CN101772041B - 基于跨层议价博弈模型的无线多跳网络性能优化方法 - Google Patents

Abstract

本发明涉及无线多跳网络节点性能优化技术领域，特别是一种基于跨层议价博弈模型的无线多跳网络性能优化方法，该方法突破现有的分层式网络信息无法共享的局限性，实现链路层与物理层的信息共享，利用跨层的思想，结合链路层的数据流量状态信息与物理层的数据能量信息，构建具有实时性的二重约束条件的网络模型；节点之间通过信息的交互，迭代计算链路层的数据流量信息与物理层的数据能量阈值，从无线多跳网络链路整体性角度出发，构建议价博弈策略空间，兼顾到节点之间资源应用的公平性与高效性，达到提高无线多跳网络效益的目的。

Description

基于跨层议价博弈模型的无线多跳网络性能优化方法

技术领域

本发明涉及无线多跳网络节点性能优化技术领域，特别是一种基于跨层议价博弈模型的无线多跳网络性能优化方法。

背景技术

随着节点所具备自主处理数据能力的提高，无线多跳网络所拥有的智能性进一步得到增强。典型的无线多跳网络代表，如自组织网络(AdHoc network，MANET)，无线传感器网络(wireless sensor network，WSN)，无线网格网络(wireless mesh network，WMN)等等。由于拥有自主节点的无线多跳网络一般是不具备基础设施条件，因此节点在网络中需要扮演多种角色，比如处理自身数据的发送者，转发其它节点数据的转发者，维护网络稳定性与安全性的管理者等等。

传统网络分层式的结构，是以功能的交互为主要目的，为各层定义相应的服务特性，体现的是层次独立化的特点。随着研科技的进步，用户对无线多跳网络的需求已从原来的单一化转变为多样化。以满足用户多样化应用需求为主要目的时，分层结构的网络就暴露其缺少灵活性的问题。因为网络多样化应用往往要涉及到层次中的多个参数，根据应用的不同，这些参数需要及时的修改或者是重新配置权重。如果以面向应用为主，将网络架设于分层结构之上，层次的独立性将成为网络优化的主要障碍，这种障碍会使网络的交互变得更为复杂。因此，打破原有分层式网络架构的束缚，将原有的“横向”分层设计思想改为“纵向”跨层设计思想将成为解决分层架构网络层次之间数据无法共享的有效解决方案。

议价是指双方或者多方为寻求某一合作的可能性进行协商或者谈判的过程。对于议价双方交互过程中所产生的冲突，可以利用博弈论针对冲突，求解均衡，在冲突中论证最优解。议价博弈网络分析模型兼有公平性与帕累托效应的特点。

所谓的公平性指节点之间的效益应该是相对平等的，随着节点的增加或者减少，节点变化的只能是效益的增减，但节点之间的效益差值是保持不变即尺度不变性。在博弈论中，帕累托效应指在不使任何人境况变坏的情况下，不可能再使某些人的处境变好，就无线多跳网络中的节点而言，每个节点的收益是一种饱和状态，即节点的收益应具有收敛性。

发明内容

本发明的目的在于提供一种基于跨层议价博弈模型的无线多跳网络性能优化方法，该方法有利于突破现有的分层式网络信息无法共享的局限性，实现链路层与物理层的信息共享，提高无线多跳网络性能。

为实现上述目的，本发明的技术方案是：一种基于跨层议价博弈模型的无线多跳网络性能优化方法，其特征在于：包含如下步骤：

步骤1：节点k在自身数据有效传输范围R_k内，采集链路层上所有节点在信道上的数据流总量 $D=d_k^t+\underset{j}{\mathrm{\Σ}}{p}_j^t{d}_j^t(j\∈R_k/k),$ 其中d_k ^t表示节点k在t时刻发送数据量大小为d的数据包，p_j ^t表示节点j在t时刻发送数据的概率，d_j ^t表示节点j在t时刻发送数据量大小为d的数据包，j∈R_k/k表示在节点k的有效传输范围内除节点k以外的所有节点；

