基于(ε,ζ)-近似融合的無(wú)線傳感網(wǎng)拓?fù)淇刂扑惴?/h1>

2016-11-09 01:18:01湯榮郭劍

計(jì)算機(jī)應(yīng)用與軟件訂閱 2016年9期 收藏

關(guān)鍵詞：融合結(jié)構(gòu)

湯　榮　郭　劍

(南京郵電大學(xué)計(jì)算機(jī)學(xué)院　江蘇 南京 210003)

?

基于(ε,ζ)-近似融合的無(wú)線傳感網(wǎng)拓?fù)淇刂扑惴?/p>

湯榮郭劍

(南京郵電大學(xué)計(jì)算機(jī)學(xué)院江蘇 南京 210003)

對(duì)無(wú)線傳感器網(wǎng)絡(luò)的拓?fù)淇刂茊?wèn)題進(jìn)行研究。為了節(jié)約網(wǎng)絡(luò)能量，最大化網(wǎng)絡(luò)生命周期，提出一種基于(ε,ζ)-近似數(shù)據(jù)融合的拓?fù)浣Y(jié)構(gòu)控制算法QGA-UQ(Quantum Genetic Algorithm-Unique Q)。QGA-UQ引入了節(jié)點(diǎn)調(diào)度的思想。它首先根據(jù)用戶的數(shù)據(jù)精度要求，確定網(wǎng)絡(luò)中工作節(jié)點(diǎn)的比例，接著再使用量子遺傳算法，從網(wǎng)絡(luò)中選取合適的節(jié)點(diǎn)，并形成合理的拓?fù)浣Y(jié)構(gòu)。網(wǎng)絡(luò)在此基礎(chǔ)之上進(jìn)行數(shù)據(jù)的傳輸和融合處理。仿真試驗(yàn)表明，QGA-UQ算法可以在保證融合結(jié)果精度的前提下，顯著延長(zhǎng)了網(wǎng)絡(luò)生存時(shí)間，提高了網(wǎng)絡(luò)能量利用率。

拓?fù)淇刂茻o(wú)線傳感器網(wǎng)絡(luò)(ε,ζ)-近似融合節(jié)點(diǎn)調(diào)度量子遺傳算法

0　引　言

近年來(lái)，隨著計(jì)算機(jī)技術(shù)和傳感器技術(shù)的發(fā)展和成熟，無(wú)線傳感器網(wǎng)絡(luò)WSNs(Wireless Sensor Networks)成為一個(gè)熱門領(lǐng)域，引起了人們的廣泛關(guān)注。無(wú)線傳感器網(wǎng)絡(luò)主要是由部署在監(jiān)測(cè)區(qū)域內(nèi)的大量傳感器節(jié)點(diǎn)組成，通過(guò)無(wú)線通信的方式，形成一個(gè)多跳式的自組織網(wǎng)絡(luò)。目前主要應(yīng)用于醫(yī)療衛(wèi)生、環(huán)境監(jiān)測(cè)、災(zāi)難預(yù)防、生態(tài)保護(hù)、智能家居等各個(gè)領(lǐng)域[1-3]。

