趙瑞玉，席 兵

(重慶郵電大學(xué)移通學(xué)院，重慶 401520)

1 引言

物聯(lián)網(wǎng)技術(shù)[1]快速發(fā)展，提高社會(huì)經(jīng)濟(jì)各個(gè)研究領(lǐng)域的數(shù)字信息化水平。不同種類的網(wǎng)絡(luò)配置服務(wù)設(shè)備均具有一定基礎(chǔ)的數(shù)據(jù)計(jì)算能力，并根據(jù)互聯(lián)網(wǎng)傳輸共同數(shù)據(jù)，讓配置服務(wù)設(shè)備具有良好的感知力。但常見(jiàn)單獨(dú)智能設(shè)備是異構(gòu)[2]的，物聯(lián)網(wǎng)的發(fā)展，使異構(gòu)的服務(wù)功能、數(shù)據(jù)計(jì)算以及存儲(chǔ)能力已經(jīng)不能滿足于網(wǎng)絡(luò)發(fā)展的基本需求，降低優(yōu)化配置服務(wù)所需要消耗的能量，是現(xiàn)階段該領(lǐng)域需要研究的重點(diǎn)課題。

目前，大部分應(yīng)用在網(wǎng)絡(luò)中的程序都可以根據(jù)物聯(lián)網(wǎng)實(shí)際環(huán)境與設(shè)備關(guān)聯(lián)運(yùn)用，同時(shí)物聯(lián)網(wǎng)可配置服務(wù)[3]能量?jī)?yōu)化，也是該研究領(lǐng)域長(zhǎng)期關(guān)注的課題之一。但由于傳輸數(shù)據(jù)節(jié)點(diǎn)的能量管理、處理、存儲(chǔ)、通信能力等都具有一定的限制因素，所以在進(jìn)行物聯(lián)網(wǎng)可配置服務(wù)的過(guò)程中，就更加需要優(yōu)化傳輸數(shù)據(jù)所消耗的能量，以便節(jié)省能耗。

傳統(tǒng)物聯(lián)網(wǎng)可配置服務(wù)能量?jī)?yōu)化較為常見(jiàn)的方法分別為蟻群算法和遺傳算法，其中遺傳算法是在一定生物進(jìn)化理論前提下，模擬自然環(huán)境中的生物，從中獲取最優(yōu)解算法；蟻群算法是根據(jù)螞蟻在尋找食物過(guò)程中選擇的最優(yōu)路徑，得出的一種能量?jī)?yōu)化算法，是根據(jù)每只螞蟻尋找食物時(shí)，走的最短路徑形成的一種最優(yōu)解算法，所以整個(gè)螞蟻群體的路徑構(gòu)成為能量問(wèn)題的解空間。

文獻(xiàn)[4]提出基于遺傳算法的帶式輸送機(jī)多變量?jī)?yōu)化節(jié)能運(yùn)輸策略研究方法，建立輸送機(jī)運(yùn)行過(guò)程的能量消耗與用電成本數(shù)學(xué)模型，得出影響輸送機(jī)運(yùn)行能耗與用電成本的關(guān)鍵因素，通過(guò)分時(shí)電價(jià)等約束條件，采用遺傳算法實(shí)現(xiàn)模型變量的全局優(yōu)化，尋找各時(shí)段帶式輸送機(jī)運(yùn)輸煤量與運(yùn)行速度的節(jié)能最優(yōu)解，并對(duì)比優(yōu)化節(jié)能策略所帶來(lái)的經(jīng)濟(jì)效益。該方法能夠有效降低能量消耗與優(yōu)化成本，但能量配置效率低。文獻(xiàn)[5]提出基于蟻群算法優(yōu)化回聲狀態(tài)網(wǎng)絡(luò)的研究方法，該算法將優(yōu)化回聲狀態(tài)網(wǎng)絡(luò)的初始輸入權(quán)值、隱層神經(jīng)元閾值問(wèn)題轉(zhuǎn)化為蟻群算法中螞蟻尋找最佳路徑的問(wèn)題，輸出權(quán)值采用最小二乘法計(jì)算，通過(guò)蟻群算法的更新、變異、遺傳等操作訓(xùn)練回聲狀態(tài)網(wǎng)絡(luò)，選擇出使回聲狀態(tài)網(wǎng)絡(luò)預(yù)測(cè)誤差最小的輸入權(quán)值和閾值，從而提高其預(yù)測(cè)性能。該方法優(yōu)化速度較快，但可配置能量較低。

基于此本次研究在粒子群算法基礎(chǔ)上，提出物聯(lián)網(wǎng)可配置服務(wù)能量?jī)?yōu)化方法。將該方法應(yīng)用到實(shí)際中，能夠提升網(wǎng)絡(luò)使用周期，降低優(yōu)化配置服務(wù)所消耗的能量，提高物聯(lián)網(wǎng)數(shù)據(jù)服務(wù)質(zhì)量，促進(jìn)物聯(lián)網(wǎng)技術(shù)的進(jìn)一步發(fā)展。

2 物聯(lián)網(wǎng)可配置服務(wù)消耗能量計(jì)算

現(xiàn)階段網(wǎng)絡(luò)技術(shù)快速發(fā)展，許多網(wǎng)絡(luò)應(yīng)用都與物聯(lián)網(wǎng)有不同程度的結(jié)合，使多種可配置服務(wù)形成了相關(guān)聯(lián)的意識(shí)形態(tài)。其中物聯(lián)網(wǎng)的應(yīng)用層面包括不同應(yīng)用區(qū)域以及服務(wù)的支持，實(shí)現(xiàn)在不同領(lǐng)域中的廣泛運(yùn)用；將感知與收集到的數(shù)據(jù)傳輸?shù)骄W(wǎng)絡(luò)層中，完成數(shù)據(jù)的傳輸與控制，并通過(guò)

傳感器節(jié)點(diǎn)收集環(huán)境中的數(shù)據(jù)。

本次研究在優(yōu)化配置服務(wù)所消耗的能量時(shí)，采用一階無(wú)線電模型[6]作為能量消耗的計(jì)算模型，這種模型常用于無(wú)線傳感網(wǎng)絡(luò)中，能夠計(jì)算物聯(lián)網(wǎng)可配置服務(wù)過(guò)程中所需要消耗的能量。為了能夠讓能量消耗模型更貼合與世界應(yīng)用場(chǎng)景，對(duì)其進(jìn)行簡(jiǎn)化處理。

根據(jù)參數(shù)值得知，傳輸數(shù)據(jù)衰減指數(shù)n的固定取值范圍為2-5之間，并將隨著網(wǎng)絡(luò)環(huán)境變化而變化。假設(shè)在物聯(lián)網(wǎng)大環(huán)境下，設(shè)備在傳輸數(shù)據(jù)時(shí)是順暢的，那么就可以將n的取值設(shè)置為2，否則設(shè)置為3-5之間。

根據(jù)能量消耗模型，將一個(gè)k比特的數(shù)據(jù)包傳輸?shù)骄嚯xdn的過(guò)程中，傳輸數(shù)據(jù)能耗ETx(k，d)和接收數(shù)據(jù)能耗ERx(k)分別為

ETx(k，d)=Eelec*k+εamp*k*dn

(1)

ERx(k)=εamp*k

(2)

其中，Eelec表示初始能耗值；εamp表示能耗因子。當(dāng)某個(gè)智能設(shè)備smTi將一個(gè)k比特的數(shù)據(jù)傳輸給它的一跳相鄰設(shè)備smTj時(shí)，總的能量消耗Eij(k)就為

Eij(k)=ETx(k，d)+ERx(k)

(3)

根據(jù)上述能量消耗公式，總的消耗能量就可以寫(xiě)為

(4)

即

(5)

在本次研究中，假設(shè)每個(gè)網(wǎng)絡(luò)設(shè)備節(jié)點(diǎn)所有的傳輸能力以及感知半徑都一樣，并且原始狀態(tài)和能量也都一樣，那么傳輸數(shù)據(jù)量相同時(shí)，所需要消耗的能量也就相同，能夠?qū)崿F(xiàn)物聯(lián)網(wǎng)可配置服務(wù)過(guò)程中消耗能量的計(jì)算。

3 基于粒子群算法的物聯(lián)網(wǎng)可配置服務(wù)能量?jī)?yōu)化

3.1 改進(jìn)粒子群算法

粒子群算法在計(jì)算求最優(yōu)解的過(guò)程中，主要是運(yùn)用迭代的方法[7]解決數(shù)據(jù)傳輸時(shí)產(chǎn)生的能量消耗問(wèn)題，并計(jì)算出連續(xù)最優(yōu)解。

如果在n維空間中具有m個(gè)粒子因素，那么就會(huì)構(gòu)建出種群量為X的粒子群，其中X=(X1，X2，…，Xm)，根據(jù)上述描述情況得知這些粒子群具有下列屬性：第i個(gè)粒子飛行的速度是vi=(vi1，vi2，vi3，….，vin)，第i個(gè)粒子會(huì)處于Xi=(Xi1，Xi2，Xi3，…，Xin)的位置；第i個(gè)粒子的最佳位置是pi=(pi1，pi2，pi3，….，pin)，并且也是個(gè)體最好的粒子；所有粒子最好的位置都是pg=(pg1，pg2，pg3，….，pgn)，此時(shí)全局最優(yōu)。

因此粒子將通過(guò)本身的極值pbest，以及全部最優(yōu)值gbest來(lái)實(shí)現(xiàn)粒子飛行速度和位置的更新，在此基礎(chǔ)上粒子通過(guò)迭代的方式尋找出最優(yōu)解，迭代最優(yōu)解公式如下：

vid(t+1)=ωvid(t)+c1[pbest-xid(t)]rand1

+c2[gbest-xid(t)]rand2

(6)

xid(t+1)=xid(t)+vid(t+1)

(7)

式中，ω表示慣性權(quán)重[8]，權(quán)重值越小證明部分搜索效率越好，取值越高證明全局搜索能力越強(qiáng)；vid(t)表示粒子目前飛行了整體速度；xid(t)為目前粒子所在的具體位置；ci，c2分別表示自我學(xué)習(xí)因子和社會(huì)學(xué)習(xí)因子；rand1，rand2表示在0-1范圍內(nèi)的隨機(jī)函數(shù)，t表示目前粒子迭代的次數(shù)。其中粒子群算法的具體流程，如圖1所示。

圖1 粒子群算法流程圖

3.1.1 慣性權(quán)重和學(xué)習(xí)因子改進(jìn)

一般情況下，粒子群算法容易陷入局部最優(yōu)化的問(wèn)題，導(dǎo)致在選取網(wǎng)絡(luò)簇頭的過(guò)程中不容易找出最優(yōu)簇頭。本次研究采用慣性權(quán)重和學(xué)習(xí)因子的方法，以解決以上問(wèn)題。

根據(jù)上述公式可以看出，粒子實(shí)際飛行的速度和位置與慣性群眾、學(xué)習(xí)因子[9]有直接關(guān)聯(lián)，并且在式(6)中，可以通過(guò)ω的取值，直接判定出結(jié)果是局部最優(yōu)還是全部最優(yōu)，因此，本次研究在此基礎(chǔ)上對(duì)ω進(jìn)行了余弦[10]改進(jìn)處理，從而加快粒子群算法的收斂速度，其表達(dá)式為

(8)

式中，ωmax和ωmin分別表示慣性權(quán)重的最大值和最小值，一般情況下取值在0.4-0.9之間；itercur和itermax分別表示目前迭代的次數(shù)和最大程度進(jìn)化代數(shù)。

同時(shí)物聯(lián)網(wǎng)環(huán)境中，最優(yōu)簇頭的選擇與學(xué)習(xí)因子也有著密不可分的關(guān)系，其中c1和c2分別表示自我學(xué)習(xí)因子和社會(huì)學(xué)習(xí)因子，設(shè)置學(xué)習(xí)因子的過(guò)程中，取值太大和太小都不適用于粒子搜索，因此在選擇最優(yōu)簇頭時(shí)，本次研究運(yùn)用了慣性權(quán)重，將學(xué)習(xí)因子進(jìn)行先變大后邊小的處理，其表達(dá)式為

(9)

(10)

式中，c1s，c1e，c2s，c2e分別表示c1和c2的原始值和最終值，其中c1s=2.5，c1e=0.5，c2s=0.5，c2e=2.5；m表示學(xué)習(xí)因子中的控制因子。

3.1.2 適應(yīng)度函數(shù)設(shè)計(jì)

由于考慮到物聯(lián)網(wǎng)配置服務(wù)所需要消耗的能量以及負(fù)載程度，在判定適應(yīng)度函數(shù)的過(guò)程中，主要考慮網(wǎng)絡(luò)能耗、能耗均衡度[11]、簇頭能量比例[12]、以及簇內(nèi)節(jié)點(diǎn)距離這四種限制因素，根據(jù)上述物聯(lián)網(wǎng)能量模型，將其適應(yīng)度函數(shù)設(shè)置為

F=αf1+βf2+λf3+ρf4

(11)

式中，α，β，λ，ρ分別代表了四個(gè)對(duì)應(yīng)的適應(yīng)度函數(shù)f1，f2，f3，f4的權(quán)重，F(xiàn)表示整體適應(yīng)度函數(shù)。

下列分別對(duì)上述四種限制因素進(jìn)行研究分析

1)網(wǎng)絡(luò)能耗：網(wǎng)絡(luò)能耗在網(wǎng)絡(luò)運(yùn)行中是一種重要的限制因素，可以直接影響整個(gè)網(wǎng)絡(luò)的性能和使用周期。在配置服務(wù)過(guò)程中所需要消耗的能量如式(12)所示

(12)

式中，|Gk|表示第k個(gè)簇內(nèi)傳感器節(jié)點(diǎn)的具體數(shù)量；Eij(k)表示發(fā)送與接收數(shù)據(jù)所需要消耗的能量；εfs和εs分別代表在不同通信方式下，放大電路的能耗系數(shù)；EDA表示處理1bit數(shù)據(jù)所消耗的能量；dtoBS和dtoCH分別表示簇頭到數(shù)據(jù)接收基站的平均距離和簇內(nèi)成員節(jié)點(diǎn)到簇頭距離的期望值。

2)簇內(nèi)節(jié)點(diǎn)距離：確保數(shù)據(jù)傳輸?shù)男市灾?，還需要保證簇內(nèi)節(jié)點(diǎn)與簇頭之間距離的合理性與安全性，以保證不同節(jié)點(diǎn)在不同位置的通信質(zhì)量，不同節(jié)點(diǎn)之間的傳輸距離為

(13)

式中，dmknj表示第k個(gè)簇頭和簇內(nèi)第j個(gè)節(jié)點(diǎn)的距離。

3)簇頭能量比例

在傳輸數(shù)據(jù)的過(guò)程中，不同簇頭傳輸數(shù)據(jù)所消耗的能量是不同的，在簇內(nèi)選擇簇頭節(jié)點(diǎn)時(shí)，應(yīng)該選取出能量較高的節(jié)點(diǎn)來(lái)作為簇頭，這樣即可從根本上減少選擇簇頭所消耗的能量，適應(yīng)度函數(shù)f3為

(14)

式中：E0(nj)表示被選取出能量較高的節(jié)點(diǎn)，Et(mk)表示這個(gè)節(jié)點(diǎn)的整體能量。

4)能耗均衡度：當(dāng)選取出的簇頭節(jié)點(diǎn)能量越高時(shí)，網(wǎng)絡(luò)的整體均衡負(fù)載能力就越好，這樣就可以有效防止出現(xiàn)網(wǎng)絡(luò)空洞的情況，適應(yīng)度函數(shù)f4為

(15)

式中，u表示能量消耗的修正系數(shù)。

3.2 數(shù)據(jù)路徑選取能量?jī)?yōu)化

根據(jù)最優(yōu)路徑上節(jié)點(diǎn)之間的簇頭競(jìng)爭(zhēng)，完成簇頭選擇和節(jié)點(diǎn)分簇處理，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)傳輸數(shù)據(jù)所消耗能量的優(yōu)化，本次研究將以基站作為優(yōu)化的根，構(gòu)建最小生成樹(shù)模型。將任意一個(gè)分簇看作為其中某一點(diǎn)，連接處理臨近的點(diǎn)，形成連通圖，假設(shè)全部點(diǎn)的集合記作V，邊的集合記作為E，那么連通圖G=(V，E)，這時(shí)權(quán)重影響的限制因素就只有分簇后簇頭的距離以及剩余能量，權(quán)值計(jì)算公式設(shè)計(jì)為

(16)

式中，Em和En分別表示簇頭i和j對(duì)應(yīng)的剩余能量，其中dij表示表示簇頭i和j的距離，ρ表示調(diào)節(jié)參數(shù)值，通過(guò)該參數(shù)值ρ可以調(diào)節(jié)控制簇頭邊的控制權(quán)值，知權(quán)值和相鄰簇頭的距離成正比關(guān)系，和剩余能量成反比。

根據(jù)上述分析得知，權(quán)值越高，簇頭承載數(shù)據(jù)傳輸任務(wù)的可能性越小，對(duì)應(yīng)的消耗能量就越少，便可以從根本上提升網(wǎng)絡(luò)使用周期，實(shí)現(xiàn)能量?jī)?yōu)化的效果。

4 仿真研究

為驗(yàn)證基于粒子群算法的物聯(lián)網(wǎng)可配置服務(wù)能量?jī)?yōu)化方法的有效性，進(jìn)行仿真。操作系統(tǒng)為Windows 10，仿真軟件為Matlab 7.0。采集實(shí)驗(yàn)數(shù)據(jù)，物聯(lián)網(wǎng)可配置服務(wù)能量數(shù)據(jù)采樣長(zhǎng)度為2000，采樣頻率為50KHz，訓(xùn)練集為600，剔除重復(fù)及損壞數(shù)據(jù)，并保證數(shù)據(jù)能夠在仿真平臺(tái)上順利運(yùn)行。選擇研究方法與文獻(xiàn)[4]方法和文獻(xiàn)[5]方法進(jìn)行性能對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)環(huán)境如圖2所示

圖2 實(shí)驗(yàn)環(huán)境

驗(yàn)證不同方法的可配置能量，可配置能量越高表示方法的優(yōu)化性越好，實(shí)驗(yàn)結(jié)果如圖3所示。

圖3 可配置能量對(duì)比

從上圖中可以看出，文獻(xiàn)[4]方法和文獻(xiàn)[5]方法的可配置能量分別在1.1×106J和1.7×106J左右，而研究方法的節(jié)點(diǎn)能量在1.8×106J以上，可配置能量最高，證明該方法可以對(duì)不同服務(wù)功能的設(shè)備進(jìn)行調(diào)節(jié)時(shí)，可配置的能量更多，間接實(shí)現(xiàn)了網(wǎng)絡(luò)能量?jī)?yōu)化的目的。

為進(jìn)一步驗(yàn)證研究方法的有效性，進(jìn)行不同方法的能量配置效率對(duì)比實(shí)驗(yàn)，對(duì)比結(jié)果如圖4所示。

圖4 能量配置效率對(duì)比

通過(guò)圖4可知，不同實(shí)驗(yàn)次數(shù)下，文獻(xiàn)[5]方法的能量配置效率低于60%，文獻(xiàn)[4]方法的能量配置效率低于82%，而研究方法的能量配置效率在95%以上，能量配置效率越高，表示方法的能量?jī)?yōu)化效果越好，通過(guò)實(shí)驗(yàn)可以證明研究方法的有效性。

5 結(jié)論

隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，能量?jī)?yōu)化已經(jīng)成為現(xiàn)階段該研究領(lǐng)域亟需改進(jìn)的關(guān)鍵問(wèn)題，為解決傳統(tǒng)能量?jī)?yōu)化方法存在的問(wèn)題，本文采用粒子群算法，對(duì)物聯(lián)網(wǎng)可配置服務(wù)能量進(jìn)行優(yōu)化。該方法構(gòu)建出配置服務(wù)過(guò)程中消耗能量的模型，采用改進(jìn)的粒子優(yōu)化算法選取出了傳輸數(shù)據(jù)的最優(yōu)路徑。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)方法相比，研究方法的可配置能量較高，能量配置效率高，從根本上提升了網(wǎng)絡(luò)使用周期，達(dá)到能量?jī)?yōu)化的效果，可應(yīng)用性強(qiáng)。將該方法應(yīng)用到實(shí)際中，能夠大幅度降低配置服務(wù)所消耗的能量，提升能量配置效率，使物聯(lián)網(wǎng)異構(gòu)的服務(wù)功能、數(shù)據(jù)計(jì)算以及存儲(chǔ)能力滿足網(wǎng)絡(luò)發(fā)展的基本需求，因此研究方法具有十分廣闊的應(yīng)用前景。