CN102448123B - 无线传感器网络中基于节点性能的任务分配算法 - Google Patents

Abstract

本发明公开了无线传感器网络中基于节点性能的任务分配算法，其是根据节点处理任务的能量消耗、速率以及成功率等因素构造出节点任务处理性能参数的方法，其包括以下步骤：构造一跳无线传感器节点模型；基于任务关系图将任务划分为若干个任务小组；通过计算得到的每个节点的性能参数；选取其中性能参数总和最佳的分配方案。本发明的有益效果为：利用任务分组的方法实现任务的并行处理和实时响应，同时减少通信能耗；公式化节点任务处理的计算能耗和通信能耗，全面考虑影响节点处理任务的各方面因素，并且利用最优化方法构造出一个性能参数。通过量化节点性能来简化任务分配策略，简单方便的完成任务分配，实现系统能源高效和任务的实时响应。

Description

无线传感器网络中基于节点性能的任务分配算法

技术领域

本发明涉及无线传感器网络通信领域，具体说是一种无线传感器网络中基于节点性能的任务分配算法。

背景技术

无线传感器网络的应用前景非常广阔，能够广泛应用于军事、环境监测和预报、智能家居和智能楼宇、城市交通、大型动植物养殖场的安全监测等领域。随着无线传感器网络的深入研究和广泛应用，无线传感器网络将逐渐深入到人类生活的方方面面。无线传感器网络是由数量众多的体积小、质量轻和能量受限的节点组成，通常通过飞机投放的形式部署在观测区域，由节点间相互通信形成的一个自组织网络。随着应用的实时性要求越来越高，计算密集度越来越大，而传感器的电池电量和运算处理速度有限，多个节点相互协作比单一节点更能满足应用所要求的计算能力。同时传感器节点相互协作共同完成任务，也是节约节点能量，提高系统性能，满足应用需求的有效途径。分布式计算是协作的理论基础，在无线传感器网络中起着重要的作用。

感知节点检测到任务流并分配给不同的传感器节点进行处理，每个节点分别对分配到的任务进行处理，直到所有任务处理完成。合理的分布式计算可以保证算法的可靠性，并且避免大量任务处理工作分配给单一节点而使其能量耗竭，因此节点能耗均衡得到广泛关注和研究。任务调度和分配算法在提高分布式计算效率，均衡节点能耗中起了重要的作用，合理的任务分配在高效协作任务处理中有着举足轻重的地位，并且正被广泛研究。

目前很多任务分配方案都是基于同构网络提出的，部分异构网络中提出的任务分配方案也没有能够综合考虑能量消耗、成功概率和实时性的问题。朱敬华和高宏在《无线传感器网络中能源高效的任务分配算法》中提出一种在同构网络环境下基于遗传算法的嵌套优化技术的任务分配算法，满足应用的实时性要求也实现了能源的高效性，但是由异构节点构成的网络更符合现实应用的需求。Sekhar等人提出一种基于A*算法的将任务分配给大量传感器节点的最优化算法，同时考虑到节点的能量受限问题，提出了贪婪A*算法来减少A*算法最优分配方案的复杂度。实现了系统能源高效，但是未能保证任务的并行化处理，没有体现应用的实时性。

发明内容

为了克服现有技术中存在的不足，本发明的目的是提供一种在无线传感器网络中任务分配算法中节点性能指标的确定方法，此方法应用于无线传感器网络协作任务处理时优化任务的分配方案，可以提高任务的实时响应性，均衡节点的能量消耗，延长系统生命周期。

本发明的技术方案是提供无线传感器网络中基于节点性能的任务分配算法，其是根据节点处理任务的能量消耗、速率以及成功率构造出节点任务处理性能参数的方法，其特征在于：其包括以下步骤：

1)构造一个由异构节点组成的一跳无线传感器节点模型，每个传感器节点包括其计算速率和单位计算能耗以及单位通信能耗；

2)根据解决目标问题的所有任务之间的相互关系，将所有任务根据其相互之间的逻辑关系和权重划分为若干个任务小组；

3)根据预设数学公式计算每个节点处理每个所述任务小组中的任务的单位计算能耗以及单位通信能耗；

4)将计算得到的每个节点处理每个所述任务小组中的任务的能量消耗、节点的合作成功率和计算速率乘上各自的权重后累加，以累加值作为该节点任务处理性能参数；

5)根据所有节点任务处理性能参数，遍历将所有所述任务小组分配给节点的情况，选取其中所有节点任务处理性能参数总和最佳的分配方案。

优选的，所述步骤2)中根据预设规则将所述任务根据各自间的关系分配成若干任务小组。

优选的，所述步骤2)中将所有所述任务划分为若干个任务小组的划分原则为：

1)：兄弟任务划分到不同的任务小组内；

2)：父亲任务总是要求权重最大的没有入组的孩子任务加入自己组内；

3)：孩子任务收到多个父亲任务的要求时，总是加入权重较大的父亲任务所在小组。

优选的，所述步骤3)中的能量消耗包括单位计算能耗和单位通信能耗。

优选的，所述步骤4)综合考虑影响节点处理任务的各方面因素，并将量化节点性能指标问题看作是这几个因素的最优化问题，拟合出所述节点性能参数。

本发明的有益效果为：与现有技术相比，本发明提供了一种基于节点任务处理性能的任务分配算法，利用任务分组的方法实现任务的并行处理和实时响应，同时减少通信能耗；公式化节点任务处理的计算能耗和通信能耗，全面考虑影响节点处理任务的各方面因素，并且利用最优化方法构造出一个性能参数。通过量化节点性能来简化任务分配策略，简单方便的完成任务分配，实现系统能源高效和任务的实时响应。

附图说明

图1是本发明的无线传感器网络中基于节点性能的任务分配算法的流程图；

图2是为任务分组的流程图；

图3为应用实例中8个任务的关系图。

具体实施方式

下面对本发明的具体实施方式作进一步详细的描述。

如图1所示：为节点性能指标的确定方法，包括如下步骤：

(1)用A＝(S,E)来构造所有无线传感器的异构节点模型，S＝{s₀,s₁,...,s_i,...,s_n}表示节点的集合，E＝{e₀₁,e₁₀,...,e_ij,...,e_n(n-1)}是边的集合。每个传感器节点s_i∈S(0≤i≤n)都有三个属性RE[i]、E_comp[i]和PROC[i]，它们分别代表该节点的剩余能量，该节点处理单位数据消耗的计算能耗和该节点处理单位数据的速率。任意两个节点s_i和s_j之间的边e_ij∈E(0≤i,j≤n)都有一个属性变量WE_ij代表节点s_i和s_j之间的单位通信能耗(WE_ij＝WE_ji)。用B＝(T,W)来表示任务模型。T＝{t₀,t₁,...,t_x,...,t_m}是任务的集合，W＝{w₀₁,w₁₀,...,w_xy,...,w_m(m-1)}是任意两个任务之间加权边的集合。每个任务t_x∈T(0≤x≤m)都有一个属性DC[i]，代表每个任务所需处理的信息量的单位数据数。每个加权边w_xy(0≤x,y≤m)表示任意两个任务t_x和t_y相互通信的信息量的数据数(w_xy＝w_yx)。

(2)参照任务模型B来对任务进行分组，任务的分组必须满足三个原则：

原则一：兄弟任务划分到不同的任务小组内；

原则二：父亲任务总是要求权重最大的没有入组的孩子任务加入自己组内；

原则三：任务收到多个父亲任务的要求时，总是加入权重较大的父亲任务所在的小组。

结合附图，详细说明任务分组的实施步骤。如图2所示，依据以上三个分组原则，首先我们将没有父母仅有孩子的任务划分到第一组G₀，并将其权值最大的孩子任务划分到同一组，将其他孩子任务各划分到不同组内。再由这些刚刚分入组内的孩子任务寻找其权值最大的孩子任务划分到同一组，此阶段存在同一个孩子任务被要求加入不同分组的情况，因此在加入分组前，任务先比较自己与各个父母的权重并加入权重最大的父母那一组，而被淘汰掉的父母则要求其权重次大的孩子任务加入分组。依据分组原则将所有任务划分到组内，再根据分组原则判断是否产生冗余的分组，若有则将冗余小组归并到与其权值最大的组内。为了计算方便，我们假设最后将任务划分为g个小组G₀,G₁,...,G_k,...,G_g-1。

为了形象的描述任务分组的过程，下面给出一个实例。图3是八个任务之间的相互关系，箭头的出发点为父亲，箭头所指方向为孩子，任务之间的权重值如图标记在任务的边上。按照分组原则，先将t₀划分到G₀，比较t₁,t₂与t₀的权重，将t₁也划分到G₀，并将t₂划分到G₁；比较t₃,t₄,t₆与t₁的权重，t₄,t₅与t₂的权重，并将t₄划分到G₀，t₅划分到G₁，t₃和t₆分别划分到G₂和G₃；分析比较t₇与t₃和t₆的权重，将t₇划分到G₃；最后查看所有的小组发现G₃只有一个任务t₃，并t₃与G₁中任意任务不存在兄弟关系且与t₅间权重较大，所以将t₃划分到G₁，并将G₃改为G₂，至此任务分组完成。

(3)m个任务被划分为g个任务小组，用一个m×g的矩阵X来表示任务分组情况。

用一个g×n的矩阵Y来表示任务小组的分配情况。

则矩阵Z＝X×Y是表示任务分配情况的m×n阶矩阵。

用一个n×n阶矩阵Q表示任意两个任务之间的相互通信的比特数，其中Q_ij＝W_xy。

所以任务小组k分配给节点i处理，节点i消耗的单位计算能耗为

$E_{\mathrm{comp}}\left[i\right]=\underset{x=0}{\overset{m}{\mathrm{\Σ}}}X\left[x\right]\left[k\right]\×\mathrm{DC}\left[x\right]\×E_{\mathrm{comm}}\text{[i]}$

任务小组k分配给节点i处理，节点i单位通信能耗为

$E_{\mathrm{comm}}\left[i\right]=\underset{y=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}{A}_{\mathrm{xy}}$

其中

(4)将定量分析节点任务处理性能问题看作为能耗、成功率和处理速率的最优化问题，我们构造出一个参数P的表达式来表示节点s_i任务处理性能。

用一个1×n的一维数组n_success来表示节点任务处理的成功率，n_success[i]表示节点s_i的任务处理的成功率，用一个1×n的一维数组n_total来表示节点累积处理任务的次数，则n_total[i]表示节点s_i累积处理任务的总次数，用一个1×n的一维数组v_comp来表示节点的计算速率，则v_comp[i]表示节点s_i的计算速率。根据以上节点各个属性，构造出节点任务处理性能参数P如下：

$P=\mathrm{\α}\frac{n_{\mathrm{success}}}{n_{\mathrm{total}}}+\mathrm{\β}\frac{\mathrm{RE}\left[i\right]-E_{\mathrm{comp}}\left[i\right]-E_{\mathrm{comm}}\left[i\right]}{\mathrm{RE}\left[i\right]}+\mathrm{\γ}*v_{\mathrm{comp}}\left[i\right]$

其中0≤α,β,γ≤1为等式各部分的权重，可以通过调节α,β,γ的大小来平衡节点能耗，系统可靠性和实时响应这三方面性能，保持系统的稳定性。

以上实施例仅为本发明其中的一种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (2)

1.无线传感器网络中基于节点性能的任务分配算法，其特征在于：其包括以下步骤：

1)构造一个由异构节点组成的一跳无线传感器节点模型，每个传感器节点包括其计算速率和单位计算能耗以及单位通信能耗；

2)根据解决目标问题的所有任务之间的相互关系，将所有任务根据其相互之间的逻辑关系和权重划分为若干个任务小组，将所有所述任务划分为若干个任务小组的划分原则为：

(1)：兄弟任务划分到不同的任务小组内；

(2)：父亲任务总是要求权重最大的没有入组的孩子任务加入自己组内；

(3)：孩子任务收到多个父亲任务的要求时，总是加入权重较大的父亲任务所在小组；

3)根据预设数学公式计算每个节点处理每个所述任务小组中的任务的单位计算能耗以及单位通信能耗，其计算方法如下：

节点i单位计算能耗为

$E_{\mathrm{comp}}\left[i\right]=\underset{x=0}{\overset{m}{\mathrm{\Σ}}}X\left[x\right]\left[k\right]\×\mathrm{DC}\left[x\right]\×E_{\mathrm{comm}}\left[i\right];$

其中，矩阵X来表示任务分组情况，DC[x]是每个任务的属性,

m个任务被划分为g个任务小组，用一个m×g的矩阵X来表示任务分组情况,

其中，T＝{t₀,t₁,...,t_x,...,t_m}是任务的集合，任务t_x∈T(0≤x≤m)，任务划分为g个小组G₀,G₁,...,G_k,...,G_g-1；任务小组k分配给节点i处理，节点i单位通信能耗为：

$E_{\mathrm{comm}}\left[i\right]=\underset{y=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{x=0}{\overset{m-1}{\mathrm{\Σ}}}{A}_{\mathrm{xy}}$

其中Q表示任意两个任务之间的相互通信的比特数，e_ij∈E(0≤i,j≤n)是任意两个节点s_i和s_j之间的边；用一个g×n的矩阵Y来表示任务小组的分配情况：

则矩阵Z＝X×Y是表示任务分配情况的m×n阶矩阵,n是无线传感器的个数；参数j作为另一节点的下标，其范围为0≤j≤n，且j≠i；

4)将计算得到的每个节点处理每个所述任务小组中的任务的能量消耗、节点的合作成功率和计算速率乘上各自的权重后累加，以累加值作为该节点任务处理性能参数,其方法为：用一个1×n的一维数组n_success来表示节点任务处理的成功率，n_success[i]表示节点s_i的任务处理的成功率，用一个1×n的一维数组n_total来表示节点累积处理任务的次数，则n_total[i]表示节点s_i累积处理任务的总次数，用一个1×n的一维数组v_comp来表示节点的计算速率，则v_comp[i]表示节点s_i的计算速率；根据以上节点各个属性，构造出节点任务处理性能参数P如下：

$P=\mathrm{\α}\frac{n_{\mathrm{success}}}{n_{\mathrm{total}}}+\mathrm{\β}\frac{\mathrm{RE}\left[i\right]-E_{\mathrm{comp}}\left[i\right]-E_{\mathrm{comm}}\left[i\right]}{\mathrm{RE}\left[i\right]}+\mathrm{\γ}*v_{\mathrm{comp}}\left[i\right]$

其中0≤α,β,γ≤1为等式各部分的权重，可以通过调节α,β,γ的大小来平衡节点能耗，RE[i]是传感器节点s_i∈S(0≤i≤n)的属性，代表该节点的剩余能量,

用A＝(S,E)来构造所有无线传感器的异构节点模型，

S＝{s₀,s₁,...,s_i,...,s_n}表示节点的集合，E＝{e₀₁,e₁₀,...,e_ij,...,e_n(n-1)}是边的集合；其中，将计算得到的每个节点处理每个所述任务小组中的任务的能量消耗包括计算能量消耗和通信能量消耗；

5)根据所有节点任务处理性能参数，遍历将所有所述任务小组分配给节点的情况，选取其中所有节点任务处理性能参数总和最小的分配方案。

2.根据权利要求1所述的无线传感器网络中基于节点性能的任务分配算法，其特征在于：所述步骤2)中根据预设规则将所述任务根据各自间的关系分配成若干任务小组。