拓?fù)淇刂剖菬o(wú)線傳感器網(wǎng)絡(luò)的核心技術(shù)之一，它主要通過(guò)節(jié)點(diǎn)調(diào)度、發(fā)射半徑調(diào)節(jié)、通信鏈路選擇等手段，優(yōu)化網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。通過(guò)拓?fù)淇刂萍夹g(shù)，可以實(shí)現(xiàn)節(jié)約網(wǎng)絡(luò)能量、提升網(wǎng)絡(luò)通信性能等目標(biāo)。在這方面，比較經(jīng)典的工作是WBHeinzelman等人[4]提出的LEACH協(xié)議。為了減少數(shù)據(jù)傳輸?shù)哪芎?，LEACH使用了簇結(jié)構(gòu)，并在數(shù)據(jù)傳輸?shù)交厩笆褂么仡^節(jié)點(diǎn)來(lái)融合數(shù)據(jù)，但是它的簇頭選取和數(shù)據(jù)傳輸策略存在一定問(wèn)題，并且不能很好地兼顧到邊緣節(jié)點(diǎn)。在LEACH算法的基礎(chǔ)上，SDMuruganathan等[5]提出了BCDCP算法，采用迭代集群分裂算法選出多個(gè)簇頭節(jié)點(diǎn)，用MST(Minimum Spanning Tree)結(jié)構(gòu)連接簇頭節(jié)點(diǎn)，保證任意兩個(gè)節(jié)點(diǎn)之間都存在有向路徑，這樣整體拓?fù)浣Y(jié)構(gòu)較復(fù)雜，能耗偏大。較早提出用MST結(jié)構(gòu)來(lái)連接拓?fù)涞氖荓i N[6]，其采用了MST結(jié)構(gòu)來(lái)連接所有網(wǎng)內(nèi)傳感器節(jié)點(diǎn)，用MST-Z算法來(lái)調(diào)整拓?fù)?，結(jié)構(gòu)得到一定簡(jiǎn)化，但依舊能耗較大。同時(shí)，拓?fù)淇刂七€需考慮其他問(wèn)題，例如Nishiyama H等[7]研究了動(dòng)態(tài)網(wǎng)絡(luò)中的拓?fù)淇刂?，Kim D等[8]控制拓?fù)鋾r(shí)避免傳感器節(jié)點(diǎn)監(jiān)測(cè)區(qū)域的覆蓋沖突。

在傳感器網(wǎng)絡(luò)的實(shí)際應(yīng)用中，人們往往并不關(guān)心節(jié)點(diǎn)采集的具體數(shù)據(jù)，而是更關(guān)心宏觀的統(tǒng)計(jì)結(jié)果，如一個(gè)地區(qū)的平均溫度、最高濕度等，從而進(jìn)行評(píng)估、決策等處理。這種情況下，就需要對(duì)網(wǎng)絡(luò)的采集數(shù)據(jù)進(jìn)行一定的融合處理[9,10]。由于網(wǎng)絡(luò)拓?fù)洳唤选⒐?jié)點(diǎn)調(diào)度休眠等原因，網(wǎng)絡(luò)往往會(huì)丟失部分采集數(shù)據(jù)，這時(shí)候，一些近似融合技術(shù)也就應(yīng)運(yùn)而生。ADeligiannakis等[11]和GHartl等[12]分別提出了基于時(shí)間的和基于空間的融合算法，它們?cè)谶M(jìn)行融合時(shí)不需要全部的數(shù)據(jù)，但是不能有效地控制誤差范圍。Sergiou C等[13]在近似融合過(guò)程中隨機(jī)選定傳感器節(jié)點(diǎn)作為活躍節(jié)點(diǎn)，用RANDOM-UQ算法控制節(jié)點(diǎn)的工作與休眠，數(shù)據(jù)精確性依舊得不到滿足。Jianzhong Li等[14]提出的(ε,ζ)-近似融合算法，可以有效地控制融合的精度，但是它采用的網(wǎng)絡(luò)拓?fù)洳⒉皇呛芎谩?/p>

上述研究表明，為了達(dá)到通信性能、節(jié)能效果與融合精度的平衡，有必要將拓?fù)淇刂萍夹g(shù)與數(shù)據(jù)融合技術(shù)結(jié)合起來(lái)進(jìn)行研究。從這個(gè)角度出發(fā)，本文提出了一種基于(ε,ζ)-近似數(shù)據(jù)融合的拓?fù)浣Y(jié)構(gòu)控制算法QGA-UQ(Quantum Genetic Algorithm- Unique Q)。QGA-UQ基于節(jié)點(diǎn)調(diào)度的思想，它首先根據(jù)融合結(jié)果精度的要求，確定網(wǎng)絡(luò)中休眠節(jié)點(diǎn)與工作節(jié)點(diǎn)的比例，接著再使用量子遺傳算法，從網(wǎng)絡(luò)中選取合適的節(jié)點(diǎn)，并基于MST樹(shù)形成網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。網(wǎng)絡(luò)在此基礎(chǔ)之上進(jìn)行數(shù)據(jù)傳輸和數(shù)據(jù)融合。上述過(guò)程可以循環(huán)進(jìn)行，從而使節(jié)點(diǎn)輪流休息，達(dá)到延長(zhǎng)網(wǎng)絡(luò)生命周期的目的。實(shí)驗(yàn)結(jié)果表明，QGA-UQ算法較好地實(shí)現(xiàn)了設(shè)計(jì)的目標(biāo)。

