CN108076499B - 一种生命期最优路由的启发式构造方法 - Google Patents

Abstract

本发明属于无线传感器网络技术领域，公开了一种生命期最优路由的启发式构造方法，能够很好的应对以数据为中心的无线传感器网络中，发送数据给基站的传感器节点动态变化的情况。采用的节点能量模型，考虑了在数据量不确定的情况下，节点用于接收、发送、以及空闲侦听的能量。本发明通过构造能量高效的有向非循环图DAG，使网络中能量消耗更加均匀的分布于网络中所有的节点，最优化无线传感器网络的生命期。本发明用启发式方法得到的次优解，即生命期次优的DAG结构，非常接近于直接使用当前最先进的数学规划工具包得出的最优解；当网络中数据量较少时，数学规划工具包得出最优解的收敛速度非常慢，而采用本发明将使得得出解的速度大大缩短。

Description

一种生命期最优路由的启发式构造方法

技术领域

本发明属于无线传感器网络技术领域，尤其涉及一种生命期最优路由的启发式构造方法。

背景技术

无线传感器网络由密集部署的无线传感器节点构成，通常被安置在自然区域中，通过节点之间的互相协作，对目标环境中物理量的变化进行监测。无线传感器网络由一个基站和众多的传感器节点构成。传感器节点由电池供电，基站由电源供电，传感器节点和基站通过无线通信的方式，自组织为一个网络。在每个采样周期，由传感器节点采集到的数据需要保送到中心节点，方便用户对数据进行进一步的处理。以上这种连续的数据收集往往能够从网络的部署区域中提取出大量的信息，却非常耗电。一旦网络中某个节点消耗掉所有的电能，整个网络将不再连通，将网络分割成几个不相连的区域。在连续数据收集中节省网络电能以延长网络的生命期很有意义。数据收集过程中，节点的能量使用效率又被路由结构所影响。不同的路由结构，将影响到每个节点接收到的和需要发送的数据包的个数，影响到节点的能量利用。在此，先给出数据图样的定义，即每个采样周期内，发送数据给汇聚节点的无线传感器节点的分布。大多数已有的路由工作大多忽略数据的变化，用来处理完整的数据图样，即在每个采样周期内，网络中每一个节点都将发送一个数据包给汇聚节点。但是在连续性的传感器数据收集中，网络中数据图样是动态变化的，并且这种变化完全不可预测。比如：在相邻采样周期内，每个传感器节点所采集到的数据，往往较为平稳或只在一定的范围内波动。为了节省电量，只有当新的采样数值与上次报送的数据之间的偏差大到一定程度时，节点才需要向基站发送本次采集到的数据。在节点对环境采样之前，每个传感器节点并不能提前计算其两次报送数据的偏差是多少。在实际中，为了节省能量只有相对重要的数据被报送给汇聚节点，但是对于报送数据的选择，则完全是由数据本身所驱动的，并且当且仅当数据被传感器所感知以后才能够被决定下来。这就是通常所说的以数据为中心的传感器网络。不断变化的网络数据图样大大增加了设计能量高效路由协议的困难性。因为网络中不同的数据图样，会导致每个节点在数据包的接收，发送，以及空闲侦听方面，花费不同百分比的能量。所以，不同的数据图样需要与不同的路由结构匹配起来，去延长网络的生命期。比如，当网络中发送数据的节点比较多时，接收和传送数据包通常在传感器节点的能量消耗中占据相当大的比重。在这种情况下，平衡每个节点的数据量非常重要。另一方面，当网络中发送数据的节点比较少时，传感器节点的能量耗费通常被空闲侦听所主导。此时，汇聚节点周围的传感器节点就不再是能量消耗的瓶颈。使每个节点花费在空闲侦听方面的能量尽可能的少，就变成了在设计路由结构方面，一个相当重要的考虑因素。所以，为了应对动态数据图样，设计能够平衡不同节点能量花费的路由结构，来延长网络的生命期是非常重要的。

发明内容

针对现有技术存在的问题，本发明提供了一种生命期最优路由的启发式构造方法。该方法能够很好的应对以数据为中心的无线传感器网络中，发送数据给基站的传感器节点动态变化的情况。本方法所采用的节点能量模型，考虑了在数据量不确定的情况下，节点用于接收、发送、以及空闲侦听的能量。本发明用启发式方法得到的次优解，即生命期次优的DAG结构，非常接近于直接使用当前最先进的数学规划工具包得出的最优解；特别是当网络中数据量较少时，数学规划工具包得出最优解的收敛速度非常慢，而采用本方法将使得得出解的速度大大缩短。

本发明所采用的技术方案如下：

首先，将所述生命期最优DAG构造问题建模如下：

在以上模型中，我们做出了如下假设：网络中节点发送一个数据包所用的能量为e_t,侦听一次信道所用的能量为e_r，网络拓扑用一个连通图G(V,E)来表示，V表示所有节点的集合，包括汇聚节点s和所有传感器节点，E是网络中代表邻居关系的所有链接的集合；量化每个节点i的能量开销，假设每个采样周期内，其数据产生概率为p_i，它代表节点i向基站发送数据的概率，并且不同节点发送数据给基站的概率满足独立同分布；B_i是此节点的最初的能量配置，用T代表用采样周期个数表征的网络生命期，对于每一个链接(i,j)，用d_ij表示在整个网络的生命期中，所有从节点i发送到节点j的总的数据包的数量；假设在每个采样周期，对于DAG结构中的每条有向链接(i,p)，节点p将花费e_r的能量来对节点i进行空闲侦听；

以上问题模型为每一个变量d_ij搭配一个辅助的二进制0/1变量z_ij,来表示节点j是否在每个采样周期内对节点i进行空闲侦听；一个节点i给它的邻居节点j发送了数据包，那么z_ij＝1说明节点j将对节点i进行空闲侦听；否则d_ij＝0，说明节点j不用对节点i进行空闲侦听，所以z_ij＝0。

接下来，所述生命期最优路由的启发式构造方法包括如下步骤：

(1)将原有连接图G(V,E)转换为流图

(2)在原连接图G(V,E)中，存在能够支撑网络进行T₀时间数据收集的DAG结构，当且仅当在流图

中，从源节点w到汇聚节点s的最大流的值为∑_i∈V-{s}(e_t+e)p_iT₀,即就是最大流将使得流图

中从源节点w出发的所有链接达到满载；

(3)在流图

中采用启发式方法得出了给定T₀值的最大流；

(4)用二分法查找最优DAG。每个节点i的初始能量为B_i，数据产生概率为p_i，发送一个数据包所用的能量为e_t。每个节点把它收到的所有数据包发送出去，节点的生命期最大值为B_i/e_tp_i，网络生命期的最大值为[0,minB_i/e_tp_i]；在[0,B_i/e_tp_i]的范围内进行二分查找，逐步获得最大的生命期和相应的网络流。

上述的本发明生命期最优路由的启发式构造方法包括两个关键步骤：图的转换方法和流图中的增流方法。下面具体给出这两个方法的步骤：

首先，上述步骤(1)中所述将原有连接图G(V,E)转换为流图

的图的转换方法具体包括：

第一步：将原图G中的每个点i拆成G中的两个点X_i和Y_i，用链接(X_i,Y_i)链接这两个点，赋予此链接容量为B_i；

第二步：将流图

中源节点w与每对X_i和Y_i相连，链接(w,X_i)容量为e_tp_iT₀,链接(w,Y_i)容量为e_rp_iT₀；

第三步：对原图G中的每一对节点(i,j),在流图

中加入两条链接(Y_i,X_j)和(Y_j,X_i)，两条链接的容量均为正无穷；

第四步：将原图G中的汇聚节点映射为流图

中的汇聚节点s，对原图G中汇聚节点的每个邻居节点i，在流图

中加入一条链接(Y_i,s),规定此链接的容量为正无穷。

其次，所述流图

中的增流方法包括以下步骤：

第一步：所有链接上的f(u,v)流量设置为0，每条链接的剩余容量r(u,v)＝c(u,v)-f(u,v),代表可以通过该链接的流量值，初始化r(u,v)为链接容量；

第二步：将初始的delta值设置为从源节点发出的所有链接中最大的容量值max_i∈V-{x}e_tp_iT₀；

第三步：不断的搜寻delta-增流路径并增流，直到找不到这样的路径；

第四步：在构造好最大流之后，检查从源节点发出的所有链接是否是满载的；若是，则T₀是网络可以达到的生命期，否则T₀无法达到不可行。

为了搜寻以上的delta增流路径,我们定义delta-剩余网络，其中所有边的集合E_f＝{(u,v)|r(u,v)≥delta}-{(Y_i,X_i)|f(Y_i,X_i)＝0 and r(X_i,Y_i)}；在delta-剩余网络中增流的过程如下：只要其中存在一条从源节点w到汇聚节点s的路径，就进行增流，直到找不到这样的路径；如果增流之后，增流路径上某条链接(Y_j,X_i)上的流量为0，那么c(X_i,Y_i)则应相应的增加e_rT₀，作为表示在原题G中节点i不再对节点j进行空闲侦听的补偿。

附图说明

图1是本发明实施例提供的生命期最优路由的启发式构造方法流程图。

图2是本发明实施例提供的网络结构示例和相应的生命期最优DAG结构示意图。

图3是本发明实施例提供的示例图和转化之后的流图。

图4是本发明实施例提供的容量可变的流图中delta增流路径说明示意图。

图5是本发明实施例提供的归一化的100个节点的网络拓扑图。

图6是本发明实施例提供的某传感器前5000个温度和太阳能辐射的数据示意图。

图7是本发明实施例提供的每个采样周期发送温度数据，和太阳能辐射数据的传感器节点的百分比随着不同的数据模糊阈值的变化示意图。

图8是本发明实施例提供的不同阈值下计算最优解和启发式方法计算次优解的时间示意图。

图9是本发明实施例提供的归一化后的网络生命期示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例提供的生命期最优路由的启发式构造方法包括以下步骤：

S101：用二分法查找最优DAG的方法；

S102：计算上限值和下限值，若上限大于下限，计算T₀值位于上下限中间；

S103：根据T₀值，将原有连接图G(V,E)转换为流图

S104：在流图

中采用启发式方法得出对应于给定T0值的最大流；

S105：检查流图

中，从源节点w出发的所有链接是否全部达到满载:是则提高下限；否则降低上限；重新计算T₀值；

S106：重复S103-S105直至下限大于上限，返回此时流图

对应的DAG结构并退出。

本发明具体实施方式为：

第一步，布置网络，参照图3，将100个传感器节点随机的放在一个1×1的正方形区域中，为了让整个网络保持连通，在拓扑图中将每个节点的传输半径设置为0.25。

第二步，选取数据序列，设置阈值；采用华盛顿大学开源LEM项目所收集到的温度和太阳能辐射的传感器数据序列进行测试。每个数据序列含有超过3,000,000个传感器数据，其中连续两个传感器数据采样时间间隔1秒。为了将基站采收集到的数据，与真实的传感器数据之间的偏差控制在e(可看作误差范围)之内，每个节点以上一次上报的数据为中心，设置一个阈值[u-e,u+e]。在每个采样周期，只有当每个节点收集到的数据，超出了此节点所设定的阈值的范围，节点才需要向基站传送数据，并且更新阈值的范围。否则，节点不需要报送任何内容。易知当e的值变大时，阈值范围相应的变大，每个节点上报的数据量随之降低。

第三步，设置节点能量，设置基站的能量供应为无穷，而传感器节点的能量是有限的，并且传感器发送一个数据包消耗1个单位的能量，而监听一次信道将花费0.75单位的能量。节点的初始能量相同，设置为50,000个能量单位。网络的生命期被定义为从刚开始到网络中第一个节点能量耗尽的时间。

第四步，估算每个节点的数据报送概率。分别对温度和太阳辐射两种数据序列，设置不同的e值，在一段时间内观察每个节点的数据报送情况，并将数据报送次数对时间段进行归一化，作为与误差范围e相应的报送概率。

第五步，用发明内容中的图的转换方法进行图的转化，并用启发式方法求出近优的DAG结构。对于每个误差阈值e值对比最优解和近优解的求解时间和解的效果。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种生命期最优路由的启发式构造方法，其特征在于，所述生命期最优路由的启发式构造方法能够很好的应对以数据为中心的无线传感器网络中，发送数据给基站的传感器节点动态变化的情况；

本方法所采用的节点能量模型，考虑了在数据量不确定的情况下，节点用于接收、发送、以及空闲侦听的能量；通过构造能量高效的有向非循环图DAG，使网络中能量消耗更加均匀的分布于网络中所有的节点，最优化无线传感器网络的生命期；

所述生命期最优DAG构造表示如下：

Problem-MIP

maximize T

以上的建模方法中，网络中节点发送一个数据包所用的能量为e_t,侦听一次信道所用的能量为e_r，网络拓扑用一个连通图G(V,E)来表示，V表示所有节点的集合，包括汇聚节点s和所有传感器节点，E是网络中代表邻居关系的所有链接的集合；为了量化每个节点i的能量开销，假设每个采样周期内，其数据产生概率为p_i，它代表i向基站发送数据的概率，并且不同节点发送数据的概率满足独立同分布；B_i是此节点的最初的能量配置，用T代表用采样周期个数表征的网络生命期，对于每一个链接(i,j)，用d_ij表示在整个网络的生命期中，所有从节点i发送到节点j的总的数据包的数量；假设每个采样周期，对于DAG结构中的每条有向链接(i,p)，节点p将花费e_r的能量来对节点i进行空闲侦听；d_ji表示在整个网络的生命期中，所有从节点j发送到节点i的总的数据包的数量；z_ji表示节点i是否在每个采样周期内对节点j进行空闲侦听；

以上的建模方法为每一个变量d_ij搭配一个辅助的二进制0/1变量z_ij,来表示节点j是否在每个采样周期内对节点i进行空闲侦听；一个节点i给它的邻居节点j发送了数据包，那么z_ij＝1说明节点j将对节点i进行空闲侦听；否则d_ij＝0，说明节点j不用对节点i进行空闲侦听，所以z_ij＝0。

2.如权利要求1所述的生命期最优路由的启发式构造方法，其特征首先在于，所述生命期最优路由的启发式构造方法包括如下步骤：

(1)将原有连接图G(V,E)转换为流图

(2)在原连接图G(V,E)中，存在能够支撑网络进行T₀时间数据收集的DAG结构，当且仅当在流图

中，从源节点w到汇聚节点s的最大流的值为∑_i∈V-{s}(e_r+e_t)p_iT₀,即就是最大流将使得流图

中从源节点w出发的所有链接达到满载；

(3)在流图

中采用启发式方法得出了给定T₀值的最大流；

(4)用二分法在流图

中查找最优DAG：每个节点i的初始能量为B_i，数据产生概率为p_i，发送一个数据包所用的能量为e_t，每个节点把它收到的所有数据包发送出去，节点的生命期最大值为B_i/e_tp_i，网络生命期的最大值为[0,min B_i/e_tp_i]；在[0,B_i/e_tp_i]的范围内进行二分查找，逐步获得最大的生命期和相应的网络流。

3.如权利要求2所述的生命期最优路由的启发式构造方法，其特征在于，所述将原有连接图G(V,E)转换为流图

具体包括：

第一步：将原图G中的每个点i拆成在流图

中的两个点X_i和Y_i，用链接(X_i,Y_i)链接这两个点，赋予此链接容量为B_i；

第二步：在流图

将源节点w与每对X_i和Y_i相连，链接(w,X_i)容量为e_tp_iT₀,链接(w,Y_i)容量为e_rp_iT₀；

第三步：对原连接图G中的每一对节点(i,j),在流图

中加入两条链接(Y_i,X_j)和(Y_j,X_i)，两条链接的容量均为正无穷；

第四步：将原连接图G中的汇聚节点映射为流图

中的汇聚节点s，对原连接图G中汇聚节点的每个邻居节点i，在流图

中加入一条链接(Y_i,s),规定此链接的容量为正无穷。

4.如权利要求2所述的生命期最优路由的启发式构造方法，其特征在于，所述流图

中增流方法包括：

第一步：所有链接上的f(u,v)流量设置为0，每条链接的剩余容量r(u,v)＝c(u,v)-f(u,v),代表可以通过该链接的流量值，初始化r(u,v)为链接容量；

第二步：将初始的delta值设置为从源节点发出的所有链接中最大的容量值max_i∈V-{x}e_tp_iT₀；

第三步：不断的搜寻delta-增流路径并增流，直到找不到这样的路径；

第四步：在构造好最大流之后，检查从源节点发出的所有链接是否是满载的；若是，则T₀是网络可以达到的生命期，否则T₀无法达到不可行。

5.如权利要求3所述的生命期最优路由的启发式构造方法，其特征在于，所述搜寻增流路径的方法为定义delta-剩余网络，所有边的集合Ef＝{(u,v)|r(u,v)≥delta}-{(Y_i,X_i)|f(Y_i,X_i)＝0andr(X_i,Y_i)}；delta-剩余网络，只要其中存在一条从源节点w到汇聚节点s的路径，进行增流，直到找不到这样的路径；如果增流的过程中，增流路径上某条链接(Y_j,X_i)上的流量为0，那么c(X_i,Y_i)应相应的增加e_rT₀，作为节点i不再对节点j进行空闲侦听的补偿。

6.一种应用权利要求1～5任意一项所述生命期最优路由的启发式构造方法的无线传感器网络。

Images