CN109874145A - 权衡生存时间和丢包率的三维无线传感网数据收集方法 - Google Patents
权衡生存时间和丢包率的三维无线传感网数据收集方法 Download PDFInfo
- Publication number
- CN109874145A CN109874145A CN201910125267.6A CN201910125267A CN109874145A CN 109874145 A CN109874145 A CN 109874145A CN 201910125267 A CN201910125267 A CN 201910125267A CN 109874145 A CN109874145 A CN 109874145A
- Authority
- CN
- China
- Prior art keywords
- node
- grid
- sink node
- food source
- sensing
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013481 data capture Methods 0.000 title abstract 2
- 235000013305 food Nutrition 0.000 claims abstract description 100
- 238000013480 data collection Methods 0.000 claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 45
- 238000005265 energy consumption Methods 0.000 claims abstract description 30
- 241000256844 Apis mellifera Species 0.000 claims abstract description 28
- 238000004891 communication Methods 0.000 claims abstract description 7
- 238000011835 investigation Methods 0.000 claims abstract description 5
- 230000004083 survival effect Effects 0.000 claims description 45
- 230000009191 jumping Effects 0.000 claims description 23
- 238000012217 deletion Methods 0.000 claims description 17
- 230000037430 deletion Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 241000287196 Asthenes Species 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 239000002002 slurry Substances 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 238000005303 weighing Methods 0.000 abstract 1
- 230000003068 static effect Effects 0.000 description 5
- 241000854291 Dianthus carthusianorum Species 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种权衡生存时间和丢包率的三维无线传感网数据收集方法，所述方法包括将三维监测区域分成大小一致的正方体网格，并对每一个正方体网格进行编码；构建Sink节点的移动路径约束条件；构建Sink节点的数据收集约束条件；建立权衡网络生存时间和丢包率的优化模型；初始化各种参数；初始化M2个食物源的移动路径；计算食物源m2的适应度值；进入采蜜蜂阶段；进入观察蜂阶段，根据概率对部分食物源进行重新优化和排序；进入侦查蜂阶段，初始化失败参数βi高的食物源。本发明可解决三维网络环境下的Sink节点数据收集问题，能寻找到Sink节点的最优移动路径和停留时间，传感节点能寻找到最优的数据通信路径，从而提高网络生存时间，降低丢包率和平衡节点能耗。
Description
技术领域
本发明涉及无线传感网技术领域，具体是指一种权衡生存时间和丢包率的三维无线传感网数据收集方法。
背景技术
