蔣金陵，徐勝超

(廣州華商學(xué)院 數(shù)據(jù)科學(xué)學(xué)院，廣州 511300)

0 引 言

面向智慧教室[1]的無(wú)線傳感網(wǎng)(WSN，wireless sensor network)的運(yùn)行對(duì)其節(jié)點(diǎn)部署的要求十分高，相關(guān)的邊緣節(jié)點(diǎn)智能部署方法引起了學(xué)者的廣泛關(guān)注。對(duì)于無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)部署問(wèn)題，目前的研究成果已經(jīng)相當(dāng)豐富。其中，文獻(xiàn)[2]為了減少延遲關(guān)鍵型應(yīng)用程序的數(shù)量，實(shí)現(xiàn)低延遲響應(yīng)，基于邊緣計(jì)算方法設(shè)計(jì)了用于分布式云架構(gòu)和裸機(jī)供應(yīng)商的機(jī)會(huì)模型。通過(guò)在真實(shí)地理分布邊緣基礎(chǔ)設(shè)施中部署多服務(wù)器在線游戲應(yīng)用程序，優(yōu)化了部署性能。文獻(xiàn)[3]從通信機(jī)制與任務(wù)分配機(jī)制兩個(gè)方面，提出了一種新的考慮業(yè)務(wù)可靠性的邊緣云需求響應(yīng)部署方法。文獻(xiàn)[4]基于網(wǎng)絡(luò)破壞譜(D-spectrum)設(shè)計(jì)了無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)時(shí)間部署優(yōu)化模型，以平衡成本和可靠性，并在蒙特卡羅模擬中重復(fù)訓(xùn)練，從而減少所得到的節(jié)點(diǎn)部署可靠性估計(jì)方差，進(jìn)一步提高了部署精度。文獻(xiàn)[5]針對(duì)無(wú)線通信網(wǎng)絡(luò)負(fù)載不平衡的問(wèn)題，提出基于分?jǐn)?shù)階達(dá)爾文粒子群算法的無(wú)線通信網(wǎng)絡(luò)節(jié)點(diǎn)動(dòng)態(tài)調(diào)節(jié)方法。

以上方法在智慧教室的部署中會(huì)產(chǎn)生較大時(shí)延，為了優(yōu)化智慧教室無(wú)線傳感網(wǎng)節(jié)點(diǎn)部署效果，本文提出設(shè)計(jì)面向智慧教室的無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署方法。

1 無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署方法

1.1 目標(biāo)函數(shù)構(gòu)建

構(gòu)建面向智慧教室的無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署的目標(biāo)函數(shù)。在智慧教室中，教師通過(guò)音視頻傳輸，將課件、演示文稿、教學(xué)視頻等教學(xué)資源分享給學(xué)生。利用圖片、音頻、視頻等多種形式展示和講解教學(xué)內(nèi)容，提供更豐富的學(xué)習(xí)材料，提高學(xué)生的學(xué)習(xí)興趣和主動(dòng)性。同時(shí)，音視頻傳輸可以支持遠(yuǎn)程教學(xué)模式，教師可以通過(guò)網(wǎng)絡(luò)將教學(xué)內(nèi)容傳輸?shù)綄W(xué)生所在的地方。這可以使教育資源更加均衡地分布并滿足學(xué)生的學(xué)習(xí)需求，同時(shí)也方便了教師和學(xué)生之間的交流和互動(dòng)。此外，通過(guò)音視頻傳輸，學(xué)生可以與教師進(jìn)行實(shí)時(shí)互動(dòng)，提問(wèn)問(wèn)題、回答問(wèn)題、討論等。

