CN104394537B - 一种多目标关注的无线Mesh路由器部署优化方法 - Google Patents
一种多目标关注的无线Mesh路由器部署优化方法 Download PDFInfo
- Publication number
- CN104394537B CN104394537B CN201410767428.9A CN201410767428A CN104394537B CN 104394537 B CN104394537 B CN 104394537B CN 201410767428 A CN201410767428 A CN 201410767428A CN 104394537 B CN104394537 B CN 104394537B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- munder
- deployment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000004519 manufacturing process Methods 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 238000005265 energy consumption Methods 0.000 claims abstract description 11
- 239000002245 particle Substances 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims 1
- 235000008694 Humulus lupulus Nutrition 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种多目标关注的无线Mesh路由器部署优化方法，即在制造物联环境中部署Mesh路由器，除要考虑网络带宽需求外，还需要考实现更健壮的网络覆盖、更少的传感器节点能量消耗、Mesh路由器的负载均衡等特殊需要，而这导致Mesh路由器的部署成为一个多目标优化的问题。针对该问题，本发明的制作物联网中多目标关注的无线Mesh路由器部署优化方法在保障接入节点覆盖与网络整体连通性的前提下，以尽可能小的部署成本，在网络传输吞吐量、传感器能耗以及Mesh路由器负载均衡方面达到尽可能好的性能，进而提供尽可能好的网络性能，并提出了相应的无线Mesh路由器部署多目标优化模型与寻优求解算法。
Description
技术领域
本发明涉及制造物联网领域，更具体地，涉及一种制造物联网中多目标关注的无线Mesh路由器部署优化方法。
背景技术
制造物联网环境中大规模分布着各类无线感知节点，而如何对大规模分布式无线感知节点进行有效组织，构建高性能的制造物联网络拓扑结构，直接关系到整个网络性能，是实现稳定、快捷、低能耗的感知数据获取的重要基础。考虑传统的有线网络解决方案和基于无线AP(Access Point)的网络解决方案由于受到诸如车间场地限制、制造资源移动性强和通讯盲点等问题，并不适用于在复杂车间环境中动态制造信息的传输，为此，可构建具备垂直分层拓扑结构的制造物联传输网络。骨干传输网络由高性能无线Mesh路由器构建的高速多跳传输网状网络构成。下层为cluster层，Mesh路由器负责本地cluster范围内无线节点的管理以及上下行数据的转发。
为构建该分层网络，需解决的基本问题即是：给定下层接入节点集合及其地理位置，如何在合适位置部署无线Mesh路由器，以尽可能低的部署成本保障接入节点的网络覆盖与网络整体连通性，在此基础上进一步优化网络负载能力、能耗、实时性、吞吐量、可靠性等各个方面的性能。现有针对该问题的相关技术成果较少，论文“无线Mesh网中费用最小且QoS约束的网关部署算法研究”公开了一种满足QoS约束且费用最小的无线Mesh网网关优化部署方法，把该问题归结为图的最小权有限支配集的问题进行求解。论文“无线Mesh网络中满足带宽需求的路由器部署方法”公开了一种基于网络流的MR部署贪心算法NF Greedy，该算法以迭代的方式从MR候选位置集中选择权重最大的节点进行相应的节点部署。
尽管上述研究成果提出了不同的部署优化目标，但其优化目标还比较片面，不能涵盖制造物联网中Mesh路由器部署所需考虑的优化目标。事实上，在制造物联环境中部署Mesh路由器时，除要考虑网络带宽需求外，还需要考虑实现更健壮的网络覆盖、更少的传感器节点能量消耗、Mesh路由器的负载均衡等特殊需要，而这导致Mesh路由器的部署成为一个多目标优化的问题。
发明内容
为了克服上述现有技术的问题，本发明提出一种制作物联网中多目标关注的无线Mesh路由器部署优化方法，在保障接入节点覆盖与网络整体连通性的前提下，以尽可能小的部署成本，在网络传输吞吐量、传感器能耗以及Mesh路由器负载均衡方面达到尽可能好的性能。
为了实现上述目的，本发明的技术方案为：
根据图1所描述拓扑结构，首先做如下定义：
定义S＝{CL1,...,CLm}表示可部署Mesh路由器的位置(CL)集合，T＝{T1,...,Tn}表示制造物联网中分布的无线终端(T)集合。无线路由器部署在位置CLj的成本为cj，在该位置部署无线Mesh网关的额外成本为pj，则在位置CLj部署无线Mesh网关的总成本为cj+pj.