近几十年来，无线传感网(wireless sensor network,WSN)受到广泛的研究和应用。WSN包括具有视觉、温度、声音、红外、雷达、低采样率磁场和地震等一种到几种类型传感器的传感节点和Sink节点。WSN是面向任务，其所有传感节点可协同工作完成网络监测任务。但是目前在危险环境(如火山、放射区、有毒化工区等)监测、灾难搜救、军事领域、水下监测等应用领域中，通常采用传感节点周期性上报数据且节点位置固定不变的静态无线传感网。但是该静态无线传感网主要存在以下二个问题：第一是由于节点分布在恶劣环境中，人员很难到达指定监测区域，因此节点部署不适合采用人工部署的方式，只能采用空投、抛撒等随机部署方式，但是随机部署方式很容易造成节点分布的不均匀；第二是由于靠近Sink节点的传感节点除了发送自身的数据外，还较多参与其它远离Sink节点的传感节点数据转发任务，因此消耗较多能量，且较早失效。这种不均匀节点分布和不均衡节点能量消耗很容易形成监测区域的能量空穴问题，导致网络的分裂，缩短了网络生存时间。因此解决这两个问题的方法是考虑Sink节点的移动，从而达到平衡节点能耗、延长网络生存时间和降低数据丢包率的目的。
目前，部分学者侧重于研究二维无线传感网下的Sink移动路径、数据收集等问题。如Jun Luo等人建立Sink节点停留在若干位置上的网络生存时间优化模型，并求解该模型获得最优方案，但是没有考虑Sink节点的移动路径选择。Nimisha Ghosh等人将监测区域分成若干个三角形和其外圆，Sink节点停留在圆心，采用贪婪算法获知下一时刻的停留位置，单跳收集传感节点的数据。Mohammad Reza Majma等人将传感节点分簇，并选择簇头。Sink遍历所有簇头收集数据。Ari等人提出移动传感节点的自主移动模型，采用细菌觅食优化算法求解，获得移动传感节点的自主移动方案，使网络具有良好的覆盖率。WeiLun Chan等人提出改进人工蜂群算法求解稀疏无线传感网中邻域搜索的旅行商问题，获得移动传感节点的最优数据收集移动路径。但是这些方法只考虑二维无线传感网的Sink移动的数据收集问题，没有考虑三维场景和异构传感节点，很多Sink节点的移动路径选择方法很难适用于三维环境。
因此部分学者侧重于研究三维环境下的节点的路径规划、数据收集等问题。如陆亮等人在三维空间上寻找路径，在该路径上分解关键位置，并在A*算法的基础上提出三维路径规划算法。Guillermo Frontera考虑障碍物的3D结构，根据高度分成多个层，并在每一个层上确定可停留位置。提出近似3D欧几里德最短路径算法寻找到目的地址的最短路径，但是只是考虑3维路径规划，没有考虑Sink节点的路径规划和数据收集场景。Alaa Altahan等人利用节点的三维位置信息，提出一种3D地理路由方法，从而提高数据路由的高路径质量和可靠性。Nguyen Thi Tam等人采用模糊聚类方法寻找最小化节点能耗的最优分簇，采用粒子群优化方法寻找最优簇头，从而解决因网络总能量消耗下降而导致的网络分裂问题，但是只是考虑Sink静止的数据收集方法，同样存在能量空穴问题。
总之，为克服能量空穴问题和降低节点能耗，需要考虑Sink节点移动。虽然目前二维无线传感网的Sink节点移动、数据收集等问题研究成果较多，但是没有考虑三维场景和异构传感节点，很多Sink节点的二维移动路径选择方法很难适用于三维环境。目前三维无线传感网主要侧重于到目的节点的路径规划，静态传感节点的数据收集，较少涉及Sink节点的三维移动路径、数据收集、网络生存时间优化问题。由于Sink节点移动方向、Sink节点是否停留和停留时间、能量异构节点的数据路由、数据收集方式(数据收集范围、静态和移动数据收集)等因素都能影响网络生存时间和丢包率。但是目前许多算法只是研究其中一个或多个方面，忽略其它方面对网络生存时间和丢包率的影响，且没有考虑三维网络环境，因此很难应用到实际项目中。
发明内容
本发明为了解决以上技术问题，考虑三维监测区域内Sink节点的移动，提供一种权衡网络生存时间和丢包率的三维无线传感网数据收集方法。该方法解决三维网络环境下的Sink节点数据收集问题，能寻找到Sink节点的最优移动路径和停留时间，传感节点能寻找到最优的数据通信路径，从而提高网络生存时间，降低丢包率和平衡节点能耗。
为了实现上述目的，本发明具有如下构成：
本发明提供了一种权衡生存时间和丢包率的三维无线传感网数据收集方法，包括如下步骤：
(1)将三维监测区域分成大小一致的正方体网格，并根据从左到右，从前到后和从上到下的原则对每一个正方体网格进行编码，令Cu(m,n,h)表示从左开始计数的第m列中从前到后开始计数的第n行中从下到上的第h个正方体网格；
(2)构建Sink节点的移动路径约束条件；
(3)构建Sink节点的数据收集约束条件；
(4)建立权衡网络生存时间和丢包率的优化模型；
(5)初始化所述优化模型中的各个参数，所述参数包括迭代次数初值m1＝1，当前食物源序号m2＝1，最大迭代次数M1，食物源个数M2，失败参数βi；
(6)初始化M2个食物源的移动路径；
(7)计算食物源m2的适应度值，如果食物源m2的适应度值比当前全局最优值大，则更新最优食物源为食物源m2，更新全局最优值为食物源m2的适应度值，m2＝m2+1，如果m2大于M2，则获得每一个食物源的适应度值，获得全局最优食物源和其适应度值，m2＝1，继续步骤(8)，否则重新继续步骤(7)；
(8)进入采蜜蜂阶段，修改所有食物源的移动路径；
(9)进入观察蜂阶段，根据概率对部分食物源进行重新优化和排序；
(10)进入侦查蜂阶段，初始化失败参数βi高的食物源；
