CN107343302B - 一种基于多核处理器的传感网路由结构优化方法 - Google Patents
一种基于多核处理器的传感网路由结构优化方法 Download PDFInfo
- Publication number
- CN107343302B CN107343302B CN201710568225.0A CN201710568225A CN107343302B CN 107343302 B CN107343302 B CN 107343302B CN 201710568225 A CN201710568225 A CN 201710568225A CN 107343302 B CN107343302 B CN 107343302B
- Authority
- CN
- China
- Prior art keywords
- node
- network
- sub
- routing structure
- routing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 title claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000010276 construction Methods 0.000 claims abstract description 5
- 239000004744 fabric Substances 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 2
- 230000002776 aggregation Effects 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- 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
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
-
- 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)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于多处理器的传感网路由结构的优化方法,通过创建多线程寻找最优路由结构。本发明是利用并行计算的思想优化了以往单线程运算不能充分发挥计算机性能的弊端。主要包括以下步骤:(1)网络构建:根据已有传感器节点的电量信息和连通性信息建立网络拓扑;(2)路由结构处理:使用广度遍历找出从给定节点出发的环并每次删除环中的一条边以形成固定数量的子问题;(3)调用算法求解:在完成对路由结构的处理后,得到了相应数量的子问题,这时创建多线程,每个线程调用已有算法计算一个子问题;(4)分发路由,将多线程计算得到的最优路由结构分发到网络中,每个节点在收到信息后,更新自己的父节点,此时路由结构建立成功。
Description
技术领域
本发明公开了一种基于多核处理器的传感网路由结构优化方法,主要用于在多核处理器的环境下利用并行计算的思想解决传感网路由结构优化的问题。本发明属于无线网络技术领域,是一种无线传感网络中信息传递的优化方法。
背景技术
无线传感器网络的主要应用是在监测方面,主要通过接受和发送数据的方式,比如环境和建筑物的监测。但是每个传感器都有着固定的电量,而每次发送和接受数据都需要消耗一定的能量,由于这些传感器通常布置在野外无法及时更换电池,因此在给定初始电量的前提下延长网络寿命是一个非常重要的问题。通过近几年在路由结构优化方面的研究,基于已有的精确算法或是近似算法,在找到最佳生命期的同时时间复杂度也得到了比较好的降低。同时随着计算机设备的普及和发展以及该领域研究的相关进展,有了新的算法设计的需求,这类设计问题主要分为两个方向:
(1)基于计算机GPU的计算能力的算法设计;
(2)基于计算机多核处理器的算法设计,即多线程实现并行计算的思想。
第一个方向针对的是利用计算机上的GPU计算能力,GPU最大的优势在于其提供的并行运算。通俗点,就是增加了处理图形计算的计算单元,使之在保证算法运行正常的情况下达到相当高的计算速度。第二个方向则是利用计算机上多核处理器的计算能力,创建多线程实现并行计算,从而提高解决问题的速度。
这一系列关于路由结构优化的研究都说明了在找到结构中最佳生命期的同时尽可能的降低计算的时间是主要的发展方向,也就意味着在算法效率不能有效提升的情况下,通过并行算法提高计算速度是一个好的思路。本发明的主要目的是利用现有计算机都有着多核CPU可以实现并行计算的特性,创建多线程调用算法对路由结构并行计算从而得到比较高的运行速度。
本发明的意义与重要性在于不同于以往的路由结构优化的研究,并不是在算法方面优化,而是在问题本身上进行优化,即对问题结构进行拆分并行地解决拆分的问题,这就使得运行速度提升了数倍,在规定时间内解决不了的问题也有了解决的可能。所以本发明不仅仅拘泥于算法的设计,更加着重于在问题的剖析,对于路由结构优化问题有着深化和精细化的重要意义;如今传感器网络逐渐普及和应用,优化网络结构显得尤为重要,本发明对于这一方面的应用和研究有着启发性的意义。
发明内容
[发明目的]:为了优化已有技术存在的不足,本发明提出在多核处理器的环境下利用并行计算的思想解决传感网路由结构优化的问题,充分利用了多核处理器的性能,替代以往的单线程计算。
[技术方案]:本发明方案主要包括以下内容:
1)网络构建
建立初始路由树:根据已有的节点的邻居信息以及相应节点的电量信息构建网络拓扑结构。
2)路由结构处理
路由结构处理是整个系统处理过程的重要部分,为后续的并行调用算法提供了基本问题实例,主要包含以下处理过程:找环和拆环。
找环:这里主要是读入一个路由结构图后从一个节点出发找到一条再回到出发节点的一个环,出发节点不能为汇聚节点,将找到的环的边存放起来,以用来下一步拆环。
拆环:为了将问题拆分来多线程运行,需要将问题分解成多个子问题,由多线程运行完后再汇聚成整个问题的解。因此对原问题进行破圈处理从而获得多个子问题,拆环的步骤是逐条考虑找环步骤中存放的边然后依次删除,但每次删除不同的边,最后生成与环的边数相同数量的子问题。每次删边时上次删的边要加进去,然后考虑下一条边。
3)多线程调用算法计算
在完成对路由结构处理之后,需要创建与子问题数量相同的线程数,每个线程运行一个子问题,这里主要包含以下几个部分:1、多线程的创建;2、方法参数的传递;3、运行算法记录结果。多线程的创建需要根据前面拆分的子问题进行创建,相应每个子问题用一个线程运行;然后每个子问题即路由结构图作为参数传递到线程中;最后根据算法运行分为两种情况:一是在规定时间内多线程运行完毕,完成了对问题的求解,则对输出的生命期进行对比取出最大的生命期作为最佳生命期记录下来;二是在规定时间内多个线程没有全部完成运行,则将还存活的线程杀死并记录超时,运行失败。
4)路由分发
利用步骤1)所建立的路由树,将步骤3)中求解得到的路由结构分发给对应节点,每个节点在收到信息后,更新自己的父节点。此时,路由结构建立完成。
[有益效果]:本发明使用多核处理器并行计算最优的路由结构,相较于以往的单线程运行算法,能够充分利用现代计算机的硬件资源,极大降低程序运行时间。
附图说明
图1为多线程运行流程图;
图2为调用算法的流程图;
具体实施方式
以下结合附图和具体实例对本发明做具体的介绍。
如附图1所示,本发明为一种基于多核处理器的传感网路由结构优化方法,分为四个阶段,网络构建、路由结构处理、多线程调用算法求解、路由分发。
1.网络构建
此步骤的目的是根据已有传感器节点的电量信息和连通性信息建立网络拓扑,以供后续步骤使用。本发明中所指的汇聚节点是一台连着传感器节点的计算机,传感器节点将从无线天线收集的数据通过USB连接线发送给计算机,由计算机执行计算任务,并将决策通过USB连接线回传给传感器,由传感器通过无线天线发布给传感器网络。
2.路由结构处理
路由结构的处理主要是通过找环和破环的方式对原结构进行拆分,获得一定数量的子问题,以供多个线程运行。找环主要是从给定节点出发广度遍历的找出再次回到此节点的环,并通过每次删除环中一条边获得一个子图,所以相应环中有几条边就会拆成相应多的子图。通过迭代的方式,重复此步骤直到生成相应多的子图。具体分为以下四步:
2.1将从汇聚节点至邻居节点间的有向边删除,将得到的图设置为当前问题的图。因为汇聚节点的邻居节点的最佳策略是将数据发送给汇聚节点,而不是通过其他节点转发,所以删除这些构建路由树时无用的边。初始化子问题集合为空。
2.2对当前问题,任选一个节点,从其出发进行广度优先遍历,找出一个由此节点出发再回到此节点的最小环。
2.3逐条考虑最小环中的边,每次删除一条边,将得到的网络图构建一个子问题,输出到子问题集合中。将删除的边加回到网络中,考虑最小环的下一条边。
2.4如果子问题集合中的问题个数小于需要的问题数量,则从中选择一个子问题,将其从子问题集合中删除,将其设置为当前问题,跳转至步骤2.2。否则,执行步骤3.
3.多线程调用算法求解
3.1对于步骤2得到的子问题集合,创建多线程,线程的数量等于子问题数量。每个线程调用任何一个已有算法去求解一个子问题。子问题作为参数传进线程中,一个线程对应一个子问题。例如,对某个子问题,可采用建立单一的整数线性规划问题如下:
Minx t (1)
subject to
Σj|ij∈Dxij=1,for all i∈V\{0} (2)
Σj|ij∈Dyij=Σj|ij∈Dyji+di,for all i∈V\{0} (3)
Σj|ij∈Dyij≥0,Σj|ij∈Dxij∈{0,1},for all i,j∈V (4)
Σj|ij∈Dxij≤Σj|ij∈Dyij≤(ei*t+Rx)/(Rx+Tx),for all i,j∈V\{0} (5)
其中xij为待求解的未知0-1整型变量,表示i的父节点是否为j;符号D、V、n、di、ei、Rx、Tx已知,分别表示子网络的有向边集合、子网络的顶点集合、整个网络的节点数量、非根节点i在其他子网络中作为根节点时的子孙个数加1、节点i的剩余电量、接收一个数据包消耗的能量、发送一个数据包消耗的能量。t为子网络的生存时间的倒数,yij表示从i发到j的数据包的个数。
之后采用整数线性规划求解工具对其求解。
3.2在规定时间内等待多线程运行结束,如果在规定时间内有线程未运行结束,则停止当前正在运行的所有线程,并记录结果为超时,标记本次计算为失败,终止计算;如果所有线程在规定时间内都运行完毕,获取每个线程求得的生命期,比较取出最大值作为此路由结构的最大生命期。
4.分发路由
如果步骤3执行成功,则分发最优路由结构到网络中。每个节点在收到信息后,更新白己的父节点,此时路由结构建立成功。
实施案例
本发明的效果可以用以下仿真实验进一步说明。传感器网络包含41个节点,其中1个节点为汇聚节点,节点间的连接边按如下方式随机生成:节点均匀分布在100×100的正方形区域内,两个节点间的距离不超过20时可以通信。节点剩余能量均匀分布在1~10J内,接受和发送一个数据包消耗的能量分别为3.33×10-4J和6.66×10-4J。随机生成50个网络实例,对比本发明与现有的方案,当时间限定为10分钟时,在随机产生的50个网络中,由单线程方法未解决的14个网络中,本发明可以解决其中的4个网络,且耗时均在三分钟内。
Claims (2)
1.一种基于多核处理器的传感网路由结构优化的方法,其特征在于:包括以下四个步骤:
(1)网络构建阶段,根据已有传感器节点的电量信息和连通性信息建立网络拓扑;
(2)路由结构处理阶段,将网络拆分为多个子问题,拆分方法包括以下步骤:
(2.1)将从汇聚节点至邻居节点间的有向边删除,将得到的图设置为当前问题的图,初始化子问题集合为空;
(2.2)对得到的路由图结构从一个任选的节点开始进行广度遍历,找出从此节点出发并再回到此节点的最小环;
(2.3)逐条考虑最小环中的边,每次删除一条边,将得到的网络图构建一个子问题,输出到子问题集合中,将删除的边加回到网络中,考虑最小环的下一条边;
(2.4)如果子问题集合中的问题个数小于需要的问题数量,则从中选择一个子问题,将其从子问题集合中删除,将其设置为当前问题,跳转至步骤(2.2);
(3)多线程调用算法求解阶段,对每个子问题创建一个线程进行求解;
(4)分发路由阶段,将最优路由结构分发到网络中;具体而言,每个节点在收到信息后,更新自己的父节点,此时路由结构建立成功。
2.根据权利要求1所述的基于多核处理器的传感网路由结构优化的方法,其特征在于:所述步骤(3)多线程调用算法求解,其主要包括以下2个步骤:
(3.1)对于得到的子问题集合,创建多线程,线程的数量等于子问题数量,每个线程调用任何一个已有算法去求解一个子问题;
(3.2)等待规定时间,在规定时间内若有线程未运行结束,则停止当前正在运行的所有线程,并记录结果为超时,标记本次计算为失败,终止计算;如果所有线程在规定时间内都运行完毕,获取每个线程求得的生命期,比较取出最大值作为此路由结构的最大生命期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710568225.0A CN107343302B (zh) | 2017-07-11 | 2017-07-11 | 一种基于多核处理器的传感网路由结构优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710568225.0A CN107343302B (zh) | 2017-07-11 | 2017-07-11 | 一种基于多核处理器的传感网路由结构优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107343302A CN107343302A (zh) | 2017-11-10 |
CN107343302B true CN107343302B (zh) | 2021-02-26 |
Family
ID=60218645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710568225.0A Active CN107343302B (zh) | 2017-07-11 | 2017-07-11 | 一种基于多核处理器的传感网路由结构优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107343302B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10642650B2 (en) * | 2017-12-13 | 2020-05-05 | Juniper Networks, Inc. | Multi-threaded route processing |
CN108897813A (zh) * | 2018-06-14 | 2018-11-27 | 南京航空航天大学 | 一种非时态json数据模型的时态扩展以及查询优化方法 |
CN109756422B (zh) * | 2019-03-27 | 2021-07-20 | 浪潮云信息技术股份公司 | 一种转发路由节点选取方法 |
CN111177874B (zh) * | 2019-12-17 | 2023-06-09 | 北京航空航天大学杭州创新研究院 | 一种利用gpu快速设计航路网络拓扑结构的方法 |
US11502946B2 (en) | 2020-03-10 | 2022-11-15 | Juniper Networks, Inc. | Distributed label assignment for labeled routing protocol routes |
US11356369B1 (en) | 2020-03-31 | 2022-06-07 | Juniper Networks, Inc. | Border gateway protocol update packing for a distributed routing information base |
US11561823B1 (en) | 2020-05-12 | 2023-01-24 | Juniper Networks, Inc. | Lockless management of immutable objects by multi-threaded processes using multiple counters |
US11762710B2 (en) | 2020-06-23 | 2023-09-19 | Juniper Networks, Inc. | Multithreaded route processing for routing information display |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923460A (zh) * | 2010-07-19 | 2010-12-22 | 西安交通大学 | 一种动态多线程划分方法 |
CN104219495A (zh) * | 2014-08-20 | 2014-12-17 | 上海控创信息技术有限公司 | 一种可视化多路传感器一体式终端 |
CN104461466A (zh) * | 2013-09-25 | 2015-03-25 | 广州中国科学院软件应用技术研究所 | 基于MPI和OpenMP混合编程模型并行计算提高计算速度的方法 |
CN106131878A (zh) * | 2016-08-11 | 2016-11-16 | 南京航空航天大学 | 一种能量异构无线传感器网络的数据收集方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10379873B2 (en) * | 2014-02-28 | 2019-08-13 | Tyco Fire & Security Gmbh | Distributed processing system |
-
2017
- 2017-07-11 CN CN201710568225.0A patent/CN107343302B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923460A (zh) * | 2010-07-19 | 2010-12-22 | 西安交通大学 | 一种动态多线程划分方法 |
CN104461466A (zh) * | 2013-09-25 | 2015-03-25 | 广州中国科学院软件应用技术研究所 | 基于MPI和OpenMP混合编程模型并行计算提高计算速度的方法 |
CN104219495A (zh) * | 2014-08-20 | 2014-12-17 | 上海控创信息技术有限公司 | 一种可视化多路传感器一体式终端 |
CN106131878A (zh) * | 2016-08-11 | 2016-11-16 | 南京航空航天大学 | 一种能量异构无线传感器网络的数据收集方法 |
Non-Patent Citations (1)
Title |
---|
一种基于拓扑分析的三维模型描述子及其应用研究;王延青;《中国优秀硕士学位论文全文数据库-信息科技辑》;20160831;I138-840 * |
Also Published As
Publication number | Publication date |
---|---|
CN107343302A (zh) | 2017-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107343302B (zh) | 一种基于多核处理器的传感网路由结构优化方法 | |
Cai | Balance between complexity and quality: Local search for minimum vertex cover in massive graphs | |
CN110378413A (zh) | 神经网络模型处理方法、装置以及电子设备 | |
CN111880911A (zh) | 一种任务负载调度方法、装置、设备及可读存储介质 | |
US9794122B2 (en) | Method for propagating network management data for energy-efficient IoT network management and energy-efficient IoT node apparatus | |
CN110659284A (zh) | 基于树图结构的区块定序方法及系统、数据处理终端 | |
Ribeiro et al. | Efficient parallel subgraph counting using g-tries | |
CN114911612B (zh) | 一种面向cpu-gpu异构资源的任务调度方法 | |
CN109656898B (zh) | 基于节点度的分布式大规模复杂社团探测方法及装置 | |
CN109815537B (zh) | 一种基于时间预测的高通量材料仿真计算优化方法 | |
Kaminski et al. | A neural-network-based realization of in-network computation for the Internet of Things | |
CN111553834B (zh) | 基于fpga的并发图数据预处理方法 | |
CN114884908B (zh) | 一种数据同步方法、装置、设备及存储介质 | |
CN111190711B (zh) | Bdd结合启发式a*搜索的多机器人任务分配方法 | |
Tziritas et al. | Agent placement in wireless embedded systems: memory space and energy optimizations | |
CN116151384B (zh) | 量子电路处理方法、装置及电子设备 | |
CN114745763B (zh) | 一种更新最佳网络拓扑的方法及系统 | |
CN112488343B (zh) | 一种基于超启发式算法的智慧城市智能感知终端选址方法 | |
CN113347268B (zh) | 基于分布式网络组网方法、装置、存储介质及计算机设备 | |
CN115759028A (zh) | 自由报表的模型设置方法及系统、可读存储介质 | |
KR100929235B1 (ko) | 무선 센서 네트워크의 동적 재구성방법 및 그 시스템 | |
Kong et al. | Energy saving strategy for task migration based on genetic algorithm | |
Zhu et al. | Community mining in complex network based on parallel genetic algorithm | |
CN114528439A (zh) | 基于分布式系统的极大团枚举方法和装置 | |
CN104376366A (zh) | 一种最优网络最大流算法的选择方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |