CN102547776A - 基于模型驱动和进化算法的无线传感器网络模型转换方法 - Google Patents

Abstract

本发明是一种基于模型驱动和进化算法的无线传感器网络模型转换方法，通过模型转换和优化，产生可转换代码的模型，再通过代码生成机制，产生可执行的代码，首先利用统一建模语言，建立领域模型，其次通过模型驱动体系的方法，将领域模型转换成平台无关模型，将平台无关模型转换为平台相关模型，最后平台相关模型转换为可生成代码的模型，最后通过代码换换工具将可生成代码的模型转换为代码，本发明使得开发人员专注于设计业务层次而无需考虑底层细节，缩短了开发人员的时间，降低了软件开发的成本，从而大大提高了传感器网络软件的开发效率。

Description

基于模型驱动和进化算法的无线传感器网络模型转换方法

技术领域

本发明涉及一种在无线传感器网络开发应用过程中使用模型驱动和生物进化算法结合的思想，模型化整个网络的功能性和非功能性领域，同时通过进化算法优化所创建模型的非功能领域，此技术属于计算机网络、人工智能和无线传感器网络的交叉领域。

背景技术

模型驱动工程体系是元对象管理组织(OMG)为解决系统对软件发展过程的依赖性而提出的一种机制，使系统设计者对整个系统的工作过程，在不同抽象层次上进行模型化，并且通过自动模型转换机制，逐步细化成为具体的业务模型，再将具体的业务模型通过代码转换机制，最终生成系统需要的代码。这使得开发人员专注于设计业务层次而无需考虑底层细节，缩短了开发人员的时间，降低了软件开发的成本，从而大大提高了传感器网络软件的开发效率。

无线传感器网络正经历着一个从传统传感器→智能传感器→嵌入式Web传感器的内涵不断丰富的发展过程，同时作为一种无处不在的感知技术，具有广阔的应用前景，随着应用前景的不断扩充，以及各个应用领域功能的不断更新，系统的实现复杂度也不断增长，再者由于传感器节点的资源限制，以及一个不可预知的部署环境，使得在创建传感网应用时，必须克服一些困难的非功能性约束集。

早期对无线传感器网络的应用过程采用传统的方法，在基Tinyos的无线传感器网络中，信息执行和无线通信过程使用面向组件的nesc编程来实现。这使得系统高度依赖于Tinyos的nesc平台，缺少了一定的灵活性和可移植性，并且实现的复杂度也比较大。

本发明提出在传感网开发过程中使用模型驱动开发的方法，创建一个通用的元模型来模型化整个网络的功能性和非功能性领域，提高了软件系统的健壮性、可扩展性、以及可维护性、缩短了项目开发时间，节约项目的开发成本和降低项目开发风险；模型驱动方法帮助开发人员捕获系统的结构概述，但它并没有解决传感器网络的一些非功能性约束问题(例如任务的优先调度、能耗、内存的使用情况等)，针对这些问题，本发明提出了一种将模型驱动和生物进化算法结合起来的思想，针对不同网络的非功能约束集，在评估不同的约束条件和性能价值之间做出完美的权衡。

无线传感器网络使用较多的是Tinyos系统和nesc语言，nesc语言是对C语言的进一步扩充，本发明首先使用统一建模语言在高层次上抽象出网络的领域模型，领域模型再通过模型转换机制，生成最终可应用的nesc元模型，使用统一建模语言描述的领域模型，具有一定的独立性和通用性，但是使用映射机制，将高度抽象的领域模型直接转换为nesc元模型，映射过程过于复杂，有两种方式可以避免这一过程的复杂性，第一：将高度抽象的领域模型细节化，避免由于高度抽象造成映射的复杂度；第二：在这两层元模型之间定义一些中间模型，先将抽象的领域模型映射成为简单的中间模型，再将简单的中间模型转换为nesc元模型。将领域模型细节化，会减少领域模型的通用性，故方式一不可选，方式二中通过一些中间层的转换，可以达到预期的目标，故在这里选取方式二；对此引入模型驱动体系，模型驱动体系将模型区分为平台无关模型和平台相关模型，它的核心思想是抽象出与实现技术无关、完整描述业务功能的平台无关模型，按照一定的转换方法，将平台无关模型转换成与具体实现技术相关的平台相关模型，最后，再将经过充实完善的平台相关模型转换成相应的元模型，将元模型通过代码转换机制生成所需的代码，代码自动生成功能使其建立起了上层业务模型与下层具体代码细节的桥梁，从而大大的减少了软件开发人员的工作量。

将模型驱动工程体系和生物进化算法相结合，对无线传感器网络建立模型的同时，对模型进行优化，使得不仅对网络的功能性和非功能领域模型化，而且对所建立的模型的部分非功能约束集进行优化，保证所建立的模型可以形象、具体的描述整个网络的工作状态，同时优化和约束网络的性能，在这里提出生物进化算法，进化算法的主要思想是模拟生物界自然进化和遗传过程，本发明中的模型转换过程就是一个生物的进化和遗传过程，将进化后的模型运用算法进行优化即可得到性能完善的模型，优化过程就是通过编码技术将问题的解进行编码，再利用选择、杂交、变异三种基本操作优化由这些串组成群体的进化过程。本专利构造了一个无线传感器网络的任务分配模型，来延长网络的生命周期。

发明内容

技术问题：本发明的目的是使用模型驱动体系和生物进化算法结合的思想对无线传感器网络进行建模和优化，同时通过模型转换方法和代码生成机制生成可执行的代码，使得开发人员专注于设计业务层次而无需考虑底层细节，解决了当前技术对系统平台的依赖性和不可移植性。

技术方案：本发明模型化系统的方法为：首先使用统一建模语言在高层次上抽象出网络的领域模型，领域模型是对网络的功能性和非功能性领域建模，对系统进行抽象，对系统的工作过程进行建模，描述系统中的功能特性和节点的活动状态，以及节点间信息的无线传输过程，其次，根据一定的映射转换规则，将领域模型转换成平台无关模型，平台无关模型作为用户需求的形式化表述，是模型转换模块的输入部分，在这里的转换过程使用基于图的转换规则，基于图的模型转换规则把模型看作是一个图，这样模型的转换过程就可以通过图的转换来完成，再者，将平台无关模型转换成平台相关模型，在本发明中将平台无关模型转换成平台相关模型，主要采用基于Eclipse架构的转换框架，最后将平台相关模型映射成为nesc元模型，可以通过代码转换机制将映射成的nesc元模型转换成nesc代码，代码转换过程使用面向多层次的基于组件的系统类型工具。

所述的生物进化算法就是对进化后的模型运用算法进行优化，即可得到性能完善的模型，优化过程延长了网络生命周期，减少网络能量消耗和均衡了网络负载。

一、体系结构

本发明所述的基于模型驱动体系和进化算法的无线传感器网络模型转换方法体系结构包括：建立领域模型、领域模型转换成平台无关模型、平台无关模型转换成平台相关模型、平台相关模型转换成nesc元模型，其中建立领域模型使用统一建模语言进行描述，统一建模语言的表达能力强，会避免建模过程中不必要的信息丢失，领域模型转换成平台无关模型主要采用基于图的模型转换规则，平台无关模型转换成平台相关模型主要采用基于Eclipse平台的转换框架，平台相关模型映射成nesc模型。

所述的领域模型采用Eclipse建模框架EMF，EMF是元对象管理组织设备说明书的实现，它为面向对象的分析和设计提供一个标准化的元模型，是模型驱动体系的一个重要组成部分。

所述的基于图的转换规则定义为：设有一标记图：G＝(N_G，E_G，L_G)，表示一个具有N个节点，E条边的图，L是边上的标记。如果一个图K的节点集和边集是G中对应集合的子集，而且K上的标记满足从G到K上的映射，则认为K是G的一个子图，表示为K包含于G，即图G转换为图K。

所述的生物进化算法主要步骤如下：(1)初始化，即随机生成一个符号串群体；(2)基于适度函数对符号串进行评价；(3)应用一组遗传操作生成一个新的符号串群体；(4)重复步骤(2)和(3)直至结果收敛。

所述的基于Eclipse平台的转换框架，框架中的源模型符合源元模型，它只能读不能修改；目标模型符合目标元模型，但其只能写。一个完整的框架模型转换程序需要四个文件：源元模型、目标元模型、源模型、模型转换实例。源模型通过转换生成的目标是目标模型，其语法结构是基于OCL 2.0定义的。

二、方法流程

1、定义出领域模型

对无线传感器网络的领域进行建模，使用简单的无线传感器网络的概念来描述整个系统的工作状态，在这一阶段，不考虑最终的目标平台，相反，只是对系统进行抽象，对系统的工作过程进行建模，描述系统中的功能特性和节点的活动状态，以及节点间信息的无线传输过程；领域模型可以通过约束语言提高使用域的抽象级别，通过对领域建模，使得设计师避免了系统的行为在实施过程中的复杂性。

领域建模分为以下步骤：(1)确立问题中相似的事物(行为一样并由相同的特征来刻画)并组织成一个集合；(2)把一个集合命名成一个对象；(3)确立集合中所有元素的公共特征，并命名为该集合的属性，属性可以是描述性的、命名性的和引用性的；(4)确立问题中事物之间的联系(has，is composed，composed)，因为这些联系应反映在模型中；(5)确立对象之间联系(1：1，1：m，m：m)。

2、领域模型转换成平台无关模型

平台无关模型是反映系统的主要业务的模型，是对业务需求的一种纯理论的反映，根据准确的需求分析得到的结果来进行建模，这个模型设计好后，可以供其它系统重复使用。根据一定的映射转换规则，将领域模型转换成平台无关模型，平台无关模型作为用户需求的形式化表述，是模型转换模块的输入部分。它一方面包含Web应用开发人员对生成的Web目标系统模型的编辑信息，另一方面也符合模型转换器要求的输入模型规范；转换过程使用基于图的模型转换方法。

基于图的模型转换方法把模型看作是一个图，这样模型的转换就可以通过图的转换来完成。基本思想是一般把设计的类UML模型看作是一个标记图，运用图转换规则来实现模型的转换。

转换规则为：根据定义，设有一标记图：G＝(N_G，E_G，L_G)，E_G→N_G×N_G，如果有一个映射W，能把节点和边从G映射到K(K＝(N_w，E_w，L_w))，并且维持标记，则定义为子图K是G上的一个实现。

转换规则表示为r＝(M，R，A，C)，r：N_G U E_G→N_w，其中M＝(N，E，L)是一个命名为匹配方案的图，R＝(N_R，E_R，L_R)是要删除的内容，其中A＝(N_A，E_A，L_A)表示被增加的部分，C是规则适应条件。给定图G和转换规则r＝(M，R，A，c)，运用转换规则得到结果图的步骤可以分为4步：

(1)选择一个匹配模式在G上的出现；

(2)检查条件C是否成立；

(3)从图G中删除R中的部分，与删除节点相关的边也要被删除；

(4)在图G中增加A中的部分，与增加边相关的节点也要被增加；

图转换就是把转换规则反复运用到图上，每条转换规则通过匹配指定的图模式，增加或删除转换规则中描述的元素，把一个图转换为另一个图。

3、平台无关模型转换成平台相关模型

平台相关模型是将平台无关模型通过模型规则转换成与特定技术和平台相关的模型。平台无关模型可以转换成一个或多个平台相关模型。在本发明中将平台无关模型转换成平台相关模型，主要采用基于Eclipse平台的转换框架，架构转换语言(Architecture Transformation Language)描述，架构转换语言是一种说明式(declarative)和命令式(imperative)混合的转换语言，在基于元模型间映射的模型转换方法中运用架构转换语言转换时需要手工输入源元模型、目标元模型、源模型和规则文件，源模型通过转换生成的目标是目标模型，其语法结构是基于OCL 2.0定义的，适用于表达模型驱动框架中的模型转换。