(11)m1＝m1+1，如果m1大于M1，则结束，输出Sink节点的最优移动路径和数据收集方案，否则，m2＝1，跳到步骤(7)。
可选地，所述步骤(2)中，采用如下步骤构建Sink节点的移动路径约束条件：
(2.1)令三维矩阵XCu表示监测区域内所有网格是否在移动位置上的状态指示符矩阵，是一个mmax×nmax×hmax的三维矩阵，其中mmax表示同一个水平平面上从左到右的正方体网格的最大列数，nmax表示同一个水平平面上从前到后的正方体网格的最大行数，hmax表示从下到上的正方体网格的最大层数，令pv表示正方形网格Cu(mv,nv,hv)，其中mv表示当前网格pv所在的列数，nv表示当前网格pv所在的行数，hv表示当前网格pv所在的层数，当XCu中第mv列nv行hv层值则表示网格Cu(mv,nv,hv)在Sink节点的移动路径中，否则表示网格Cu(mv,nv,hv)不在Sink节点的移动路径中，令表示网格中心移动状态指示符，当且网格Cu(mv,nv,hv)的中心是网格Cu(mw,nw,hw)的邻居网络中心，则表示Sink节点从Cu(mv,nv,hv)的中心移动到网格Cu(mw,nw,hw)的中心；
(2.2)根据如下公式计算邻居网格集合LCu，并选择邻居网格集合LCu作为所有网格的邻居网格中心集合
(2.3)令每一个网格到非邻居网格中心的状态指示符为0，即：
(2.4)令Sink节点的初始位置则从初始位置开始依次计算每一个网格的状态为：
令每一个网格的状态需要满足以下条件：
其中，ps表示Sink节点的初始网格位置，pd表示Sink节点的结束网格位置；
(2.5)令每一个网格到非邻居网格中心的状态指示符需要满足以下条件：
(2.6)将公式(1)-公式(5)作为Sink节点的移动路径约束条件。
可选地，所述步骤(2.2)中，网格Cu(mv,nv,hv)的邻居网格中心集合计算方法如下：
(2.2.1)当前网格为Cu(mv,nv,hv)，则其邻居网格集合LCu为
(2.2.2)如果mv-1＝＝0，则从LCu中删除Cu(mv-1,nv,hv)，否则LCu不变化；
(2.2.3)如果nv-1＝＝0，则从LCu中删除Cu(mv,nv-1,hv)，否则LCu不变化；
(2.2.4)如果hv-1＝＝0，则从LCu中删除Cu(mv,nv,hv-1)，否则LCu不变化；
(2.2.5)如果mv＝＝mmax，则从LCu中删除Cu(mv+1,nv,hv)，否则LCu不变化；
(2.2.6)如果nv＝＝nmax，则从LCu中删除Cu(mv,nv+1,hv)，否则LCu不变化；
(2.2.7)如果hv＝＝hmax，则从LCu中删除Cu(mv,nv,hv+1)，否则LCu不变化；
(2.2.8)令当前网格Cu(mv,nv,hv)的邻居网格中心集合为LCu。
可选地，所述步骤(3)中，采用如下步骤构建Sink节点的数据收集约束条件：
(3.1)令节点i与节点j的距离为：
其中(xi,yi,zi)表示节点i的三维坐标，表示当Sink节点停留在位置pv时节点i到节点j的距离，令表示节点i与节点j的邻居关系符号，即：
其中，dmax表示节点的最大通信距离，令V表示所有传感节点集合，通过hello包的收发确定当Sink节点停留在pv位置时在Sink节点的数据收集范围内的传感节点集合其他传感节点集合为则
(3.2)传感节点的流量平衡约束为
其中，表示当Sink节点停留在某一停留位置pv时,与节点j通信时节点i的数据发送量，Si表示节点i的数据感知速率，tp表示Sink节点在当前位置pv的停留时间，表示当Sink节点停留在上一个停留位置时，Sink节点的数据存储容量；
(3.3)当Sink节点停留在位置pv时，传感节点i接收数据的能耗仅考虑节点电路的电子能耗，为其中是传感节点i的电路电子能耗常数，表示当Sink节点停留在某一停留位置pv时，传感节点i的邻居节点集合，由节点电路的电子能耗和信号放大器的电子能耗组成的发送数据的能耗为其中γ∈[2,4]表示数据在传输过程中的损耗系数，表示传感节点i的信号放大常数，表示当Sink节点停留在某一停留位置pv时，传感节点i到传感节点j的距离，则节点能耗约束为：
其中，NPath表示在整个网络生存时间内Sink节点沿着路径移动的次数，Ei表示传感节点的初始能量；
(3.4)传感节点的数据传输约束为：
其中，fmax表示节点i的最大发送速率；
(3.5)将公式(6)-(10)作为数据收集约束条件。
可选地，所述步骤(4)中，权衡网络生存时间和丢包率的优化模型的建立方法如下：
(4.1)如果传感节点在Sink节点的数据收集范围内，传感节点将包括前一个时刻的缓存数据一起发送给Sink节点，否则传感节点感知数据，并将其存储到缓存中，如果缓存容量超过其自身最大容量，则将时间最早的数据丢弃，存储最新数据，则可表示为：
其中，表示当Sink节点停留在某一停留位置pv时，Sink节点的数据存储容量，Cmax表示传感节点的最大存储容量；
(4.2)移动传感节点会因自身数据存储容量有限导致自身数据的丢失，则丢包数更新公式为：
其中，表示当Sink节点停留在位置pv时传感节点i的丢包数；
(4.3)令传感节点的平均丢包率Dave为：
其中，Dtotal表示所有传感节点产生的数据包总量；
(4.4)令传感节点i的生存时间为节点处于工作状态的时间，则传感节点i的生存时间为：
其中表示当Sink节点停留在位置pv时，传感节点i是否在其数据收集范围内的指示符，Ti表示传感节点i的生存时间；
(4.5)令网络生存时间为：
(4.6)建立权衡网络生存时间和丢包率的优化模型(16)：
可选地，所述步骤(6)中每一个食物源移动路径的初始化包括如下步骤：
随机选择某一个网格中心为Sink节点的初始位置和当前位置；
根据Sink节点的当前位置，如果存在未经过的邻居网格中心，随机选择一个邻居网格中心作为下一刻停留的网格中心，否则选择距离最近且未经过的网格中心作为下一时刻的网格中心；
当Sink节点的移动路径能覆盖所有的传感节点时，即所有传感节点至少能将数据发送给某一个停留位置上的Sink节点时，则输出当前食物源。
可选地，所述所述步骤(7)中每一个食物源的适应度值计算方法如下：
(7.1)将模型(16)转换成以下优化模型(17)：
max(NPath) (17)
(7.2)令令q＝1/Npath，将优化模型(17)转换为优化模型(18)：
min(q) (18)
(7.2)将优化模型(18)转换成在Sink节点移动路径中每一个停留位置的优化模型；
(7.3)分别求解Sink节点移动路径中每一个停留位置的优化模型，获得每一个停留位置的最优解，从而获得Sink节点移动路径已知情况下优化模型(17)的最优解，并通过公式(20)计算适应度值：
其中，表示当前食物源m2的适应度值。
可选地，所述步骤(7.2)中停留位置pv的优化模型为：
min(qp) (19)
subject to:
其中，qp表示当Sink节点停留在位置pv时的优化模型参数，表示当Sink节点停留在位置pv时，传感节点i的能耗。
可选地，所述步骤(8)中所有食物源的移动路径修改包括如下步骤：
(8.1)m2＝1，k＝1，选择食物源m2为当前食物源；
(8.2)选择当前食物源的移动路径中第k个位置作为Sink节点的当前停留位置，选择当前停留位置的邻居网格中心，随机选择一个四分之一圆内的邻居网格中心作为新的下一时刻网格中心，如果该网格中心在当前食物源的移动路径上，则直接交换新的下一时刻网格中心和当前的下一时刻网格中心的位置，否则直接将当前的下一时刻网格中心替换为新的下一时刻网格中心；
(8.3)判断是否完成所有位置的循环，如果没有，则k＝k+1，跳到步骤(8.2)，否则获得新的食物源Si′；
(8.4)如果新食物源Si′的适应度值大于当前食物源的适应度值，且大于阈值fitness1，则新食物源替换当前食物源，否则路径寻找失败，第i条路径的失败参数βi加1，m2＝m2+1；
(8.5)如果m2大于M2，则完成采蜜蜂阶段，m2＝1，跳到步骤(9)，否则重新跳到步骤(8.1)。
可选地，所述步骤(9)中部分食物源重新优化和排序的方法如下：
(9.1)令m2＝1，根据所有食物源的适应度值，计算最优适应度值的更新概率：
其中，PY表示最优适应度值的更新概率，表示食物源m2的适应度值，fY表示最优适应度值；
(9.2)产生一个随机数，如果该随机数小于PY，则选择食物源m2，判断Sink节点沿着食物源m2中移动路径移动，其传感节点的覆盖率，如果传感节点的覆盖率小于100％，则添加距离孤立传感节点最近的网格中心到移动路径中，重新调整停留位置的排列顺序，获得新的移动路径，如果该移动路径的适应度值大于当前的移动路径适应度值，则直接替换当前移动路径，跳到步骤(9.3)，否则直接跳到步骤(9.3)；
(9.3)m2＝m2+1，如果m2大于M2，则完成观察蜂阶段，m2＝1，跳到步骤(10)，否则重新跳到步骤(9.1)；
所述步骤(10)中侦查蜂阶段的工作方法如下：
(10.1)令m2＝1；
(10.2)如果食物源m2的失败参数βi大于阈值βyu，则重新初始化该食物源，否则不操作；
(10.3)m2＝m2+1，如果m2大于M2，则完成侦查蜂阶段，m2＝1，跳到步骤(11)，否则重新跳到步骤(10.1)。
本发明所提供的权衡生存时间和丢包率的三维无线传感网数据收集方法，具有如下有益效果：
本发明提出了三维空间环境下的正方体网格划分方法，采用数学公式表示Sink移动路径选择约束、数据收集约束等约束条件，提出丢包率和网络生存时间的计算公式，建立权衡网络生存时间和丢包率的优化模型；本发明采用修正的人工蜂群求解该优化模型，获得最优方案，即Sink节点能寻找到最优移动路径和停留时间，传感节点能寻找到最优数据通信路径，从而提高网络生存时间，降低丢包率和平衡节点能耗，降低方法应用的系统成本。
附图说明
图1为本发明一实施例的权衡生存时间和丢包率的三维无线传感网数据收集方法的流程图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
如图1所示，为了解决现有技术中的技术问题，本发明提供了一种权衡生存时间和丢包率的三维无线传感网数据收集方法，包括如下步骤：
(1)将三维监测区域分成多个大小一致的正方体网格，并根据从左到右，从前到后和从上到下的原则对每一个正方体网格进行编码。令Cu(m,n,h)表示从左开始计数的第m列中从前到后开始计数的第n行中从下到上的第h个正方体网格。
(2)考虑Sink的移动，提出Sink节点的移动路径约束条件；所述Sink节点的移动路径约束条件提出方法如下：
(2.1)令三维矩阵XCu表示监测区域内所有网格是否在移动位置上的状态指示符矩阵，是一个mmax×nmax×hmax的三维矩阵，其中mmax表示同一个水平平面上从左到右的正方体网格的最大列数，nmax表示同一个水平平面上从前到后的正方体网格的最大行数，hmax表示从下到上的正方体网格的最大层数。令pv表示正方形网格Cu(mv,nv,hv)，其中mv表示当前网格pv所在的列数，nv表示当前网格pv所在的行数,hv表示当前网格pv所在的层数。当XCu中第mv列nv行hv层值则表示网格Cu(mv,nv,hv)在Sink节点的移动路径中，否则表示网格Cu(mv,nv,hv)不在Sink节点的移动路径中。令表示网格中心移动状态指示符。当且网格Cu(mv,nv,hv)的中心是网格Cu(mw,nw,hw)的邻居网络中心，则表示Sink节点从Cu(mv,nv,hv)的中心移动到网格Cu(mw,nw,hw)的中心。
(2.2)计算所有网格的邻居网格中心集合网格Cu(mv,nv,hv)的邻居网格中心集合计算方法如下：
(2.2.1)当前网格为Cu(mv,nv,hv)，则其邻居网格集合LCu为
(2.2.2)如果mv-1＝＝0，则从LCu中删除Cu(mv-1,nv,hv)，否则LCu不变化；
(2.2.3)如果nv-1＝＝0，则从LCu中删除Cu(mv,nv-1,hv)，否则LCu不变化；
(2.2.4)如果hv-1＝＝0，则从LCu中删除Cu(mv,nv,hv-1)，否则LCu不变化；
(2.2.5)如果mv＝＝mmax，则从LCu中删除Cu(mv+1,nv,hv)，否则LCu不变化；
(2.2.6)如果nv＝＝nmax，则从LCu中删除Cu(mv,nv+1,hv)，否则LCu不变化；
(2.2.7)如果hv＝＝hmax，则从LCu中删除Cu(mv,nv,hv+1)，否则LCu不变化；
(2.2.8)令当前网格Cu(mv,nv,hv)的邻居网格中心集合为LCu。
(2.3)由于移动Sink节点只能选择当前网格的邻居网格中心作为下一时刻的停留位置，因此令每一个网格到非邻居网格中心的状态指示符为0，即
(2.4)除了初始网格和结束网格之外，其他网格要求Sink节点不经过或者只进出1次，移动路径中不存在重复的网格中心。令Sink节点的初始位置则从初始位置开始依次计算每一个网格的状态为
令每一个网格的状态需要满足以下条件
其中，ps表示Sink节点的初始网格位置，pd表示Sink节点的结束网格位置。
(2.5)当Sink节点从上一个网格进入当前网格后，不能重新从当前网格返回到上一个网格，即不能存在自循环情况，则令
(2.6)获得移动路径选择约束条件(1)-(5)。
(3)提出Sink节点的数据收集约束条件；所述Sink节点的数据收集约束条件提出方法如下：
(3.1)令节点i与节点j的距离为
其中(xi,yi,zi)表示节点i的三维坐标，表示当Sink节点停留在位置pv时节点i到节点j的距离。令表示节点i与节点j的邻居关系符号，即
其中，dmax表示节点的最大通信距离。令V表示所有传感节点集合，通过hello包的收发确定当Sink节点停留在pv位置时在Sink节点的数据收集范围内的传感节点集合其他传感节点集合为则
(3.2)根据传感节点的发送数据和当前时刻缓存存储数据的和由感知数据、前一个时刻的缓存存储数据和从所有邻居节点接收的数据组成，则传感节点的流量平衡约束为：
其中，表示当Sink节点停留在某一停留位置pv时,与节点j通信时节点i的数据发送量，Si表示节点i的数据感知速率，tp表示Sink节点在当前位置pv的停留时间，表示当Sink节点停留在上一个停留位置时，Sink节点的数据存储容量。
(3.3)当Sink节点停留在位置pv时，传感节点i接收数据的能耗仅考虑节点电路的电子能耗，为其中是传感节点i的电路电子能耗常数，表示当Sink节点停留在某一停留位置pv时，传感节点i的邻居节点集合。由节点电路的电子能耗和信号放大器的电子能耗组成的发送数据的能耗为其中γ∈[2,4]表示数据在传输过程中的损耗系数，表示传感节点i的信号放大常数，表示当Sink节点停留在某一停留位置pv时，传感节点i到传感节点j的距离，则节点能耗约束为：
其中，NPath表示在整个网络生存时间内Sink节点沿着路径移动的次数，Ei表示传感节点的初始能量。
(3.4)因为链路的带宽资源有限，链路传输的数据总量也有限，因此传感节点的数据传输约束为：
其中，fmax表示节点i的最大发送速率。
(3.5)获得数据收集约束条件(6)-(10)。
(4)建立权衡网络生存时间和丢包率的优化模型。所述优化模型的建立方法如下：
(4.1)如果传感节点在Sink节点的数据收集范围内，传感节点将包括前一个时刻的缓存数据一起发送给Sink节点，否则传感节点感知数据，并将其存储到缓存中。如果缓存容量超过其自身最大容量，则将时间最早的数据丢弃，存储最新数据，则可表示为：
其中，表示当Sink节点停留在某一停留位置pv时，Sink节点的数据存储容量，Cmax表示传感节点的最大存储容量。
(4.2)移动传感节点会因自身数据存储容量有限导致自身数据的丢失，则丢包数更新公式为：
其中，表示当Sink节点停留在位置pv时传感节点i的丢包数。
(4.3)令传感节点的平均丢包率Dave为
其中，Dtotal表示所有传感节点产生的数据包总量。
(4.4)令传感节点i的生存时间为节点处于工作状态的时间，则传感节点i的生存时间为
其中表示当Sink节点停留在位置pv时，传感节点i是否在其数据收集范围内的指示符，Ti表示传感节点i的生存时间。
(4.5)令网络生存时间为：
(4.6)建立权衡网络生存时间和丢包率的优化模型(16)。
subject to公式(2)-(5)，公式(8)-(13)
(5)初始化各种参数，如迭代次数初值m1＝1，当前食物源m2＝1，最大迭代次数M1，食物源个数M2，失败参数βi等；
(6)初始化M2个食物源的移动路径；每一个食物源移动路径的初始化方法如下：随机选择某一个网格中心为Sink节点的初始位置和当前位置。根据Sink节点的当前位置，如果存在未经过的邻居网格中心，随机选择一个邻居网格中心作为下一刻停留的网格中心，否则选择距离最近且未经过的网格中心作为下一时刻的网格中心。当Sink节点的移动路径能覆盖所有的传感节点时，即所有传感节点至少能将数据发送给某一个停留位置上的Sink节点时，则完成Sink节点的移动路径寻找，输出当前食物源。
(7)计算食物源m2的适应度值。如果其适应度值比当前全局最优值大，则更新最优食物源和全局最优值。m2＝m2+1。如果m2大于M2，则获得每一个食物源的适应度值，获得全局最优食物源和其适应度值，m2＝1，跳到步骤(8)，否则重新跳到步骤(7)；每一个食物源的适应度值计算方法如下：
(7.1)由于蜜蜂食物源已找到，即Sink节点的移动路径已知，则计算已知，将模型(16)转换成以下优化模型(17)。
max(NPath) (17)
subject to公式(8)-(11)
(7.2)令令q＝1/Npath，将优化模型(17)转换为优化模型(18)：
min(q) (18)
subject to公式(8)-(11)
(7.2)将优化模型(18)转换成在Sink节点移动路径中每一个停留位置的优化模型。所述停留位置pv的优化模型为：
min(qp) (19)
subject to:
其中，qp表示当Sink节点停留在位置pv时的优化模型参数，表示当Sink节点停留在位置pv时，传感节点i的能耗。
(7.3)分别求解Sink节点移动路径中每一个停留位置的优化模型，获得每一个停留位置的最优解，从而获得Sink节点移动路径已知情况下优化模型(17)的最优解，并通过公式(20)计算适应度值。
其中，fitness表示当前食物源的适应度值。
(8)进入采蜜蜂阶段，修改所有食物源的移动路径。所有食物源的移动路径修改方法如下：
(8.1)m2＝1，k＝1，选择食物源m2为当前食物源；
(8.2)选择当前食物源的移动路径中第k个位置作为Sink节点的当前停留位置，选择当前停留位置的邻居网格中心，随机选择一个四分之一圆内的邻居网格中心作为新的下一时刻网格中心。如果该网格中心在当前食物源的移动路径上，则直接交换新的下一时刻网格中心和当前的下一时刻网格中心的位置，否则直接将当前的下一时刻网格中心替换为新的下一时刻网格中心。
(8.3)判断是否完成所有位置的循环。如果没有，则k＝k+1，跳到步骤(8.2)，否则获得新的食物源Si′。
(8.4)如果新食物源Si′的适应度值大于当前食物源的适应度值，且大于阈值fitness1，则新食物源替换当前食物源，否则路径寻找失败，第i条路径的失败参数βi加1。m2＝m2+1。
(8.5)如果m2大于M2，则完成采蜜蜂阶段，m2＝1，跳到步骤(9)，否则重新跳到步骤(8.1)。
(9)进入观察蜂阶段，根据概率对部分食物源进行重新优化和排序。所述部分食物源重新优化和排序的方法如下：
(9.1)令m2＝1，根据所有食物源的适应度值，计算最优适应度值的更新概率。
其中，PY表示最优适应度值的更新概率，表示食物源m2的适应度值，fY表示最优适应度值。
(9.2)产生一个随机数。如果该随机数小于PY，则选择食物源m2。判断Sink节点沿着食物源m2中移动路径移动，其传感节点的覆盖率。如果传感节点的覆盖率小于100％，则添加距离孤立传感节点最近的网格中心到移动路径中。重新调整停留位置的排列顺序，获得新的移动路径。如果该移动路径的适应度值大于当前的移动路径适应度值，则直接替换当前移动路径，跳到步骤(9.3)，否则直接跳到步骤(9.3)。
(9.3)m2＝m2+1。如果m2大于M2，则完成观察蜂阶段，m2＝1，跳到步骤(10)，否则重新跳到步骤(9.1)。
(10)进入侦查蜂阶段，初始化失败参数βi高的食物源。侦查蜂阶段的工作方法如下：
(10.1)令m2＝1；
(10.2)如果食物源m2的失败参数βi大于阈值βyu，则重新初始化该食物源，否则不操作；
(10.3)m2＝m2+1，如果m2大于M2，则完成侦查蜂阶段，m2＝1，跳到步骤(11)，否则重新跳到步骤(10.1)；
(11)m1＝m1+1，如果m1大于M1，则结束，输出Sink节点的最优移动路径和数据收集方案，m2＝1，否则跳到步骤(7)。
本发明所提供的权衡生存时间和丢包率的三维无线传感网数据收集方法，具有如下有益效果：
本发明提出了三维空间环境下的正方体网格划分方法，采用数学公式表示Sink移动路径选择约束、数据收集约束等约束条件，提出丢包率和网络生存时间的计算公式，建立权衡网络生存时间和丢包率的优化模型；本发明采用修正的人工蜂群求解该优化模型，获得最优方案，即Sink节点能寻找到最优移动路径和停留时间，传感节点能寻找到最优数据通信路径，从而提高网络生存时间，降低丢包率和平衡节点能耗，降低方法应用的系统成本。
在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。
Claims (10)
1.一种权衡生存时间和丢包率的三维无线传感网数据收集方法，其特征在于，包括如下步骤：
(1)将三维监测区域分成大小一致的正方体网格，并根据从左到右，从前到后和从上到下的原则对每一个正方体网格进行编码，令Cu(m,n,h)表示从左开始计数的第m列中从前到后开始计数的第n行中从下到上的第h个正方体网格；
(2)构建Sink节点的移动路径约束条件；
(3)构建Sink节点的数据收集约束条件；
(4)建立权衡网络生存时间和丢包率的优化模型；
(5)初始化所述优化模型中的各个参数，所述参数包括迭代次数初值m1＝1，当前食物源序号m2＝1，最大迭代次数M1，食物源个数M2，失败参数βi；
(6)初始化M2个食物源的移动路径；
(7)计算食物源m2的适应度值，如果食物源m2的适应度值比当前全局最优值大，则更新最优食物源为食物源m2，更新全局最优值为食物源m2的适应度值，m2＝m2+1，如果m2大于M2，则获得每一个食物源的适应度值，获得全局最优食物源和其适应度值，m2＝1，继续步骤(8)，否则重新继续步骤(7)；
(8)进入采蜜蜂阶段，修改所有食物源的移动路径；
(9)进入观察蜂阶段，根据概率对部分食物源进行重新优化和排序；
(10)进入侦查蜂阶段，初始化失败参数βi高的食物源；
(11)m1＝m1+1，如果m1大于M1，则结束，输出Sink节点的最优移动路径和数据收集方案，否则，m2＝1，跳到步骤(7)。
2.根据权利要求1所述的权衡生存时间和丢包率的三维无线传感网数据收集方法，其特征在于，所述步骤(2)中，采用如下步骤构建Sink节点的移动路径约束条件：
(2.1)令三维矩阵XCu表示监测区域内所有网格是否在移动位置上的状态指示符矩阵，是一个mmax×nmax×hmax的三维矩阵，其中mmax表示同一个水平平面上从左到右的正方体网格的最大列数，nmax表示同一个水平平面上从前到后的正方体网格的最大行数，hmax表示从下到上的正方体网格的最大层数，令pv表示正方形网格Cu(mv,nv,hv)，其中mv表示当前网格pv所在的列数，nv表示当前网格pv所在的行数，hv表示当前网格pv所在的层数，当XCu中第mv列nv行hv层值则表示网格Cu(mv,nv,hv)在Sink节点的移动路径中，否则表示网格Cu(mv,nv,hv)不在Sink节点的移动路径中，令表示网格中心移动状态指示符，当且网格Cu(mv,nv,hv)的中心是网格Cu(mw,nw,hw)的邻居网络中心，则表示Sink节点从Cu(mv,nv,hv)的中心移动到网格Cu(mw,nw,hw)的中心；
(2.2)根据如下公式计算邻居网格集合LCu，并选择邻居网格集合LCu作为所有网格的邻居网格中心集合
(2.3)令每一个网格到非邻居网格中心的状态指示符为0，即：
(2.4)令Sink节点的初始位置则从初始位置开始依次计算每一个网格的状态为：
令每一个网格的状态需要满足以下条件：
其中，ps表示Sink节点的初始网格位置，pd表示Sink节点的结束网格位置；
(2.5)令每一个网格到非邻居网格中心的状态指示符需要满足以下条件：
(2.6)将公式(1)-公式(5)作为Sink节点的移动路径约束条件。
3.根据权利要求2所述的权衡生存时间和丢包率的三维无线传感网数据收集方法，其特征在于，所述步骤(2.2)中，网格Cu(mv,nv,hv)的邻居网格中心集合计算方法如下：
(2.2.1)当前网格为Cu(mv,nv,hv)，则其邻居网格集合LCu为
(2.2.2)如果mv-1＝＝0，则从LCu中删除Cu(mv-1,nv,hv)，否则LCu不变化；
(2.2.3)如果nv-1＝＝0，则从LCu中删除Cu(mv,nv-1,hv)，否则LCu不变化；
(2.2.4)如果hv-1＝＝0，则从LCu中删除Cu(mv,nv,hv-1)，否则LCu不变化；
(2.2.5)如果mv＝＝mmax，则从LCu中删除Cu(mv+1,nv,hv)，否则LCu不变化；
(2.2.6)如果nv＝＝nmax，则从LCu中删除Cu(mv,nv+1,hv)，否则LCu不变化；
(2.2.7)如果hv＝＝hmax，则从LCu中删除Cu(mv,nv,hv+1)，否则LCu不变化；
(2.2.8)令当前网格Cu(mv,nv,hv)的邻居网格中心集合为LCu。
4.根据权利要求2所述的权衡生存时间和丢包率的三维无线传感网数据收集方法，其特征在于，所述步骤(3)中，采用如下步骤构建Sink节点的数据收集约束条件：
(3.1)令节点i与节点j的距离为：
