3 仿真及其分析
在一个二维环境中进行试验，169个节点被均匀的放置在600 m2的网格区域中。
仿真试验中，每个节点的信道容量为500kbs，并在可以形成链接的通信范围内，设定通信距离为15m。节点活动状态和睡眠状态的切换时间是470μs。以一个数据包的传输时间和可能的时钟偏移时间之和作为TDMA时隙的大小。发送和接收一个数据包所需的功率是81mW和180mW。
基于上述的网络模型，分别对LEACH、DEEC及新算法进行了仿真，重点比较和分析了3种路由算法运行过程中网络的生命周期。
图2为运行过程中整个网络生命周期对比的仿真。由图可见，如果一个网络中节点的初始数目相同，新算法可以使得网络的生命周期最长，LEACH算法在大约40%的节点死亡之前，其性能比DEEC算法差，而后它的性能要优于DEEC算法。由于新算法选择簇头时考虑了节点的剩余能量，当节点剩余能量较小的时候，将选择距离其最近的节点作为簇头，继续进行信息的传输，且由于选择了最短传速路径和最优了时隙分配方案，所以在完成传输任务是每个节点消耗的平均能量和平均时隙最优，最大化了网络的生存周期。
仿真实验还比较了NBSA算法和PAPSO优化方法用于TDMA调度方案时，网络中每个节点在完成规定任务时的平均能耗和平均时隙。在多目标粒子群Pareto优化方法中，取C1、C2和W分别2.0和1.5，微粒群的个数为40，迭代次数为600。
从表1不难看出PAPS01虽然平均能耗是7个中最差的，但平均时隙却是7个中最少的，而PAPS07则与PAPS01相反，平均能耗虽是7个中最少的，但平均时隙却是最多的。它们之间分还布着其余5个解。
由于这7个解的是均匀分布的，因此，目标f1、f2的中间解为PAPS04。依Pareto优化概念对各算法的结果进行分析，由图3显见，PAPSO(1—4)对NBSA构成支配。可见多目标粒子群Pareto优化方法能得到比NBSA更好的调度结果。
4 结论
在无线传感器网络中，为减少信息传输过程中的时延和能耗，提出了基于最大生存周期的数据融合算法，并结合对TDMA调度，提出了相对应的PSO—Pareto优化方法，从而在信息传输的路径和每个节点完成规定任务所需的平均时隙、平均能耗两个方面论述了减少网络的时延和能耗，最大化了网络的生存周期和最小化了网络的延时。
