无线传感器网络线性规划公式的启发式计算方法
【技术领域】
[0001] 本发明设及网络线性规划公式的启发式计算方法，特别设及无线传感器网络线性 规划公式的启发式计算方法。
【背景技术】
[0002] 随着无线传感器网络技术的发展与其在各个领域内的广泛应用，社会各界对于传 感器网络的发展充满了期待，针对无线传感器网络领域的相关研究也成为了当今世界的研 究热点之一。由于传感器节点通常采用能量十分有限的电池供电，所W传感器节点的电池 能量直接决定了网络寿命。
[0003] 当网络中的失效节点达到一定比例时，整个网络将会擁痕而变得不可使用，运时 可能需要对整个网络进行重新部署。有时一些比较重要的关键节点的失效，也可能影响与 之相关的多个节点的有效传输，进而造成区域性的功能失效，将网络分成多个不能通信的 部分，整体网络的有效生存期也将被缩短。由此可见节能对于传感网的设计至关重要。
[0004] 无线传感器网络的设计设及=个主要的方面。第一，传感器位置要满足预算限制 和覆盖要求。位置影响传感器的能量消耗，在传输期间消耗的能量取决于发射器和接收器 之间的距离。因此，网络的设计不仅要满足预算和覆盖范围的需求而且还应该考虑到传感 器位置对于能耗的影响。第二，传感器的工作调度安排，运是一项与工作调度有关的能源消 耗问题。适当的工作调度安排能够使能量负荷更加均匀。需要注意的是，在任何时候都要有 足够的活跃传感器W保持无线传感器网络正常工作，并满足网络覆盖率的要求。此外，活跃 的传感器必须能形成一个连接的网络，W便每个传感器可W传输和接收数据。第=，有效的 数据路由。对于位置确定的接收器和传感器，可W找到有效的数据路由，W延长网络生存 期。然而，路线的质量完全取决于传感器和接收器的位置。虽然实现一个先验数据传播方法 并不困难，但运种提高网络生存期的代价是在容许范围内增加计算时间来确定最优的数据 传输路线。研究者们往往只针对无线传感器网络能源耗的某一方面采取有针对性的解决方 案，如针对数据接收能耗问题、拓扑控制和睡眠调度机制所采用的一些策略。运些研究并不 全面，没有形成标准的方案或统一的框架，也没有得出实用、高效、准确的解决方法。
【发明内容】
[000引本发明的目的是为了解决研究者们往往只针对无线传感器网络能源耗的某一方 面采取有针对性的解决方案，未完全考虑传感器节点部署、节点调度安排、移动错节点和数 据路由的问题、没有形成统一的框架结构的问题，而提出的无线传感器网络线性规划公式 的启发式计算方法。
[0006] 上述的发明目的是通过W下技术方案实现的：
[0007] 步骤一、假设无线传感器网络中有K个点，在无线传感器网络生存期T中每个时间 段t内，在K中选取P个节点位布置错节点得到错节点的数量如公式(5)所示：
[0009] 其中，ze康明在周期t内点0处是否有错节点；zetE{〇，l}，当zet为I时在周期t内点 0处有错节点部署，Zh为0时在周期t内点0处没有错节点部署;N为错节点位置的集合;P为错 节点的数量，P含K，T为无线传感器网络生存期时长；
[0010] 传感器数量满足活跃传感器的要求具体为：
[001引式中，dk为k点的覆盖要求；qirt为561130^1，'）在周期*内是否处于活跃状态； Sensor(i，r)为在i点处r类传感器;ieS，rER;S为候选传感器位置的集合;R为传感器的所 有类别；QirtE {0, 1}，qirt为1时SensorQ，!)在周期t内处于活跃状态，Qirt为0时SensorQ， r)在周期t内是处于休眠状态；
[0013] 步骤二、根据覆盖在P个节点上的每个传感器与其相邻的传感器间传输的数据流 量或每个传感器与错节点间传输的数据流量计算得到流量平衡方程;根据流量平衡方程计 算出无线传感器网络中的数据传输总量；
[0014] 步骤S、根据SensoHi，r)的能量消耗值fir计算出无线传感器网络总能耗上限值 为B
[0015] 步骤四、将第4次改变的SensorQ，!)位置的初始值Pir、错节点的数量、传感器数 量、无线传感器网络中的数据传输总量、ErW及无线传感器网络总能耗上限值为B输入周期 迭代启发式算法PIH中进行运算，得到无线传感器网络最大生存期输出第T气欠迭代结算所 得的网络生存期€/' ；
[0016]其中，Pir为SensorQ，!)部署位置的值;若Pir为1则说明SensorQ，!)被部署，若Pir 为0,则说明SensorQ，r)未被部署;初始值Pir为0或l;Er为整个无线传感器网络生存期内每 个传感器所消耗的能量上限；4为迭代次数；
[0017 ] 步骤五、将B、K、S和R的值输入到Gurob i系统中计算传感器的最佳位置子问题S1的 模型得到传感器位置信息Pir;
[0018] 步骤六、通过将传感器位置Pir和错节点位置信息Zet输入到Gurobi系统中计算传 感器的工作调度子问题S2的模型，得到传感器的qirt;
[0019] 步骤屯、通过传感器位置Pir和传感器的qirt来输入到Gurobi系统中计算错节点的 位置和数据路由信息子问题S3;
[0020] 步骤八、利用Gurobi运算S2的模型得到S2的网络生存期L2;利用Gurobi运算S3的 模型得到S3的网络生存期L3;
[0021 ] 步骤九、定义DIF2 = L3-L2，设定计算精度。，若DIF2〉E2，则重复步骤屯和步骤八，直 至(KDIF2 < E2为止;得到S3的网络生存期与1' ；
[0022] 若0<0肌 < 心则得到S3的网络生存期巧"；
[002引其中，e2=oxi0-5;o为网络期望生存期；
[0024]步骤十、第A次改变传感器位置Pir和传感器的qirt重复步骤八得到S3的网络生存期 里/1.令公巧二巧j -皆-"，设定计算精度Cl;当DIFi < Cl时，算法终止此时的巧> =皆为网 络生存期的最大值;Ae(i，护）;护为网络生存期为的值;E2=oxi(r5。
[002引发明效果
[0026] 本发明首先对无线传感器网络节点部署、工作调度安排、数据路由算法和移动错 节点位置设计问题进行数学模型，然后设计了两种启发式算法对其进行计算并得出最终结 果。很多研究主要集中在控制能量消耗方面，例如通过构建一种不需要地理位置信息的异 构传感器网络冗余节点决策模型，由此提出一种最大化网络有效寿命的异构传感器网络覆 盖保持协议。为此本发明提出了优化数学模型，并通过启发式算法求解线性规划公式得到 传感器节点部署、节点调度安排、移动错节点和数据路由问题(SAMDP)的最优解。无线传感 器网络中移动错节点的研究大致可W分为两类:一类是通过网络内部相互协调W弥补移动 错节点产生的额外能量消耗;另一类是确定移动错节点效率最高的的位置，W降低能耗。第 一类研究中，节点的轨迹是给定的(恒定或随机），其中提出数据通信和传输协议，旨在改善 网络传输能力、传输精度、传输延迟等网络性能。第二类研究中，节点是移动的，它们中的大 多都提出了各自的数学模型，W优化网络生存期和数据传输能耗等无线传感器网络性能指 标。本发明属于第二类。
[0027] 如图1(a)和图1(b)所示，两个时期的传感器和错节点位置，W及箭头表示的数据 路由。从中可W发现，有的传感器在两个时期都处于活跃状态，而有的则在一个时期处于休 眠阶段，在另一个时期处于活跃状态。由于覆盖范围的要求，每个点至少有两个传感器覆 盖，W达到图1(a)和图1(b)中对结果的描述。从图中得到的另一个信息是一些传感器把收 集到的数据直接发送到错节点，然而另一些把收集到的数据传送到临近的充当中继节点的 传感器。
[0028] 本研究对于所构造数学模型性能的仿真将采用NS2来实现。本节将会通过与 Gurobi进行比较来评价两种启发式算法的性能。首先，在NS-2平台对PIH和SAH算法进行仿 真。对每一次测试，限定Gurobi、PIH、SAH的运行时间都不超过3小时，然后统计测试过程中 当P = 3时几种不同途径得到的最大网络生存期时长。
[0029] 根据不同方法的网络生存期性能分析：
[0030] 为了更好的评估两种启发式算法的性能，我们通过计算5种实例下不同方法的平 均生存期时长，并在图2、图4和图5中进行比较。从运S幅图中我们可W看出，在20、30、40候 选传感器的情况下，Gurobi的网络生存期最大值要高于PIH和SAH。当候选传感器大于50个 时，两种启发式算法的网络生存期最大值要高于Gurobi的。而且，对于一些较大的网络例如 有超过100个候选传感器的网络，启发式算法的优势更为明显。另外，只有在20和30个候选 传感器的情况下，PIH才比SAH网络生存期更长。当候选传感器少于90个时，PIH和SAH的网络 生存期较为接近。综上所述，绝大部分实例中，根据图2、4、和5我们可W说在网络生存期