NAOW：一种改进的Ad Hoc网络AOW算法

刘卫国，石玉

(中南大学 信息科学与工程学院，湖南 长沙，410083)

摘要：针对Ad Hoc网络中异构网络节点的负载均衡问题和节点快速移动的稳定问题，提出一种改进的AOW算法即NAOW算法。通过增加节点处理能力属性，并赋予各节点不同的属性值，从而模拟异构网络中各种节点的性能，并用平均相对移动速度取代绝对移动速度，考虑整个簇而非单个节点的稳定性，从而减少统治集更新数。研究结果表明：在同构网络下，采用NAOW算法的负载均衡因子与其他算法相比有明显提高；在异构网络下，NAOW算法的负载均衡因子在不同传输范围内都有提高，且统治集更新数在实际应用网络的传输范围内有明显减少，增加了整个簇的稳定性。

关键词： Ad Hoc网络；分簇算法； AOW算法；网络仿真

中图分类号：TP393.01          文献标志码：A         文章编号：1672-7207(2014)06-1860-07

NAOW: An improved AOW algorithm for Ad Hoc network

LIU Weiguo, SHI Yu

(School of Information Science and Engineering, Central South University, Changsha 410083, China)

Abstract: To solve load balancing problem in heterogeneous Ad Hoc network and stability problem in fast-moving state, an improved AOW algorithm named NAOW was proposed. This algorithm took the node processing capacity assessment indicator into account by giving different kinds of nodes’ different attribute values to simulate heterogeneous network node processing power. The calculation method of moving speed was adjusted by using an average relative moving speed to take the place of the average speed of movement and considering the whole cluster rather than the stability of a single node. Thus, the update number of the dominate set was reduced and the stability of the entire cluster was increased. The results show that load balancing factor using NAOW algorithm compared with other algorithms is significantly improved in homogeneous network. In heterogeneous network, load balancing factor using NAOW algorithm increases in different transmission ranges, and update number of the dominate set is reduced within the transmission scope of practical application of mobile network. As a result, the whole cluster is more stable.

Key words: Ad Hoc network; clustering algorithm; AOW algorithm; network simulation

Ad Hoc网络作为一种不依赖于任何基础设施的新型无线网络，具有广阔的应用前景^[1]，因具有分簇结构的Ad Hoc网络因其扩展性高、路由和控制开销较小而被广泛应用。它所采用的分簇算法对网络的性能有很大的影响。常见的分簇算法有最小标识分簇算法LID^[2]、结点最高连接度分簇算法HD^[3]、基于组合度量的分簇算法^[4]等。LID算法结构简单，运行速度快，簇头的更新频率较低，簇的维护代价小。HD算法选取节点中具有最高度数(即具有最多邻居节点)的节点作为簇头，与其相邻的一跳邻居节点成为簇的普通成员节点。该算法的优点在于簇的数目较少，但较少的簇也会造成网络信道的空间重用率不高。基于组合度量的分簇算法如自适应按需加权分簇算法(adaptive on-demand weighted，AOW)，旨在通过综合参考节点度、节点剩余能量、移动速度等作为簇头的选择标准，而不是只考虑移动节点的ID、连接度或发射功率中的一种属性。这种算法的优势是可以灵活改变权重因子来适用不同场合。例如，在对电源容量敏感的系统中，与电池容量相关的权重因子需要提高。然而，不是所有这些参数都有用而且精确，信息的不确定性可能影响到分簇的性能和效果。以上算法都假设Ad Hoc网络中所有节点都是同构的，即每个节点的处理能力相同。而在灾难救援现场、个人无线局域网等现实环境中，为搭建临时网络而组成的通信设备，如智能手机、平板电脑等，它们的性能千差万别，即使是同一类产品也性能各异。在同等情况下，CPU性能好、内存容量大的节点理应优先成为簇头节点。本文作者改进AOW算法，考虑节点的差异性带来的影响，并对原有算法中权重因子移动性进行改进，以达到减少统治集更新次数和提高负载均衡度因子的目的。

1  AOW算法分析

AOW算法即自适应按需加权分簇算法，其加权的含义在于综合分析各种网络环境参数对于网络簇结构稳定性的影响，并对各种决定性参数赋予不同的权重，从而根据不同的环境应用需求，实现一种优化的选择簇头、划分网络节点形成簇的策略。

1.1  约定

AOW算法的目标是提供有较强负载均衡能力和公平特性且能够适用多种应用场合的分簇结构，并通过尽量减少簇头的更新来减少簇维护开销。对于给定的系统和应用，AOW算法应满足以下通用假设^[5]：每个节点可以决定它自己的簇且只能属于一个簇(非交叠簇)。每个节点有唯一的ID号并且知道它的一跳邻居；当邻居节点移入或移出节点的无线通信范围时，节点能够意识到一条新链路的存在或1条链路已经 断开；存在理想的信道接入协议，所有一跳邻居节点都能够在有限的时间内正确地收到来自节点的信息；分簇建立期间，网络的拓扑不会发生变化；在整个网络运行过程中节点的数目不会改变。

1.2  算法描述

AOW算法主要包括簇头选择和簇的维护2个阶段。

1.2.1  簇头选择阶段

在簇头选择阶段，AOW算法综合考虑了节点的移动性、节点度、发射功率和剩余能量这4个权重因子。节点i的权值W_i的计算公式为

W_i=w₁M_i+w₂D_i+w₃P_i+w₄E_i          (1)

其中：M_i，D_i，P_i和E_i分别代表节点i的移动性、节点度、发射功率和剩余能量，w₁，w₂，w₃和w₄分别为它们的权重因子。参数越重要，其权重因子越大，并满足w₁+w₂+w₃+w₄=1。AOW算法在系统启动时或当前簇头不能覆盖其控制域内所有的节点时被触发。簇头选择过程如下。

(1) 初始化时，每个节点都处于未决定状态。通过周期性地交互“hello”报文包探测信息，每个节点可以确定各自的邻居节点数，称作节点i的度数d_i。

(2) 计算节点度数与理想度数D_ideal之差，即D_i=|d_i-D_ideal|。

(3) 因为邻居节点多，若节点相隔距离比较远，则所需要的发射功率越大，故根据节点与其邻居节点的距离总和来计算P_i。

(4) 根据节点的平均移动速度计算M_i。

(5) 统计节点作为簇头的时间T，T越大，节点消耗的电池能量越多。

(6) 计算每个节点的组合权重W_i，然后将W_i和其节点ID放置在周期性的“hello”包消息中向邻居节点广播。

(7) 选择相邻节点中W_i最小的节点为簇头，如果W_i相同，选择ID较小的节点为簇头。成为簇头的节点将广播一个簇消息，宣布自己是簇头节点。第一次收到簇消息的邻居节点将成为该簇头所在簇的成员节点，并且它通过广播一个分簇消息宣布自己是该簇的成员节点，不再参与分簇。

重复步骤(2)~(7)，直到所有的节点属于某个簇。

1.2.2  簇维护阶段

簇的维护包括节点链路的管理^[6]和簇的管理。前者包括节点的出现、消失和移动，后者包括簇的消失、分裂和合并。因AOW算法约定整个网络运行过程中节点的数目不会改变，故簇维护阶段不考虑新节点的出现和原有节点的消失。

节点移动方式分为确定性移动和随机性移动。无论哪种移动方式，对于移动节点而言都是脱离原簇并加入到另一个新簇的过程。确定性移动是指节点主动在一个簇退网，然后入另一个簇。由于节点在移动前已经知道目的簇，所以，它的管理比较简单。随机性移动的管理则相对复杂，节点需要首先判断自己是否要脱离原簇，然后根据接收到的探测分组加入某个簇或形成新的簇。

当簇中大多数节点消失时，对该簇而言，簇内通信较少，而以簇间通信为主，使得簇维护开销增大，簇结构不够优化，就应当让这个簇消失。

只要2个簇合并后簇内的节点数没有超过阈值，应允许2个规模较小的簇合并成1个规模较大的簇。为了减少控制开销，在进行簇合并时，通常由较小的邻居簇头先将本簇的节点设置成未决定状态，然后，向目的簇发送入簇请求消息来加入该簇。

簇头需要周期性地检查簇内节点数是否超过阈值或网络是否出现分区，若条件满足，则簇头应根据簇拓扑信息将该簇分裂成若干小簇。

1.3  AOW算法存在的问题

通过对AOW算法的分析，可以发现以下问题：

(1) AOW算法综合考虑了多种因素进行分簇，但是没有考虑节点本身的处理能力，其权重计算公式^[7]是基于所有节点处理能力都一样这个前提。而在真实网络环境中，如灾难救援现场，不同的救援队搭建一个临时自组网络，其便携通信设备千差万别。即使同一救援队使用相同设备，设备在网络中担任的角色(簇头或节点)和时间不同，其权值也会不同。

(2) 在AOW算法中，把每个节点的绝对速度的历史累积(在一个时间周期T内)作为参数M，的确可以看出1个节点的移动性。M_i的计算方式如下：

       (2)

其中：X_t和Y_t分别为t时刻某一节点在Ad Hoc网络中的X和Y坐标值；X_t-1和Y_t-1分别为t-1时刻某一节点在Ad Hoc网络中的X和Y坐标值。这种计算方法，只能说明这一个节点相对上一个位置的稳定性，不能说明它相对整个簇的稳定性，也不能充分说明它作为簇头的稳定性。节点进入和离开簇的计算量比簇的重新选择的系统消耗要小得多，所以，应该选择1个节点，这个节点与它所有邻居节点的相对移动性最小，这样节点虽然移动了，但是，作为簇头的概率仍然比较大。尤其在实际应用中，一个簇内的成员，往往组成一个小组，统一行动。假设某个簇的成员都朝一个方向运动，而簇头因为一些原因滞后，若只是考虑到移动性最小的成员作为自己组的簇头来负责与其他的簇联系，则在这种情况下，滞后的簇头因为权值比别的簇小，它还是被选为簇头，但实际情况下应该将更合适的节点作为簇头。

2  NAOW算法

NAOW算法将平均相对速度作为移动性的测量标准，从一个簇的稳定性考虑，希望簇建立以后就不要变化太大，特别是簇头尽量不要变化。从系统消耗方面考虑，由于节点在簇之间移动产生的开销相对较小，而簇头更新产生的计算和通信开销较大，对网络的性能影响最大，所以，选用相对速度作为参数之一，就是希望找出的节点在整个网络运动时，能保持作为簇头，而这在实际应用中具有重要的意义。

2.1  权值W_i的确定

针对AOW算法存在的缺陷，将权值W_i计算式(1)改进为：

W_i=w₁M_i+w₂D_i/d_i+w₃P_i+w₄/R_i+w₅/L_i        (3)

其中：d_i为节点i的度数，R_i为节点i现有的能量，L_i表示节点的处理能力，w_i(i=1，2，3，4，5)表示每一项的权值系数，满足w₁+w₂+w₃+w₄+w₅=1，且w_i可依据不同的应用及网络的具体情况而各有侧重。

2.1.1  M_i的计算

从簇的稳定性的角度考虑，这里选择节点的相对速度而不是绝对速度来表示节点的移动性。节点i通过计算来自某一邻居节点x的接收功率来确定相对移动性指标Q_i(x)，且Q_i(x)=10ln(P_t/P_t-1)。其中P_t表示当前时刻节点i收到来自节点x的接收功率，P_t-1表示上一测量时刻节点i收到来自节点x的接收功率。若Q_i(x)＜0，则表示2个节点逐渐远离，否则2个节点相互靠近。通过计算节点i和所有m个邻居节点x_j(j∈m)的相对移动性的绝对值均值来得到节点i的本地相对移动性M_i。M_i的计算公式如下：

             (4)

M_i越小，说明节点相对于邻居节点的移动性越低，反之越高。Ad Hoc网络节点都在移动，尤其是在节点之间速度相差较大，选择速度小的节点做簇头，其他节点移进、移出簇的频率就会明显加大，簇的重构性增加，簇的不稳定性增强。

2.1.2  D_i的计算

D_i为节点度数与理想簇节点数之差的平方，即用|d_i-D_{i deal}|²来取代AOW算法中的|d_i-D_{i deal}|，这将使D_i随d_i与D_{i deal}差的平方增长，这种增长随着d_i的增加将越来越敏感，即使w₃很小，当d_i增长到一定规模后，D_i也会相当大，对组合权值产生大的影响。参照Hubaux等^[8]提出的计算方法，假设簇内和簇间的通信带宽分别为B₁和B₂，网内节点数为K个，则理想负载均衡的簇大小计算公式为

             (5)

2.1.3  P_i的计算

在LID和HD等算法中，均考虑节点的发射功率相同这样的理想情况，可是在现实环境中各节点因为不同的天线长度、不同的电池能量，而导致不同的发射功率。选择功率大的节点做簇头，辐射的范围大，包含的节点多，可以减少簇头的总数，从而提高整个网络的吞吐率。对于有m个邻居节点的节点i的发射功率P_i的计算方式^[9]为

  (6)

2.1.4  R_i的计算

因为簇头电能消耗较大，所以，选择电池能量高的节点作簇头，可以保证该节点扮演簇头的时间长，减少簇的重构带来的运算和电量消耗，增加了簇的稳定性。

2.1.5  L_i的计算

节点的处理能力包括节点的CPU、内存大小，在可视通信中还包括节点的图像处理能力。L_i的确定方法是：按节点设备性能配置分为若干级别，最高档次配置的L_i为1。

2.2  簇头的选择过程

NAOW选择簇头的过程^[10]描述如下：

(1) 通过周期性地交互“hello”包探测信息，每个节点i可以确定各自的邻居节点数，作为它的度数d_i。

(2) 对每个节点i计算其度数与理想度数D_{i deal}之差的平方，即D_i=|d_i-D_{i deal}| ²。

(3) 对每个节点i计算器到所有邻居节点的距离的总和P_i，以此来表示节点的发射功率，即簇的覆盖范围。

(4) 根据节点i的平均相对移动速度来计算其移动性M_i。

(5) 统计节点i作为簇头的时间T_i来表示已经消耗的电池能量，假设簇头耗费的电池能量远大于普通节点耗费的电池能量。R_i由节点总电量、簇头消耗的电量和普通节点消耗的电量确定。

(6) 计算每个节点i的组合权重W_i。每个节点将得到的W_i和其节点ID放置在周期性的“hello”消息中向邻居节点广播。

(7) 选择邻居节点中W_i最小的节点为簇头，若W_i相同，则选择ID较小的节点为簇头。成为簇头的节点将广播一个簇消息^[11]，宣布自己是簇头节点。一跳邻居节点将成为该簇头所在簇的成员节点，并且已属于某簇的普通节点，不能成为其他簇的簇头。

(8) 重复步骤(2)~(7)，直到所有的节点属于某个簇为止。

NAOW算法初始化过程如图1所示。节点的权值确定之后，会与其一跳邻居节点通过“hello”包交换节点消息。邻居节点收到含权值的消息后会与自身权重作比较，若自身权值大，则成为该簇的簇头，否则，就成为普通节点。

图1  NAOW算法节点初始化

Fig. 1  Node initiation of NAOW algorithm

3  实验仿真与分析

Ad Hoc网络分簇算法的性能指标^[12-13]主要考虑以下因素。

(1) 簇头的数目：分簇算法应在网络带宽允许的范围内尽可能减少簇头的数量。另外簇头控制的范围也应该有一定的限制，如限制在1跳或2跳邻居节点之内。在链路容量许可的情况下，簇头节点数目少的算法能有效地提高链路的利用率。但是，由于节点资源限制，簇头不可能服务所有邻居节点，即簇成员的数量应有一定的限制，如蓝牙协议，其主从结构限制了每个主节点只能同时服务7个成员节点。

