更新全局最優(yōu)粒子gbest，待更新的粒子向擾動后的全局最優(yōu)粒子gbest'學(xué)習(xí)。然后對個體最優(yōu)值的進化停滯次數(shù)t0進行判斷，高于閾值時進行隨機擾動，進一步增加迭代后期群體的多樣性，更利于找到全局最優(yōu)解。極值擾動算子與改進的速度更新公式為：

（3）根據(jù)式（3）評價每個粒子，更新粒子的極值。返回到步驟（2）進行循環(huán)，用式（11）和式（9）對粒子的速度和位置進行更新，直到達到最大迭代次數(shù)，當(dāng)前最優(yōu)解即選為簇頭。

3.2 簇頭競爭半徑的計算

為均衡簇頭能耗，采用非均勻分簇的結(jié)構(gòu)，DEBUC等協(xié)議在計算簇半徑時只考慮節(jié)點到基站的距離而忽略了節(jié)點能量、節(jié)點個數(shù)等因素的影響，導(dǎo)致集群的劃分不夠合理。本文綜合考慮簇頭到傳感器控制服務(wù)器的距離、簇頭的剩余能量及其鄰居節(jié)點的個數(shù)來計算簇競爭半徑，計算公式如下：

式中，β1、β2、β3是參數(shù)控制因子且 β1+β2+β3=1；dmax、dmin分別為簇頭CNj到傳感器控制服務(wù)器CS的最大、最小距離；Emax為所有簇頭剩余能量的最大值；|NNj|為簇頭CNj鄰居節(jié)點的個數(shù)；|NN|min為全部簇頭鄰居節(jié)點個數(shù)的最小值；Rmax為預(yù)先定義的最大競爭半徑。

傳感器控制服務(wù)器根據(jù)擾動粒子群算法選出簇頭后，由式（12）得到每個簇頭的競爭半徑劃分簇區(qū)域。定義簇頭CNj的成員節(jié)點集為MNj={Ni|Ni是CNj的成員節(jié)點，d(Ni,CNj)＜Rc}。傳感器控制服務(wù)器選出簇頭得到簇成員集合后生成簇頭通知包，發(fā)送到對應(yīng)的簇頭，簇頭收到通知包后生成與之對應(yīng)的流表項，并產(chǎn)生簇成員通知包，發(fā)送到相對應(yīng)的簇成員節(jié)點。

為了避免頻繁分簇，tPSOEB算法每周期進行一輪全局分簇和動態(tài)的k輪局部簇頭更新。在以上分簇階段完成后，傳感器控制服務(wù)器依據(jù)當(dāng)前分簇情況，在每個簇內(nèi)選出能夠作為代理簇頭的節(jié)點，代理簇頭的選擇依據(jù)簇內(nèi)節(jié)點的適應(yīng)度來決定。適應(yīng)度的計算公式為：

如果簇內(nèi)節(jié)點ONi的適應(yīng)度小于λ倍當(dāng)前簇頭節(jié)點的適應(yīng)度，則該成員節(jié)點可作為代理簇頭。一個簇內(nèi)代理簇頭的個數(shù)即為該簇局部簇頭更新的次數(shù)。設(shè)簇Cj中代理簇頭的個數(shù)為kCj，則全網(wǎng)的局部簇頭更新次數(shù)為：

3.3 簇間多跳路由的建立

傳感器控制服務(wù)器選出全網(wǎng)的簇頭后，通過Dijkstra算法利用收集到的簇頭的能量信息、位置信息、分簇后簇內(nèi)普通節(jié)點數(shù)、任務(wù)的Qos需求等信息，以自己為根節(jié)點構(gòu)建最短路由樹，路由的建立采用集中式算法在傳感器控制服務(wù)器處運行。

傳感器控制服務(wù)器通過最小跳路由發(fā)現(xiàn)得到網(wǎng)絡(luò)中全部可用鏈路集合。其步驟為，引入一個距離閾值TDmax，若簇頭與傳感器控制服務(wù)器的距離小于閾值則一跳傳輸數(shù)據(jù)，找到所有可一跳與傳感器控制服務(wù)器通信的簇頭集合CN1hop，將這些單跳鏈路加入總可用鏈路，重復(fù)這一過程，找到所有可一跳與CN1hop通信的簇頭集合，將所得單跳鏈路加入總可用鏈路，直至網(wǎng)絡(luò)中所有簇頭都能通過一跳或多跳將數(shù)據(jù)發(fā)送給傳感器控制服務(wù)器。

為了找出最佳路由路徑，定義鏈路權(quán)值為：

式中，ωij為鏈路(CNi,CNj)的權(quán)值；Ec(CNi,CNj)為鏈路(CNi,CNj)的能量消耗；E(CNj)為簇頭CNj的剩余能量為簇頭CNj的成員節(jié)點數(shù)；為可一跳與CNi通信的簇頭其成員節(jié)點數(shù)均值。鏈路的能耗越小，簇頭剩余能量越高，簇內(nèi)節(jié)點數(shù)越少，則該簇頭越適合選作下一跳節(jié)點，從而節(jié)省數(shù)據(jù)傳輸?shù)哪芎?，達到整個網(wǎng)絡(luò)的能耗平衡。傳感器控制服務(wù)器由式（15）得到每條鏈路的權(quán)值后，用Dijkstra算法計算出每個簇頭的最優(yōu)數(shù)據(jù)傳輸路徑，生成對應(yīng)簇頭的流表項并發(fā)送給相對應(yīng)的簇頭，多跳路由建立。tPSOEB算法的工作流程如圖2所示。

4 算法分析及仿真

4.1 消息復(fù)雜度分析

假設(shè)網(wǎng)絡(luò)中有N個節(jié)點，根據(jù)應(yīng)用需要選出n個簇頭，每周期開始時，傳感器控制服務(wù)器收集網(wǎng)中全部節(jié)點的剩余能量、距離等信息，消息開銷為N，選出簇頭后需下發(fā)n個簇頭通知包，每個簇頭廣播一條簇成員通知包，消息開銷為n，最后N-n個簇成員節(jié)點廣播N-n條入簇消息包，因此在首輪簇建立階段網(wǎng)絡(luò)總消息開銷為：

圖2 tPSOEB算法工作流程圖

本文算法采用后續(xù)k輪進行局部簇頭更新，在首輪簇建立階段完成后，傳感器控制服務(wù)器由式（13）在每個簇內(nèi)計算簇內(nèi)節(jié)點的適應(yīng)度并進行排序即可得到每個簇在下一輪進行更換的簇頭，此時傳感器控制服務(wù)器只需生成n個局部簇頭更新包發(fā)送到對應(yīng)的節(jié)點即可完成局部簇頭更新，簇頭更新后需廣播簇成員通知包，消息開銷為n，然后簇成員節(jié)點廣播入簇消息，消息開銷為N-n，因此后續(xù)k輪簇的建立階段網(wǎng)絡(luò)總消息開銷為：

采用局部簇頭更新方式使后續(xù)k輪簇建立過程消息包的數(shù)量減少了N。綜上，tPSOEB算法在分簇階段消息的復(fù)雜度為O(N)。EEUC、DEBUC等算法在簇建立階段，候選簇頭競爭最終簇頭時需要廣播和接收大量消息，總的消息開銷分別為(2T+1)N、(T+1)N+n，T為候選簇頭節(jié)點的比例。此外在網(wǎng)絡(luò)初始化階段，基站需廣播消息并獲取網(wǎng)絡(luò)中節(jié)點距基站的最近和最遠(yuǎn)距離以用于競爭半徑的計算，消息開銷為N。IPSOCH算法消息開銷為(2N+n)。本文算法簇的建立工作由傳感器控制服務(wù)器來做，避免了節(jié)點間大量的信息交換，因此消息開銷較小。

4.2 仿真環(huán)境和參數(shù)分析

為了驗證tPSOEB算法的性能，在MATLAB中進行仿真實驗，并與LEACH、EEUC、DEBUC以及IPSOCH算法進行對比，通過網(wǎng)絡(luò)的生命周期和總能耗的變化來衡量算法的性能。tPSOEB算法中的參數(shù) α1、α2、α3、α4決定了適應(yīng)度函數(shù)的4個因子所占的比重。α1越大，表明選出的節(jié)點剩余能量越高，由于節(jié)點擔(dān)任簇頭要消耗大量的能量，剩余能量越高的節(jié)點越適合擔(dān)任簇頭，因此要使α1取較大值。α2、α3分別表示節(jié)點距傳感器控制服務(wù)器的平均距離與節(jié)點距鄰居節(jié)點集的平均距離對適應(yīng)度的貢獻比例，它們的取值越大，表明選出的簇頭距傳感器控制服務(wù)器越近，簇內(nèi)能耗越小，使得網(wǎng)絡(luò)的能量消耗減少。α4取值越大，表明選出的簇頭節(jié)點剩余的能量越均衡，簇頭節(jié)點剩余能量均衡程度越高，越容易避免出現(xiàn)網(wǎng)絡(luò)空洞。通過調(diào)節(jié)這4個參數(shù)的大小可以使算法的性能有所偏重。本文致力于設(shè)計非均勻分簇算法來延長網(wǎng)絡(luò)壽命，通過選取多組取值不同的α1、α2、α3、α4來仿真對比其對網(wǎng)絡(luò)生命周期的影響，從而確定最優(yōu)的參數(shù)取值。圖3顯示了 α1、α2、α3、α4分別取不同值時tPSOEB算法網(wǎng)絡(luò)壽命的變化曲線，其余仿真參數(shù)如表1所示?？梢钥闯鲈诖藞鼍跋?α1、α2、α3、α4取值為0.4、0.2、0.2、0.2時，網(wǎng)絡(luò)的生命周期最優(yōu)。用理論化的方法選擇最優(yōu)的參數(shù)正在進一步的研究中。

圖3 權(quán)重系數(shù)取不同值時存活節(jié)點數(shù)的變化

表1 仿真實驗的參數(shù)設(shè)置

4.3 實驗結(jié)果及分析

首先，分析網(wǎng)絡(luò)生命周期隨簇頭個數(shù)的變化，如圖4所示，增加簇頭的數(shù)量可以使得劃分的集群更小，簇內(nèi)成員節(jié)點數(shù)減少，從而節(jié)省簇內(nèi)能耗。但如果一味地增加簇頭個數(shù)，簇間的能量消耗將會顯著升高。另外，簇頭的任務(wù)之一是融合所管轄區(qū)域內(nèi)成員節(jié)點的感測數(shù)據(jù)，消除錯誤數(shù)據(jù)，減少冗余信息，如果選擇過多的簇頭，那么相似的感測數(shù)據(jù)可能會傳輸給不同的簇頭，導(dǎo)致部分冗余的信息發(fā)送給傳感器控制服務(wù)器造成能量浪費。因此，對于給定網(wǎng)絡(luò)存在一個最優(yōu)簇頭數(shù)使得能量效率最高，本場景中最優(yōu)簇頭數(shù)為18。

圖4 網(wǎng)絡(luò)生命周期隨簇頭個數(shù)的變化

圖5 為各算法存活節(jié)點數(shù)隨仿真時間的變化曲線?？梢钥闯鐾琇EACH協(xié)議相比，EEUC、DEBUC、IPSOCH以及本文所提算法都顯著提高了網(wǎng)絡(luò)的生命周期，這是因為它們通過多跳路由，節(jié)省了簇頭的能量消耗。同時，本文算法第一個節(jié)點死亡時間相比LEACH、EEUC、DEBUC以及IPSOCH分別延長227.0%、49.5%、24.8%和16.6%，網(wǎng)絡(luò)生存時間分別延長了110.3%、58.6%、36.6%和12.7%。這是因為本文引入了軟件定義的架構(gòu)，采用集中式的算法，將網(wǎng)絡(luò)拓?fù)涞膭澐趾吐酚蓻Q策都交由傳感器控制服務(wù)器來進行，網(wǎng)絡(luò)中的簇頭無需進行路由計算，大大減少了簇頭的能量消耗。此外，傳感器控制服務(wù)器在選擇簇頭時，使用tPSO來改進對PSO的搜索，很好地考慮了節(jié)點的剩余能量和位置信息，產(chǎn)生了更好的網(wǎng)絡(luò)聚類結(jié)構(gòu)，因此節(jié)點消耗的能量更少。

圖5 各種路由算法存活節(jié)點數(shù)對比

圖6 為5種算法網(wǎng)絡(luò)剩余總能量隨仿真時間的變化，曲線的斜率代表能量消耗的速率?？梢钥闯霰疚乃惴ㄏ鄬τ贚EECH、EEUC、DEBUC和IPSOCH算法能量消耗速度慢且波動較小，說明本文算法更好地均衡了網(wǎng)絡(luò)中所有節(jié)點的能量消耗，從而延長了網(wǎng)絡(luò)壽命。

圖6 網(wǎng)絡(luò)能耗對比

5 結(jié)束語

本文針對軟件定義的無線傳感器網(wǎng)絡(luò)提出了一種能耗均衡的路由算法。傳感器控制服務(wù)器采用集中式的算法調(diào)取網(wǎng)絡(luò)中節(jié)點信息用于集群劃分和路由計算。根據(jù)網(wǎng)絡(luò)中節(jié)點的剩余能量、位置和能量均衡信息，采用擾動粒子群算法優(yōu)化簇頭的選擇，同時依據(jù)節(jié)點距基站距離、節(jié)點剩余能量和鄰居節(jié)點個數(shù)將網(wǎng)絡(luò)動態(tài)劃分為大小不同的簇以均衡簇頭的能耗，使數(shù)據(jù)傳輸距離短且整個網(wǎng)絡(luò)能耗小。路由計算綜合考慮鏈路能耗、節(jié)點剩余能量和成員節(jié)點數(shù)構(gòu)建最短路徑樹。仿真結(jié)果表明，tPSOEB能顯著提高網(wǎng)絡(luò)的能量使用率，延長網(wǎng)絡(luò)壽命。