节点k采集物理层上所要发送数据的能量消耗值ζ_k，data ^t，其中ζ_k，data ^t表示节点k在t时刻发送data个数据所耗的能量为ζ；

步骤2：基于跨层网络构架，以优化链路整体性吞吐量为目的，在链路层的信道流量状态与物理层的数据能量阈值的二重约束下，构建具有实时性的网络二重约束条件的网络模型如下：

$\left\{\begin{array}{c}\max \underset{k=1}{\overset{n}{\mathrm{\Σ}}}\ln \left({\mathrm{\λ}}_k^t\right)\\ s.t:\\ d^t+\underset{j}{\mathrm{\Σ}}{p}_j^t{d}_j^t\≤C({j\∈R}_k/k)\\ {\mathrm{\ζ}}_{k,\mathrm{data}}^t\≥{\mathrm{\ζ}}_{k\≠h}^t\end{array}\right.---\left(1\right)$

上式中，λ_k ^t表示节点k在t时刻的吞吐量，n表示链路上节点的总个数， $\max \underset{k=1}{\overset{n}{\mathrm{\Σ}}}\ln \left({\mathrm{\λ}}_k^t\right)$ 表示最大化链路上节点的吞吐量，其网络二重约束条件为：

在时刻t，节点k的有效传输范围内，信道上所有节点的数据流总量不应大于信道容量 $d_k^t+\underset{j}{\mathrm{\Σ}}{p}_j^t{d}_j^t\≤C({j\∈R}_k/k),$ 其中C为常数，表示信道容量；节点k发送数据的能量应不小于能量阈值 ${\mathrm{\ζ}}_{k,\mathrm{data}}^t\≥{\mathrm{\ζ}}_{k\≠h}^t,$ 其中ζ_k，th ^t表示节点k在t时刻的能量阈值；

步骤3：基于议价博弈理论，各节点之间根据步骤3，利用对偶分解法理论迭代计算链路层的信道流量状态与物理层的数据能量阈值，将贴现因子作为重复博弈的信息成本考虑在内，利用对偶分解法对链路层与物理层进行性能优化，形成节点博弈策略空间，构建节点的效益函数。

本发明的实质是在无线多跳网络中，为了提高节点获得网络状态信息准确性，应突破原有的分层思想，以整条的数据链路作为基本单位考虑，融入跨层思想，使节点可以同时考虑到链路层上数据发送的状态与物理层上节点能量的处理能力，这样节点能更为准确的了解自身处理数据能力。将议价博弈理论引入可以使链路上的节点在考虑资源利用的高效性的同时还能兼顾到资源利用的公平性原则，比基于分层架构的网络而言在性能上有很大的提高。

本发明的有益效果在于：在无线多跳网络中，目前已有基于分层架构的网络用于讨论网络性能优化，但由于网络的不稳定性，使得节点在仅以单层作为性能优化考虑时，会产生信息的不准确，导致节点对网络当前状态的错误判断。本发明提出跨层架构，可以充分利用链路层与物理层信息对网络的状态做出实时判断。将链路层与物理层的信息联合作为优化网络性能的约束条件，在基于议价博弈的基础上，可以真实的反应出网络当前的状态，提高了节点对数据的处理能量，使节点在考虑到自身资源应用的同时还能同时兼顾到链路整体效用的公平性。

附图说明

图1是本发明的性能优化方法流程图。

图2是本发明实施例得出的表示节点效益、贴现因子与能量阈值三者之间关系的性能仿真示意图。

具体实施方式

本发明的基于跨层议价博弈模型的无线多跳网络性能优化方法，如图1所示，包含如下步骤：

步骤1：节点k在自身数据有效传输范围R_k内，采集链路层上所有节点在信道上的数据流总量 $D=d_k^t+\underset{j}{\mathrm{\Σ}}{p}_j^t{d}_j^t(j\∈R_k/k),$ 其中d_k ^t表示节点k在t时刻发送数据量大小为d的数据包，p_j ^t表示节点j在t时刻发送数据的概率，d_j ^t表示节点j在t时刻发送数据量大小为d的数据包，j∈R_k/k表示在节点k的有效传输范围内除节点k以外的所有节点；