(2) 单位时间内节点重新加入簇数，即节点在簇间转移：用于说明在重新计算统治集的时间间隔内的簇维护开销。为减少开销，希望该指标越小越好。

(3) 单位时间内簇头构成的统治集更新数：用来说明重新运行分簇算法的频率。在分簇结构中，节点在簇间移动产生的开销较小，而统治集更新带来的计算和通信开销较大。因此，单位时间内统治集更新数在很大程度上决定了分簇算法的性能。

(4) 系统的负载均衡：这里注重的是簇头之间的负载均衡，即不希望出现某些簇头负载过重导致崩溃，而有的簇头则不分担任何负载的情况。但是，由于节点经常性地加入或离开，很难使系统一直维持在良好的负载均衡状态。在Ad Hoc网络中，优化负载的分布是非常困难的，为了量化簇头负载的均衡程度，引入负载均衡因子(L_BF)指标。簇头的负载处理能力可以由该簇的大小来近似表示，即簇的变化可以反映簇头负载分布的变化。L_BF定义为簇头内部成员节点数(不包括簇头)方差的倒数，即。其中：n_c为簇头节点的数量；x_i为簇头节点i的成员节点数；u为簇头的平均邻居节点数量，u=(N-n_c)/n_c；N为网络中的节点数。u越大，则表示负载均衡度越好。所以，在理想的情况下，x_i=u，L_BF趋向于无穷大。

为了准确说明算法的特点和效果，借助NS-2^[14]对LID，HD，AOW和NAOW进行比较。为能说明问题，4种分簇算法都采用按需更新簇头的策略。这是因为，如果其中一些算法采用周期性更新簇头的方法，那么它们的开销将明显大于采用按需更新策略的分簇算法的开销，并且以上性能指标在一定程度上与簇头的更新频率相关，从而不能很好地比较各种分簇算法的性能。

在一个200×200单位距离的区域内随机放置50个节点，节点的移动方向可以在(0，2)内随机分布，节点的移动速度可以在(0，v_max)中随机选择，v_max表示节点移动的最大速度。簇头能量损耗(H_E_waste)的速度是每秒消耗设备总能量的0.03%，普通节点能量损耗(O_E_waste)的速度是每秒消耗设备总能量的0.01%。假设节点的初始能量都相同，其他参数如表1所示。

表1  网络仿真参数

Table 1  Parameters of network simulation

3.1  簇头数比较

令节点的最大移动速度v_max=5，节点数为50，节点传输范围从5~70变化，模拟结果如图2所示。模拟结果表明：簇头数随节点传输范围的增加而减少，并且当传输范围大于30后，簇头的变化速度逐渐变慢，最终会收敛到1。因为节点的传输范围变大，簇的覆盖范围也越大，最终1个簇头将覆盖所有节点。此外，HD算法的簇头数明显低于其他算法，因为其选择连接度最大的节点作为簇头。其他几种算法的簇头数非常接近，而NAOW簇头数略大于AOW和LID。这是因为NAOW算法限制了簇头的节点度，相比于其他3种分簇算法，NAOW算法得到的簇头分布更加均匀，簇头数略多。

图2  簇头数随传输范围的变化

Fig. 2  Changes of cluster head number with transmission range

3.2  重入簇数比较

由于各种分簇算法中簇头是按需更新的，因此网络中簇头的移动性对簇结构的稳定性有很大的影响。因LID与HD算法中重入簇数比AOW和NAOW算法的重入簇数高很多，为了突出移动性的影响，仅比较AOW算法和NAOW算法中节点重新加入簇数随传输范围的变化，比较结果如图3所示。由图3可以看出：节点重新加入簇数随着传输范围的变化，先是急剧增加，传输范围为25时达到最大值，然后逐渐减小，最后减小到趋向于某一固定值，约为13；当节点传输范围很小时，重入簇数几乎都为1(只有簇头，网络出现分割)，簇成员较少。随着范围增加，网络中簇逐渐减少，而簇成员增多，因此，簇成员移出簇的机会也随着增加。这与节点的传输范围也有关系，当传输范围很大时，节点移出簇头传输范围的机会也很小。

