论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　1概述
　　对于优化无线传感器网络的负载平衡和通信，我们已经进行了大量的研究。其中最著名的一种研究方法是基于GEAR协议的无线传感器网络节点分配法。目前几乎所有的无线传感器网络都基于此协议。GAER协议是一个基于地理位置的路由器协议。它将该节点的位置信息作为选择路由器的主要依据，并根据监测目标的地理位置，进行特定方向的信息传送，以降低无线网络路由的开销。
　　然而，随着无线传感器网络的应用环境变得越来越复杂，基于GEAR算法的基本通信协议也逐渐显示出了严重的缺陷，许多研究人员都提出了规则传感器网络节点的调度方法。但鉴于节点随机分布的特点，它无法保证有效的对所有节点进行有规则的调度。假设通过一种非可靠的模式来选择网络节点，则需要太多的经验知识，从而极大地限制了网络节点的调度。有的学者研究了一种基于模糊模式的节点调度方法，通过这种方法可以使用最少的资源找出合适的节点位置。然而，该方法的缺陷是高度依赖于地理位置，能耗等经验知识来进行调度，这就大大的限制了它的应用性和实用性。
　　2传统的无线传感器网络GEAR节点分配算法和缺陷
　　3模糊加固Q学习算法
　　为了解决上述问题，该文引入了强化学习方法。但在Q强化学习方法中，需要很多经验知识作为支持，这就进一步限制了它的实用性。为了克服这个难题，该文提出了向强化学习Q点模糊逼近，模糊控制的输入情况是是成对的状态控制。通过在最佳状态下搜索的Q值，并在添加前面的相应干扰因素后，在模糊控制环境下发挥算法的功效。模糊控制环境在状态转换的过程中得出一个算好的模糊奖励值Q。根据模糊值的错误，进行模糊控制系统结构的调整和学习。这就可以更好地符合无线传感器网络节点模糊能量的环境。从图1可以看出，采用电脑模糊控制的加强型Q学习系统结构。
　　在此框架下，学习过程中使用模糊控制网络来描述和存储相关任务。当学习过程通过传感器感知的当前状态为Q时，就会根据当前状态进行模糊搜索控制，并在未知的经验中取得最佳的选择。随后，它会考虑修改最佳策略，使搜索和利用之间达到平衡，以取得执行的最佳效果。
　　4基于模糊加强Q学习改进型GEAR算法的建议
　　基于GEAR传统无线传感网络协议实现了通过地理位置与能量感知的路由选择。但GEAR网络负载平衡只提供了有限的支持??。例如，如果在网络中的传送路径上出现拥堵，地理位置和能源消耗将保持不变，并且将仍然使用以前的路径发送到网络拥塞区域。这将导致额外的能量消耗。该文通过将模糊强化学习机制引入传统算法，从而本文将网络负载均分到传感器的每一个节点的功能得以实现，从而减少节点的能量消耗，延长了无线传感器网络的生命周期。
　　5实验仿真与分析
　　6结论
　　论文在分析传统GEAR传感器节点分配算法和模糊增强型Q学习算法的基础上，提高了GEAR传感器网络平衡算法。使用模糊神经网络向强化学习结合的Q值与无线传感器节点的分配过程中，选择发送节点根据模糊的Q值或Q值的近似值。它改善了传统的GEAR节点分配算法的缺陷，即高度依赖于地理位置，能源消耗及其他经验知识进行调度。最后，通过仿真实验，证明通信能量消耗曲线的趋势是低于传统的GEAR算法，从而能够避免网络的拥挤。
　　参考文献：
　　[1]刘玉宏，詹英.室内Cricket无线传感器网络定位方法的改进[J].计算机工程与应用，2010（21）.
　　[2]赵军，李鸿斌，王智.无线网络室内定位系统研究[J].信息与控制，2008（4）.
　　[3]高明，吉祥，刘宇，等.ZigBee技术在室内定位中的应用[J].西安工业大学学报，2010（1）.
　　[4]杨东勇，顾东袁，傅晓婕.一种基于RSSI相似度的室内定位算法[J].传感技术学报，2009（2）.
　　[5]宋上雷，刘果.无线传感器网络及能耗策略[J].数字通信世界，2005（11）.
　　[6]陈雄，杜以书，唐国新.无线传感器网络的研究现状及发展趋势[J].系统仿真技术，2005（2）.
　　[7]陶诗涌，罗惠琼.密集型无线传感器网络多对一的传送能力及数据压缩研究[J].计算机与信息技术，2005（5）.
　　[8]胡文基，徐明伟.无线传感器网络安全路由协议分析[J].北京邮电大学学报，2006（1）.
　　[9]马斌，周小佳.无线传感器网络拓扑优化研究[J].网络安全技术与应用，2006（4）.
　　[10]任小晶，陈光踽.无线传感器网络自适应规模扩展的算法设计及实现[J].传感技术学报，2006（2）.