4、平台相关模型映射成nesc元模型

映射成的nesc元模型主要包括模块和接口，以及各个模块之间的关系，另外Main模块在设计过程中是必不可少的，该模块在应用程序启动时被调用，负责初始化其他模块，包含一些初始化和启动命令，为了把上述定义的各个模块的接口关联起来，高层次的配置必须被定义，模块提供和使用接口，模块提供的接口必须实现命令，使用的接口必须处理事件。

5、生物进化算法的优化过程

进化算法模拟生物界自然进化和遗传过程，在本发明中模型的转换过程是一个生物的进化和遗传过程，将进化后的模型运用算法进行优化得到性能完善的模型，优化过程是通过编码技术将问题的解进行编码，再利用选择、杂交、变异三种基本操作优化由这些串组成群体的进化过程，本发明构造一个无线传感器网络的任务分配模型，来延长网络生命周期。

无线传感器网络任务分配问题假设一个无线传感器网络由m个传感器组成，有n个独立任务要竞争使用传感器器，则任务分配的目标是要把这n个任务合理地分配到这m个传感器上执行，使总完成时间最小，具体的估计执行时间可以用一个n×m的矩阵EXT来表示，其中的元素EXT_ij表示任务i在传感器j上的估计执行时间。为便于描述，这里用另一个n×m的矩阵SOL来表示任务在传感器网络的分配方案，其中元素为1表示第i个任务分配给第j个传感器，为0表示第i个任务不分配给第个j传感器。

步骤1：传感器Sj的执行时间为分配到该传感器上的所有任务完成时间之和：

$F\left(\mathrm{Sj}\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{EXT}}_{\mathrm{ij}}\left\{i\right|{\mathrm{SOL}}_{\mathrm{ij}}=1\}$

步骤2：任务总完成时间表示为：MF＝Max(F(Sj))，(j＝1....n)；

步骤3：任务分配的目标是使具有最大运行时间的机器的运行时间最短：Minmize(MF)；

步骤4：负载平衡度是衡量传感器网络的负载平衡程度，负载平衡度越高，感器网络的负载平衡越好，具体可定义为：

$P=1-\frac{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}(\mathrm{MF}-F\left(\mathrm{Sj}\right))}{m\×\mathrm{MF}}$

步骤5：传感器的能量消耗：传感器在处理任务中有能量消耗C_local，以及在处理过程中进行调度的必要通信开销Crou，则传感器的总能量消耗为：

$C=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(C_{\mathrm{local}}^i+C_{\mathrm{rou}}^i)$

步骤6：一个理想的传感器网络应该是保证总完成时间尽可能短的同时，网络的能量消耗尽量少。因此，无线传感器网络的任务分配可抽象为以下目标模型：

$\left\{\begin{array}{c}\mathrm{Minimize}\left(\mathrm{MF}\right)\\ \mathrm{Minimize}\left(C\right),C=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\mathrm{Clocal}+\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=i+1}{\overset{m}{\mathrm{\Σ}}}\mathrm{Crou}\end{array}\right.$

步骤7：具体的任务分配方式，采用染色体编码的方式，假设任务数n，节点数m，染色体上的每个基因的位置编号代表任务编号，染色体中的每个基因位表示一个任务，而每个基因位的值就是对应任务被分配的机器编号。在这种表示方式中，每个染色体就是一种分配方案，对应着一个调度长度。例如，任务数n＝12，节点数m＝5，染色体(1，2，4，2，2，5，3，1，1，5，3，2)，表示第1个节点执行第1、8、9个任务，第2个节点执行第2、4、5、12个任务等。