定义di为终端Ti产生的数据流量，ujl为位置CLj与CLl之间无线链路的流量容量(如果两部署位置之间能通过一条无线链路双向连通)。如位置CLj部署有路由器，假定其无线接口访问容量为vj.M代表无线Mesh网关能承载的上限流量。定义aij＝1表示无线终端Ti与位置CLj之间可通过一条无线链路双向连通；bjl代表位置集合中各个候选部署位置的无线连接参数，若位置CLj与CLl可通过一条无线链路双向连通，则bjl＝1；oik代表各个无线终端间的连接参数，若oik＝1，则表示无线终端Ti与Tk间可通过一条无线链路双向连通。
考虑部分无线终端需通过多跳连接到Mesh路由器或网关，假定其s_pathij为终端Ti与部署于位置CLj的Mesh路由器/网关之间的最短路径(假如存在，最短路径需不包含任何其他Mesh路由器/网关)，则定义Lij＝hop(s_pathij)，否则Lij＝0，Lij为最短路径s_pathij的跳数。若相邻Mesh路由器/网关部署位置分别为CLj，CLl，则从CLj到CLl数据流量表示为fjl，Fj表示由部署在位置CLj的Mesh网关到互联网的数据流量。
基于以上参数定义，那么求解Mesh路由器/网关部署问题，即为求解以下决策变量：1)分簇决策变量xij，当无线终端Ti被分配到位置CLj时，xij＝1，否则为0；2)Mesh路由器/网关部署决策变量rj，当位置CLj部署有一个Mesh路由器/网关，rj＝1，否则为0；3)Mesh网关部署决策变量ej，当位置CLj部署有一个Mesh网关时，ej＝1，否则为0；4)无线Mesh路由器/网关连接决策变量yjl，当位置CLj、CLl部署有Mesh路由器/网关，且bjl＝1时，则yjl＝1，否则为0。
根据本发明Mesh路由器/网关部署的原则：保障接入节点覆盖与网络整体连通性的前提下，以尽可能小的部署成本，在网络传输吞吐量、传感器能耗以及Mesh路由器负载均衡方面达到尽可能好的性能。建立各项优化目标数学描述模型：
1)部署成本模型
subject to
2)网络传输吞吐量模型
3)传感器能耗模型
4)Mesh路由器/网关负载均衡模型
结合上述模型，Mesh路由器部署问题转变为一个多目标寻优的求解问题：
f(x)＝F(minf1(x),maxf2(x),,minf3(x),maxf4(x)) (14)
将max函数可以转化为min函数，因此，用加权法求得综合寻优函数为
其中wi为相应优化目标的权值。
该多目标优化问题是NP难问题，本发明采用多目标粒子群优化算法进行求解，寻找最优近似解，算法具体流程如下：
Let
P为PSO粒子群规模l为Mesh路由器/网关总数量
pi(t)＝(pi1(t),pi2(t),…,pid(t),…,pil(t)),vi(t)＝(vi1(t),vi2(t),…,vid(t),…,vil(t))pi(t)，vi(t)分别为在第t次迭代过程的位置与速度
fitness(pi)粒子pi适应函数，公式(15)
gbest(t)第t次迭代时全局最优位置
pbesti(t)第t次迭代时粒子pi个体最优位置
K迭代次数
Step1:参数初始化
初始化P，K，粒子群初始位置与速度，计算初始fitness值，全局最优位置，各粒子最优位置
Step2:迭代寻优
for t＝1:K
step 2.1：对每个粒子pi,每次迭代更新其位置与速度
pid(t+1)＝pid(t)+vid(t+1)
step 2.2：根据极值扰动策略，满足如下条件时对t0,tg进行重置：
if t0>T0 then t0＝0 end if
if tg>Tg then tg＝0 end if
step 2.3:每次迭代，根据下式计算w(t)
w(t+1)＝w(t)*(1+Δw)
step 2.4：对每个粒子pi,更新其个体最优位置：
pbesti(t+1)＝pbesti(t)
if fitness(pi(t+1))≤fitness(pbesti(t+1))then
pbesti(t+1)＝pi(t+1)
end if
step 2.5：对每次迭代，更新全局最优位置：
step 2.6：对每个粒子pi：计算t0and tg，其值为个体与全局陷入进化停滞的迭代次数
end for
Step 3:output
本发明提出一种制造物联网中多目标关注的无线Mesh路由器部署优化方法，确定了制作物联网中多目标关注的无线Mesh路由器部署优化模型与粒子群寻优求解算法，该方法在保障接入节点覆盖与网络整体连通性的前提下，以尽可能小的部署成本，在网络传输吞吐量、传感器能耗以及Mesh路由器负载均衡方面达到尽可能好的性能，进而提供尽可能好的网络性能。
附图说明
图1是本发明的制造物联网中基于无线Mesh网的分层分簇网络结构。
具体实施方式
下面结合附图对本发明做进一步的描述，但本发明的实施方式并不限于此。
Step1：获取车间场景与传感器节点实际部署位置数据，建立传感器节点地理位置分布图；根据传感器节点通信范围计算得到传感器节点无线链路连接参数oik，进而构建其拓扑连接图。
Step2：将车间按平面进行网格划分，每个网格对角长度为Mesh路由器通信距离，Mesh路由器候选部署位置为每个网格中心点，得到候选部署位置无线链路连接参数bjl。根据候选部署位置以及传感器节点位置，结合Mesh路由器与传感节点通信范围，计算aij.
Step3：获取各个传感器节点的网络流大小di，Mesh路由器可承载的访问流量vj，Mesh路由器间链路容量ujl，计算各终端Ti与部署于CLj的Mesh路由器/网关之间的最短路径跳数Lij(假如存在，最短路径需不包含任何其他Mesh路由器/网关)。
Step4：设定传感器节点的分簇规则。本发明专利对传感器节点分簇时，按照路径最短原则，即选择加入访问路径最短(网络跳数最少)的Mesh路由器。如某个传感器节点到多个Mesh路由器的网络跳数相同，则选择簇内终端数量较少的Mesh路由器加入。
Step5：设定Mesh路由器路由规则。本发明中，Mesh路由器数据路由策略采用最短路径优先原则，Mesh路由器选择一条到Mesh网关的最短路由路径。若有多条相同跳数的路径，则按负载均衡原则选择一条负载较小的路径。
Step6：根据制造物联网无线终端总流量计算Mesh网关数量，计算原则为网关数量z值建议取1.5～2。确定网关数量后，将整个制造物联网划分为N1个区域，每个子区域部署一个Mesh网关，其部署位置为该子区域中的候选部署位置之一。
Step7：根据制造物联网无线终端总流量，计算Mesh路由器数量下限值，计算原则为：Mesh路由器数量其中是Mesh路由器无线访问容量的平均值。
Step8：经过Step6，Step7，设定Mesh路由器部署的下限数量。设定公式15寻优目标函数各子目标权值，利用多目标粒子群优化算法，通过反复迭代计算，得到最优的Mesh路由器/网关部署方案。
以上所述的本发明的实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神原则之内所作出的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。
Claims (2)
1.一种多目标关注的无线Mesh路由器部署优化方法，其部署原则是：保障接入节点覆盖与网络整体连通性的前提下，以小的部署成本，在网络覆盖健壮性、网络传输吞吐量、传感器能耗以及Mesh路由器负载均衡方面达到好的性能；其特征在于，
令网络内可部署Mesh路由器位置CL的集合为S＝{CL1,...,CLm}，制造物联网中分布的无线终端T的集合为T＝{T1,...,Tn}，无线路由器部署在位置CLj的成本为cj，在该位置部署无线Mesh网关的额外成本为pj，则在位置CLj部署无线Mesh网关的总成本为cj+pj；
无线终端Ti产生的数据流量为di，当位置CLj与CLl之间能通过一条无线链路双向连通，则两部署位置之间无线链路的流量容量为ujl，位置CLj部署有路由器，其无线接口访问容量为vj，M代表无线Mesh网关能承载的上限流量；aij＝1表示无线终端Ti与位置CLj之间通过一条无线链路双向连通；bjl代表位置集合中各个候选部署位置的无线连接参数，当位置CLj与CLl间能够通过一条无线链路双向连通，则bjl＝1；oik代表各个无线终端间的连接参数，若oik＝1，则表示无线终端Ti与Tk间能够通过一条无线链路双向连通；
考虑部分无线终端需通过多跳连接到Mesh路由器或网关，无线终端Ti与部署于位置CLj的Mesh路由器/网关之间的最短路径为s_pathij，当存在最短路径，则定义Lij＝hop(s_pathij)，否则Lij＝0，Lij为最短路径s_pathij的跳数；若相邻Mesh路由器/网关部署位置分别为CLj，CLl，则从CLj到CLl数据流量表示为fjl，Fj表示由部署在位置CLj的Mesh网关到互联网的数据流量；
基于以上参数定义，那么求解Mesh路由器/网关部署问题，即为求解以下决策变量：1)分簇决策变量xij，当无线终端Ti被分配到位置CLj时，xij＝1，否则为0；2)Mesh路由器/网关部署决策变量rj，当位置CLj部署有一个Mesh路由器/网关，rj＝1，否则为0；3)Mesh网关部署决策变量ej，当位置CLj部署有一个Mesh网关时，ej＝1，否则为0；4)无线Mesh路由器/网关连接决策变量yjl，当位置CLj、CLl部署有Mesh路由器/网关，且bjl＝1时，则yjl＝1，否则为0；
建立各项优化目标数学描述模型为：
1)部署成本模型
<mrow>
<msub>
<mi>f</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>min</mi>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
<msub>
<mi>r</mi>
<mi>j</mi>
</msub>
<mo>+</mo>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<msub>
<mi>e</mi>
<mi>j</mi>
</msub>
</mrow>
subject to：
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>&Element;</mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>T</mi>
</mrow>
</munder>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>l</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>F</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>T</mi>
</mrow>
</munder>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>v</mi>
<mi>j</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>f</mi>
<mrow>
<mi>l</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<msub>
<mi>y</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>,</mo>
<mi>l</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>F</mi>
<mi>j</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>Me</mi>
<mi>j</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>r</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>r</mi>
<mi>l</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>,</mo>
<mi>l</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>e</mi>
<mi>j</mi>
</msub>
<mo>&Element;</mo>
<mo>{</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>}</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>&Element;</mo>
<mi>T</mi>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>,</mo>
<mi>l</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
2)网络覆盖健壮性模型
f2(x)＝subject to：
表示每个节点能连上至少一个以上MR/MG；
表示每个MR/MG能连上至少一个以上MR/MG；
3)网络传输吞吐量模型
<mrow>
<msub>
<mi>f</mi>
<mn>3</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<mfrac>
<msub>
<mi>f</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<msub>
<mi>u</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
</mfrac>
</mrow>
4)传感器能耗模型
<mrow>
<msub>
<mi>f</mi>
<mn>4</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>min</mi>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>T</mi>
</mrow>
</munder>
<msub>
<mi>r</mi>
<mi>j</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>t</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>r</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
5)Mesh路由器/网关负载均衡模型
<mrow>
<msub>
<mi>f</mi>
<mn>5</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<msqrt>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>/</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>&Element;</mo>
<mi>S</mi>
</mrow>
</munder>
<msub>
<mi>f</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>/</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</msqrt>
</mrow>
结合上述模型，将Mesh路由器部署问题转变为一个多目标寻优的求解问题：
f(x)＝F(minf1(x),maxf2(x),maxf3(x),minf4(x),maxf5(x))
将max函数可以转化为min函数，用加权法求得综合寻优函数为：
<mrow>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>5</mn>
</munderover>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
其中wi为相应优化目标的权值，采用多目标粒子群优化算法进行求解，寻找最优近似解，再进行无线Mesh路由器的部署。
2.根据权利要求1所述的多目标关注的无线Mesh路由器部署优化方法，其特征在于，在部署无线Mesh路由器前，先获取车间场景与传感器节点实际部署位置数据，建立传感器节点地理位置分布图；根据传感器节点通信范围计算得到传感器节点无线链路连接参数oik，进而构建其拓扑连接图；将车间按平面进行网格划分，每个网格对角长度为Mesh路由器通信距离，Mesh路由器候选部署位置为每个网格中心点，得到候选部署位置无线链路连接参数bjl；根据候选部署位置以及传感器节点位置，结合Mesh路由器与传感节点通信范围，计算aij。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410767428.9A CN104394537B (zh) | 2014-12-11 | 2014-12-11 | 一种多目标关注的无线Mesh路由器部署优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410767428.9A CN104394537B (zh) | 2014-12-11 | 2014-12-11 | 一种多目标关注的无线Mesh路由器部署优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104394537A CN104394537A (zh) | 2015-03-04 |
| CN104394537B true CN104394537B (zh) | 2017-12-05 |
Family
ID=52612361
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410767428.9A Active CN104394537B (zh) | 2014-12-11 | 2014-12-11 | 一种多目标关注的无线Mesh路由器部署优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104394537B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104980952B (zh) * | 2015-05-15 | 2018-05-29 | 东北大学 | 一种基于互信息量的监测路由器选择方法 |
| CN105101229B (zh) * | 2015-07-01 | 2018-09-25 | 广东工业大学 | 一种交通信号控制器自组网的路由节点布局方法 |
| CN107529176A (zh) * | 2016-06-22 | 2017-12-29 | 富士通株式会社 | 无线网络部署方法和装置以及资源调度方法和装置 |
| CN106059919B (zh) * | 2016-07-08 | 2017-05-31 | 杜景钦 | 一种基于智能路由器的分级式互联网系统 |
| CN107623938A (zh) * | 2016-07-13 | 2018-01-23 | 北京捷联微芯科技有限公司 | 无线局域网内大量设备接入互联网的方法及其系统 |
| CN107872806B (zh) | 2016-09-23 | 2021-07-09 | 富士通株式会社 | 路由节点位置选择方法、装置和终端设备 |
| CN106535225A (zh) * | 2016-10-16 | 2017-03-22 | 黄林果 | 一种云环境下的无线mesh网络的网关优化布置方法 |
| CN108901053B (zh) * | 2018-06-28 | 2021-07-13 | 广东工业大学 | 一种工业无线Mesh路由器部署方法、装置及系统 |
| CN109800978A (zh) * | 2019-01-09 | 2019-05-24 | 上海电力学院 | 一种数字化保护系统的可靠性参数获取及优化方法 |
| CN109495903A (zh) * | 2019-01-28 | 2019-03-19 | 广东工业大学 | 一种路由器仿真部署方法、系统及相关装置 |
| CN109743741B (zh) * | 2019-03-25 | 2021-03-02 | 京东方科技集团股份有限公司 | 无线路由器部署方法、装置、存储介质及电子设备 |
| CN111542011B (zh) * | 2020-04-27 | 2021-09-24 | 中山大学 | 一种分层的基于粒子群优化的无线传感器网络分簇路由方法 |
| CN114025325B (zh) * | 2021-11-08 | 2023-12-08 | 东莞理工学院 | 基于集合覆盖问题的网关优化部署方法及系统 |
| CN115426727A (zh) * | 2022-07-04 | 2022-12-02 | 杭州华智微控科技有限公司 | 一种无线远程自组网可靠性plc控制系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101568124A (zh) * | 2009-05-15 | 2009-10-28 | 重庆大学 | 一种无线mesh网络中的信道分配方法 |
| CN101827413A (zh) * | 2009-03-05 | 2010-09-08 | 赵欣 | 基于移动预测的动态多径路由算法 |
| CN102469580A (zh) * | 2010-11-18 | 2012-05-23 | 上海启电信息科技有限公司 | 一种基于无线传感技术的移动定位服务系统 |
| CN102577266A (zh) * | 2009-08-12 | 2012-07-11 | 英派尔科技开发有限公司 | 用于具有损链路的无线自组织网络的前瞻性概率统计路由选择 |
-
2014
- 2014-12-11 CN CN201410767428.9A patent/CN104394537B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101827413A (zh) * | 2009-03-05 | 2010-09-08 | 赵欣 | 基于移动预测的动态多径路由算法 |
| CN101568124A (zh) * | 2009-05-15 | 2009-10-28 | 重庆大学 | 一种无线mesh网络中的信道分配方法 |
| CN102577266A (zh) * | 2009-08-12 | 2012-07-11 | 英派尔科技开发有限公司 | 用于具有损链路的无线自组织网络的前瞻性概率统计路由选择 |
| CN102469580A (zh) * | 2010-11-18 | 2012-05-23 | 上海启电信息科技有限公司 | 一种基于无线传感技术的移动定位服务系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104394537A (zh) | 2015-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104394537B (zh) | 一种多目标关注的无线Mesh路由器部署优化方法 | |
| Chouhan et al. | Tunicate swarm Grey Wolf optimization for multi-path routing protocol in IoT assisted WSN networks | |
| Jafri et al. | Amctd: Adaptive mobility of courier nodes in threshold-optimized dbr protocol for underwater wireless sensor networks | |
| CN103906164B (zh) | 海上搜救无线传感器网络拓扑及拓扑控制方法 | |
| CN103200643B (zh) | 基于剩余能量感知的分布式容错拓扑控制方法 | |
| CN103945484B (zh) | 农田无线自组织网络拓扑密度关联路径选择优化方法 | |
| CN107343283A (zh) | 一种基于遗传算法的三维静态无线传感网络部署方法 | |
| Baranidharan et al. | Energy efficient hierarchical unequal clustering in wireless sensor networks | |
| Tang et al. | A novel data retrieving mechanism in wireless sensor networks with path-limited mobile sink | |
| Albu-Salih et al. | ASR-FANET: An adaptive SDN-based routing framework for FANET. | |
| CN103957544B (zh) | 一种提高无线传感器网络抗毁性的方法 | |
| CN109152103B (zh) | 一种对无线传感器网络进行组网方法及装置 | |
| Nabavi | An optimal routing protocol using multi-objective whale optimization algorithm for wireless sensor networks | |
| CN103945425A (zh) | 一种无线传感器网络中的拓扑优化方法及节点 | |
| CN107484207B (zh) | 无线传感器网络中联合拓扑控制和信道分配负载均衡方法 | |
| CN105357681B (zh) | 基于多目标优化的物联网网关部署方法 | |
| CN108093496A (zh) | 一种基于ISA100.11a标准的一致性组网方法 | |
| Bokhari et al. | i-POCA: Interference-aware partially overlapping channel assignment in 802.11-based meshes | |
| Asif et al. | Variable rate adaptive modulation (vram) for introducing small-world model into wsns | |
| CN107172676B (zh) | 一种基于节点冗余度和图着色算法的无线传感器网络路由选择方法 | |
| CN107801227B (zh) | 一种面向无线传感器网层次化分析的路由调度方法 | |
| CN103945412B (zh) | 一种基于连通性的wsn空洞节点检测方法 | |
| CN104270308A (zh) | 一种面向非均衡通信特征的射频片上网络应用映射方法 | |
| Wu et al. | Path planning in mobile wireless sensor networks | |
| CN105722173A (zh) | 基于双向吸引机制的大规模WSNs拓扑控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |