无线传感器网络中的LEACH算法分析与设计
加入技术交流群
在参考文献中，作者对SEp算法进行再次改进，利用整个网络节点的平均能量与节点当前能量的比值来限制节点成为簇首节点的概率，两类节点成为簇首节点概率如式(4)所示。
根据式(4)，可以看出进一步限制的低能量节点成为簇首节点的概率。
1．3 根据节点剩余能量的不同而改进
M．J．Handy等人提出了DCHS(Deterministic Clus-ter-Head Selection)算法，根据LEACH算法中的T(n)计算不足之处，对其进行改进，如式(5)所示。式(5)中En_current表示节点当前的能量，En_max表示节点初始的能量。
由改进后的算法可以看出，当前节点能量比较高的节点成为簇首节点的概率变大，从而降低了低能量节点成为簇首节点的概率，提高了整个网络的性能。然而根据式(5)可以看出，当整个网络运行到一定的时间后，大部分节点的能量都将剩余不多，相应的T(n)就会变小，那么整个网络中节点成为簇首的概率变小，从而影响到整个网络的性能。M．J．Handy等人对式(5)进一步改进，得到式(6)，从而有效解决了式(5)的不足之处。在式(6)中rs表示节点连续未当选过簇头的轮次。一旦节点当选为簇首节点，则rs置零。
1．4 根据簇首节点随机分布不均而改进
LEACH-C算法是LEACH算法的集中式控制版本，采用模拟退火算法获得更优的簇头选举策略，克服了LEACH算法中每轮产生的簇头数与位置的随机性。
LEACH-C算法可以把每个节点的地理位置以及节点当前的能量报告给基站。基站把所有节点的能量取平均，当网络中某些节点的能量低于平均值时，将不能成为候选簇头节点，从而更加有效地解决了低能量节点成为簇头节点的概率。
评论