图3  重入簇数随传输范围的变化

Fig. 3  Changes of reentrancy cluster number with transmission range

实验结果表明：选取移动性较低的节点作为簇头可以有效地降低节点重新加入簇数，在NAOW中可以通过调节移动性的权重因子来做到这一点。

3.3  统治集更新次数比较

考虑50个节点，移动速度最大为20，节点随即选择目的地，当到达目的地后，在原地停留10 s，然后去往下一个目的地，仿真时间为10 min，比较结果如图4所示。

图4  统治集更新数随传输范围的变化

Fig. 4  Changes of donimate sets of update number with transmission range

由图4可以看出：在所有算法下统治集更新数的变化规律相同：当节点传输范围很小时，统治集更新数很小，随着传输范围的增大，统治集更新数也逐渐增大；而当传输范围达到10左右时，统治集更新数达到最大值；当传输范围继续增加时，统治集更新数开始减小并逐渐趋向于0。另外，AOW与NAOW算法稳定性相当，但比HD算法要稳定得多。这是因为HD算法中簇头的选择只考虑节点度，所选择的簇头具有较高的节点度，而由于节点的移动，簇头的节点度处于变化中，2个簇头也会成为相邻节点，从而导致簇结构的变化。对于Ad Hoc网络的应用如个人无线局域网、临时救援寻呼网络等，其传输范围一般在50以内。图4表明：当NAOW在传输范围为10~30(常用网络的传输范围)时，统治集更新数有明显减少。

3.4  负载均衡因子比较

表2列出了同构网络下(即各节点处理能力相同)各算法的L_BF平均值。这里节点最大速度v_max为5，节点传输范围分别为20，30和40。

模拟结果表明，NAOW算法的L_BF最大，其次为AOW，而HD的L_BF最小，说明NAOW的负载均衡特性最好，而HD的负载均衡特性最差。这是因为NAOW算法采用最佳连接度对簇头的节点连接度进行制约，且还考虑了各节点的能量状态因素，使簇头的分布比较均匀。而HD侧重于选择节点度较高的节点成为簇头，对簇头的连接度不加以限制，使得各簇中成员节点数的分布很不均匀。

在异构网络下，在网域内放置50个节点，对这些节点的处理能力设置如下：ID为1~10的节点处理能力L_i设置为1，ID为2~20的节点处理能力L_i设置为2，其余的节点依次设置相应的处理能力级别，得到的结果如表3所示。

表2  4种算法L_BF统计平均值

Table 2  L_BF average value of 4 algorithms

表3  异构网络下4种算法L_BF统计平均值

Table 3  L_BF average value of 4 algorithms in heterogeneous network

由表3可以看出：在异构网络下NAOW算法的负载均衡因子比其他算法的高，并且与同构网络相比，只有NAOW算法的负载均衡因子在不同传输范围均有提高。这一方面是由于NAOW算法对簇头的节点度加以限制，使簇头的分布比较均匀，最主要的原因还是加入了节点处理能力这个权重因子，使得硬件配置高的节点优先成为簇头，减少了网络拥塞和瓶颈节点出现的频率，对保障业务的服务质量起到积极的作用。

4  结论

(1) 增加节点处理能力属性，通过不同的属性值来表示不同类型节点的性能，从而使算法的适用范围从同构网络扩大到异构网络，提高了Ad Hoc网络的适用性。

(2) 用相对邻居节点的平均速度取代节点绝对移动速度，节点的加入和离开只考虑是否超出簇头的传输范围，这样即使成员节点处在高速移动状态下，只要簇头与邻居节点相对速度不大，簇头就尽量不会改变，整个网络具有较高的稳定性。

(3) 当移动网络是异构网络时，NAOW有较好的负载均衡特性。目前，Ad Hoc网络的应用场合越来越多，网络结构也越来越复杂，采用NAOW算法能避免某些节点过载，提高了网络的吞吐率，也使整个移动网络具有更高的稳定性。

参考文献：

[1] Macker J, Corson S. Mobile Ad Hoc networks: IETF working group charter[EB/OL]. [1997-06-12]. http://www.ietf.org/html. charters/manet- charter. html.

[2] Gerla M, Tsai T C. Multicluster, mobile, multimedia radio network[J]. Wireless Networks, 1995, 1(3): 255-265.

[3] Ephremides A, Wieselthier J E, Baker D J. A design concept for reliable mobile radio networks with frequency hopping signaling[J]. Proceedings of the IEEE, 1987, 75(1): 56-73.

[4] Yu J Y, Chong P H J. A survey of clustering schemes for mobile Ad Hoc networks[J]. IEEE Communications Surveys & Tutorials, 2005, 7(1): 32-48.

[5] IEEE 802.11. Standard specifications for wireless local area networks[EB/OL]. [2005-02-16]. http://standards.ieee.org/ wireless/.

[6] Kachirski O, Guha R. Effective intrusion detection using multiple sensors in wireless Ad Hoc networks[C]//Proceedings of the 36th Hawaii International Conference on System Sciences (HICSS36 2003). Big Island, HI, USA: IEEE Computer Society, 2002: 57-64.

[7] Perkins C E. Ad Hoc networking[M]. London, England: Addison-Wesley, 2001: 8-23.

[8] Hubaux J P, Buttyan L. The quest for security in mobile Ad Hoc networks[C]//Proceedings of the 2nd ACM International Symposium on Mobile Ad Hoc Networking & Computing (Mobi Hoc). Long Beach, CA, USA: ACM Press, 2001: 146-155.

[9] 邓朝晖, 陶洋. Ad Hoc网络中一种自适应的分布式权值簇生成算法[J]. 四川大学学报, 2008, 45(3): 522-526.

DENG Chaohui, TAO Yang. An adaptive distributed weights clustering algorithm in Ad Hoc network[J]. Journal of Sichuan University, 2008, 45(3): 522-526.

[10] 王海涛, 张学平. Ad Hoc网络中的分簇算法[J]. 数据通信, 2003, 4(5): 32-35.

WANG Haitao, ZHANG Haiping. Ad Hoc network clustering algorithm[J]. Data Communication, 2003, 4(5): 32-35.

[11] 王海涛, 田畅, 郑少仁. 一种新型的Ad Hoc网络分簇算法及其性能仿真[J]. 系统仿真学报, 2003, 15(2): 193-197.

WANG Haitao, TIAN Chang, ZHENG Shaoren. A new Ad Hoc network clustering algorithm and its performance simulation[J]. Journal of System Simulation, 2003, 15(2): 193-197.

[12] Rappaport T S. Wireless communications: principles and practice[M]. 2nd edition. Prentice Hall, 2006: 51-58.

[13] Chatterjee M, Das S K, Turgut D. WCA: A weighted clustering algorithm for mobile Ad Hoc networks[J]. Journal of Clustering Computing (Special Issue on Mobile Ad Hoc Networks), 2002, 5(2): 193-204.

[14] The networks simulator NS-2[EB/OL]. [2006-06-22]. http://www.isi.edu/nsnam/ns/ns_doc.pdf.

(编辑  陈爱华)

收稿日期：2013-08-20；修回日期：2013-11-16

基金项目：国家自然科学基金资助项目(61073187)

通信作者：刘卫国(1963-)，男，湖南祁阳人，博士，教授，从事网络与信息安全、智能信息处理研究；电话：0731-88830062；E-mail：liuwg@csu.edu.cn