這種互動(dòng)可以增加學(xué)生的參與度和學(xué)習(xí)效果，促進(jìn)知識(shí)的理解和掌握。但在進(jìn)行音視頻內(nèi)容進(jìn)行傳輸時(shí)，會(huì)由于傳輸延遲導(dǎo)致音視頻內(nèi)容傳輸速率下降，影響教學(xué)水平，降低學(xué)生學(xué)習(xí)的積極性。而無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署可以通過(guò)對(duì)智慧教室的布局和需求進(jìn)行分析，利用網(wǎng)絡(luò)規(guī)劃工具或優(yōu)化算法，確定合適的邊緣節(jié)點(diǎn)部署位置，以最小化傳輸延遲，并提高音視頻內(nèi)容傳輸速率。因此，通過(guò)構(gòu)建無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署目標(biāo)函數(shù)，利用數(shù)據(jù)分析和優(yōu)化算法簡(jiǎn)化無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)部署問(wèn)題、降低目標(biāo)函數(shù)構(gòu)建的復(fù)雜度，優(yōu)化音視頻內(nèi)容的傳輸速率和延遲，提高智慧教室的音視頻傳輸質(zhì)量。同時(shí)，為了避免在無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)部署目標(biāo)函數(shù)構(gòu)建和優(yōu)化過(guò)程中考慮節(jié)點(diǎn)位置問(wèn)題，降低部署效率的問(wèn)題，假設(shè)邊緣初始節(jié)點(diǎn)是隨機(jī)生成的，且已知其位置坐標(biāo)。

將優(yōu)化目標(biāo)定位在智慧教室場(chǎng)景中邊緣計(jì)算節(jié)點(diǎn)與終端能夠完成良好的通信，同時(shí)最大限度降低部署邊緣節(jié)點(diǎn)的成本。

1.1.1 實(shí)際成本

根據(jù)智慧教室的特點(diǎn)和空間布局，以及人流量的變化，無(wú)線傳感網(wǎng)部署大量的邊緣節(jié)點(diǎn)可能需要購(gòu)買(mǎi)、安裝和維護(hù)昂貴的設(shè)備，并需要耗費(fèi)人力和資源進(jìn)行布線和配置，確保信號(hào)覆蓋范圍最佳。

通過(guò)進(jìn)行實(shí)際成本和連接成本優(yōu)化，可以在滿足教室需求的前提下，合理安排邊緣節(jié)點(diǎn)的部署位置和數(shù)量，減少不必要的成本支出。同時(shí)，實(shí)際成本優(yōu)化也可以幫助選擇合適的技術(shù)方案和設(shè)備類型，以降低整體部署和運(yùn)營(yíng)的成本，并確保項(xiàng)目的可行性和可持續(xù)性發(fā)展。本文制定的實(shí)際成本優(yōu)化目標(biāo)函數(shù)具體如式(1)：

(1)

式(1)中，minf(a)為部署智慧教室邊緣計(jì)算服務(wù)器的實(shí)際成本；a為基站函數(shù)；Q為潛在邊緣節(jié)點(diǎn)部署基站旁所部署的邊緣節(jié)點(diǎn)的總數(shù)值；Uq為邊緣服務(wù)器的數(shù)量；aq為邊緣節(jié)點(diǎn)的基站部署閾值，當(dāng)在第q個(gè)潛在邊緣節(jié)點(diǎn)部署基站旁對(duì)邊緣節(jié)點(diǎn)進(jìn)行部署時(shí)，aq=1，當(dāng)不在該處對(duì)邊緣節(jié)點(diǎn)進(jìn)行部署時(shí)，aq=0。

1.1.2 連接成本

本文制定的連接成本優(yōu)化目標(biāo)函數(shù)具體如式(2)：

(2)

式(2)中，minf(b)為第q個(gè)潛在的能夠部署邊緣節(jié)點(diǎn)的基站旁所部署的邊緣節(jié)點(diǎn)與用戶w連接時(shí)花費(fèi)的連接成本[6]；b為連接函數(shù)；W為智慧教室用戶的總數(shù)值；r為智慧教室用戶類型函數(shù)閾值；R為智慧教室用戶類型的總數(shù)；Kq，w為連接成本系數(shù)，與第q個(gè)潛在邊緣節(jié)點(diǎn)部署基站旁所部署的邊緣節(jié)點(diǎn)與用戶w連接時(shí)的傳輸時(shí)延有關(guān)；bq，w為連接閾值，當(dāng)?shù)趒個(gè)潛在邊緣節(jié)點(diǎn)部署基站旁所部署的邊緣節(jié)點(diǎn)與用戶w連接時(shí)，bq，w=1，當(dāng)二者未連接時(shí)，bq，w=0；Fw，r為智慧教室服務(wù)用戶類型系數(shù)；當(dāng)服務(wù)不同用戶類型，需要的連接成本不同；cw，r為用戶類型閾值，當(dāng)用戶類型為教師時(shí)，cw，r=1，當(dāng)用戶類型為學(xué)生時(shí)，cw，r=0。

