《Results in Engineering》：A Novel Intelligent Theory-Based Energy-Efficient Cluster Routing Protocol for Industrial Internet of Things
编辑推荐：
本文针对工业无线传感器网络（IWSN）中能量高效分簇路由这一NP-hard难题，提出了一种新颖的CLCPA-CRP协议。该研究通过整合混沌映射初始化种群和莱维飞行引导局部搜索，构建了多目标优化模型，旨在同时最小化簇内通信距离、减少簇头至基站传输距离、最大化簇头剩余能量并平衡簇成员间能耗。仿真结果表明，该协议在四种工业场景下平均节能10.55%，网络寿命延长18.04%，显著优于LEACH、LEACH-C等现有协议，为能量受限的工业物联网部署提供了可扩展的鲁棒解决方案。
在工业4.0和智能制造的浪潮下，工业无线传感器网络（Industrial Wireless Sensor Networks, IWSN）作为工业物联网（Industrial Internet of Things, IIoT）的感知基石，正广泛应用于工业自动化、环境监测、设备故障诊断等关键领域。然而，部署在广阔或恶劣环境中的传感器节点通常能量有限且难以补充，如何高效利用能量、延长网络寿命，便成为制约IWSN大规模应用的核心瓶颈。传统的分簇路由协议，如开创性的LEACH（Low-Energy Adaptive Clustering Hierarchy）及其改进型LEACH-C（LEACH with Centralized Control），通过随机或集中式选择簇头（Cluster Head, CH）来均衡能耗，但往往因忽略节点剩余能量、通信距离等多维度因素，易导致能量消耗不均、部分节点过早失效等问题。随后出现的DEEC（Distributed Energy-Efficient Clustering）、SEP（Stable Election Protocol）等协议虽有所改进，但在面对大规模、动态变化的工业场景时，其收敛速度、全局搜索能力以及多目标协同优化方面仍显不足。
为了攻克这些难题，Siyu Heng、Yichen Zhao和Liying Yue所在的研究团队，在《Results in Engineering》上发表了一项创新性研究，提出了一种基于混沌莱维肉食植物算法（Chaotic Lévy Carnivorous Plant Algorithm, CLCPA）的节能分簇路由协议（CLCPA-CRP）。该研究的核心动机是设计一种能够同时优化多个关键性能指标（包括簇内通信距离、簇头到基站（Base Station, BS）的距离、簇头剩余能量以及簇成员能量平衡）的智能路由方案，以显著提升IWSN的整体能效和稳定性。
研究人员首先构建了一个针对IWSN的多目标分簇优化模型。该模型不仅考虑了传感器节点数据传输过程中的能量消耗（包括发送能耗SE、接收能耗RE和数据融合能耗DE），还引入了标准化处理，将不同量纲的优化目标（如距离、能量）统一到可比较的尺度上。随后，他们设计了CLCPA这一新型元启发式优化器。该算法受肉食植物在贫瘠环境中通过诱捕、消化猎物来获取养分的生存策略启发，将优化过程模拟为肉食植物（对应优质解）和猎物（对应待优化解）的相互作用。其创新之处在于引入了两种关键操作算子：一是利用帐篷混沌映射（Tent chaotic map）进行种群初始化，以增强初始种群的多样性和遍历性，避免算法过早陷入局部最优；二是结合莱维飞行（Lévy flight）特性进行局部搜索，利用其长步长跳跃与短步长精细搜索相结合的特点，有效平衡算法的全局探索和局部开发能力。此外，协议还采用了动态权重分配策略，通过两两比较法确定各优化目标的权重（ω1, ω2, ω3, ω4），使协议能灵活适应不同的工业生产需求。
为验证CLCPA-CRP的性能，研究团队在四种不同的工业场景下进行了广泛的仿真实验，并将其与LEACH、LEACH-C、DEEC、SEP、TS-I-LEACH以及当前性能较优的EEM-CRP等六种代表性协议进行了对比。评价指标涵盖了首个节点死亡轮次（First Node Death, FND）、十分之一节点死亡轮次（One-tenth Node Death, TND）、全网节点死亡轮次（Network Lifetime Death, NLD）、基站接收数据包总量以及网络平均剩余能量等。
本研究的关键技术方法主要包括：1) 构建了集成四维度目标（簇内距离、簇间距离、簇成员能量、簇头能量）的多目标优化函数；2) 应用混沌莱维肉食植物算法（CLCPA）进行簇头选举和分簇优化，其中涉及种群初始化、分类分组、生长（探索）和繁殖（开发）等阶段；3) 采用了基于帐篷映射的混沌初始化策略和莱维飞行驱动的局部搜索策略来增强算法性能；4) 通过大量仿真实验，在设定的不同网络规模和节点密度的工业场景下，对比评估了所提协议的各项性能指标。
研究结果
1. 网络生命周期分析
如图7所示，在不同场景下，CLCPA-CRP协议在延长网络生命周期方面均表现最佳。具体而言，在场景1中，CLCPA-CRP的首个节点死亡轮次（FND）达到905轮，显著高于LEACH（131轮）、LEACH-C（377轮）和EEM-CRP（453轮）。其十分之一节点死亡轮次（TND）和全网节点死亡轮次（NLD）也分别达到995轮和1777轮，远超其他对比协议。这表明CLCPA-CRP能有效延迟首个节点的死亡时间，并均衡整个网络的能量消耗，从而大幅延长网络的有效运行时间。
2. 网络吞吐量分析
如图8和表8、表9所示，CLCPA-CRP协议在基站接收到的数据总量方面具有绝对优势。在场景1中，CLCPA-CRP协议使基站接收了51207比特的数据，相较于EEM-CRP（29587比特）提升了73.05%，相较于LEACH（11139比特）提升了359.98%。这归因于CLCPA-CRP优化的分簇结构减少了不必要的通信开销，并保证了网络在生命周期内持续稳定地进行数据收集和传输。
3. 网络能耗分析
图9和表10展示了各协议在不同场景下的平均剩余能量。CLCPA-CRP协议始终保持着最高的网络剩余能量水平。例如，在场景4中，其平均剩余能量为0.3210 J，而EEM-CRP为0.2497 J，LEACH仅为0.1282 J。这表明CLCPA-CRP通过智能的分簇和路由选择，显著降低了网络的整体能耗速率，使得能量在节点间分布更为均匀，避免了能量热点问题。
4. 算法性能与收敛性分析
通过对CLCPA操作子的消融实验（表11）和统计显著性分析（表12），研究证实了混沌初始化算子和莱维飞行算子的协同贡献。单独使用混沌算子（CLCPA-wo-LF）或莱维飞行算子（CLCPA-wo-C）虽能提升性能，但二者结合（完整CLCPA）才能实现最优的网络生命周期和稳定性。理论分析（定理1）证明了CLCPA-CRP能以概率1收敛到全局最优解，且期望收敛时间有界，确保了算法的可靠性和有效性。
结论与讨论
本研究成功提出并验证了CLCPA-CRP这一面向IWSN的节能分簇路由协议。该协议通过创新性地融合混沌理论和莱维飞行策略到肉食植物算法中，有效解决了传统分簇协议在收敛速度、避免局部最优和同时满足多目标优化方面的不足。大量的仿真实验结果一致表明，CLCPA-CRP在延长网络生命周期、提高网络吞吐量和均衡网络能耗方面均显著优于现有的主流协议。
该研究的重要意义在于：首先，从方法论上，为IWSN路由优化提供了一种新的、高效的元启发式求解思路，特别是混沌和莱维飞行算子的引入，增强了优化过程的智能性和适应性。其次，从实践角度，CLCPA-CRP协议为资源严格受限的工业物联网应用提供了可扩展、鲁棒的通信解决方案，有助于降低维护成本，提升系统可靠性。最后，研究所构建的多目标优化模型和动态权重策略，也为处理其他类型的网络优化问题提供了有价值的参考。
当然，本研究也存在一些局限性，例如协议参数在超大规模网络（如节点数超过1000）中可能需要调整，以及对高度动态拓扑（如节点频繁移动）的适应性有待进一步优化。未来的工作将集中于开发自适应参数调整机制、提升计算效率以支持更大规模网络、扩展优化目标至包含通信时延和数据可靠性，以及探索协议在三维、移动和异构IWSN等更复杂场景下的应用。
