传感器网络能源有效任务分配算法

为了延长网络生命期,传感器网络在设计过程中,通常利用节点本身的处理能力,进行网内处理,以减少通信量,节省能量.在传感器网络内引入处理或计算后,应用可以描述为一个任务集及任务之间的数据依赖关系.不同的任务分配方案导致应用执行所需的通信量和计算量不同,从而影响应用执行的能量消耗.在使用任务图对传感器网络应用描述的基础上,提出了传感器网络任务分配模型.由于应用的任务可划分为感知任务集和处理任务集,因而传感器网络中的任务分配可分成感知任务分配和处理任务分配两个阶段.针对处理任务分配,将其建模为二次0-1规划问题,并提出了分布式逐层优化分配算法OALL.仿真实验验证了分布式算法OALL的有效性.     

无线传感器网络最大生命期与最大流路由算法

提出了一种无线传感器网络最大生命期和最大流路由算法,证明了网络最大生命期相当于获得网络最大流,根据最大流最小割定理,网络一定存在一个可行解满足网络最大流,在算法复杂度较低情况下,建立以最大生命期为最优目标的网络模型,依靠现有的启发式分布式算法解决该模型。通过仿真验证了算法的性能,表明所提出算法可以有效延长网络生命期。     

无线传感器网络最大生命期聚合树路由算法

提出了一种无线传感器网络最大生命期聚合树路由算法,根据能量等限制条件建立线性规划模型。考虑到网络最大生命期是NP难问题,在算法复杂度较低情况下,将网络最大生命期问题转化为网络最小归一化负载问题,在建立最大归一化负载聚合树过程中,不断调整负载较重节点的数据转发压力,最终建立一棵负载较轻的数据融合树,实现了网络生命期的最大化。通过仿真验证了算法的性能,并表明所提出算法可以有效延长网络生命期。     

无线传感器网络中的最大生命期基因路由算法

无线传感器网络(wireless sensor networks,简称WSNs)由一组低功率且能量受限的传感器节点构成,设计此类网络的一个基本挑战便是最大化网络生命期的问题.在WSNs中,由于邻近传感器节点所收集的数据之间往往具有时空相关性,多采用数据聚合技术作为去除数据冗余、压缩数据大小的有效手段.合理地应用数据聚合技术,可以有效地减少数据传递量,降低网络能耗,从而延长网络生命期.研究了WSNs中结合数据聚合与节点功率控制的优化数据传递技术,提出了一种新的最大化网络生命期的路由算法.该算法采用遗传算法(genetic algorithm,简称GA)最优化数据聚合点的选择,并采用梯度算法进一步优化结果.该算法均衡节点能耗,并最大化网络生命期.仿真结果表明,该算法极大地提高了网络的生命期.     

无线传感器网络中的最大生命期基因路由算法

无线传感器网络(wireless sensor networks,简称WSNs)由一组低功率且能量受限的传感器节点构成,设计此类网络的一个基本挑战便是最大化网络生命期的问题.在WSNs中,由于邻近传感器节点所收集的数据之间往往具有时空相关性,多采用数据聚合技术作为去除数据冗余、压缩数据大小的有效手段.合理地应用数据聚合技术,可以有效地减少数据传递量,降低网络能耗,从而延长网络生命期.研究了WSNs中结合数据聚合与节点功率控制的优化数据传递技术,提出了一种新的最大化网络生命期的路由算法.该算法采用遗传算法(genetic algorithm,简称GA)最优化数据聚合点的选择,并采用梯度算法进一步优化结果.该算法均衡节点能耗,并最大化网络生命期.仿真结果表明,该算法极大地提高了网络的生命期.     

一种基于扫描线的传感器节点调度算法

系统生命期对无线传感器网络至关重要。在保证监控性能的前提下，通过调度传感器节点，使得部分节点工作，部分节点休眠，可以有效延长系统生命期。现有调度算法的性能不是很好，该文提出了一种基于扫描线的传感器节点调度算法，该算法将节点的监控区域近似为一组扫描线，通过这些扫描线判断是否为冗余节点。仿真实验表明，此算法的性能良好，调度得到的活动节点数约为现有算法的91%，平均覆盖度约为1.84。     

无线传感器网络中基于网络层的能源有效性研究*

如何有效地使用有限的能源是无线传感器网络的一个核心问题。以环境监测为背景,基于网络层建立了无线传感器网络生命期的模型,并对其进行分析,指出能源有效路由算法和数据融合是网络层节省能源的重要因素。最后给出了一种基于网络层的能源有效性解决方案,达到延长网络生命期的目的。     

一种无线传感器网络目标的最优覆盖算法

无线传感器网络点状目标覆盖的算法中,集合分割算法虽简单,但效率低且仅适用于每个传感器节点能量都相等的网络模型.为此,我们对集合分割算法进行改进,提出一种启发式贪心最优覆盖算法.该算法适用于节点能量正态分布的网络模型,采用了关键目标优先覆盖策略和节点能效最大化策略,延长了网络覆盖生命期,提高了算法的效率.实验表明新算法网络生命期延长80%以上,有更好的适应性和稳定性.     

k重覆盖设置算法的覆盖强度研究

k重覆盖设置算法通过调度网络覆盖集轮流工作来延长无线传感器网络的生命期。本文提出一种基于概率模型的k重覆盖设置算法,在满足覆盖强度量化要求的条件下,实现网络生命期的最大化。算法以连通性为约束条件,以覆盖强度和生命期为目标,利用网格法进行覆盖强度的建模判断,基于遗传算法实现了k个满足覆盖强度要求的覆盖集求解,算法在不同的覆盖强度指标下求解了k值,通过实验结果分析了网络参数对网络生命期以及覆盖强度的影响。实验结果表明生命期和覆盖强度相互制约,算法为网络的生命期和覆盖强度的均衡实现提供了理论数值的参考依据。     

无线传感器网络中基于网络层的能源有效性研究

如何有效地使用有限的能源是无线传感器网络的一个核心问题。以环境监测为背景，基于网络层建立了无线传感器网络生命期的模型，并时其进行分析，指出能源有效路由算法和数据融合是网络层节省能源的重要因素。最后给出了一种基于网络层的能源有效性解决方案，达到延长网络生命期的目的。     

A Class of Cross‐Layer Optimization Design for Congestion and Energy Efficiency with Compressed Sensing in Wireless Sensing Networks

In wireless sensor networks (WSNs), the congestion problem not only causes packet loss, but also leads to an increase in delays and energy consumption. The actual performance of wireless sensor networks (WSNs) can be severely influenced by the quality of the communication channel and the bit in transmission. In this paper, the distributed protocols, which attain global optimum control for signals by the compressed sensing technique and achieve fair channel allocation by the scheduling algorithm, are proposed for WSNs. We take into account the congestion problem by robust optimization with congestion ratio for two classic aspects in energy limited WSNs: minimum transmission rate and maximum transmitted information. To achieve the goal, three protocols are developed. In the first protocol, the desired control input is designed based on the compressed sensing technique. A minimal bit of signal is provided to reduce the transmission flow for the congestion model. The second protocol is resource allocation. The resources can be allocated increasingly to the channel in order to avoid more severe congestion. This can also avoid conservative reduction of resource allocation for eliminating congestion. Channel selection abides by the fair resource allocation principle. The above protocols separately are implemented through a congestion ratio at network layer, transport layer, and MAC layer. Simulation results demonstrate that the proposed algorithm effectively relieves congestion, and achieves higher throughput and lower energy consumption.     

基于任务组合的无线传感器网络MAC协议框架

基于无线传感器网络WSN(Wireless Sensor Network)语义互连思想,讨论了面向应用的WSN任务组合的基本概念、任务关系及任务组合递归算法。将任务组合方法与现行WSN一般性MAC技术相结合,提出了基于任务组合的通用的WSNMAC框架。将该框架应用于具有代表性的WSN MAC中,具体分析了IEEE 802.11MAC和S-MAC在该框架中的实现方式。网络仿真结果显示,基于语义互连采用任务组合方式的MAC协议框架,能有效地改进一般MAC的能耗特性及时延特性,尤其是对于多信息采集的WSN。     

高吞吐率和高公平性混合传感网络

人们对传感网络吞吐率和公平性的要求越来越高,但是利用现有无线传感网络技术改善其传输性能却是非常困难的,因此基于现实工程中存在的一类特殊应用场景,设计了利用混合传感网络来改善传统无线传感网络低吞吐率以及低公平性的方法。首先针对固定传感网络论证了其最优吞吐率分配机制,其次针对网络布线问题设计了贪婪算法、K-自增聚类算法和混合算法3种启发式算法。仿真结果表明,混合算法相对于其他两种算法而言,网络最小节点吞吐率至少提高了75%,具有最优的算法性能,可以显著改善传感网络的性能。     

基于帕累托改进的多机器人动态任务分配算法

针对多机器人系统动态任务分配中存在的优化问题,在使用合同网初始任务分配的基础上提出了一种使用帕累托改进的任务二次分配算法。多机器人系统并行执行救火任务时,首先通过初始化任务分配将多机器人划分为若干子群;然后,每个子群承包某一救火任务,子群在执行任务的同时与就近子群进行帕累托改进确定需要迁移的机器人,实现两子群之间帕累托最优;最后,使用后序二叉树遍历对所有子群进行帕累托改进实现全局帕累托最优。理论分析和仿真结果表明,相较于强化学习算法和蚁群算法,所提算法的救火任务时间分别减少26.18%和37.04%;相较于传统合同网方法,所提算法在时间方面能够高效完成救火任务,在系统收益方面也具有明显优势。     

MPMC:一种无线传感器网络多信道多功率数据聚集调度算法

数据聚集是传感器网络中比较耗时的操作,特别是在高密度网络中.因此,最小化数据聚集延迟问题成为人们研究的热点,该问题已经被证明是NP难问题.提出一个基于分簇思想的多信道多功率数据聚集调度算法MPMC,来降低聚集延迟.该算法采用一种簇内小功率、簇间大功率的分簇思想,结合信道分配来降低数据聚集延迟,簇间可无冲突同步进行数据聚集.并分析了不同网络拓扑下使用的信道个数趋于常数.在模拟实验中,算法MPMC与目前最好的单信道以及多信道数据聚集调度算法进行了比较,验证了MPMC的平均延迟最小.     

无线传感网络任务分配的能效性控制策略

无线传感网络包含大量密集分布传感节点,各节点测量产生大量数据给传输、存储、管理和分析带来困难,无线传感网络能源不可更换性限制了网络寿命.本文提出基于熵理论和欧式距离的网络能耗评价指标,采用对等(peer-to-peer,简称P2P)计算方法,利用基于蚁群智能的能效性优化任务分配控制策略,针对中心节点工作状态、传输能耗和网络寿命实现动态实时任务控制分配,完成多中心节点并行计算,提高网络工作效率,节约能耗.实验表明基于蚁群智能的能效性任务分配控制策略能实时有效地缩短无线传感网络计算时间,减少网络能耗,提高网络寿命.     

无线传感器网络中带并行联盟的动态任务分配算法

针对无线传感器网络负载的动态变化等特性,提出传感器网络并行联盟的概念,设计基于离散粒子群优化的并行联盟生成算法及上限约束算法,将网络的若干任务并行地分配给若干合适的联盟结构;同时,实时地跟踪网络的运行并做出调整.该算法很好地处理了复杂或实时的网络应用,并有效地提高了资源的利用率.仿真实验验证了该算法的有效性,从一定程度上延长了网络的生命期.     

虚拟时钟调度算法研究

FIFO队列调度算法由于实现简单、执行效率高而在网络中得到大量的应用，但FIFO队列无法实现对资源的分配；男种调度算法公平队列调度则可以实现对带宽资源的公平分配，但是它存在可扩展性问题。而基于虚拟时钟的算法在实现对资源进行公平分配的同时具备良好的可扩展性，从而能够满足QoS控制中对于分组调度算法的需求。本文主要对一些基于虚拟时钟的度算法进行了分析和讨论，这也是进行QoS控制研究的基础。     

时空众包环境下时效均衡的在线任务分配算法

针对时空众包任务分配研究中单一考虑任务分配总效用或任务等待时间，导致总体分配效果不佳的问题，提出一种基于分配时间因子的动态阈值算法。首先，基于预估等待分配时间和已等待分配时间计算任务的分配时间因子；其次，综合考虑任务的回报值和分配时间因子进行任务分配排序；然后，在初始值的基础上增加动态调整项为每一项任务设置阈值；最后，根据阈值条件为每一项任务设置候选匹配集，并从候选匹配集中选择匹配系数最大的候选匹配对加入结果集，完成任务分配。通过实验证明，该算法在任务分配率达到95.8%的情况下，与贪心算法相比，在分配总效用方面提升20.4%；与随机阈值算法相比，在分配总效用方面提升17.8%，在任务平均等待时间方面缩短13.2%；与基于两阶段框架模型的在线微任务分配改进（TGOA-Greedy）算法相比，在分配总效用方面提升13.9%。实验结果表明，该算法能够在提升任务分配总效用的同时缩短任务的平均等待时间，实现分配总效用与任务等待时间两者间的均衡。     

Efficient allocation of resources in multiple heterogeneous Wireless Sensor Networks

Wireless Sensor Networks (WSNs) are useful for a wide range of applications, from different domains. Recently, new features and design trends have emerged in the WSN field, making those networks appealing not only to the scientific community but also to the industry. One such trend is the running different applications on heterogeneous sensor nodes deployed in multiple WSNs in order to better exploit the expensive physical network infrastructure. Another trend deals with the capability of accessing sensor generated data from the Web, fitting WSNs in novel paradigms of Internet of Things (IoT) and Web of Things (WoT). Using well-known and broadly accepted Web standards and protocols enables the interoperation of heterogeneous WSNs and the integration of their data with other Web resources, in order to provide the final user with value-added information and applications. Such emergent scenarios where multiple networks and applications interoperate to meet high level requirements of the user will pose several changes in the design and execution of WSN systems. One of these challenges regards the fact that applications will probably compete for the resources offered by the underlying sensor nodes through the Web. Thus, it is crucial to design mechanisms that effectively and dynamically coordinate the sharing of the available resources to optimize resource utilization while meeting application requirements. However, it is likely that Quality of Service (QoS) requirements of different applications cannot be simultaneously met, while efficiently sharing the scarce networks resources, thus bringing the need of managing an inherent tradeoff. In this paper, we argue that a middleware platform is required to manage heterogeneous WSNs and efficiently share their resources while satisfying user needs in the emergent scenarios of WoT. Such middleware should provide several services to control running application as well as to distribute and coordinate nodes in the execution of submitted sensing tasks in an energy-efficient and QoS-enabled way. As part of the middleware provided services we present the Resource Allocation in Heterogeneous WSNs (SACHSEN) algorithm. SACHSEN is a new resource allocation heuristic for systems composed of heterogeneous WSNs that effectively deals with the tradeoff between possibly conflicting QoS requirements and exploits heterogeneity of multiple WSNs.