1.1.3 任務(wù)處理成本

為支持智慧教室的實(shí)時(shí)數(shù)據(jù)獲取和分析，無(wú)線傳感網(wǎng)的邊緣節(jié)點(diǎn)部署需具備數(shù)據(jù)采集傳輸能力，滿足學(xué)生和教學(xué)數(shù)據(jù)的實(shí)時(shí)收集和分析需求。通過(guò)任務(wù)處理成本優(yōu)化，可以根據(jù)不同的任務(wù)類型和要求，選擇最優(yōu)的節(jié)點(diǎn)來(lái)執(zhí)行任務(wù)，以達(dá)到最佳的任務(wù)處理效率和成本控制。本文制定的任務(wù)處理成本優(yōu)化目標(biāo)函數(shù)具體如式(3)所示：

(3)

式(3)中，minf(c)為邊緣節(jié)點(diǎn)的任務(wù)處理成本；c為智慧教室用戶任務(wù)處理函數(shù)；Gq，w為處理成本系數(shù)，與第q個(gè)潛在邊緣節(jié)點(diǎn)部署基站旁所部署的邊緣節(jié)點(diǎn)的實(shí)際處理能力和用戶w傳輸?shù)男畔⒘坑嘘P(guān)。

綜合上述實(shí)際成本、連接成本和任務(wù)處理成本三部分內(nèi)容，本文制定的最終優(yōu)化目標(biāo)函數(shù)具體如式(4)所示：

minf(a，b，c)=minf(a)+minf(b)+minf(c)

(4)

式(4)中，f(a，b，c)為優(yōu)化的目標(biāo)函數(shù)。完成優(yōu)化目標(biāo)函數(shù)的制定后，確定其相關(guān)約束條件，以保證節(jié)點(diǎn)部署目標(biāo)函數(shù)的有效性。

1.2 約束條件確定

根據(jù)目標(biāo)函數(shù)和無(wú)線傳感網(wǎng)基礎(chǔ)知識(shí)可知，智慧教室中教師和學(xué)生的實(shí)時(shí)互動(dòng)、個(gè)性化學(xué)習(xí)和自適應(yīng)教學(xué)時(shí)，會(huì)產(chǎn)生非常龐大的數(shù)據(jù)流量。為了保證智慧教室的流暢運(yùn)行和負(fù)載均衡，從智慧教室無(wú)線傳感網(wǎng)節(jié)點(diǎn)部署流量、數(shù)據(jù)流、節(jié)點(diǎn)計(jì)算能力3個(gè)方面進(jìn)行約束，為教師和學(xué)生提供更豐富、個(gè)性化和互動(dòng)式的學(xué)習(xí)體驗(yàn)。

1.2.1 流量約束條件

流量約束條件[7]需要分情況來(lái)構(gòu)建。對(duì)于非數(shù)據(jù)源的邊緣節(jié)點(diǎn)，將其分為非服務(wù)器節(jié)點(diǎn)與服務(wù)器節(jié)點(diǎn)這兩種情況對(duì)其流量的對(duì)等關(guān)系進(jìn)行討論。當(dāng)其為非服務(wù)器節(jié)點(diǎn)時(shí)，需要滿足數(shù)據(jù)流平衡，也就是在單位時(shí)間內(nèi)該節(jié)點(diǎn)中流入的數(shù)據(jù)量與流出的數(shù)據(jù)量是相等的[8]。當(dāng)其為服務(wù)器節(jié)點(diǎn)時(shí)，節(jié)點(diǎn)會(huì)對(duì)一部分?jǐn)?shù)據(jù)進(jìn)行處理，則該節(jié)點(diǎn)在單位時(shí)間內(nèi)會(huì)產(chǎn)生一定數(shù)據(jù)消耗[9]。因此服務(wù)器節(jié)點(diǎn)需要滿足數(shù)據(jù)消耗約束，也就是單位時(shí)間內(nèi)該節(jié)點(diǎn)的數(shù)據(jù)消耗等于流入數(shù)據(jù)量與流出數(shù)據(jù)量的差值[10]。