节点k采集物理层上所要发送数据的能量消耗值ζ_k，data ^t，其中ζ_k，data ^t表示节点k在t时刻发送data个数据所耗的能量为ζ；

步骤2：基于跨层网络构架，以优化链路整体性吞吐量为目的，在链路层的信道流量状态与物理层的数据能量阈值的二重约束下，构建具有实时性的网络二重约束条件的网络模型如下：

$\left\{\begin{array}{c}\max \underset{k=1}{\overset{n}{\mathrm{\Σ}}}\ln \left({\mathrm{\λ}}_k^t\right)\\ s.t:\\ d^t+\underset{j}{\mathrm{\Σ}}{p}_j^t{d}_j^t\≤C({j\∈R}_k/k)\\ {\mathrm{\ζ}}_{k,\mathrm{data}}^t\≥{\mathrm{\ζ}}_{k\≠h}^t\end{array}\right.---\left(1\right)$

上式中，λ_k ^t表示节点k在t时刻的吞吐量，n表示链路上节点的总个数， $\max \underset{k=1}{\overset{n}{\mathrm{\Σ}}}\ln \left({\mathrm{\λ}}_k^t\right)$ 表示最大化链路上节点的吞吐量，其网络二重约束条件为：

在时刻t，节点k的有效传输范围内，信道上所有节点的数据流总量不应大于信道容量 $d_k^t+\underset{j}{\mathrm{\Σ}}{p}_j^t{d}_j^t\≤C({j\∈R}_k/k),$ 其中C为常数，表示信道容量；节点k发送数据的能量应不小于能量阈值 ${\mathrm{\ζ}}_{k,\mathrm{data}}^t\≥{\mathrm{\ζ}}_{k\≠h}^t,$ 其中ζ_k，th ^t表示节点k在t时刻的能量阈值；

步骤3：基于议价博弈理论，各节点之间根据步骤3，利用对偶分解法理论迭代计算链路层的信道流量状态与物理层的数据能量阈值，将贴现因子作为重复博弈的信息成本考虑在内，利用对偶分解法对链路层与物理层进行性能优化，形成节点博弈策略空间，构建节点的效益函数。

步骤3中用到的对偶分解法迭代计算链路层的信道流量状态与物理层的数据能量阈值的介绍如下：

在式(1)基础上，引入拉格朗日乘子β，γ，将式(1)依据对偶分解法转换成下式：

$L({\mathrm{\β}}_k^t,{\mathrm{\γ}}_k^t,{\mathrm{\ζ}}_{\mathrm{th}}^t,d_k^t)=\ln \left({\mathrm{\λ}}_k^t\right)+{\mathrm{\β}}_k^t(C-d_k^t-\underset{j}{\mathrm{\Σ}}{p}_j^t{d}_j^t)+{\mathrm{\γ}}_k^t({\mathrm{\ζ}}_{k,\mathrm{data}}^t-{\mathrm{\ζ}}_{k,\mathrm{th}}^t)---\left(2\right)$

分别对β，γ进行求导，得出影响β，γ两个拉格朗日乘子的边际函数G_β ^t，G_γ ^t：

$G_{\mathrm{\β}}^t=C-d_k^t-\underset{j}{\mathrm{\Σ}}{p}_j^t{d}_j^t---\left(3\right)$

$G_{\mathrm{\γ}}^t={\mathrm{\ζ}}_{k,\mathrm{data}}^t-{\mathrm{\ζ}}_{k,\mathrm{th}}^t---\left(4\right)$

为对偶变量β，γ构建两个议价函数Г(·)与Θ（·)用于体现节点之间的动态议价博弈过程

${\mathrm{\β}}_k^{t+1}={\mathrm{\Γ}}_k^{t+1}({\mathrm{\β}}_k^t,{\mathrm{\θ}}_1^t,G_{\mathrm{\β}}^t)={\mathrm{\θ}}_1^t{[{\mathrm{\β}}_k^t-G_{\mathrm{\β}}^t]}^{+}---\left(5\right)$

${\mathrm{\γ}}_k^{t+1}={\mathrm{\Θ}}_k^{t+1}({\mathrm{\γ}}_k^t,{\mathrm{\θ}}_2^t,G_{\mathrm{\γ}}^t)={\mathrm{\θ}}_2^t{[{\mathrm{\γ}}_k^t-G_{\mathrm{\γ}}^t]}^{+}---\left(6\right)$

[·]⁺表示取非负值；为了使β，γ可以快速的收敛，达到节点节能的目的，在Г(·)与Θ(·)中设置了两个内变量θ₁ ^t与θ₂ ^t，用于表示博弈双方的贴现因子。在无线多跳网络中，贴现因子表示每一回合中双方收益的折扣，折扣产生是因为双方将信息交互的成本考虑在内，贴现因子取值范围0≤θ≤1。贴现因子值越大，说明节点在每一回合的博弈中所涉及到的能耗损失越小，那么节点就越有耐心进行博弈。

本方案中考虑到节点能耗的大小可以反应出节点转发数据的忙碌程度，转发数据多的节点，能耗就大，反之亦然。因此：

${\mathrm{\ζ}}_{k,\mathrm{data}}^t=b{d}_k^t(b>1)---\left(7\right)$

同时，本方案为了达到延长节点的使用周期的目的，吞吐量的大小与能量阈值的关系表示成反比关系：

${\mathrm{\λ}}_k^t=\frac{1}{{\mathrm{a\ζ}}_{k,\mathrm{th}}^t}(a>1)---\left(8\right)$

因为，吞吐量大的节点能耗就越大，为了延长节点的生命周期，该节点在下一时刻拒绝传输数据的可能性就大，而节点是否要拒绝传输数据的一个重要约束条件就是式(4)。由式(1)，(7)，(8)得到下式：

$L({\mathrm{\β}}_k^t,{\mathrm{\γ}}_k^t,{\mathrm{\ζ}}_{k,\mathrm{th}}^t,d_k^t)=\ln \left(\frac{1}{{\mathrm{a\ζ}}_{k,\mathrm{th}}^t}\right)+{\mathrm{\β}}_k^t(C-d_k^t-\underset{j}{\mathrm{\Σ}}{p}_j^t{d}_j^t)+{\mathrm{\γ}}_k^t({\mathrm{bd}}_k^t-{\mathrm{\ζ}}_{k,\mathrm{th}}^t)---\left(9\right)$

将式(9)分解成两个子优化问题讨论：

$\underset{{\mathrm{\ζ}}_{k,\mathrm{th}}^t}{\max }\ln \left(\frac{1}{{\mathrm{a\ζ}}_{k,\mathrm{th}}^t}\right)-{\mathrm{\γ}}_k^t{\mathrm{\ζ}}_{k,\mathrm{th}}^t---\left(10\right)$

$\underset{d_k^t}{\max }{\mathrm{\γ}}_k^t{\mathrm{bd}}_k^t-{\mathrm{\β}}_k^t{d}_k^t-{\mathrm{\β}}_k^t\underset{j}{\mathrm{\Σ}}{p}_j^t{d}_j^t---\left(11\right)$

以整条链路上的节点性能作为优化的目的，该方案对链路中每一跳节点的吞吐量本文做线性相加处理，如下式：

$\underset{{\mathrm{\ζ}}_{k,\mathrm{th}}^t}{\arg \max }\ln \left(\frac{1}{\underset{k}{\mathrm{\Σ}}{\mathrm{a\ζ}}_{k,\mathrm{th}}^t}\right)-\underset{k}{\mathrm{\Σ}}{\mathrm{\γ}}_k^t{\mathrm{\ζ}}_{k,\mathrm{th}}^t---\left(12\right)$

定义 ${\mathrm{\Λ}}^t={\mathrm{\ζ}}_{1,t{h}_1}^t+{\mathrm{\ζ}}_{2,{\mathrm{th}}_2}^t+\·\·\·+{\mathrm{\ζ}}_{{k,\mathrm{th}}_k}^t,$ 将个体节点的权值γ_k ^t转换成整体链路代价P^t，链路代价中所包含的影响因素可以包含多个方面的因素，如跳数，信道质量、数据包延迟等等。记P_min ^t为最小链路代价，则式(12)转化为下式：

$\underset{{\mathrm{\Λ}}^t}{\max }\ln (\frac{1}{a}\·\frac{1}{{\mathrm{\Λ}}^t})-{\mathrm{\Λ}}^t\·P_{\min }^t---\left(13\right)$

为求得最小能量代价，对式(13)进行Λ^t求导，得：

${\mathrm{\Λ}}^t=\frac{1}{P_{\min }^t}---\left(14\right)$

由式(14)，式(8)得：

${\mathrm{\ζ}}_{t{h}_{\mathrm{\λ}}}^t\≈\frac{1}{{\mathrm{kP}}_{\min }^t}---\left(15\right)$

依据二次线性规正法(参见Ismo Hakala，Merja Tikkakoski，“From vertical tohorizontal architecture：a cross-layer implementation in a sensor network node”，Proceedings of the first international conference on Integrated internet ad hocand sensor networks 2006)，将式(11)转换为下式：

$d_k^{t+1}=\underset{d_k^t}{\arg \max }\{{\mathrm{\γ}}_k^t{\mathrm{bd}}_k^t-({\mathrm{\β}}_k^t{d}_k^t+{\mathrm{\β}}_k^t\underset{j}{\mathrm{\Σ}}{p}_j^t{d}_j^t)-\mathrm{\ϵ}{|d_k^t-d_k^{t-1}|}^2\}---\left(16\right)$

ε为一个较小的正整数。

当ε|d_k ^t-d_k ^t-1|²趋于0时，该算法具有收敛性，因此，上式近似于对节点k发送数据量的更新。

将式(9)分为两个子优化问题讨论，从数学角度分析，应用到的是凸优化的方法思想。而从无线网络应用方面分析，所应用到的是跨层与逆向工程的分析方法。网络作为优化器，以优化吞吐量为最终目的，逆向归约到以物理层的能耗与链路层的信道容量作为约束的优化问题，而这两者的约束最终成为优化吞吐量的主要方法。将复杂的问题转化为相对较为简单的问题，不仅减化了跨层分析所带来的复杂性代价，也使网络的构架具有稳定性。

下面以一具体实施例对本发明作进一步的详细说明。

本发明的一个具体实施例如下所述，参数的设定不影响一般性。设定一个拥有10个节点的无线多跳网络且网络拓扑为随机分布，无线多跳网络中的节点的数据传输范围均能覆盖整个网络，每个节点总的通信迭代次数设置为100，每一次的迭代代表节点的一个时隙状态。在初始阶段，每个节点的初始能量阈值为rand[1，10]，为了满足式 ${\mathrm{\ζ}}_{k,\mathrm{data}}^t{\≥\mathrm{\ζ}}_{k,\mathrm{th}}^t,$ 在每一次的迭代过程中，节点的发送功率如下式：

${\mathrm{\ζ}}_{\mathrm{data}}^t={\mathrm{\ζ}}_{\mathrm{th}}^t\×\mathrm{rand}\left[\mathrm{1.1,2}\right]$

其中rand[x，y]表示在x与y之间随机获取的数值。β_k ^t的贴现因子置为常量θ₁ ^t＝0.9。本发明提出的基于跨层议价博弈模型的无线多跳网络性能优化方法的具体计算过程如下：

步骤1：各节点k(k＝1，2，3，4，5，6，7，8，9，10)分别采集链路层上所有节点在信道上总的数据流通量信息 $D=d_k^t+\underset{1}{\overset{9}{\mathrm{\Σ}}}{p}_j^t{d}_j^t(j{\∈R}_k/k).$

各节点k采集物理层上所要发送数据的能量消耗值ζ_k，data ^t。

步骤2：基于跨层网络构架，构建具有实时性的网络二重约束模型：

节点k发布链路层与物理层的信息与网络中其它节点共享。

以优化链路整体性吞吐量为目的，在链路层的信道流量状态与物理层的数据能量阈值的二重约束下构建具有实时性的网络二重约束条件的网络模型：

$\left\{\begin{array}{c}\max \underset{k=1}{\overset{10}{\mathrm{\Σ}}}\ln \left({\mathrm{\λ}}_k^t\right)\\ s.t:\\ d^t+\underset{j=1}{\overset{9}{\mathrm{\Σ}}}{p}_j^t{d}_j^t\≤C(i,j{\∈R}_k/k)\\ {\mathrm{\ζ}}_{k,\mathrm{data}}^t{\≥\mathrm{\ζ}}_{k,\mathrm{th}}^t\end{array}\right.$

步骤3：基于议价博弈理论，节点之间将根据步骤3，利用对偶分解法理论迭代计算链路层的信道流量状态与物理层的数据能量阈值，本实施例将γ_k ^t的贴现因子与能量阈值作为自变量，利用对偶分解法对链路层与物理层进行性能优化，形成节点博弈策略空间，构建节点的效益函数。

经过以上步骤后，就得到节点平均效益与贴现因子与能量阈值三者之间的关系，不同的γ_k ^t贴现因子所产生的节点效益是不同的。当贴现因子较大时，表示发送端具有较高的耐心参于议价，因此，节点的数据发送量较大，数据发送量的增加将直接促进吞吐量的加大使节点的收益也随之提高。因此，根据实际应用的需要，如果需要网络中的数据量快速的处于一种稳定状态，应该将节点的贴现因子配置较小；反之，如果有大量数据要发送，则可以将节点的贴现因子配置较大。

从能量阈值的角度分析，当能量阈值增大，节点的实际数据发送功率为了满足式(1)也必须增大，根据式(7)可知，能量阈值的提高也能反应出节点效益的提高。

本实施例力求通过对节点效益、贴现因子与能量阈值三者关系的表述，来说明本方案在无线多跳网络中操作的可行性，实现本发明提出的一种基于跨层议价博弈模型的无线多跳网络性能优化方法。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (1)

1.一种基于跨层议价博弈模型的无线多跳网络性能优化方法，其特征在于：包含如下步骤：

步骤1：节点k在自身数据有效传输范围                                               

内，采集链路层上所有节点在信道上的数据流总量，其中

表示节点k在t时刻发送数据量大小为d的数据包，

表示节点j在t时刻发送数据的概率，

表示节点j在t时刻发送数据量大小为d的数据包，

表示在节点k的有效传输范围内除节点k以外的所有节点；

节点k采集物理层上所要发送数据的能量消耗值

，其中

表示节点k在t时刻发送

个数据所耗的能量为

；

步骤2：基于跨层网络构架，以优化链路整体性吞吐量为目的，在链路层的信道流量状态与物理层的数据能量阈值的二重约束下，构建具有实时性的网络二重约束条件的网络模型如下：

          （1）

上式中，

；

；

表示节点k在t时刻的吞吐量，n表示链路上节点的总个数，

表示最大化链路上节点的吞吐量，其网络二重约束条件为：

在时刻t，节点k的有效传输范围内，信道上所有节点的数据流总量不应大于信道容量，其中

为常数，表示信道容量；节点k发送数据的能量应不小于能量阈值，其中

表示节点k在t时刻的能量阈值；

步骤3：基于议价博弈理论，各节点之间，利用对偶分解法理论迭代计算链路层的信道流量状态与物理层的数据能量阈值，将贴现因子作为重复博弈的信息成本考虑在内，利用对偶分解法对链路层与物理层进行性能优化，形成节点博弈策略空间，构建节点的效益函数。

Images