1　相關(guān)模型與假設(shè)

1.1網(wǎng)絡(luò)模型

現(xiàn)有一塊無(wú)線傳感網(wǎng)的監(jiān)測(cè)區(qū)域，該區(qū)域部署了大量的傳感器節(jié)點(diǎn)，節(jié)點(diǎn)的部署方式為隨機(jī)部署。所有節(jié)點(diǎn)同質(zhì)，并且可以調(diào)節(jié)各自的發(fā)射功率。

假設(shè)網(wǎng)絡(luò)初始時(shí)共有N個(gè)節(jié)點(diǎn)。在時(shí)刻t，無(wú)線傳感網(wǎng)內(nèi)存活節(jié)點(diǎn)的數(shù)目為Nt。依次對(duì)每次傳感器節(jié)點(diǎn)進(jìn)行編號(hào)，編號(hào)i從1到Nt。顯然，當(dāng)t=0時(shí)，Nt=N。

傳感器節(jié)點(diǎn)i在t時(shí)刻對(duì)應(yīng)的感知數(shù)據(jù)記為kti，把監(jiān)測(cè)區(qū)域內(nèi)所有活動(dòng)節(jié)點(diǎn)的感知數(shù)據(jù)組合成一個(gè)數(shù)據(jù)集Kt，即Kt={kt1,kt2,…,ktNt}。考慮到任何實(shí)際感知數(shù)據(jù)都是有范圍的，因此假定所有感知數(shù)據(jù)的上下界的值分別記為max(Kt)和min(Kt)，并假設(shè)min(Kt)大于0。

本文假定，網(wǎng)絡(luò)要求對(duì)監(jiān)測(cè)區(qū)域內(nèi)觀測(cè)值的平均值A(chǔ)vg進(jìn)行融合，并且融合結(jié)果要達(dá)到(ε,ζ)-近似估計(jì)的要求，(ε,ζ)-近似估計(jì)的精確定義將在第2節(jié)給出。

1.2能耗模型

本文使用了如下的能耗模型[15]。

無(wú)線傳感網(wǎng)內(nèi)的傳感器節(jié)點(diǎn)在發(fā)送和接收1bit數(shù)據(jù)時(shí)都需要消耗能量，分別記為Ef和Ej。兩者可通過(guò)以下公式計(jì)算：

當(dāng)d

而d≥d0時(shí)，Ef=Eelec+μampd4

Ej=Eelec

其中，d為該節(jié)點(diǎn)與相鄰?fù)ㄐ殴?jié)點(diǎn)的距離，d0為收發(fā)兩端的距離門限值，Eelec是發(fā)射電路與接收電路的能耗，μfs和μamp分別為慢衰落模型和快衰落模型的參數(shù)。

2　活躍節(jié)點(diǎn)比率的確定

出于節(jié)能的考慮，當(dāng)網(wǎng)絡(luò)中的節(jié)點(diǎn)較多時(shí)，可以只讓部分節(jié)點(diǎn)進(jìn)入工作狀態(tài)，以減少網(wǎng)絡(luò)的能耗。但是另一方面，休眠的那部分節(jié)點(diǎn)也會(huì)導(dǎo)致采集數(shù)據(jù)的丟失，從而給數(shù)據(jù)融合的結(jié)果帶來(lái)一定的誤差。因此，活躍節(jié)點(diǎn)的比率q與數(shù)據(jù)融合的精度存在一定的約束關(guān)系。本節(jié)首先給出數(shù)據(jù)融合精度的相關(guān)描述，再給出q的計(jì)算方法。

關(guān)于近似融合，有如下定義[14]：

(1)

假定在時(shí)刻t，網(wǎng)絡(luò)采集的數(shù)據(jù)集為Kt，則此刻平均值A(chǔ)vg的融合結(jié)果為：

其中，inf(Nt)表示整個(gè)融合過(guò)程中無(wú)線傳感網(wǎng)內(nèi)活動(dòng)節(jié)點(diǎn)數(shù)目的最低值，Φζ/4為標(biāo)準(zhǔn)正態(tài)分布的ζ/4分位值。

3　基于(ε,ζ)-近似數(shù)據(jù)融合的拓?fù)淇刂扑惴?/h2>

本文提出了基于(ε,ζ)-近似融合的無(wú)線傳感網(wǎng)拓?fù)浣Y(jié)構(gòu)控制算法QGA-UQ，其總體思路是從網(wǎng)絡(luò)中選擇部分節(jié)點(diǎn)，并對(duì)這部分節(jié)點(diǎn)進(jìn)行一定的運(yùn)算處理，形成合適的拓?fù)浣Y(jié)構(gòu)。在拓?fù)湔{(diào)整過(guò)程中，控制每個(gè)傳感器節(jié)點(diǎn)的休眠與工作狀態(tài)，不同周期內(nèi)選取不同傳感器節(jié)點(diǎn)進(jìn)行數(shù)據(jù)融合。

上一節(jié)主要討論了選擇節(jié)點(diǎn)的比例，這一節(jié)將討論根據(jù)這個(gè)比例如何來(lái)選擇節(jié)點(diǎn)并生成網(wǎng)絡(luò)拓?fù)?。由于無(wú)線傳感網(wǎng)內(nèi)傳感器節(jié)點(diǎn)數(shù)目多、密度大，數(shù)據(jù)傳輸?shù)哪芎南喈?dāng)可觀，因此網(wǎng)絡(luò)拓?fù)涞臉?gòu)建主要從節(jié)能角度來(lái)考慮。QGA-UQ采用MST結(jié)構(gòu)[15]連接工作的傳感器節(jié)點(diǎn)，計(jì)算的過(guò)程則采用了量子遺傳算法[16]。

3.1染色體編碼及測(cè)量

本文把拓?fù)浣Y(jié)構(gòu)的求解過(guò)程看作是量子遺傳算法中的種群演化過(guò)程，每一代種群中含有若干條染色體。每條染色體表示當(dāng)前無(wú)線傳感網(wǎng)內(nèi)所有節(jié)點(diǎn)的選擇情況。如圖1所示，染色體由一串二進(jìn)制數(shù)字表示，長(zhǎng)度等于無(wú)線傳感網(wǎng)內(nèi)傳感器節(jié)點(diǎn)的總數(shù)，即染色體有N位。每一位數(shù)字0代表對(duì)應(yīng)的傳感器節(jié)點(diǎn)未被選取，1代表對(duì)應(yīng)的傳感器節(jié)點(diǎn)被選取。被選取的傳感器節(jié)點(diǎn)參與數(shù)據(jù)信息的傳輸，以及數(shù)據(jù)融合工作，未被選取的傳感器節(jié)點(diǎn)可以暫時(shí)休眠。

節(jié)點(diǎn)1節(jié)點(diǎn)2節(jié)點(diǎn)3節(jié)點(diǎn)4節(jié)點(diǎn)5節(jié)點(diǎn)6…節(jié)點(diǎn)N100110…1

圖1染色體結(jié)構(gòu)

染色體的測(cè)量與量子比特概率幅有關(guān)。根據(jù)量子比特和量子旋轉(zhuǎn)門的調(diào)整，計(jì)算出相應(yīng)的量子比特概率幅，每一周期的量子比特概率幅不同，測(cè)量染色體時(shí)，生成一個(gè)0到1之間的隨機(jī)數(shù)，若隨機(jī)數(shù)的值大于概率幅的平方，則染色體當(dāng)前位的二進(jìn)制數(shù)取1，反之，則染色體當(dāng)前位取0。

3.2染色體評(píng)價(jià)

圖2　MST結(jié)構(gòu)示意圖

對(duì)染色體進(jìn)行評(píng)價(jià)必須從整個(gè)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)考慮，圖2所示就是MST樹(shù)結(jié)構(gòu)的例子。其中，圖2(a)可以看到6個(gè)傳感器節(jié)點(diǎn)，節(jié)點(diǎn)b是簇頭節(jié)點(diǎn)，所有鏈路上標(biāo)明的數(shù)字即為該段鏈路數(shù)據(jù)傳輸?shù)臋?quán)值。圖2(b)是圖2(a)對(duì)應(yīng)的MST拓?fù)浣Y(jié)構(gòu)，它可以保證每個(gè)節(jié)點(diǎn)都能將數(shù)據(jù)傳輸?shù)酱仡^節(jié)點(diǎn)b且網(wǎng)絡(luò)總權(quán)值最小。

在此基礎(chǔ)之上，本節(jié)把染色體的評(píng)價(jià)函數(shù)設(shè)為：

f=αEs-βEx+γEmin

其中，α、β和γ是相應(yīng)的系數(shù)，且它們都大于0。染色體評(píng)價(jià)函數(shù)主要考慮了如下三個(gè)方面：

(1) 網(wǎng)絡(luò)內(nèi)所有節(jié)點(diǎn)的剩余能量之和Es，若第i個(gè)傳感器節(jié)點(diǎn)的剩余能量為Ei，那么Es可由下式得到：

(2) 網(wǎng)絡(luò)內(nèi)所有傳感器節(jié)點(diǎn)消耗的能量總和Ex，可由下式計(jì)算得到：

其中Ei′是第i個(gè)傳感器節(jié)點(diǎn)消耗的能量，該計(jì)算可以參考1.2節(jié)的能耗模型。

(3) 該方案中網(wǎng)絡(luò)內(nèi)所剩能量最少節(jié)點(diǎn)的能量Emin，由式(2)可得。加入該項(xiàng)分量是出于網(wǎng)絡(luò)能量分布平衡性的考慮。

Emin=min{E1,E2,…,EqNt}

(2)

3.3QGA-UQ的算法流程

(1) 網(wǎng)絡(luò)初始化。在已知的監(jiān)測(cè)區(qū)域范圍，隨機(jī)部署規(guī)定數(shù)目的傳感器節(jié)點(diǎn)，并且將它們從1到N進(jìn)行編號(hào)，設(shè)定觀測(cè)數(shù)據(jù)值的上下界max(Kt)和min(Kt)。

(2) 結(jié)合(ε,ζ)-近似融合的要求，計(jì)算傳感器節(jié)點(diǎn)工作比例q。

(3) 使用量子遺傳算法計(jì)算出合適的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。

(4) 網(wǎng)絡(luò)運(yùn)行一定周期。在該周期內(nèi)，未被選中的節(jié)點(diǎn)進(jìn)行休眠，選中的節(jié)點(diǎn)則進(jìn)入數(shù)據(jù)采集和傳輸?shù)裙ぷ鳡顟B(tài)，并由sink節(jié)點(diǎn)進(jìn)行數(shù)據(jù)融合的處理和估計(jì)。

(5) 如果網(wǎng)絡(luò)中的剩余節(jié)點(diǎn)少于qN，算法終止，否則轉(zhuǎn)入(2)。

4　仿真實(shí)驗(yàn)

本節(jié)通過(guò)仿真實(shí)驗(yàn)驗(yàn)證QGA-UQ算法的性能。仿真基于VS2013平臺(tái)，參數(shù)設(shè)置見(jiàn)表1。仿真時(shí)傳感器節(jié)點(diǎn)位置隨機(jī)部署。

表1　實(shí)驗(yàn)仿真參數(shù)設(shè)置

首先，我們通過(guò)改變(ε,ζ)-近似融合中的ε和ζ的值，統(tǒng)計(jì)傳感器節(jié)點(diǎn)工作比例q的變化情況，表2是max(Kt)、min(Kt)分別為996和902時(shí)計(jì)算得出的結(jié)果。行代表ε，列代表ζ，數(shù)值代表的是傳感器節(jié)點(diǎn)工作比例q。表中可以看出，ζ相同時(shí)，ε越大，傳感器節(jié)點(diǎn)工作比例q越小，那是因?yàn)楦鶕?jù)第2節(jié)定義1和2，ε越大融合結(jié)果容許的誤差更大，所以節(jié)點(diǎn)工作比例不必那么大；ε相同時(shí)，ζ越大，傳感器節(jié)點(diǎn)工作比例q也越小，同樣也可根據(jù)第2節(jié)定義1和2分析出，ζ越大其實(shí)要求的數(shù)據(jù)精確度更低，所以只要抽樣較少的傳感器節(jié)點(diǎn)。ε和ζ越靠近0時(shí)，要求的數(shù)據(jù)精確率逐步達(dá)到最高，于是傳感器節(jié)點(diǎn)工作比例q也越靠近于1。當(dāng)ε為0.1、ζ為0.1時(shí)，傳感器節(jié)點(diǎn)工作比例q達(dá)到0.9835。同時(shí)可以進(jìn)一步發(fā)現(xiàn)，ε的值對(duì)q的影響較大。

表2　不同ε、ζ對(duì)應(yīng)的傳感器節(jié)點(diǎn)工作比例q

在研究QGA-UQ算法的優(yōu)劣時(shí)，主要考慮以下兩個(gè)方面：網(wǎng)絡(luò)的生存時(shí)間和融合結(jié)果的相對(duì)誤差。本文將QGA-UQ算法與如下兩種算法進(jìn)行對(duì)比：(1)MST-Z算法：基于總體進(jìn)行數(shù)據(jù)融合處理，采用Prim算法的思想將所選節(jié)點(diǎn)用MST樹(shù)結(jié)構(gòu)連接，對(duì)拓?fù)浣Y(jié)構(gòu)進(jìn)行調(diào)整優(yōu)化。(2)RANDOM-UQ算法：基于概率抽樣法進(jìn)行數(shù)據(jù)融合處理，采用隨機(jī)取點(diǎn)算法來(lái)控制拓?fù)浣Y(jié)構(gòu)。三種算法同時(shí)在ε和ζ都取0.3的情況下仿真比較。

本文中，網(wǎng)絡(luò)生命周期定義為網(wǎng)絡(luò)內(nèi)存活節(jié)點(diǎn)數(shù)低于qN時(shí)所經(jīng)歷的周期數(shù)，其中假設(shè)傳感器節(jié)點(diǎn)自身能量Es小于10 mJ時(shí)，該節(jié)點(diǎn)已死亡，不能再進(jìn)入工作狀態(tài)。從圖3中可以看出，QGA-UQ算法下的網(wǎng)絡(luò)生存時(shí)長(zhǎng)最長(zhǎng)， RANDOM-UQ算法次之， MST-Z算法下的網(wǎng)絡(luò)生存時(shí)長(zhǎng)最短。因此，MST樹(shù)結(jié)構(gòu)比隨機(jī)拓?fù)浣Y(jié)構(gòu)更能延長(zhǎng)網(wǎng)絡(luò)生命周期。同時(shí)利用(ε,ζ)-近似融合來(lái)處理感知數(shù)據(jù)時(shí)，能極大地提高生存時(shí)長(zhǎng)。

圖3　三種算法的生存時(shí)間對(duì)比

在不同周期，對(duì)比三種算法融合結(jié)果與實(shí)際結(jié)果的相對(duì)誤差，如圖4所示，因?yàn)镸ST-Z算法是對(duì)無(wú)線傳感網(wǎng)中總體的傳感器節(jié)點(diǎn)進(jìn)行數(shù)據(jù)采集，計(jì)算得出的Avg值沒(méi)有誤差。而其他兩種算法由于是抽樣采集，所以都存在不同程度的誤差，但總體來(lái)看，均遠(yuǎn)遠(yuǎn)小于預(yù)期的容許誤差0.3。

圖4　三種算法融合結(jié)果的相對(duì)誤差對(duì)比

綜上所述，在本文比較的三個(gè)拓?fù)淇刂扑惴ㄖ?，QGA-UQ算法在保證較低的融合結(jié)果相對(duì)誤差下，網(wǎng)絡(luò)生存時(shí)間更長(zhǎng)并且整體網(wǎng)絡(luò)能耗最少，是最優(yōu)的一種拓?fù)浣Y(jié)構(gòu)控制算法。

5　結(jié)　語(yǔ)

為盡可能地監(jiān)測(cè)無(wú)線傳感網(wǎng)中的真實(shí)數(shù)據(jù)和減少整個(gè)網(wǎng)絡(luò)的能耗，本文提出了一種基于(ε,ζ)-近似數(shù)據(jù)融合的無(wú)線傳感網(wǎng)拓?fù)浣Y(jié)構(gòu)控制算法QGA-UQ。首先，根據(jù)(ε,ζ)-近似數(shù)據(jù)融合法計(jì)算出抽樣傳感器節(jié)點(diǎn)數(shù)目，然后利用量子遺傳算法，通過(guò)種群染色體的不斷演化，基于MST結(jié)構(gòu)不斷調(diào)整，最后得出最優(yōu)拓?fù)浣Y(jié)構(gòu)。仿真實(shí)驗(yàn)表明，該算法對(duì)比已有算法表現(xiàn)出了良好的性能和穩(wěn)定性。

[1] Luís M Borges.Survey on the Characterization and Classification of Wireless Sensor Network Applications[J].IEEE Communication Surveys & Tutorials,2014,16(4):1860-1890.

[2] 孫利民,李建中,陳渝,等.無(wú)線傳感器網(wǎng)絡(luò)[M].北京:清華大學(xué)出版社,2005.

[3] Corporation H P.Multihop-Based Optimal Cluster Heads Numbers Considering Relay Node in Transmission Range of Sensor Nodes in Wireless Sensor Networks[J].International Journal of Distributed Sensor Networks,2013,13(2):140-154.

[4] Heinzelman W R,Chandrakasan A,Balakrishnan H.Energy-efficient communication protocol for wireless microsensor networks[C]//The 33rd Annual Hawaii International Conference on System Siences (HICSS-33),Maui,USA,IEEE,Los Alamitos,CA,United States,2000:3005-3014.

[5] Muruganathan S D,Bhasin R I.A centralized energy-efficient routing protocol for wireless sensor networks[J].IEEE Communications Magazine,2005,43(3):S8-S13.

[6] Li N,Hou J C,Sha L.Design and analysis of an MST-based topology control algorithm[J].Proceedings-IEEE INFOCOM,2002,4(3):1195-1206.

[7] Nishiyama H.On minimizing the impact of mobility on topology control in mobile ad hoc networks[J].IEEE Transactions on Wireless Communications,2012,11(3):1158-1166.

[8] Kim D,Noel E,Tang K W.WSN communication topology construction with collision avoidance and energy saving[C]//2014 IEEE 11th Consumer Communications and Networking Conference,CCNC 2014,Las Vegas,NV,United states,IEEE Computer Society,2014:398-404.

[9] 牛淑芬,王彩芬,杜小妮.無(wú)線傳感器數(shù)據(jù)融合技術(shù)中基于同態(tài)哈希函數(shù)的數(shù)據(jù)完整性算法[J].計(jì)算機(jī)應(yīng)用與軟件,2013,30(12):48-51.

[10] Jose J,Manoj Kumar S,Jose J.Energy efficient recoverable concealed data aggregation in wireless sensor networks[C]//2013 IEEE International Conference on Emerging Trends in Computing,Communication and Nanotechnology,ICE-CCN,2013:322-329.

[11] Deligiannakis A,Kotidis Y,Roussopoulos N.Processing approximate aggregate queries in wireless sensor networks [J].Information Systems,2006,31(8):770-792.

[12] Hartl G.A Bayesian Inference Approach towards Energy Efficient Data Collection in Dense Sensor Networks[C]//25th IEEE International Conference on Distributed Computing Systems,Columbus,OH,United states,Institute of Electrical and Electronics Engineers Inc,2005:371-380.

[13] Sergiou C.Source based routing trees for efficient comgestion control in wireless sensor networks[C]//8th IEEE International Conference on Distributed Computing in Sensor Systems,Hangzhou,China,IEEE Computer Society,2012:378-383.

[14] Li J Z,Cheng S Y.(ε,ζ)-Approximate Aggregation Algorithms in Dynamic Sensor Networks.[J].IEEE Transactions on Parallel and Distributed Systems,2011,23(3):385-396.

[15] 韓崇,孫力娟,肖甫,等.基于SVD的無(wú)線多媒體傳感器網(wǎng)絡(luò)圖像壓縮機(jī)制[J].東南大學(xué)學(xué)報(bào)：自然科學(xué)版,2012,42(5):814-819.

[16] Huang G Y,Li X W,He J.Dynamic Minimal Spanning Tree Routing Protocol for Large Wireless Sensor Networks[C]//2006 1st IEEE Conference on Industrial Electronics and Applications,ICIEA,2006:1-5.

[17] 孫力娟,郭劍,陸凱,等.基于量子遺傳算法的傳感器網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)控制[J].通信學(xué)報(bào),2006,27(12):1-5.

A TOPOLOGY CONTROL ALGORITHM FOR WIRELESS SENSOR NETWORKS BASED ON (ε,ζ)-APPROXIMATE AGGREGATION

Tang RongGuo Jian

(School of Computer,Nanjing University of Posts and Telecommunications,Nanjing 210003,Jiangsu,China)

We study the topology control of wireless sensor networks in this paper.In order to save network energy and maximise network lifecycle,we propose a (ε,ζ)-approximate aggregation-based topology control algorithm QGA-UQ (quantum genetic algorithm-unique Q).QGA-UQ introduces the idea of node scheduling.It firstly determines the proportion of working nodes in network based on user’s requirement of data accuracy.Then it uses quantum genetic algorithm to select appropriate nodes in network and construct a reasonable topology.On this basis the network carries out the operation of data transmission and data fusion.Stimulation tests show that QGA-UQ can prolong the survival time of the network significantly and improve the utilisation of network energy greatly on the premise of guaranteeing the precision of fusion results.

Topology controlWireless sensor networks(ε,ζ)-approximate aggregationNode schedulingQuantum genetic algorithm

2015-04-17。中國(guó)博士后科學(xué)基金項(xiàng)目(2014M5516 35)；江蘇省博士后科研計(jì)劃項(xiàng)目(1302085B)。湯榮，碩士生，主研領(lǐng)域：無(wú)線傳感網(wǎng)。郭劍，副教授。

TP393

A

10.3969/j.issn.1000-386x.2016.09.027

猜你喜歡

融合結(jié)構(gòu)

一次函數(shù)“四融合”

中學(xué)生數(shù)理化·中考版(2022年8期)2022-06-14 06:55:24

村企黨建聯(lián)建融合共贏

今日農(nóng)業(yè)(2021年19期)2022-01-12 06:16:36

融合菜

中老年保健(2021年11期)2021-08-22 03:15:44

《形而上學(xué)》△卷的結(jié)構(gòu)和位置

哲學(xué)評(píng)論(2021年2期)2021-08-22 01:53:34

從創(chuàng)新出發(fā)，與高考數(shù)列相遇、融合

中學(xué)生數(shù)理化(高中版.高考數(shù)學(xué))(2021年1期)2021-03-19 08:28:38

寬窄融合便攜箱IPFS500

無(wú)線電工程(2020年11期)2020-10-29 01:25:46

《融合》

現(xiàn)代出版(2020年3期)2020-06-20 07:10:34

論結(jié)構(gòu)

中華詩(shī)詞(2019年7期)2019-11-25 01:43:04

新型平衡塊結(jié)構(gòu)的應(yīng)用

模具制造(2019年3期)2019-06-06 02:10:54

論《日出》的結(jié)構(gòu)

影視與戲劇評(píng)論(2016年0期)2016-11-23 05:26:01

計(jì)算機(jī)應(yīng)用與軟件2016年9期

計(jì)算機(jī)應(yīng)用與軟件的其它文章

基于權(quán)限組合的Android竊取隱私惡意應(yīng)用檢測(cè)方法

基于測(cè)試代價(jià)敏感的不完備決策系統(tǒng)屬性約簡(jiǎn)算法

面向以太網(wǎng)的網(wǎng)絡(luò)故障自動(dòng)實(shí)時(shí)發(fā)現(xiàn)與定位方法

臺(tái)站級(jí)地面氣象觀測(cè)數(shù)據(jù)綜合質(zhì)控系統(tǒng)設(shè)計(jì)

B2C電子商務(wù)信息系統(tǒng)操作風(fēng)險(xiǎn)評(píng)估方法研究

一種新的基于混沌的彩色圖像加密算法