因此非數(shù)據(jù)源的邊緣節(jié)點(diǎn)的流量約束條件具體如式(5)所示：

(5)

式(5)中，l為非數(shù)據(jù)源的非服務(wù)器節(jié)點(diǎn)數(shù)量；C為邊緣網(wǎng)絡(luò)內(nèi)的節(jié)點(diǎn)集合；V為邊緣網(wǎng)絡(luò)內(nèi)所有服務(wù)器節(jié)點(diǎn)的集合；B為邊緣網(wǎng)絡(luò)內(nèi)所有數(shù)據(jù)源節(jié)點(diǎn)的集合；n為數(shù)據(jù)源節(jié)點(diǎn)數(shù)量；S為邊緣網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)通信鏈路的對(duì)應(yīng)集合；dnl為單位時(shí)間內(nèi)由非服務(wù)器節(jié)點(diǎn)vn到數(shù)據(jù)源節(jié)點(diǎn)vl的對(duì)應(yīng)數(shù)據(jù)量；m為非數(shù)據(jù)源的邊緣節(jié)點(diǎn)數(shù)量；dlm為單位時(shí)間內(nèi)由數(shù)據(jù)源節(jié)點(diǎn)vl到非數(shù)據(jù)源的邊緣節(jié)點(diǎn)vm的對(duì)應(yīng)數(shù)據(jù)量；l′為非數(shù)據(jù)源的服務(wù)器節(jié)點(diǎn)數(shù)量；hl′為單位時(shí)間非數(shù)據(jù)源的服務(wù)器節(jié)點(diǎn)的數(shù)據(jù)消耗；dnl′為單位時(shí)間內(nèi)由非服務(wù)器節(jié)點(diǎn)vn到服務(wù)器節(jié)點(diǎn)vl′的對(duì)應(yīng)數(shù)據(jù)量[11]；dl′m為單位時(shí)間內(nèi)由服務(wù)器節(jié)點(diǎn)vl′到非數(shù)據(jù)源的邊緣節(jié)點(diǎn)vm的對(duì)應(yīng)數(shù)據(jù)量。

1.2.2 數(shù)據(jù)流約束條件

數(shù)據(jù)源邊緣節(jié)點(diǎn)分為非服務(wù)器節(jié)點(diǎn)與服務(wù)器節(jié)點(diǎn)[12]兩部分，分別分析其對(duì)應(yīng)流量，確定數(shù)據(jù)流約束條件。

當(dāng)數(shù)據(jù)源邊緣節(jié)點(diǎn)為非服務(wù)器節(jié)點(diǎn)時(shí)，單位時(shí)間內(nèi)用戶節(jié)點(diǎn)自身產(chǎn)生的數(shù)據(jù)量與該用戶節(jié)點(diǎn)流入的數(shù)據(jù)量之和等于節(jié)點(diǎn)中流出的總數(shù)據(jù)流量，如式(6)所示：

(6)

邊緣網(wǎng)絡(luò)數(shù)據(jù)流應(yīng)該滿足的約束條件是數(shù)據(jù)流需要小于對(duì)應(yīng)鏈路的帶寬大小，具體如式(7)所示：

(7)

式(7)中，dnm為單位時(shí)間內(nèi)由非服務(wù)器節(jié)點(diǎn)vn到非數(shù)據(jù)源的邊緣節(jié)點(diǎn)vm的對(duì)應(yīng)數(shù)據(jù)量；Hnm為(n，m)所允許的最大帶寬[14]。

1.2.3 節(jié)點(diǎn)計(jì)算能力約束條件

邊緣網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)的計(jì)算能力hp需要滿足非負(fù)性的條件，具體如式(8)所示：

(8)

式(8)中，N為邊緣網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)的總數(shù)[15-16]。

完成上述3個(gè)方面的約束條件制定后，本文利用多目標(biāo)改進(jìn)粒子群優(yōu)化算法求解目標(biāo)函數(shù)。

1.3 目標(biāo)函數(shù)求解

利用多目標(biāo)改進(jìn)粒子群優(yōu)化算法求解在流量、無(wú)線傳感網(wǎng)數(shù)據(jù)流、節(jié)點(diǎn)計(jì)算能力約束下的目標(biāo)函數(shù)，實(shí)現(xiàn)面向智慧教室的無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署。

1.3.1 粒子群優(yōu)化算法改進(jìn)

要求解目標(biāo)函數(shù)，首先要求解約束條件。粒子群優(yōu)化算法具備解決多目標(biāo)優(yōu)化問(wèn)題的潛力，包括智慧教室的無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)部署中的傳輸速率、延遲和帶寬利用率等目標(biāo)。該算法通過(guò)群體的協(xié)同行為進(jìn)行全局搜索，找到一個(gè)更優(yōu)節(jié)點(diǎn)部署方案。同時(shí)，粒子群優(yōu)化算法具有靈活性和可調(diào)節(jié)性，通過(guò)參數(shù)和策略的調(diào)整，能夠適應(yīng)不同問(wèn)題和約束條件，滿足實(shí)際需求。在粒子群優(yōu)化算法的改進(jìn)中，將節(jié)點(diǎn)視為粒子，粒子群即為節(jié)點(diǎn)部署，因此需要對(duì)慣性權(quán)重、節(jié)點(diǎn)部署更新速度、Pareto最優(yōu)解保存策略3方面進(jìn)行調(diào)整：

1.3.1.1 慣性權(quán)重自適應(yīng)調(diào)整

約束條件包括流量約束條件和數(shù)據(jù)約束條件。流量約束條件需要分情況求解，滿足數(shù)據(jù)流平衡，因此需要將粒子群優(yōu)化算法中的慣性權(quán)重調(diào)整為自適應(yīng)慣性權(quán)重，如式(9)所示：

(9)

式(9)中，?max為最大慣性權(quán)重值；α為迭代次數(shù)；αmax為最大迭代次數(shù)；?min為最小慣性權(quán)重值[17]。

1.3.1.2 節(jié)點(diǎn)更新速度

通過(guò)慣性權(quán)重自適應(yīng)調(diào)節(jié)，滿足流量和數(shù)據(jù)流的約束條件后，求解節(jié)點(diǎn)計(jì)算能力的約束條件，需要調(diào)整節(jié)點(diǎn)的更新速度。節(jié)點(diǎn)更新速度通過(guò)虛擬力調(diào)整[18]完成，調(diào)整后的節(jié)點(diǎn)更新速度具體如式(10)所示：

β1χ1(Ybesth(T)-?h(T)) +β2χ2νhx

(10)

式(10)中，Vh(T)為節(jié)點(diǎn)部署速度；β0、β1、β2為調(diào)節(jié)虛擬力的變速因子；χ0、χ1、χ2為[0，1]范圍內(nèi)的隨機(jī)數(shù)；Ubesth(T)為個(gè)體的最優(yōu)歷史位置；φh(T)為每個(gè)節(jié)點(diǎn)的位置；Ybesth(T)為全局極值位置；νhx為節(jié)點(diǎn)h的位置向量第x維元素在虛擬力下所移動(dòng)的距離[19]。

1.3.1.3 Pareto最優(yōu)解保存策略

約束條件構(gòu)建后，即可求取目標(biāo)函數(shù)。根據(jù)上述過(guò)程求解的約束條件，調(diào)整Pareto最優(yōu)解保存策略，選擇精英檔案策略對(duì)Pareto最優(yōu)解進(jìn)行保存。為實(shí)現(xiàn)解的優(yōu)劣權(quán)衡，引入密集距離，利用比例選擇的方式為各節(jié)點(diǎn)選取全局最優(yōu)部署方案[20]。即通過(guò)式(11)的密集距離維護(hù)Pareto最優(yōu)解檔案，以限制檔案中的解數(shù)量：

(11)

式(11)中，D1為精英檔案內(nèi)Pareto最優(yōu)解di在精英檔案內(nèi)的Pareto最優(yōu)解集中的解；D2表示di與精英檔案內(nèi)的Pareto最優(yōu)解集中其他Pareto最優(yōu)解之間的最小距離；D3表示di與精英檔案內(nèi)的Pareto最優(yōu)解集中其他Pareto最優(yōu)解之間的次小距離[21]。

1.4 實(shí)現(xiàn)節(jié)點(diǎn)部署

完成粒子群優(yōu)化算法改進(jìn)后，設(shè)計(jì)多目標(biāo)改進(jìn)粒子群優(yōu)化算法的具體運(yùn)行步驟，根據(jù)圖1所示的步驟實(shí)現(xiàn)智慧教室無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署：

圖1 節(jié)點(diǎn)部署流程

2)計(jì)算智慧教室中網(wǎng)絡(luò)各節(jié)點(diǎn)的目標(biāo)函數(shù)值：用E1、E2表示各節(jié)點(diǎn)的目標(biāo)函數(shù)值，對(duì)其進(jìn)行計(jì)算。

3)更新慣性權(quán)重ρ、節(jié)點(diǎn)位置與速度：根據(jù)公式(9)～(11)，調(diào)整自適應(yīng)慣性權(quán)重，更新節(jié)點(diǎn)部署速度和位置，調(diào)整Pareto最優(yōu)解保存策略，實(shí)現(xiàn)目標(biāo)函數(shù)的優(yōu)化。

4)節(jié)點(diǎn)個(gè)體極值選擇：當(dāng)節(jié)點(diǎn)滿足設(shè)置的約束條件，直接選擇節(jié)點(diǎn)個(gè)體極值，將其加入精英檔案；反之，轉(zhuǎn)到步驟3)重新更新節(jié)點(diǎn)[23]。

5)求解精英檔案：篩選并刪除精英檔案中的重復(fù)成員，以密集距離為依據(jù)降序排列檔案內(nèi)成員，獲取最優(yōu)存檔。

6)判斷最優(yōu)解集：當(dāng)實(shí)際迭代次數(shù)大于等于最大迭代次數(shù)，直接結(jié)束循環(huán)迭代，并對(duì)最優(yōu)解集進(jìn)行輸出，即為優(yōu)化目標(biāo)函數(shù)的求解結(jié)果；當(dāng)實(shí)際迭代次數(shù)小于最大迭代次數(shù)，返回步驟1)繼續(xù)迭代。輸出的迭代結(jié)果即為智慧教室無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署結(jié)果。

2 仿真實(shí)驗(yàn)與性能分析

為研究面向智慧教室的無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署方法的有效性，設(shè)計(jì)實(shí)驗(yàn)測(cè)試。從網(wǎng)絡(luò)覆蓋率、節(jié)點(diǎn)安全連通度、網(wǎng)絡(luò)計(jì)算能力3個(gè)方面進(jìn)行邊緣節(jié)點(diǎn)智能部署，并對(duì)本文方法與文獻(xiàn)[2]、[3]中提出的方法的部署表現(xiàn)性能進(jìn)行對(duì)比測(cè)試，從而對(duì)本文方法的有效性進(jìn)行驗(yàn)證。

2.1 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)中的無(wú)線傳感網(wǎng)為某高校的智慧教室無(wú)線傳感邊緣網(wǎng)絡(luò)，利用MATLAB7.2軟件搭建實(shí)驗(yàn)平臺(tái)，在 Intel(R) Core(TM) i7-3770 6.40 GHz CPU、8 G內(nèi)存，Windows 7 操作系統(tǒng)下，進(jìn)行仿真實(shí)驗(yàn)。將實(shí)驗(yàn)網(wǎng)絡(luò)的參數(shù)設(shè)置如表1所示。

表1 實(shí)驗(yàn)網(wǎng)絡(luò)參數(shù)設(shè)置

其中，數(shù)據(jù)源節(jié)點(diǎn)數(shù)與該高校的4棟教學(xué)樓相對(duì)應(yīng)，能夠?qū)崿F(xiàn)視頻數(shù)據(jù)收集。

利用本文方法對(duì)目標(biāo)網(wǎng)絡(luò)邊緣節(jié)點(diǎn)智能部署時(shí)，多目標(biāo)改進(jìn)粒子群優(yōu)化算法的參數(shù)設(shè)置情況具體如表2所示。

表2 多目標(biāo)改進(jìn)粒子群優(yōu)化算法參數(shù)設(shè)置

根據(jù)上述參數(shù)設(shè)定，分別利用本文方法、文獻(xiàn)[2]方法、文獻(xiàn)[3]方法進(jìn)行測(cè)試。

2.2 優(yōu)化目標(biāo)為網(wǎng)絡(luò)覆蓋率的邊緣節(jié)點(diǎn)智能部署

在優(yōu)化目標(biāo)為網(wǎng)絡(luò)覆蓋率的邊緣節(jié)點(diǎn)智能部署中，首先測(cè)試3種方法的時(shí)延情況，具體包括測(cè)試部署后的網(wǎng)絡(luò)時(shí)延與數(shù)據(jù)發(fā)送時(shí)延，具體測(cè)試結(jié)果如表3所示。

表3 部署后的網(wǎng)絡(luò)時(shí)延與數(shù)據(jù)發(fā)送時(shí)延測(cè)試結(jié)果

根據(jù)表3測(cè)試結(jié)果，當(dāng)優(yōu)化目標(biāo)為網(wǎng)絡(luò)覆蓋率時(shí)，本文方法的最低網(wǎng)絡(luò)時(shí)延為0.97s，數(shù)據(jù)發(fā)送時(shí)延為0.14 s，整體時(shí)延較低。文獻(xiàn)[2]方法與文獻(xiàn)[3]方法的網(wǎng)絡(luò)時(shí)延與數(shù)據(jù)發(fā)送時(shí)延也較低，其中文獻(xiàn)[2]方法最低網(wǎng)絡(luò)時(shí)延為1.76 s，數(shù)據(jù)發(fā)送時(shí)延為0.53 s，文獻(xiàn)[3]方法最低網(wǎng)絡(luò)時(shí)延為1.84 s，數(shù)據(jù)發(fā)送時(shí)延為0.49 s，整體來(lái)看高于本文方法。該實(shí)驗(yàn)初步驗(yàn)證了本文方法通過(guò)流量約束和數(shù)據(jù)流約束提高了節(jié)點(diǎn)間數(shù)據(jù)通信效率，減少了時(shí)延。

2.3 優(yōu)化目標(biāo)為節(jié)點(diǎn)安全連通度的邊緣節(jié)點(diǎn)智能部署

在優(yōu)化目標(biāo)為節(jié)點(diǎn)安全連通度的邊緣節(jié)點(diǎn)智能部署中，以網(wǎng)絡(luò)整體時(shí)延和數(shù)據(jù)發(fā)送時(shí)延為指標(biāo)，測(cè)試3種方法的智能部署效果。結(jié)果如圖2所示。

圖2 時(shí)延情況測(cè)試結(jié)果

當(dāng)橫向與優(yōu)化目標(biāo)為網(wǎng)絡(luò)覆蓋率的邊緣節(jié)點(diǎn)智能部署相比時(shí)，優(yōu)化目標(biāo)為節(jié)點(diǎn)安全連通度會(huì)產(chǎn)生更高的網(wǎng)絡(luò)時(shí)延與數(shù)據(jù)發(fā)送時(shí)延；當(dāng)縱向比較3個(gè)測(cè)試方法時(shí)，文獻(xiàn)[2]方法的最大網(wǎng)絡(luò)時(shí)延為1.92 s，最大數(shù)據(jù)發(fā)送時(shí)延為0.93 s；文獻(xiàn)[3]方法的最大網(wǎng)絡(luò)時(shí)延為1.95 s，最大數(shù)據(jù)發(fā)送時(shí)延為0.84 s；而本文方法的最大網(wǎng)絡(luò)時(shí)延為1.68 s，最大數(shù)據(jù)發(fā)送時(shí)延為0.68 s，整體來(lái)說(shuō)本文方法的兩種時(shí)延都是最短的。

2.4 部署性能測(cè)試

在測(cè)試高校20 m×25 m范圍內(nèi)，測(cè)試3種方法的節(jié)點(diǎn)部署性能。以節(jié)點(diǎn)間連通度為指標(biāo)，分析不同方法的部署效果，結(jié)果如圖3所示。

圖3 節(jié)點(diǎn)部署性能測(cè)試結(jié)果

分析圖3可知，在目標(biāo)覆蓋區(qū)域內(nèi)，文獻(xiàn)[2]方法和文獻(xiàn)[3]方法的連通度低于本文方法，且出現(xiàn)了節(jié)點(diǎn)漏識(shí)的現(xiàn)象。其中，文獻(xiàn)[2]方法和文獻(xiàn)[3]方法分別遺漏了1個(gè)和2個(gè)節(jié)點(diǎn)，而本文方法整體連通度較高，遺漏節(jié)點(diǎn)為0，部署效果較好。其主要原因是本文方法利用多目標(biāo)改進(jìn)粒子群算法求解了流量、無(wú)線傳感網(wǎng)數(shù)據(jù)流、節(jié)點(diǎn)計(jì)算能力約束下的目標(biāo)函數(shù)，通過(guò)粒子更新等操作優(yōu)化了部署性能。

2.5 網(wǎng)絡(luò)計(jì)算能力測(cè)試

網(wǎng)絡(luò)計(jì)算能力可以更好地衡量3種方法部署下的智慧教室無(wú)線傳感網(wǎng)通信能力，因此分別測(cè)試3種方法的網(wǎng)絡(luò)計(jì)算能力。網(wǎng)絡(luò)計(jì)算能力如圖4所示。

圖4 網(wǎng)絡(luò)計(jì)算能力測(cè)試結(jié)果

分析圖4可知，在服務(wù)器節(jié)點(diǎn)數(shù)量不斷增長(zhǎng)的同時(shí)，3種方法的網(wǎng)絡(luò)計(jì)算能力也在不斷增長(zhǎng)，文獻(xiàn)[2]方法的增幅較大，網(wǎng)絡(luò)計(jì)算能力居中，最高計(jì)算能力為219.85 MB/s；文獻(xiàn)[3]方法的增幅較小，網(wǎng)絡(luò)計(jì)算能力較低，最高計(jì)算能力為148.52 MB/s；而本文方法的增幅較小，同時(shí)整體網(wǎng)絡(luò)計(jì)算能力一直高于兩種對(duì)比方法，測(cè)試中的網(wǎng)絡(luò)計(jì)算能力平均值為250.55 MB/s?？傮w來(lái)說(shuō)，本文方法的網(wǎng)絡(luò)計(jì)算能力比較穩(wěn)定，同時(shí)網(wǎng)絡(luò)計(jì)算能力也比較高。

2.6 時(shí)間復(fù)雜度測(cè)試

為進(jìn)一步驗(yàn)證所提面向智慧教室的無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署方法的有效性，以時(shí)間復(fù)雜度為指標(biāo)，分別將引言中提到的文獻(xiàn)[2]方法和文獻(xiàn)[3]方法作為對(duì)比方法，在無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)為3 000個(gè)的條件下，分析不同算法的時(shí)間復(fù)雜度，結(jié)果如圖5所示。

圖5 時(shí)間復(fù)雜度對(duì)比結(jié)果

由圖5可知，面向智慧教室的無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署方法、文獻(xiàn)[2]方法和文獻(xiàn)[3]方法的時(shí)間復(fù)雜度呈現(xiàn)線性增長(zhǎng)趨勢(shì)，其復(fù)雜度與無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)的大小成正比。其中，面向智慧教室的無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署方法在無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)為2 000個(gè)時(shí)，基本趨于穩(wěn)定，時(shí)間復(fù)雜度穩(wěn)定在3次；而文獻(xiàn)[2]方法始終處于增長(zhǎng)狀態(tài)，文獻(xiàn)[3]方法在無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)為2 000個(gè)時(shí)呈現(xiàn)緩慢增長(zhǎng)狀態(tài)，時(shí)間復(fù)雜度分別達(dá)到22次和14次。綜上可知，本文面向智慧教室的無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署方法時(shí)間復(fù)雜度更低，優(yōu)化了節(jié)點(diǎn)部署效果。

3 結(jié)束語(yǔ)

為實(shí)現(xiàn)智慧教室服務(wù)能力的提升，本文提出一種面向智慧教室的無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)智能部署方法。測(cè)試結(jié)果表明，本文方法部署后的節(jié)點(diǎn)，智慧教室無(wú)線傳感網(wǎng)通信時(shí)延明顯降低，部署性能較好，同時(shí)也驗(yàn)證了本文方法實(shí)現(xiàn)了無(wú)線傳感網(wǎng)邊緣節(jié)點(diǎn)的科學(xué)、迅速部署，為智慧教室資源調(diào)度創(chuàng)造了更好的條件，也為其他服務(wù)提供了更好的網(wǎng)絡(luò)支持。