任务的完成时间F(Si)越小，总完成时间MF越小，传感器网络的负载平衡度P也越大。由此适应度函数可定义如下：

$f\left(x\right)=\frac{\mathrm{MF}\left(x\right)}{\mathrm{MF}\max -\mathrm{MF}\min }+\frac{C\left(x\right)}{C\max -C\min }$

其中，MF max和MF min为当前种群中的LF的最大值和最小值，Cmax和Cmin为当前种群中的能量消耗C的最大值和最小值，MF(x)和C(x)分别为个体x的MF值和它的能量消耗值，染色体编码方式不同得到的适应度函数就不同，最佳的条件就是使适应度函数值快速收敛。

本发明的基于模型驱动和进化算法的无线传感器网络模型转换方法，通过模型转换和优化，产生可转换代码的模型，再通过代码生成机制，产生可执行的代码，首先利用统一建模语言，建立领域模型，其次通过模型驱动体系的方法，将领域模型转换成平台无关模型，将平台无关模型转换为平台相关模型，最后平台相关模型转换为可生成代码的模型，最后通过代码换换工具将可生成代码的模型转换为代码，所述的方法包含的步骤为：

步骤1)定义领域模型：使用领域相关语言对无线传感器网路的工作过程进行抽象，并建出模型，领域模型主要是对网络的功能性和非功能性领域建模，对系统进行高度抽象，对系统的工作过程清晰的进行建模，描述系统中的功能特性和节点的活动状态，以及节点间信息的无线传输过程；

步骤2)优化领域模型：利用进化算法建立适应函数，优化领域模型，构造一个无线传感器网络的任务分配模型，将任务进行编码，通过遗传、杂交等手段来延长网络生命周期，均衡网络的负载。

步骤3)模型转换过程和进化算法优化过程：无线传感网络的模型转换过程，将领域模型通过基于图的转换规则，生成平台无关模型，运用进化算法优化生成的平台无关模型，将平台无关模型通过架构转换模块，生成平台相关模型，优化平台相关模型，将平台相关模型通过映射机制，生成可以转换成代码的元模型，优化生成的元模型。

定义领域模型，由统一建模语言进行对整个无线传感器网络进行建模，对网络的信息传递过程以及信息执行、任务分配方式进行建模。

优化领域模型，优化领域模型主要采用生物进化算法对转换成的模型进行优化，利用编码技术将问题的解进行编码，再利用选择、杂交、变异三种基本操作优化由这些串码组成的群体，最后得到优化的模型。

模型转换过程和进化算法优化过程包括三个阶段：第一个阶段是将定义的领域模型转换成平台无关模型，同时进行优化；第二个阶段是将映射成的平台无关模型转换成平台相关模型，同时进行优化，第三个阶段是将平台相关模型转换成可生成代码的元模型，同时进行优化。

有益效果：本发明所述的基于模型驱动体系和进化算法的无线传感器网络模型转换方法，转换过程中通过在不同层次抽象出不同的模型，并且将不同层次的模型进行转换，最终生成可执行的代码，同时利用生物进化算法，将转换的模型进行性能优化。具体来说，本发明所述的方法具有如下的有益效果：

(1)本发明提出了模型驱动方式和进化算法来模型化和优化无线传感器网络的工作过程，将模型驱动体系和进化算法相结合，在应用框架的基础上显著的减少了无线传感器网络应用过程的成本，减少了开发人员的工作量。

(2)使用统一建模语言对系统进行高度抽象，使得设计师在平台无关的情况下模型化他们的系统，从而获得更加灵活性和通用性的模型，其中建立领域模型使用领域相关约束语言，领域模型的表达能力强，会避免建模过程中不必要的信息丢失。

(3)两层附加的平台无关和平台相关层被用来细节化系统架构，从最初的领域模型到最终的应用代码，自动的模型转换已经在开源Eclipse平台提供的模型驱动工程体系设备中实现。

(4)利用统一建模语言定义的领域模型和附加的中间件模型-平台无关模型，具有高度的抽象性和通用性，针对不同的目标平台和领域，可以定义出重复使用的模型，具有一定的先进性。

(5)使用模型驱动体系对系统进行抽象，对系统的工作过程进行建模，描述系统中的功能特性和节点的活动状态，以及节点间信息的无线传输过程，通过模型转换和代码生成机制，生成适合无线传感器网络应用的代码，提高了软件系统的健壮性、可扩展性、以及可维护性、缩短了项目开发时间，节约项目的开发成本和降低项目开发风险。同时解决当前技术对平台的依赖性和不可移植性。

(6)生物进化算法作为一种优化工具，在评估系统的性能和约束之间做出合理的权衡，另外，优化过程延长了网络生命周期，减少网络能量消耗和均衡了网络负载。

附图说明

图1是基于模型驱动体系的无线传感器网络模型转换过程示意图。

图2是平台无关模型转换为平台相关模型的示意图。

图3是基于模型驱动体系的无线传感器网络模型转换到代码生成的流程图。

图4是生物进化算法的任务分配示意图。

具体实施方式

下面对附图本明的某些实施例作更详细的描述。

根据图1，本发明建立在模型驱动体系和进化算法的基础上，生成可转换成代码的元模型，具体的实施方式为(如图2和3描述)：

1、对无线传感器网络的领域进行建模

使用领域相关语言对无线传感器网路的工作过程进行抽象，并建出模型，领域模型具有高度的抽象性和通用性，与区域无关，并且与平台无关，通过对领域建模，使得设计师避免了系统的行为在实施过程中的复杂性，建模过程为将无线传感器网络覆盖的领域分成一个个的区域，每个区域有若干个节点簇组成，节点簇中的节点在网络中不断传递数据，这些数据以信息为单位，数据传递过程包括数据的发送和接收，区域之间通过无线通信进行连接，各个节点的传感器读取的相关数据称之为传感器数据，所有的数据均存储在数据存储器中，数据存储器中的数据可以被读，也可以被写，能量单元用来查看节点的剩余能量，在无线传感器网络中各个节点需要执行一系列的任务，这些任务构成了一个任务集，任务集中的任务有一定的执行顺序(通过遗传算法来约束)，保证各个节点在及时完成任务后，进入休眠状态，节省电源的能量，控制任务集的单元称之为任务循环管理器。同时任务还有功能性和非功能性之分，功能性的任务即为完成系统要求的

目的而需要执行的操作，非功能性任务为使系统优化的一些约束集。

2、利用模型驱动体系架构中间件模型

使用领域相关语言描述的领域模型，具有一定的独立性和通用性，但是使用映射机制，将高度抽象的领域模型直接转换为nesc元模型，映射过程过于复杂，所以引入模型驱动体系，在这两层元模型之间定义出中间件模型，先将抽象的领域模型映射成为简单的中间件模型，再将简单的中间件模型转换为nesc元模型。

中间件模型主要是平台无关模型和平台相关模型，平台无关模型与实现技术无关、同时可以完整描述业务的功能，将领域模型映射成为平台无关的模型主要使用基于图的转换规则，基于图的模型转换方法把模型看作是一个图，这样模型的转换就可以通过图的转换来完成，基本思想是一般把设计的类UML模型看作是一个标记图，运用图转换规则来实现模型的转换，在图中按照一定的规则添加、删除边来使得模型发生转换。

基于中间件模型的平台相关模型，是与某种特定技术相关的模型，在平台相关模型中可以使用特定技术的实现构造来描述系统，将平台无关模型转换成为平台相关模型主要使用基于Eclipse平台对的转换框架，用架构转换语言进行描述，架构转换模块符合模型到模型的转换，这种架构转换语言单元能够使得开发人员制定从元模型元素产生目标模型元素的方法，一个架构转换语言模块中的源模型和目标模型必须被各自的元模型定义。

3、通过映射产生nesc元模型

平台相关模型可以通过映射机制生成nesc元模型，映射成的nesc元模型主要包括模块和接口，以及各个模块之间的关系，另外Main模块在设计过程中是必不可少的，因为他是在应用程序启动时被调用，此模块负责初始化其他模块，包含一些初始化和启动命令；为了把上述定义的各个模块的接口关联起来，高层次配件必须被定义，模块提供和使用接口，模块提供的接口必须实现命令，使用的接口必须处理事件。

4、生物进化算法的引入

将各层定义的模型运用一定的算法进行优化，使得下层模型在继承上层模型的优点的同时也要优化自己的特性，使得每层的模型均具有最完美的表示形式，优化过程就是通过编码技术将问题的解进行编码，再利用选择、杂交、变异三种基本操作优化由这些串组成群体的进化过程。本发明构造了一个无线传感器网络的任务分配模型，来延长网络生命周期，均衡网络的负载，用染色体上的基因编码表示已经优化了得任务集，使得节点间可以按照染色体的编码进行任务的分配和传递，保证得到最优的形式。

Claims (4)

1.一种基于模型驱动和进化算法的无线传感器网络模型转换方法，其特征在于通过模型转换和优化，产生可转换代码的模型，再通过代码生成机制，产生可执行的代码，首先利用统一建模语言，建立领域模型，其次通过模型驱动体系的方法，将领域模型转换成平台无关模型，将平台无关模型转换为平台相关模型，最后平台相关模型转换为可生成代码的模型，最后通过代码换换工具将可生成代码的模型转换为代码，所述的方法包含的步骤为：

步骤1）定义领域模型 ：使用领域相关语言对无线传感器网路的工作过程进行抽象，并建出模型，领域模型主要是对网络的功能性和非功能性领域建模，对系统进行高度抽象，对系统的工作过程清晰的进行建模，描述系统中的功能特性和节点的活动状态，以及节点间信息的无线传输过程；

步骤2）优化领域模型： 利用进化算法建立适应函数，优化领域模型，构造一个无线传感器网络的任务分配模型，将任务进行编码，通过遗传、杂交等手段来延长网络生命周期，均衡网络的负载；

步骤3）模型转换过程和进化算法优化过程： 无线传感网络的模型转换过程，将领域模型通过基于图的转换规则，生成平台无关模型，运用进化算法优化生成的平台无关模型，将平台无关模型通过架构转换模块，生成平台相关模型，优化平台相关模型，将平台相关模型通过映射机制，生成可以转换成代码的元模型，优化生成的元模型。

2.  如权利要求1所述的基于模型驱动和进化算法的无线传感器网络模型转换方法，其特征在于定义领域模型，由统一建模语言进行对整个无线传感器网络进行建模，对网络的信息传递过程以及信息执行、任务分配方式进行建模。

3.如权利要求1所述的基于模型驱动和进化算法的无线传感器网络模型转换方法，其特征在于优化领域模型，优化领域模型主要采用生物进化算法对转换成的模型进行优化， 利用编码技术将问题的解进行编码，再利用选择、杂交、变异三种基本操作优化由这些串码组成的群体，最后得到优化的模型。

4.如权利要求1所述的基于模型驱动和进化算法的无线传感器网络模型转换方法，其特征在于模型转换过程和进化算法优化过程包括三个阶段：第一个阶段是将定义的领域模型转换成平台无关模型，同时进行优化；第二个阶段是将映射成的平台无关模型转换成平台相关模型，同时进行优化，第三个阶段是将平台相关模型转换成可生成代码的元模型，同时进行优化。

Images