基于反射等变量子神经网络与海星优化的移动无线传感器网络高能效路由与预测性汇聚节点移动策略

　　本文提出了一种创新的反射等变量子神经网络结合海星优化算法（REQNN-SFOA）框架，通过牛顿拉夫逊优化器（NRBO）聚类、弯角羚优化算法（AOA）选择簇头、台球优化算法（BIOA）规划路径，实现了移动无线传感器网络（WSN）中能量高效路由与预测性汇聚节点移动的协同优化。该方案显著提升网络可靠性（>99.9%）与能效（99.78%），为物联网（IoT）医疗监测、智能医疗等生命科学领域的可持续传感应用提供新范式。

　　

亮点

• •
  集成优化框架：开发了新颖的REQNN–SFOA框架，该框架结合了NRBO（用于聚类）、AOA（用于簇头选择）、BIOA（用于能量高效路由）、REQNN（用于汇聚节点移动预测）和SFOA（用于参数优化）。
• •
  能量高效聚类与路由：使用NRBO和AOA确保了均衡的簇形成和最佳的簇头放置，而BIOA通过智能路径选择最小化路由距离和能量消耗。
• •
  精准移动性预测：REQNN能够精确建模移动汇聚节点的轨迹，减少动态WSN环境中的路由重建开销并提高稳定性。
• •
  全面的性能验证：大量仿真表明，与现有方法（包括PSO、RDA和PEGASIS）相比，在网络寿命、可靠性、能效和吞吐量方面均有显著改进。
• •
  实际相关性与适应性：所提出的框架具有可扩展性和适应性，使其适用于需要移动和异构WSN中能量高效可靠数据传输的实时物联网应用。

文献综述

Agarwal等人[12]提出了一种基于物联网（IoT）的系统，该系统使用无线传感器网络（WSN）监控物理对象并将数据转发到基站。他们提出了一种基于移动汇聚节点的智能数据路由系统，该系统利用粒子群优化（PSO）来形成最优集群。该系统在网络稳定性、寿命、生产力、能量使用、公平性、延迟和实时数据处理效能方面优于其他现有方法，证明了其有效性。

提出的方法

该方法为WSN中的数据传输提出了一种智能且节能的机制。它采用NRBO进行聚类，以节能的方式高效分组传感器节点。簇形成后，使用AOA为每个簇选择最佳簇头。BIOA用于路由，以最小化能量消耗并最大化传输效率。REQNN准确预测移动汇聚节点未来的位置，记录动态移动模式，并对拓扑变化做出快速反应。SFOA用于优化REQNN的权重参数，提高预测精度。这种多阶段优化共同作用，实现了稳健且能量高效的数据传输。

结果与讨论

本节提出并评估了所建议的方法——在WSN中使用REQNN-SOA的EERPSM。表2显示了拟议研究的仿真参数。

所提出的WSN方法具有高度兼容性和优化性，检测限（Limit of detection）为-80 dBm，载波侦听限（carrier sense limit）为-86 dBm，符合WSN标准。该系统工作在2.4 GHz载波频率和250 kbps数据速率下，确保与IEEE 802.15.4兼容。它支持对移动环境的快速响应，并优化了网络性能。

结论

该研究提出了一种用于WSN的REQNN-SOA结构，重点关注能量效率和可靠性。该框架集成了聚类、簇头优化路由和预测性汇聚节点移动处理，从而降低了能量使用并延长了网络寿命。它使用了NRBO、AOA和BIOA。SFOA提高了预测准确性。使用MATLAB进行的仿真表明，在网络寿命、能量消耗、数据传输可靠性和延迟方面均有改善。REQNN-SOA框架在动态WSN环境中表现出卓越的性能，为能量受限的物联网应用提供了可行的解决方案。