CN106900007B - 面向重叠分簇的无线传感器网络的复杂任务分配方法 - Google Patents

面向重叠分簇的无线传感器网络的复杂任务分配方法 Download PDF

Info

Publication number
CN106900007B
CN106900007B CN201710063921.6A CN201710063921A CN106900007B CN 106900007 B CN106900007 B CN 106900007B CN 201710063921 A CN201710063921 A CN 201710063921A CN 106900007 B CN106900007 B CN 106900007B
Authority
CN
China
Prior art keywords
task
sensor
node
nodes
energy
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
Application number
CN201710063921.6A
Other languages
English (en)
Other versions
CN106900007A (zh
Inventor
尹翔
戴维超
常丽萍
李斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangzhou University
Original Assignee
Yangzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yangzhou University filed Critical Yangzhou University
Priority to CN201710063921.6A priority Critical patent/CN106900007B/zh
Publication of CN106900007A publication Critical patent/CN106900007A/zh
Application granted granted Critical
Publication of CN106900007B publication Critical patent/CN106900007B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
    • H04W28/0221—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices power availability or consumption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及面向重叠分簇的无线传感器网络的复杂任务分配方法。本发明根据各传感器节点的物理位置将整个无线传感器网络进行分簇，基站从外界接收待完成的复杂任务，然后对复杂任务进行分解，基站将复杂任务分解完后对其进行分配，任务分配结束后，被分配到任务的节点开始执行任务，在复杂任务被成功完成后，基站更新网络中节点的参数。本发明克服了传感器网络通常规模较大，节点众多，交互需要耗费大量能量，影响网络的生存时间的缺陷。本发明单个簇内的传感器节点能够将任务成功分配，那么节点之间可以通过更短的通信距离进行协作，减少能量的消耗和时间的花费。

Description

面向重叠分簇的无线传感器网络的复杂任务分配方法
技术领域
本发明涉及无线传感器网络技术领域，尤其涉及面向重叠分簇的无线传感器网络的复杂任务分配方法。
背景技术
无线传感器网络是由具有感知、处理和无线通信能力的微型结点通过自组织方式形成的网络。其目的是协作地感知、采集和处理网络覆盖的地理区域中感知对象的信息，并发布给观察者。由于单个传感器节点的能量和资源很有限，难以完成复杂任务，所以网络中多个节点通过协作共同完成任务是必不可少的。因此，任务分配成为传感器网络中一个重要而基本的问题。通过对任务的合理分配，不仅能够保证任务被高效完成，同时还能够有效延长网络生命周期，缩短任务完成时间，均衡网络能量分布。
关于传感器网络中的任务分配问题，已有一些方法被提出。在A Task AllocationAlgorithm Based on Score Incentive Mechanism for Wireless Sensor Networks一文中，作者提出了一种基于分数激励机制的任务分配算法(TASIM)。TASIM的分数奖励或惩罚机制实施在以分簇为基础的传感器网络中，簇头负责任务的分配和分数的计算。基于完成该任务的成绩指标，簇内成员可以互相协作完成复杂的任务。在Task Allocation forWireless Sensor Network Using Modified Binary Particle Swarm Optimization一文中，作者通使用改进的二进制粒子群优化(MBPSO)算法来进行任务分配，每个粒子通过MBPS0编码来表示一个完整的任务分配方案，并通过设计一个混合适应度函数来找到一个最佳的解决方案。
现有的方法一般都假设任务的完成只需要一种资源，即计算资源，这个假设严重制约了这些方法的应用。在实际中，传感器网络需要同时感知不同类型的信息，如同时获取温度信息，湿度信息，压力信息等等，多样化的信息感知能力在现代传感器网络中是必不可少的。另一方面，现有的方法主要考虑在整个传感器网络搜索节点来完成任务，然而，传感器网络通常规模较大，节点众多，若承担任务的节点较为分散，则他们之间的交互需要耗费大量能量，这将严重影响整个网络的生存时间。
发明内容
本发明的目的就是为了解决上述问题，提供面向重叠分簇的无线传感器网络的复杂任务分配方法。
本发明的技术方案是：
面向重叠分簇的无线传感器网络的复杂任务分配方法，其特征在于如下步骤：
(1)根据各传感器节点的物理位置将整个无线传感器网络进行分簇；
(2)基站从外界接收待完成的复杂任务，然后对复杂任务进行分解；
(3)基站将复杂任务分解完后对其进行分配，任务分配结束后，被分配到任务的节点开始执行任务；
(4)在复杂任务被成功完成后，基站更新网络中节点的参数；
所述步骤(1)中，在整个传感器网络中，给每个传感器节点一个成为簇头的概率p，p为[0.05，0.5]中的随机产生的数，r为[0，1]中随机产生的数，当p＞r时，若该节点不属于任何簇，则该节点成为簇头，在簇头以k跳向外传播，k为该节点的最大传播跳数，k跳以内所有的传感器节点都加入该簇，组成一个新的簇。在分簇过程中，会产生簇间区域重叠的情况，需要对任务分配的范围进行限定。作为非重叠区域中的传感器节点，其通信范围只限在其所属的簇内，即任务分配只可以在该节点所属的簇内进行，而作为重叠区域内的传感器节点，由于其同时属于多个簇，所以其可以和不同簇内的传感器节点进行通信，因此任务分配可以在该节点所属的多个重叠簇内进行。
所述步骤(2)中，当基站接收到一个复杂任务时，基站根据该复杂任务所请求信息的类型对其进行分解，分解是基于该任务所要求的不同功能的传感器进行的，例如，一个任务需要r种不同功能的传感器，则将此任务分解为r个子任务，每个子任务对应一种类型的信息请求。
所述步骤(3)中，任务分配的具体步骤如下：
步骤(3-1)按照任务达到的先后顺序，基站取出所有子任务中的第一个，根据其所需功能的类型，在整个传感器网络中找出所有能够完成该子任务的传感器节点；
步骤(3-2)由于不同的传感器节点具备不同的处理速度，并且完成任务所需要消耗的能量也不一样，同时考虑到网络中能量分布的均衡，我们在任务分配过程中，通过结合能量、节点使用次数以及时间消耗这些参数，组成一个综合的适应度评价函数(具体的适应度函数为：Fitness_value＝time+energy_consumption+(energy_initial-energy_residual)+time_record*10^(-3)；time为完成该子任务所需消耗的时间；nergy_consumption为传感器节点完成该子任务所需消耗的能量；energy_initial为传感器节点的在网络初始化时的剩余能量；energy_residual为传感器节点的剩余能量；time_record为传感器节点的使用次数；)，对选出来的具备完成该任务的所有节点做一个综合评价，基站将得到的适应度值由小到大排序，将排序结果中的第一个挑选出来，该结果对应的传感器节点即为完成第一个子任务的节点；
步骤(3-3)基站定位步骤(3-2)挑选的节点所处的位置，判断其是否为簇间重叠区域的节点，如果是，找出该重叠节点所属的多个重叠簇内的所有节点，如果不是，找出该节点所属簇内的所有节点；
步骤(3-4)在步骤(3-3)找出的所有节点中，找出具备完成下一个子任务的传感器节点，通过步骤(3-2)的方法选出最适合完成第二个子任务的传感器节点，并将第二个子任务分配给该节点；
步骤(3-5)重复步骤(3-4)，如果所有子任务均被分配，那么该复杂任务被成功分配；若出现找不到合适的节点去完成相应的子任务，那么整个复杂任务需要重新被分配。从(3-2)所产生的序列中选出次最小值，然后将任务分配给该次最小值所对应的传感器节点去完成，然后重复执行，直到所有子任务均被成功分配，任务分配结束后，被分配到任务的传感器节点开始执行任务；
所述步骤(4)中，基站需要实时掌握传感器网络中所有传感器节点的相关信息。具体而言，每次完成任务之后，参与任务执行的传感器节点将自己的剩余能量发送给基站，基站更新该传感器节点的剩余能量信息以及参与任务的次数信息。
本发明的优点和效果在于：
(1)现有的传感器网络中的任务分配方法主要考虑在整个传感器网络中寻找最优节点来完成任务，这对于节点间的交互与通信是很不利的。而在本发明中，对于一个复杂任务，优先考虑在单个簇内进行分配，因为相比于通过分散在整个网络中的传感器节点协作完成任务，如果在单个簇内的传感器节点能够将任务成功分配，那么节点之间可以通过更短的通信距离进行协作，从而减少能量的消耗和时间的花费。若存在无法分配情况的话，再利用重叠簇的传感器节点在其所属的多个簇内寻找合适的传感器节点协作完成该复杂任务。这样，可以提高复杂任务被成功分配的概率。
(2)本发明提出的任务分配方法能够处理需要多种资源的任务，即任务的完成需要感知、收集、发送不同类型的信息，这更符合实际情形，使得该方法具有广阔的应用前景。
(3)在任务分配过程中，我们不仅对完成任务所消耗的能量和时间进行考虑，还会在每次任务完成后对参与任务的传感器节点的剩余能量、使用次数等信息进行更新。这样，在保证后续任务被有效地分配的同时，还能避免了一些能力较强的传感器节点因为被分配到过多的任务出现过早死亡的问题，采取这种方法可以均衡网络的能量分布，延长网络的生命周期。
附图说明
图1——本发明所使用的重叠分簇的传感器网络示意图
图2——本发明的总体流程示意图
图3——本发明所使用的任务分配方法示意图
具体实施方式
下面将结合本发明实例中的附图，对本发明实例中的技术方案进行清楚地、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
本发明的技术思路是：
提出一种面向重叠分簇的无线传感器网络的复杂任务分配方法。由于每个传感器节点只能感知和采集一种类型的信息，而复杂任务是由多种类型的信息请求组成的，所以就需要把该复杂任务根据请求信息的类型进行分解，分解后得到的每个子任务对应一种类型的信息请求。同时，对于一个复杂任务，优先考虑将这个复杂任务在单个簇中进行分配，如果该复杂任务无法在单个簇中成功地被分配，再利用簇间重叠区域内的传感器节点在其所属的多个簇中寻找合适的传感器节点协作完成该复杂任务。在任务分配过程中，还需考虑传感器节点完成该子任务所花费的时间、所消耗的能量这些因素，从而将任务分配给最合适的传感器节点去完成。同时，在每个复杂任务完成后，还需要更新整个网络中传感器节点的剩余能量、使用次数信息，这样在后续的任务分配过程中可以起到均衡整个网络的能量分布的效果，使任务与传感器节点能够更快更好地进行匹配。
下面具体地说明本发明。
本发明提出了一种面向重叠分簇的无线传感器网络的复杂任务分配方法，首先参见图1，为了更好地说明本发明中所使用的重叠分簇网络模型，图1为一个简单的重叠分簇的传感器网络模型，如图1所示的重叠分簇网络中，传感器节点a1、a2和a4只属于簇C1，a5、a6和a7只属于簇C2，而a3为两簇之间重叠区域内的传感器节点，所以a3既属于簇C1又属于簇C2，因此a3的通信范围将簇C1、C2的通信范围结合，这样a3就可以通过寻找簇C1、C2中合适的传感器节点来协作完成任务。在图1中，每个传感器节点可采集信息的类型为：a1＝{r3}、a2＝{r4}、a3＝{r1}、a4＝{r5}、a5＝{r4}、a6＝{r2}、a7＝{r3}(r1，r2，r3，r4，r5分别代表不同类型的信息)；当来一个复杂任务t1＝{r1，r3，r4}时，C1和C2中都可以找到合适的传感器节点来完成该复杂任务，如在簇C1中选择a1，a2，a3或者在簇C2中选择a3，a5，a7都可以完成t1，但是当出现任务t2＝{r1，r2，r5}时，在簇C1或者簇C2中都无法找到全部的合适节点去完成这个复杂任务，当a3作为簇间重叠区域内的传感器节点时，在a3的通信范围内，可以将任务t2分配给a3，a4，a6，这时候任务就能被成功地分配，重叠分簇网络的优势就能够很明显地体现出来。
本发明中所使用的是一种面向重叠分簇的无线传感器网络的复杂任务分配方法，其总体流程参见图2：
(201)初始化整个无线传感器网络，将传感器节点随机分布在指定的区域内。
(202)对网络进行分簇，将不处于簇间重叠区域内的传感器节点归类为普通节点，普通节点的通信范围仅限在其所属的簇内，也就是指普通节点的合作节点也必须在簇内的；将簇间重叠区域内的传感器节点归类为重叠区域节点，由于重叠区域节点同时属于多个簇，所以其可以在多个簇内进行通信，因此任务分配可以在该节点所属的多个重叠簇中进行。具体实施方式为：在整个传感器网络中，给每个传感器节点一个成为簇头的概率p，p为[0.05，0.5]中的随机产生的数，r为[0，1]中随机产生的数，当p＞r时，若该节点不属于任何簇，则该节点成为簇头，簇头以k跳向外传播，k为该节点的最大传播跳数，k跳以内所有的传感器节点都加入该簇，组成一个新的簇。当所有的传感器节点都成为簇内成员时，分簇结束。
(203)基站等待任务的派遣，在收到任务之前，所有的传感器节点都处于休眠状态以节省不必要的能量消耗。只有分配到任务和进行数据传输的传感器节点才会被激活去执行任务，其余的将一直处于休眠状态。
(204)当基站感知到任务时，按任务到来的顺序将这些任务进行排队，同时任务的执行顺序也是按照排队结果进行。具体实施方式为：Q为一个初始化为空的队列，当基站感知到任务t1、t2、t3、t4、t5的到来时，将他们按到来顺序插入队列Q，此时Q更新后为Q＝{t1，t2，t3，t4，t5}，任务执行的顺序即为从t1开始，到t5结束。
(205)基站根据排队的任务，将第一个复杂任务挑出，由于是复杂任务，处理该任务同时需要多种类型的信息，而单个传感器节点只能感知和采集一种类型的信息，所以就需要把复杂任务进行分解，分解是基于该任务所要求的不同功能的传感器进行的，分解后得到的每个子任务对应需要一种类型的信息。具体实施方式为：如果任务t1＝{r1，r2，r3}，r1，r2，r3代表信息请求的类型，那么完成任务t1就需要能够处理r1，r2，r3的传感器节点，根据信息的请求类型将t1分解成t11、t12、t13这三个子任务，子任务t11对应为r1类型的信息请求，子任务t12对应为r2类型的信息请求，子任务t13对应为r3类型的信息请求。
(206)基站对分解后的子任务进行分配。
(207)当复杂任务分解出的所有子任务都被成功分配以后，被分配到任务的传感器节点开始执行任务。
(208)当一个复杂任务被完成后，参与完成任务的传感器节点的剩余能量会产生变化，这时基站需要更新传感器网络中这些传感器节点的参数，同时还要对参与完成任务的节点的使用次数进行统计，以便在后续的任务分配过程中考虑到这些因素，从而达到均衡网络的能量分布、提高网络生命周期的效果。具体更新过程为：在有S个传感器节点的传感器网络中，time_record为一个S维的向量，向量中的每一维用于记录对应传感器节点的使用次数，任务开始前每一维的值置为零，在每次执行完任务后，参与执行任务的传感器节点在向量中对应维的值进行加1处理，这样传感器节点的使用次数能够不断更新。energy_residual 为一个S维向量，向量中的每一维用于记录对应的传感器节点的剩余能量。energy_initial为一个S维的向量，向量中的每一维用于记录对应传感器节点的在网络初始化时的剩余能量。每次任务完成所消耗的总能量由通信能量和计算能量组成，将初始能量energy_initial减去完成任务所消耗的总能量就可以的得到传感器节点的剩余能量，将传感器节点的当前剩余能量值替代energy_residual中对应维的值，这样在任务分配过程中，就能实时掌握传感器节点的剩余能量信息。
(209)在对传感器网络的信息更新后，便可以继续完成新的任务，若Q不为空，那么回到(205)继续执行，当所有的复杂任务均被成功分配，任务分配宣告结束。
为了进一步详细说明在重叠网络中关于被分解的子任务是如何进行分配的，参见图3，其详细说明如下：
(301)首先，将复杂任务分解后得到的子任务进行排队，每个子任务对应需要一种类型的信息。具体实施方式为：q为一个初始化为空的队列，在t1分解依次得到t11、t12、t13后，将这三个子任务插入队列q中，此时q更新为q＝{t11，t12，t13}，子任务分配的顺序为从t11开始，到t13结束。
(302)从q中取出第一个等待分配的子任务。具体实施方式为：从q中取出t11。
(303)根据取出来的第一个子任务，判断其请求信息的类型，然后基站从传感器网络中找出所有具备完成该子任务的传感器节点，将这些传感器节点组成一个集合。
(304)基站将集合中所有的传感器节点根据适应度函数求出相应的适应度值。在此所提到的适应度函数是由完成任务的能量消耗、时间消耗、传感器节点的剩余能量、传感器节点的使用次数归一化组成的。具体的适应度函数为：Fitness_value＝time+energy_consumption+(energy_initial-energy_residual)+time_record*10^(-3)；time为完成该子任务所需消耗的时间；nergy_consumption为传感器节点完成该子任务所需消耗的能量，所消耗的能量由通信能量和计算能量两部分组成；energy_initial为传感器节点的初始能量；energy_residual为传感器节点的剩余能量，通过初始能量减去完成任务所消耗的能量就可以得到该节点的剩余能量；time_record为传感器节点的使用次数；将time_record乘以10^(-3)是用来将time_record与其他参数进行归一化的处理。
(305)在基站算出每个传感器节点的适应度值后，将这些值进行由小到大的排序。
(306)对于适应度函数而言，求其值越小越好，值越小代表该节点更适合完成该子任务，因此，最小值所对应的传感器节点，被认为是最合适的候选节点，因此将该子任务预先分配给该传感器节点。之所以为预分配，是因为只有当所有的子任务都被成功分配后，传感器节点才能开始执行任务，如果出现后续子任务无法分配的情况，所有子任务都将被重新分配。
(307)如果此时在步骤(301)中产生的q不为空，就要继续分配剩余的子任务，定位到第一个被选出的传感器节点，判断其是否为重叠区域节点，如果不是，那么在这个节点所属的簇内寻找具备完成上述待分配子任务的传感器节点，重复步骤(304)-(306)，选出最合适的传感器节点；如果是重叠区域节点，由于该传感器节点同时属于多个簇，所以可以先将其作为普通节点，在所属的各个簇中逐个通过上述方法寻找合适的传感器节点，如果所有的子任务在单个簇内找不到能够完成它们的传感器节点，再将该传感器节点作为重叠区域节点，在其所属的多个簇中寻找合适的传感器节点来协作完成未被分配的子任务。
(308)如果出现步骤(307)后续的子任务一直找不到合适的传感器节点去完成，那么该复杂任务分配失败，需要把q中的所有子任务重新进行分配，从步骤(305)产生的排序中找到次最小值，定位该值对应的传感器节点，将该子任务预先分配给这个传感器节点，然后重复步骤(307)将q中剩余的子任务进行分配。
(309)如果此时依然无法将q中所有的子任务成功地分配出去，那么该复杂任务分配失败。如果通过上述步骤能够成功地将任务分配出去，那么该复杂任务分配成功，然后被分配到任务的传感器节点开始执行任务，任务执行完后进入休眠模式，等待新任务的到来。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此，所有等同的技术方案也属于本发明的范畴，本发明的实际保护范围应由权利要求限定。

Claims (5)

1.面向重叠分簇的无线传感器网络的复杂任务分配方法，其特征在于，所述方法包括步骤：
(1)根据各传感器节点的物理位置将整个无线传感器网络进行分簇；
(2)基站从外界接收待完成的复杂任务，然后对复杂任务进行分解；
(3)基站将复杂任务分解完后对其进行分配，任务分配结束后，被分配到任务的节点开始执行任务；
(4)在复杂任务被成功执行后，基站更新网络中节点的参数；
所述步骤(1)中，在整个传感器网络中，给每个传感器节点一个成为簇头的概率p，p为[0.05，0.5]中的随机产生的数，s为[0，1]中随机产生的数，当p＞s时，若该节点不属于任何簇，则该节点成为簇头，簇头以k跳向外传播，k为簇的大小，k跳以内所有的传感器节点都加入该簇，组成一个新的簇；在分簇过程中，会产生簇间区域重叠的情况，需要对任务分配的范围进行限定；作为非重叠区域中的传感器节点，其通信范围只限在其所属的簇内，即任务分配只可以在该节点所属的簇内进行，而作为重叠区域内的传感器节点，由于其同时属于多个簇，所以其可以和不同簇内的传感器节点进行通信，因此任务分配可以在该节点所属的多个重叠簇内进行。
2.根据权利要求1所述的面向重叠分簇的无线传感器网络的复杂任务分配方法，其特征在于所述步骤(2)中，当基站接收到一个复杂任务时，基站根据该复杂任务所请求信息的类型对其进行分解，分解是基于该任务所要求的不同功能的传感器进行的。
3.根据权利要求1所述的面向重叠分簇的无线传感器网络的复杂任务分配方法，其特征在于所述步骤(3)中，任务分配的具体步骤如下：
(3-1)基站取出所分解子任务中的第一个，根据其所需功能的类型，在整个传感器网络中找出所有能够完成该子任务的传感器节点；
(3-2)由于不同的传感器节点具备不同的处理速度，并且完成任务所需要消耗的能量也不一样，同时考虑到网络中能量分布的均衡，我们在任务分配过程中，通过结合能量、节点使用次数以及时间消耗这些参数，组成一个综合的适应度评价函数；具体的适应度函数为：Fitness_value＝time+energy_consumption+(energy_initial-energy_residual)+time_record*10^(-3)；其中time为完成该子任务所需消耗的时间；nergy_consumption为传感器节点完成该子任务所需消耗的能量，所消耗的能量由通信能量和计算能量两部分组成；energy_initial为传感器节点的初始能量；energy_residual为传感器节点的剩余能量；time_record为传感器节点的使用次数；基站将各传感器节点的适应度值由小到大进行排序，选出对应于最小值的传感器节点，则将第一个子任务分配给该传感器节点；
(3-3)基站定位步骤(3-2)挑选的节点所处的位置，判断其是否为重叠区域的节点，如果是，找出该重叠节点所属的多个重叠簇内的所有节点，如果不是，找出该节点所属单个簇内的节点；
(3-4)在步骤(3-3)找出的所有节点中，找出具备完成下一个子任务的传感器节点，重复步骤(3-2)的方法选出最适合完成第二个子任务的传感器节点，并将第二个子任务分配给该节点；
(3-5)重复步骤(3-4)，如果所有子任务均被分配，那么该复杂任务被成功分配；若出现找不到合适的节点去完成相应的子任务，那么整个复杂任务需要重新被分配；具体过程如下：从(3-2)所产生的序列中选出次最小值，然后将子任务分配给该次最小值所对应的传感器节点去完成，然后重复执行(3-3)-(3-4)，直到所有子任务均被成功分配；任务分配结束后，被分配到任务的传感器节点开始执行任务。
4.根据权利要求1所述的面向重叠分簇的无线传感器网络的复杂任务分配方法，其特征在于所述步骤(4)中，基站需要实时掌握传感器网络中所有传感器节点的相关信息；具体而言，每次完成任务之后，参与任务执行的传感器节点将自己的剩余能量发送给基站，基站更新该传感器节点的剩余能量信息以及参与任务的次数信息。
5.根据权利要求2所述的面向重叠分簇的无线传感器网络的复杂任务分配方法，其特征在于对复杂任务的分解具体为：一个复杂任务需要r种不同功能的传感器，则将此任务分解为r个子任务，每个子任务对应一种类型的信息请求，同时将子任务按照分解的次序进行排序。
CN201710063921.6A 2017-01-25 2017-01-25 面向重叠分簇的无线传感器网络的复杂任务分配方法 Active CN106900007B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710063921.6A CN106900007B (zh) 2017-01-25 2017-01-25 面向重叠分簇的无线传感器网络的复杂任务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710063921.6A CN106900007B (zh) 2017-01-25 2017-01-25 面向重叠分簇的无线传感器网络的复杂任务分配方法

Publications (2)

Publication Number Publication Date
CN106900007A CN106900007A (zh) 2017-06-27
CN106900007B true CN106900007B (zh) 2020-01-03

Family

ID=59198754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710063921.6A Active CN106900007B (zh) 2017-01-25 2017-01-25 面向重叠分簇的无线传感器网络的复杂任务分配方法

Country Status (1)

Country Link
CN (1) CN106900007B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862835A (zh) * 2017-12-11 2018-03-30 何旭连 一种基于云计算的山洪灾害监测系统
CN110996284B (zh) * 2019-10-31 2022-04-08 中国矿业大学 面向任务的水下声磁异构网络组网方法
CN111784211B (zh) * 2020-08-04 2021-04-27 中国人民解放军国防科技大学 一种基于分簇的群体多任务分配方法及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101808382A (zh) * 2010-01-20 2010-08-18 西安电子科技大学 一种无线传感器网络的数据通信方法
CN103686868A (zh) * 2013-12-30 2014-03-26 北京航空航天大学 无线传感器网络基于应用本体的QoS MAC协议
CN103702276A (zh) * 2013-12-26 2014-04-02 河海大学常州校区 一种基于分簇的无线传感器网络中复杂任务协作求解方法
CN103702384A (zh) * 2014-01-14 2014-04-02 北京航空航天大学 无线传感器网络面向应用的分簇式路由方法
CN106131870A (zh) * 2016-06-15 2016-11-16 扬州大学 面向复杂任务的无线传感器网络自组织调整方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101808382A (zh) * 2010-01-20 2010-08-18 西安电子科技大学 一种无线传感器网络的数据通信方法
CN103702276A (zh) * 2013-12-26 2014-04-02 河海大学常州校区 一种基于分簇的无线传感器网络中复杂任务协作求解方法
CN103686868A (zh) * 2013-12-30 2014-03-26 北京航空航天大学 无线传感器网络基于应用本体的QoS MAC协议
CN103702384A (zh) * 2014-01-14 2014-04-02 北京航空航天大学 无线传感器网络面向应用的分簇式路由方法
CN106131870A (zh) * 2016-06-15 2016-11-16 扬州大学 面向复杂任务的无线传感器网络自组织调整方法

Also Published As

Publication number Publication date
CN106900007A (zh) 2017-06-27

Similar Documents

Publication Publication Date Title
Huang et al. Task-container matching game for computation offloading in vehicular edge computing and networks
CN105700959B (zh) 一种面向多核平台的多线程划分及静态均衡调度方法
CN106900007B (zh) 面向重叠分簇的无线传感器网络的复杂任务分配方法
Xu et al. Cnn partitioning and offloading for vehicular edge networks in web3
CN112328380A (zh) 一种基于异构计算的任务调度方法及装置
Laili et al. Parallel scheduling of large-scale tasks for industrial cloud–edge collaboration
Hosseini et al. Optimized task scheduling for cost-latency trade-off in mobile fog computing using fuzzy analytical hierarchy process
CN114327811A (zh) 一种任务调度方法、装置、设备及可读存储介质
CN115408152A (zh) 一种自适应资源匹配获取方法及系统
CN112181613A (zh) 异构资源分布式计算平台批量任务调度方法及存储介质
CN114461368A (zh) 一种基于协同果蝇算法的多目标云工作流调度方法
Lu et al. Dynamic offloading for energy-aware scheduling in a mobile cloud
Shukla et al. FAT-ETO: Fuzzy-AHP-TOPSIS-Based efficient task offloading algorithm for scientific workflows in heterogeneous fog–cloud environment
CN110084507B (zh) 云计算环境下分级感知的科学工作流调度优化方法
CN111309472A (zh) 一种基于虚拟机预部署的在线虚拟资源分配方法
Lu et al. EA-DFPSO: An intelligent energy-efficient scheduling algorithm for mobile edge networks
CN116467076A (zh) 一种基于集群可用资源的多集群调度方法及系统
D'Amico et al. Holistic slowdown driven scheduling and resource management for malleable jobs
Liu et al. Auction-based dependent task offloading for IoT users in edge clouds
Gao et al. Com-DDPG: A multiagent reinforcement learning-based offloading strategy for mobile edge computing
CN108984286A (zh) 一种云计算平台的资源调度方法和系统
CN111597035A (zh) 基于多线程的仿真引擎时间推进方法及系统
CN111367632A (zh) 一种基于周期特征的容器云调度方法
CN117909061A (zh) 基于gpu混合集群的模型任务处理系统和资源调度方法
Jiang et al. An improved multi-objective grey wolf optimizer for dependent task scheduling in edge computing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant