基于注意力机制和策略梯度的多 ＭＣ 充电调度

为了提高无线传感器网络的生存时间、连通性以及网络中节点的活跃数,提出一种基于改进灰狼优化算法的分区多链无线传感器网络路由协议。该协议采用分区成链的方法,按网络中节点密度分布,以基站为圆心将整个网络空间划分为多个扇形环带区域,每个分区内的节点按位置分簇,每个分簇构造一条最优簇内链,同扇区各分簇间的簇头构造一条簇头链,最终通过这条链将采集到的信息沿基站方向传递。在后续迭代过程中,采用改进的灰狼优化算法进行簇头寻优,并根据狼群与猎物的距离以及系数向量对权重进行动态更新。MATLAB仿真表明:改进协议相比PEGASIS (Power-Efficient Gathering in Sensor Information Systems)在避免长链、均衡能耗、延长网络周期等方面均有提升,能有效提高无线传感器网络的性能。     

多节点部分充电模型下的充电调度优化

在无线可充电传感器网络中,针对移动充电车采用多节点部分充电模型在充电调度过程中往复行驶,导致充电时间增加的问题进行了研究。提出一种新颖的多节点部分充电模型,从全局优化移动充电车在每个充电位置的充电时间,保证每个能量临界的传感器被充满电。同时提出AlgMinTime算法进行路径规划,确定移动充电车的充电环路以及对应位置的充电时间,使得环路上总充电调度时间最小化。最终通过仿真实验评估所提出算法的性能。实验结果表明,所提算法的充电调度平均环路时间相较于SOTA算法缩短9.8%。     

一种多移动充电车在线协同充电策略

在大规模无线可充电传感器网络(WRSN)中,引入多部移动充电车(MCV)为传感器补充能量可以有效提高充电可靠性。如何协同多MCV进行充电规划是提高WRSN性能的关键,为此提出一种基于注意力机制的多MCV在线分布式协同充电算法(OCAMD)。首先根据能耗率对传感器进行分级,结合传感器节点的距离和能量属性,采用注意力机制在线选择充电节点,并自适应调整充电时间。其次在满足WRSN正常运行的基础上,确定网络中所需的MCV数量。最后提出分布式协同算法,确保MCV与充电节点一一对应,同时均衡多MCV的充电负载。仿真结果表明,与当前主流的几种协同充电算法相比,OCAMD能有效提高传感器的存活率和MCV的能量利用率。     

基于充电效率的WRSN能量补充策略

无线可充电传感器网络(WRSN)的节点能量补充问题是当前传感器网络研究的一个热点。已有研究大多假设传感器能量消耗速率较为恒定,因此难以适应能量动态消耗的实际场景;还有些研究虽然考虑了节点充电请求的动态性,却无法选出适当的充电对象,使性能受到限制。为解决该问题,分析了WRSN的充电问题,提出基于充电效率的能量补充策略(CEBER)。该策略首先提出充电效率的量化计算方法,将充电效率作为选择充电对象的重要决策因素;同时其也考虑了节点所能容忍的最长充电等待时间,使决策结果尽可能避免引起节点失效。仿真结果表明,CEBER能够有效降低节点失效率,提高网络整体的充电效率,从而为WRSN提供更加有效的充电服务。     

WRSN中多MC协同的一对多能量补充策略

无线可充电传感网络(Wireless Rechargeable Sensor Networks, WRSN)由于受到传感器有限的电池容量限制,所面临的一项重要挑战是如何调度移动充电器MC(Mobile Charger)及时为传感器进行充电,避免传感器由于能量过低而失效。然而现有的充电策略中单MC充电策略难以满足大规模WRSNs的电量需求,多MC充电策略常忽略充电的均衡性。针对WRSN中多MC协同充电问题,提出一种多MC协同的一对多能量补充策略(MTORN)。首先通过相交圆算法将网络中的传感器节点划分为若干个节点簇,MC根据节点簇的平均剩余能量以及距离划分簇的优先级,每个MC前往不同的节点簇进行一对多充电从而提高充电效率。仿真结果表明,与现有的算法相比,MTORN能够有效降低网络中传感器节点失效数量和MC的移动成本,延长网络生存时间。     

基于WRSN的多节点按需充电策略研究

针对无线可充电传感器网络(WRSN)中的节点死亡率过高问题,为了降低节点死亡率,以按需充电架构为基础,提出了一种动态不均匀分簇的单移动充电设备(MC)多节点在线充电策略SMMCS(single MC multi-node charging strategy)。策略首先将无线可充电传感器网络进行动态不均匀分簇,以此划分移动充电设备的服务分区;然后在此模型基础上以最小网络节点死亡率为目标,进行路径规划时综合考虑节点剩余能量、距离以及能耗等因素。仿真实验结果表明,与SAMER、VTMT以及FCFS策略相比,该策略减少了节点等待时间,缩短了MC总充电代价,减小了节点死亡率。基于仿真条件,网络节点死亡率为4.31%。     

TinyOS内核调度机制及改进策略

分析了具有代表性的无线传感器网络操作系统TinyOS的调度机制并指出其不足。在此基础上提出了改进方案并实现了基于优先级的调度策略。从模拟仿真及在实际系统GAINS节点中应用的结果可知,该改进方法能很好地改善无线传感器网络通信性能。     

TinyOS中多优先级任务队列调度策略研究

针对TinyOS先来先服务调度策略中重要任务不能及时响应的不足,提出一种基于多优先级任务队列的调度策略。该调度策略将原来一个任务队列增加为三个优先级队列并引入抢占机制,最高优先级队列中的任务在满足抢占原则时才可以抢占其他队列正在执行的任务,任务只能在不同队列之间发生抢占,这样既减少了上下文切换,又保证了重要任务的优先执行。实验结果表明,该调度策略在不影响原有系统性能的情况下,提高了TinyOS对重要任务的响应性能。     

基于深度强化学习的WRSN动态时空充电调度

高效的移动充电调度是构建长生命期、可持续运行的无线可充电传感器网络(WRSN)的关键之一.现有基于强化学习的充电策略只考虑了移动充电调度问题的一个维度,即移动充电器(MC)的路径规划,而忽略了充电调度问题中的另一维度,即充电时长调整,因而仍然存在性能限制.提出一种基于深度强化学习的WRSN动态时空充电调度方法(SCSD),建立充电序列调度和充电时长动态调整的深度强化学习模型.针对移动充电调度中离散的充电序列规划和连续的充电时长调整问题,使用DQN为待充电节点优化充电序列,并基于DDPG计算并动态调整序列中待充电节点的充电时长.通过分别从空间和时间两个维度的优化,在避免节点缺电失效的同时,所提出的SCSD可实现充电性能的有效提高.大量仿真实验结果表明,SCSD与现有的几种有代表性的充电方案相比,其充电性能具有明显的优势.     

能量受限的单移动设备无线充电调度算法

基于磁耦合谐振的多节点充电技术为解决无线传感网络的健壮性问题提供了潜在的解决方法。为了减少充电设备的移动能耗,保证充电规划的可调度性,结合磁耦合谐振的充电效率,采用蜂窝网状结构将网络分割成若干充电区域,提出了基于移动充电设备的无线传感器网络充电调度算法。由于实际的移动设备能量通常有限,在每个充电周期内综合考虑移动设备能量、节点剩余能量等,提出了自适应动态算法以自动选择k个充电区域。规划充电路径时,采用实时性较好的弹性网络算法来满足网络节点的充电需求。仿真结果表明,充电设备能量的大小会直接影响网络的总能量与最小剩余能量,算法在设备能量有限时能够最大化网络的最小能量,延长网络的生命周期。     

基于移动充电设备的无线传感网络充电策略研究综述

近年来,利用移动充电设备为传感器节点补充能量,消除电池供电方式导致的网络生存期限制,成为传感器网络的研究热点.从多个角度介绍基于移动充电设备的无线传感器网络充电策略的研究现状,总结了基于移动充电车或无人机的充电策略,在充电方式选择、路径优化、充电设备数量优化等方面的研究成果,并讨论充电策略研究所面临的挑战以及未来可能的...     

无线传感器网络中受时间窗限制的移动充电调度算法

对于能量受限的无线传感器网络而言,移动充电是一个迫切需要解决的关键问题。针对已有工作认为节点一旦有能量消耗就需要进行充电这一不合理的假设,提出了一种受时间窗限制的移动充电调度算法ScheduleAlgorithm。该算法将移动充电问题转化为受时间窗约束的车辆多路径问题,同时通过增加虚拟点的方式将多路径转化为单路径问题,从而选择适当的时间来为每个传感器节点进行充电。仿真结果表明,ScheduleAlgorithm算法比HηClusterCharging(β)算法表现出了明显的优势。     

一对多充电方式下WRSN移动充电器驻点选择策略

能量问题是约束无线传感器网络发展的一大瓶颈,借助磁耦合谐振充电技术,可实现单个充电装置同时对多个传感器节点进行能量补充,从而提高网络充电效率,降低充电成本。现有的单对多充电方案往往忽略了磁耦合谐振充电技术的能量分配,对于移动充电器的停靠位置(即驻点)没有考虑发射线圈和接收线圈的互感对能量传输效率的影响。线圈之间的距离是影 响互感的关键物理因素。本文提出一种在线能量补充策略(OMRN)。该策略基于互感模型和连续平面上的重心法选址问题,根据线圈之间的距离找出移动充电器的最优驻点,让多个节点能量接收达到均衡,从而减少总充电时长,使充电效率最大化。     

无线传感器网络操作系统调度策略

提出了一种在无线传感器网络操作系统中可以同时针对周期性任务和非周期性任务进行抢占式调度操作的EF-RM调度策略。在无线传感器节点上执行的任务负载较重的情况下,该调度策略可以保证重要任务的优先执行,此外当无线传感器节点空闲时,通过将节点带入睡眠状态,实现无线传感器节点的节能。所提出的任务调度策略在TinyOS上进行实现,并通过实验测试得出,在总能耗代价增加较少的情况下可以有效地提高系统在较重负载情况下的响应性能。     

基于CNN和多注意力机制的XSS检测模型

为了解决普通深度学习模型存在的难以区分信息重要性差异,以及单一注意力机制存在的关注维度单一的问题,文中提出了一种基于卷积神经网络和多注意力机制的模型对XSS攻击进行检测。首先,将经过word2vec转换后的数据输入到卷积神经网络提取局部特征;然后,使用自注意力模块学习数据的长距离依赖关系,并加强模型对序列维度上重要特征的关注;接着,经过通道注意力模块从通道维度对不同的通道特征图加权;之后,将经注意力模块处理过的特征输入到池化层进行下采样处理,并使用Dropout层提高模型的泛化能力;最后,利用提取到的特征对样本进行分类。使用测试数据集对文中提出的模型进行实验,结果显示,该模型对XSS攻击的检测效果良好,准确率与F1值相比其他深度学习模型有一定程度提升。     

基于时空协作的多移动充电器充电路径规划的研究

为解决大型无线可充电传感器网络中节点的实时充电问题,对具有多个移动充电器的网络进行了研究。在将网络公平划分为多个簇的基础上提出一种基于时空协作的多移动充电器实时充电算法STMA：通过联合考虑节点的空间位置和截止充电时间要求规划移动充电器的充电路径,在充电过程中及时获取最新的充电请求,并按照充电请求的紧急程度及时调整充电路径。仿真结果表明,采用STMA算法比单纯考虑时空要求的算法的能量利用率提高约14%,节点存活率提高约9%,更加适应节点的实时充电需求。     

基于方向梯度的WSN三维覆盖策略

针对无线传感器网络中的三维表面覆盖问题,提出一种基于方向梯度的覆盖算法。首先将三维表面垂直投影到二维平面上,然后采用区域离散化的思想,将二维平面离散成若干个网格点,再根据方向梯度概率感知模型,确定每个点覆盖的范围,最后通过贪婪算法找出满足覆盖率的最小覆盖集。该方法采用的方向梯度概率感知模型,充分考虑了三维表面地形的影响以及实际应用中的感知范围衰减因素。通过大量仿真实验表明,该方法能有效覆盖三维区域。     

基于精细梯度策略的多链路协同数据转发协议

实验表明,无线传感网的链路存在短时时变特性.链路估计方法对中长时链路变化具有路由指示能力,而对短时变化链路表现不佳.在精细梯度模型下提出一种基于ARQ(automatic repeat-request)的多链路协同转发协议(multi-link cooperative forwarding protocol on fine-grain gradient strategy,简称MCFS),通过单发多收和基于随机同步竞争窗的自举应答算法来消除链路短时变化的影响.通过基于非齐次马尔可夫链的短时时变链路模型上的NS2仿真,实验结果表明:MCFS协议能够有效适应短时链路变化;在可控条件下,具有比基于HOP/PRR的单链路优化协议、分离和缠绕多路径更好的网络抵达率和能量效率;这种性能优势与网络规模和部署密度无关.     

无线传感器网络调度机制研究

无线传感器网络的能量主要被无线通信所消耗,延长网络生命周期的办法是尽量减少数据的接收,在空闲的期间关闭监听并进入休眠状态。该文在B-MAC协议的基础上实现一种调度机制,让终端节点大部分时间处于休眠状态,通过分析证明该机制可以有效减少终端节点的能耗。