M2m网络拓扑控制方法及系统的制作方法
【专利摘要】本发明公开了一种M2M网络拓扑控制方法及系统，所述方法包括：对M2M网络应用最小生成树算法，得到第一个路径集合，并对得到的最小生成树进行初始化操作，以节点的所有链路中具有最大能量消耗的路径作为该节点传输能力的初始化数值；将M2M网络无向图转换为有向图；对有向图使用最大流算法，并且记录每一个超级节点到sink节点的节点不相关路径；应用贪心策略对每个超级节点进行k轮扫描，每一轮扫描选出一条额外能量消耗最少的路径，并进行记录，得到第二个路径集合；合并第一个路径集合中的路径和第二个路径集合的路径，构造出新的网络拓扑图。本发明能够为M2M网络解决拓扑控制问题，有效为不同节点提供个性化的连通服务。
【专利说明】M2M网络拓扑控制方法及系统
【技术领域】
[0001] 本发明涉及网络拓扑控制【技术领域】，具体涉及一种M2M网络拓扑控制方法及系 统。
【背景技术】
[0002] 物联网能使世界上的所有物体实现网络互联、交流信息，具有广泛的应用价值和 巨大的发展潜力，是当前世界新一轮经济和科技发展的战略制高点之一。近年来，随着连入 网络的设备数量正以爆炸性的速度进行增长，其主要网络形式从用户到用户、用户到设备 网络逐步过渡到Machine-to-machine (M2M)网络。根据Cisco的预测，2015年连入网络的 设备节点的数量将超过150亿，是当前移动设备和因特网用户总和的3倍以上。然而由于接 入M2M网络的设备节点类型具有多样性（譬如，对于一个典型的家庭M2M网络来说，可能包 含了智能仪表、开关、打印机、生物医学传感器和其它类型的用于环境感知的传感器等)，使 得M2M网络具有许多复杂特征，如多样的服务需求，较大的网络规模和极低的能耗需求等。
[0003] 拓扑控制是自组织网络中的关键技术之一，在不影响网络性能和服务质量的前提 下，它能有效简化网络连接，提高网络容量，减低网络能量消耗和延长网络的生命周期。与 常规的自组织网络不同的是，M2M中的拓扑控制要求在同一网络中提供到网络SINK节点的 多种连通服务。举例来说，在一个家庭M2M网络中，生物医学传感器收集医疗关键信息。与 一般的网络收集数据相比，如智能仪表的测量数据，这种医疗数据要求更高的传输可靠性 以保障待测人员身体状况突变时，能得到及时有效的处理。另外，与传统自组织网络不同的 是，连接到该网络的设备节点可能具有不同的接口和数据标准，这将导致类型相异的设备 节点不能识别来自于其它节点的数据，譬如智能仪表的数据与多媒体设备的视频数据具有 完全不同的数据格式，这就意味着设备之间的数据通信和数据分享可能需要具有强大功能 的SINK节点（或称为网关节点)进行翻译和处理，以简化设备节点。考虑到以上因素，M2M网 络中的传输可靠性可定义为到SINK节点的网络连通度，即到SINK节点不相交传输路径的 数量，设备节点不同层次的传输可靠性需求通过提供数量不等的网络传输路径来实现。已 有的移动自组织网络和传感器网络拓扑控制理论和方法不能满足M2M网络的异构连通需 求，迫切需要探索新的M2M网络拓扑控制的理论、方法和技术。
[0004] 目前面向M2M网络异构连通需求的拓扑控制技术存在的主要问题有：（1)当前较 少研究工作涉及到这个问题，并且均属于属于集中式算法，其中绝大部分对应着极高的时 间复杂度，仅适用于小规模的网络；而另一部分在网络存在着可行解的情况下，通过初步的 仿真实验表明，实现K连通度的节点比例较少，即成功率较低，甚至在有些情况下，获得的 成功率低于随机连接算法。（2)如何联合解决设备节点的异构连通需求问题，目前也缺乏有 效的解决方案，这将导致M2M网络难以有效为不同节点提供个性化的连通服务，限制了 M2M 网络的发展。
[0005] 因此，急需研究时间复杂度低、能适用于实际规模网络的集中式解决方案，以解决 静态M2M网络的拓扑控制问题。此外，对于拓扑变化频繁的情况下，如何设计分布式算法， 以动态调整网络拓扑、满足网络中设备的连通需求，对于大规模应用M2M网络，更具有重要 的理论研究意义和实际的应用价值。
【发明内容】
[0006] 本发明提出了一种新的拓扑控制算法，用于解决M2M网络中问题。一个M2M网络 中，有两种类型的数据，分别是超级节点和普通节点。超级节点是需要k度连接的(其中K是 正整数)，而普通节点只需要1度连接。很显然，k节点容错拓扑控制问题在常见的ad-hoc 网络中是一个特例，所有在这个网络中的节点都是超级节点。模拟结果表明，这种算法在稀 疏的网络中能保证超级节点和普通节点双方的连接性。在现有的文献中，这是开创性的工 作，它能为M2M网络解决拓扑控制问题，有效为不同节点提供个性化的连通服务。
[0007] 本发明的技术方案如下所述。
[0008] -种M2M网络拓扑控制方法，所述控制方法包括：
[0009] 对M2M网络应用最小生成树算法，得到第一个路径集合，并对得到的最小生成树 进行初始化操作，以节点的所有链路中具有最大能量消耗的路径作为该节点传输能力的初 始化数值；
[0010] 将M2M网络无向图转换为有向图；
[0011] 对有向图使用最大流算法,并且记录每一个超级节点到sink节点的节点不相关 路径；
[0012] 应用贪心策略对每个超级节点进行k轮扫描，每一轮扫描选出一条额外能量消耗 最少的路径，并进行记录，得到第二个路径集合；
[0013] 合并第一个路径集合中的路径和第二个路径集合的路径，构造出新的网络拓扑 图；
[0014] 其中：k是正整数。
[0015] 所述的将M2M网络原始无向图转换为有向图，其转换步骤如下：
[0016] (1)对于每个节点U e v\{t},我们用Uin和两个节点代替，它们用一条有 向边〈Uin，u0Ut>连接；
[0017] (2)对于每条无向边（u，u )，u e V\{t}我们用两条有向边〈11_，u in>和〈u Mt， uin>代替。若v=t那么我们则用一条有向边〈u^，t>代替边<u，v);
[0018] (3)设定每一条边的容量都是1 ;
[0019] ⑷对所有的边〈11_，t>，它们的权重为零，而对于在图中的其他边，它们相关的权 重值用下式计算：
[0020]
【权利要求】
1. 一种M2M网络拓扑控制方法，所述控制方法包括： 对M2M网络应用最小生成树算法，得到第一个路径集合，并对得到的最小生成树进行 初始化操作，以节点的所有链路中具有最大能量消耗的路径作为该节点传输能力的初始化 数值； 将M2M网络无向图转换为有向图； 对有向图使用最大流算法，并且记录每一个超级节点到sink节点的节点不相关路径； 应用贪心策略对每个超级节点进行k轮扫描，每一轮扫描选出一条额外能量消耗最少 的路径，并进行记录，得到第二个路径集合； 合并第一个路径集合中的路径和第二个路径集合的路径，构造出新的网络拓扑图； 其中：k是正整数。
2. 根据权利要求1所述的方法，其中所述的最小生成树算法采用快速接近算法。
3. 根据权利要求1所述的方法，其中所述的将M2M网络原始无向图转换为有向图，其转 换步骤如下： (1)对于每个节点u ev\{t}，我们用uin和U(Mt两个节点代替，它们用一条有向边 〈u in，u out> 连接； ⑵对于每条无向边（u，u)，u e V\{t}我们用两条有向边<ιι_，uin>和<υ_，ιι?η> 代替。若v=t那么我们则用一条有向边<U()Ut，t>代替边（u，ν); (3) 设定每一条边的容量都是1 ; (4) 对所有的边<U()Ut，t>，它们的权重为零，而对于在图中的其他边，它们相关的权重值 用下式计算：
其中：ru, v代表在节点u和v之间的欧里几德距离，q是预定义的能量消耗,pu和p u 分别代表节点u和ν当前的功率分配。
4. 根据权利要求1所述的方法，其中所述的最大流算法采用ford-fulkerson算法。
5. 根据权利要求1所述的方法，其中所述的贪心策略是贪婪最小额外能量消耗路径选 择算法。
6. -种M2M网络拓扑控制系统，包括： 对M2M网络应用最小生成树算法，得到第一个路径集合，并对得到的最小生成树进行 初始化操作，以节点的所有链路中具有最大能量消耗的路径作为该节点传输能力的初始化 数值的装置； 将M2M网络无向图转换为有向图的装置； 对有向图使用最大流算法，并且记录每一个超级节点到sink节点的节点不相关路径 的装置； 应用贪心策略对每个超级节点进行k轮扫描，每一轮扫描选出一条额外能量消耗最少 的路径，并进行记录，得到第二个路径集合的装置； 合并第一个路径集合中的路径和第二个路径集合的路径，构造出新的网络拓扑图的装 置； 其中：k是正整数。
【文档编号】H04L12/751GK104065580SQ201310493141
【公开日】2014年9月24日 申请日期:2013年10月21日 优先权日:2013年10月21日
【发明者】李小龙, 彭鹏程, 刘洋, 刘建明 申请人:桂林电子科技大学