張 耀，王珂琦

(河南工業(yè)大學漯河工學院，河南 漯河 462000)

1 引言

隨著無線技術(shù)的發(fā)展，無線網(wǎng)絡被頻繁地應用在人們的生產(chǎn)和生活中，節(jié)點負載部署成為無線網(wǎng)絡中至關(guān)重要的技術(shù)之一。當前網(wǎng)絡拓撲多采用隨機部署方式，導致網(wǎng)絡負載配備不合理，甚至影響無線網(wǎng)絡的計算處理效率，降低業(yè)務能力[1]。為此，研究人員不斷探索，在使系統(tǒng)的響應時間更低，無線資源利用率更高，網(wǎng)絡的可擴展性和穩(wěn)定性更優(yōu)良等方面[1]做出不斷努力。文獻[2]采用遺傳算法—蟻群算法解決無線網(wǎng)絡負載均衡的問題，采用蟻群算法對信息初始值進行優(yōu)化提取，使用改進后的方法不僅具有更快的尋優(yōu)能力，還擁有更快的收斂速度，降低了時間成本和能耗成本，然而節(jié)點的負載率還有待提高。文獻[3]根據(jù)用戶不確定等因素建立了基于模糊時間序列預測的網(wǎng)絡負載均衡模型，同時提出了基于反饋的被動調(diào)控和主動控制相互結(jié)合的調(diào)度機制，提高了無線通信網(wǎng)絡的整體性能，但是該方法在無線網(wǎng)絡均衡處理過程中，算法的復雜度并不是很理想。文獻[4]提出一種基于無線通信網(wǎng)絡信息節(jié)點的度量方法，將聚集系數(shù)和度指標相結(jié)合，對無線網(wǎng)絡中的節(jié)點進行度量，通過灰度相互關(guān)聯(lián)實現(xiàn)無線通信網(wǎng)絡信息節(jié)點的均衡配置，該方法能夠?qū)o線網(wǎng)絡中的信息重要性進行度量，但精確性不是很高。

針對上述研究存在的問題，本文采用分數(shù)階達爾文粒子群算法，對無線通信網(wǎng)絡中非等間距節(jié)點進行能量均衡和動態(tài)調(diào)節(jié)，根據(jù)網(wǎng)絡節(jié)點的鏈路結(jié)構(gòu)和相鄰性的特點計算節(jié)點間的能量和距離，從而對非等間距節(jié)點負載進行均衡配置，實現(xiàn)網(wǎng)絡節(jié)點的合理均衡配置能夠改善非等間距節(jié)點的覆蓋率，增加網(wǎng)絡運行的平穩(wěn)性，同時有利于延長網(wǎng)絡的生命周期。

2 非等間距節(jié)點拓撲結(jié)構(gòu)模型

針對不同的檢測區(qū)域，均可以采用簡化模型的方法，對非等間距節(jié)點進行負載部署，這種拓撲結(jié)構(gòu)具有明顯的層次結(jié)構(gòu)，假定網(wǎng)絡拓撲內(nèi)存在的非等間距節(jié)點數(shù)量表示為M，對應的能量表示為E0，則該網(wǎng)絡拓撲的空間分布可以描述為M×N維，其非等間距節(jié)點分布如圖1所示。

圖1 非等間距節(jié)點分布圖

假設M×N個節(jié)點被非均勻的分布在半徑為r的二維空間內(nèi)，其中存在一個中心節(jié)點位于圓心處，各個節(jié)點以非等間距方式形成鏈式的結(jié)構(gòu)空間，且越靠近中心節(jié)點的位置，各節(jié)點間的距離會小。

在非等間距節(jié)點的分布中，所有節(jié)點在原始條件下的能量和為定值，且每個節(jié)點所具有的能量是平均的；全部節(jié)點不僅具有自己的坐標，還能夠根據(jù)各自的坐標進行彼此間距離的計算，而且能夠在一定的二維空間范圍內(nèi)實現(xiàn)互相通信[5-6]。

根據(jù)上述分析，無線通信網(wǎng)絡節(jié)點之間的概率和節(jié)點間的距離存在關(guān)聯(lián)，在兩個節(jié)點相距的有效范圍內(nèi)，兩個節(jié)點間可以構(gòu)成通信鏈路。假設無線通信網(wǎng)絡的發(fā)射節(jié)點為a，接收節(jié)點為b，則a到b產(chǎn)生鏈路的概率描述為

Pab=e-R|sinα|

(1)

這里的R是網(wǎng)絡節(jié)點a與b的有效間距；α是a與b節(jié)點間形成的夾角。節(jié)點b不能夠被所有節(jié)點檢測到的概率為

(2)

其中，ζ表示概率的約束值，取值范圍0≤ζ≤1。

對無線通信網(wǎng)絡非等間距節(jié)點進行度量時，要按照階數(shù)中心性和接近中心性原則完成節(jié)點間重要性度量，則非等間距節(jié)點接近中心性可表示為

(3)

其中，uij表示非等間距發(fā)送節(jié)點i，j表示非等間距接受節(jié)點，N表示非等間距節(jié)點的個數(shù)。

當無線通信網(wǎng)絡中系統(tǒng)間存在連接和冗余的現(xiàn)象時，表示系統(tǒng)間存在阻塞行為，如果一個信息節(jié)點為無線通信網(wǎng)絡中的重要節(jié)點，則該節(jié)點在無線通信過程中起著至關(guān)重要的作用。非等間距節(jié)點在無線通信網(wǎng)絡中的約束系數(shù)可表示為

(4)

其中，q表示連接節(jié)點i和j的間接節(jié)點，Pij表示節(jié)點i在節(jié)點j上消耗的時間與節(jié)點j消耗的時間比值。當約束系數(shù)值Hi越小時，表示節(jié)點在無線通信網(wǎng)絡中占有的地位越重要。

3 粒子群優(yōu)化算法

3.1 達爾文粒子群算法

如果有M個粒子組成的群落在一個R維空間中，假設針對第j個粒子進行研究，則第j個粒子的速度可以表示如下：

(5)

其中，yj=(yj1，yj2，…，yjH)表示為第j個粒子的位置向量，Vj=(Vj1，Vj2，…，VjH)表示為第j個粒子的速度向量，β表示慣性系數(shù)，e1和e2表示加速度系數(shù)，X1h和X2h表示[0，1]范圍內(nèi)的隨機數(shù)。

第j個粒子的位置更新公式表示為

(6)

(7)

無線通信網(wǎng)絡正常工作時，必須保證所有節(jié)點間相互間距小于通信距離，即在一定范圍內(nèi)才能檢測到對方[7-8]。為了能夠計算出各個節(jié)點的傳輸距離，需要將粒子之間的距離轉(zhuǎn)化成最大接收與傳輸距離。假設在理想條件下，各粒子能夠傳輸與接收的距離為Lty，由于在傳輸和接收過程中會損耗功率，因此傳輸和接收距離Lty可表示為

(8)

其中，l0表示參考距離，且l0≠0；γ表示功率損耗指數(shù)，且γ>1，D0表示在參考距離的位置接收的功率；LY表示接收功率的限制值。

在粒子群中，假設第j個粒子能夠傳輸與接收的最大半徑為Rj，可表達為

(9)

其中，GF表示第j個粒子傳輸與接收距離上限值，且LY>GF；系數(shù)η=1，2。

3.2 非等間距節(jié)點能量計算

在計算節(jié)點能量時，依據(jù)的是各節(jié)點能耗開銷與非等間距之間的關(guān)系，通過節(jié)點接收與傳輸距離對非等間距節(jié)點的能量進行計算，具體表示為

(10)

其中，φ表示為發(fā)送與接收節(jié)點的比特數(shù)；D表示當前節(jié)點的距離；EΔ表示發(fā)送與接收過程中每個節(jié)點的損耗；μ1和μ2分別表示自由空間功率的損耗系數(shù)和衰落功率損耗因子。

當節(jié)點處于接收狀態(tài)時，可以忽略不計由空間功率帶來的開銷問題，因此可以將處于接收狀態(tài)的節(jié)點能耗表示如下

(11)

3.3 負載部署預測

在利用本文提出的達爾文粒子群算法進行優(yōu)化負載均衡性的同時，也需要對無線通信網(wǎng)絡的其它方面采取相應的改善處理。保證對原始網(wǎng)絡不存在額外干擾的前提下，采取提前估算出由信息流量與數(shù)據(jù)請求所產(chǎn)生的能量開銷，并據(jù)此作出相應的資源配置。最常見的預測算法有神經(jīng)網(wǎng)絡、灰度預測和關(guān)于時間序列的預測等等[9-10]。針對特殊情況，負載的預測模型可以表示為

A(t+1)=a1A(t)+a2A(t-1)+a3A(t-2)

(12)

其中，a1，a2，a3表示常數(shù)，通常取值為0.5，0.3，0.2。本文使用的負載預測模型根據(jù)時間的先后順序配置權(quán)重，利用無線通信網(wǎng)絡的當前狀態(tài)和前兩個時刻的狀態(tài)，預測無線通信網(wǎng)絡的下一時刻狀態(tài)。并利用達爾文粒子進化，對網(wǎng)絡中產(chǎn)生的所有請求信息進行連續(xù)統(tǒng)計處理，將其制作為包含負載情況的參數(shù)集。然后對負載參數(shù)集的請求分類，統(tǒng)計其數(shù)量，根據(jù)式(12)的定義，配置負載權(quán)重，得到最終的預測結(jié)果。最終根據(jù)預測結(jié)果，對無線通信網(wǎng)絡下一時刻中心節(jié)點配置合適的節(jié)點，從而當有無線通信網(wǎng)絡請求的時候，不需要逐一尋找網(wǎng)絡節(jié)點，

可直接進行配置。一旦發(fā)現(xiàn)網(wǎng)絡請求信號，系統(tǒng)便會檢查這種類型的信號是否已存在預分配的記錄。如果存在預分配記錄，系統(tǒng)會根據(jù)這條記錄的指示節(jié)點進行命令處理；如果不存在預分配記錄，系統(tǒng)根據(jù)達爾文粒子群算法進行運算處理。最后將這條記錄統(tǒng)計到無線通信網(wǎng)絡的統(tǒng)計器中，便于對下一個時刻的請求進行預測判斷，這種方法大大緩解了中心節(jié)點的分配問題，從而大幅度地改善了無線通信網(wǎng)絡的工作效率。

4 仿真與結(jié)果分析

為了證明所提方法在非等間距網(wǎng)絡節(jié)點負載部署方面的實際效果，仿真選擇50000次發(fā)送請求作為一組數(shù)據(jù)，即無線網(wǎng)絡請求每秒發(fā)送100次，總計送發(fā)送500秒。通過仿真，將本文提出采用達爾文粒子群算法的負載部署預測方法與文獻[4]方法進行比較，驗證各個節(jié)點的負載平衡情況。為了使非等間距節(jié)點能量不造成過多的損失，要求每個網(wǎng)絡請求都應該在一定時間內(nèi)處理完成，該時間應該滿足N(0.2，0.1)條件，即均值為0.2，方差為0.1的正態(tài)分布，這樣便可以在節(jié)點上形成固定的負載。在無線通信網(wǎng)絡系統(tǒng)中，任意時刻能夠得到響應的請求數(shù)量為15000，對于超出部分的35000各個請求只能對其進行阻塞。為了使仿真結(jié)果更加準確，對測試的結(jié)果進行了多次取平均值的方法，文獻方法和本文方法對各個節(jié)點的負載部署仿真結(jié)果如圖2所示。

圖2 負載部署結(jié)果對比

對比實驗結(jié)果數(shù)據(jù)可知，本文提出的算法比文獻算法在負載部署上面更加穩(wěn)定，且負載最高節(jié)點與最低節(jié)點的負載相比，差值不超過5%。本文選擇50000次發(fā)送請求為一組數(shù)據(jù)，其中文獻算法的最低節(jié)點和最高節(jié)點的均值分別為4512和4881，差值為369；采用本文算法的最低節(jié)點和最高節(jié)點的均值分別為4631和4718，差值為81。因此，在本文所提出的算法下，無線通信網(wǎng)絡最高節(jié)點與最低節(jié)點間差值相對更低，節(jié)點負載相對更加均衡，系統(tǒng)運行更加流暢?？梢?，基于達爾文粒子群算法的負載部署方法大大提高了無線通信網(wǎng)絡的非等間距節(jié)點承受能力和運行效率，從而能夠有效減少系統(tǒng)的響應時間，增強了無線通信網(wǎng)絡的穩(wěn)定性。

除此之外，為了研究本文算法的實際工作效率，分別測試了1000、2000、3000、4000和5000個請求到來時，負載處理所需要的時間。由于系統(tǒng)在測試過程中可能會產(chǎn)生時間短板現(xiàn)象，因此這里采用網(wǎng)絡中具有最大負載的節(jié)點時間來作為實驗結(jié)果，得到時間隨節(jié)點變化的曲線如圖3所示。

圖3 負載個數(shù)處理時間結(jié)果對比

從仿真結(jié)果來看，本文采用的算法和文獻算法相比，平均處理時間更短，使無線通信網(wǎng)絡的效率提高了15%左右。隨著所采集數(shù)據(jù)集的增大，無線通信網(wǎng)絡分配方式的隨機性也更加突出，大大提高了各個網(wǎng)絡節(jié)點的負載均衡能力，在滿足無線網(wǎng)絡通信的情況下，能夠有效減少能量損耗，延長無線通信網(wǎng)絡的使用壽命。綜合仿真結(jié)果，驗證了達爾文粒子群算法能夠有效的改善負載部署問題，且節(jié)約了更多的時間成本和功耗成本，有利于提高無線通信網(wǎng)絡的效率。

5 結(jié)束語

為了保障無線通信網(wǎng)絡的工作效率，降低工作成本，使網(wǎng)絡負載配備更加合理。本文采取不同的檢測區(qū)域，對非等間距節(jié)點進行負載部署，采用達爾文粒子群算法將粒子之間的距離轉(zhuǎn)化成最大接收與傳輸距離求解。針對無線通信網(wǎng)絡非等間距節(jié)點的距離與能量損耗的特點對節(jié)點能量進行處理，保證對原始網(wǎng)絡不存在額外干擾的前提下，采取提前估算出由信息流量與數(shù)據(jù)請求所產(chǎn)生的能量開銷，并據(jù)此作出相應的資源配置，最終引導網(wǎng)絡節(jié)點實現(xiàn)負載合理配置操作。通過仿真，驗證了本文提出的算法不僅加快了節(jié)點間的收斂速度，還提升了無線網(wǎng)絡跳出局部最優(yōu)解的能力，從而有效提高了非等間距節(jié)點負載部署的均衡程度，明顯提升了負載處理的效率，對于非等間距網(wǎng)絡節(jié)點的負載部署具有顯著優(yōu)勢。