用于研究纳米团簇（有机体）程序的遗传算法：用于纳米团簇的遗传算法 奥塔哥研究纳米团簇的遗传算法，包括结构方法和相似性（有机体）程序，旨在对纳米团簇进行遗传算法全局优化。 它的设计灵感来自Roy Johnston集团的伯明翰集群遗传算法和伯明翰并行遗传算法（请参阅JBA Davis, A. Shayeghi, SL Horswell, RL Johnston, Nanoscale, 2015,7, 14032 （ 或）， RL Johnston,Dalton Trans., 2003, 4193–4207 （ 或 如果您是有机体计划的新手，建议在下载之前通过在交互式Jupyter + Binder交互式页面上运行有机体来尝试一下。 在Jupyter + Binder上，您可以在网络上玩生物程序。 您无需安装任何程序即可在Jupyter + Binder上试用有机体。 单击下面的“活页夹”

路由协议能实现认知无线传感器网络（CRSN,cognitive radio sensor network）内部感知数据的有效汇聚传输，尤其是分簇路由协议能进一步降低路由选择的复杂度、提升网络可扩展性，对整体网络性能至关重要。因此，针对CRSN分簇路由协议进行综述研究。首先，在简要介绍CRSN分簇概念和优势的基础上，阐述CRSN分簇算法设计考虑的主要因素。其次，探讨CRSN分簇路由协议设计面临的挑战及应遵循的基本设计原则。再次，系统的分析和总结CRSN分簇路由协议的研究现状。最后，指出CRSN分簇路由协议研究中亟待解决的问题及未来的研究方向。

通过leach算法，将均匀分布在空间中的节点进行分簇，基于matlab平台

基于OMNET++ 4.6的LeachCen分簇路由协议源代码，对源代码通过注释进行了详细的说明，亲测能够运行

LABVIEW

详细介绍wsn分簇协议在opnet平台上的仿真过程

通过簇减少输入输出端口；通过数组存操作数据。

针对水下无线传感网络能量效率低、生命周期短的问题，提出了一种负载均衡且能量高效的水下分簇（load balanced and energy efficient underwater clustering,LBEEUC）协议。该算法在分簇过程中首先根据节点的经验负载来确定节点所在区域簇头的比例，使经验负载大的区域分布较多的簇头，分担数据转发的任务，均衡网络的能耗；其次在节点入簇时，在簇内设置中继节点，用于均衡远离簇头节点的传输能耗，并提前进行数据融合，减少数据冗余；最后在建立簇间路由时，利用Q 学习算法根据路径消耗的总能量最小的原则选择最优传输路径。仿真结果表明，本算法有效地均衡了网络的能耗，提高了能量利用效率，进而提高了网络的生存时间。

具有最优簇规模的传感网不等簇数据收集协议

具有两种混沌振荡器的复杂动力网络的数学模型和簇同步