其中(xi,yi,zi)表示节点i的三维坐标，表示当Sink节点停留在位置pv时节点i到节点j的距离，令表示节点i与节点j的邻居关系符号，即：
其中，dmax表示节点的最大通信距离，令V表示所有传感节点集合，通过hello包的收发确定当Sink节点停留在pv位置时在Sink节点的数据收集范围内的传感节点集合其他传感节点集合为则
(3.2)传感节点的流量平衡约束为
其中，表示当Sink节点停留在某一停留位置pv时,与节点j通信时节点i的数据发送量，Si表示节点i的数据感知速率，tp表示Sink节点在当前位置pv的停留时间，表示当Sink节点停留在上一个停留位置时，Sink节点的数据存储容量；
(3.3)当Sink节点停留在位置pv时，传感节点i接收数据的能耗仅考虑节点电路的电子能耗，为其中是传感节点i的电路电子能耗常数，表示当Sink节点停留在某一停留位置pv时，传感节点i的邻居节点集合，由节点电路的电子能耗和信号放大器的电子能耗组成的发送数据的能耗为其中γ∈[2,4]表示数据在传输过程中的损耗系数，表示传感节点i的信号放大常数，表示当Sink节点停留在某一停留位置pv时，传感节点i到传感节点j的距离，则节点能耗约束为：
其中，NPath表示在整个网络生存时间内Sink节点沿着路径移动的次数，Ei表示传感节点的初始能量；
(3.4)传感节点的数据传输约束为：
其中，fmax表示节点i的最大发送速率；
(3.5)将公式(6)-(10)作为数据收集约束条件。
5.根据权利要求4所述的权衡生存时间和丢包率的三维无线传感网数据收集方法，其特征在于，所述步骤(4)中，权衡网络生存时间和丢包率的优化模型的建立方法如下：
(4.1)如果传感节点在Sink节点的数据收集范围内，传感节点将包括前一个时刻的缓存数据一起发送给Sink节点，否则传感节点感知数据，并将其存储到缓存中，如果缓存容量超过其自身最大容量，则将时间最早的数据丢弃，存储最新数据，则可表示为：
其中，表示当Sink节点停留在某一停留位置pv时，Sink节点的数据存储容量，Cmax表示传感节点的最大存储容量；
(4.2)移动传感节点会因自身数据存储容量有限导致自身数据的丢失，则丢包数更新公式为：
其中，表示当Sink节点停留在位置pv时传感节点i的丢包数；
(4.3)令传感节点的平均丢包率Dave为：
其中，Dtotal表示所有传感节点产生的数据包总量；
(4.4)令传感节点i的生存时间为节点处于工作状态的时间，则传感节点i的生存时间为：
其中表示当Sink节点停留在位置pv时，传感节点i是否在其数据收集范围内的指示符，Ti表示传感节点i的生存时间；
(4.5)令网络生存时间T为：
(4.6)建立权衡网络生存时间和丢包率的优化模型(16)：
6.根据权利要求1所述的权衡生存时间和丢包率的三维无线传感网数据收集方法，其特征在于，所述步骤(6)中每一个食物源移动路径的初始化包括如下步骤：
随机选择某一个网格中心为Sink节点的初始位置和当前位置；
根据Sink节点的当前位置，如果存在未经过的邻居网格中心，随机选择一个邻居网格中心作为下一刻停留的网格中心，否则选择距离最近且未经过的网格中心作为下一时刻的网格中心；
当Sink节点的移动路径能覆盖所有的传感节点时，即所有传感节点至少能将数据发送给某一个停留位置上的Sink节点时，则输出当前食物源。
7.根据权利要求4所述的权衡生存时间和丢包率的三维无线传感网数据收集方法，其特征在于，所述所述步骤(7)中每一个食物源的适应度值计算方法如下：
(7.1)将模型(16)转换成以下优化模型(17)：
max(NPath) (17)
(7.2)令令q＝1/Npath，将优化模型(17)转换为优化模型(18)：
min(q) (18)
(7.2)将优化模型(18)转换成在Sink节点移动路径中每一个停留位置的优化模型；
(7.3)分别求解Sink节点移动路径中每一个停留位置的优化模型，获得每一个停留位置的最优解，从而获得Sink节点移动路径已知情况下优化模型(17)的最优解，并通过公式(20)计算适应度值：
其中，表示当前食物源m2的适应度值。
8.根据权利要求7所述的权衡生存时间和丢包率的三维无线传感网数据收集方法，其特征在于，所述步骤(7.2)中停留位置pv的优化模型为：
min(qp) (19)
subject to:
其中，qp表示当Sink节点停留在位置pv时的优化模型参数，表示当Sink节点停留在位置pv时，传感节点i的能耗。
9.根据权利要求1所述的权衡生存时间和丢包率的三维无线传感网数据收集方法，其特征在于，所述步骤(8)中所有食物源的移动路径修改包括如下步骤：
(8.1)m2＝1，k＝1，选择食物源m2为当前食物源；
(8.2)选择当前食物源的移动路径中第k个位置作为Sink节点的当前停留位置，选择当前停留位置的邻居网格中心，随机选择一个四分之一圆内的邻居网格中心作为新的下一时刻网格中心，如果该网格中心在当前食物源的移动路径上，则直接交换新的下一时刻网格中心和当前的下一时刻网格中心的位置，否则直接将当前的下一时刻网格中心替换为新的下一时刻网格中心；
(8.3)判断是否完成所有位置的循环，如果没有，则k＝k+1，跳到步骤(8.2)，否则获得新的食物源Si′；
(8.4)如果新食物源Si′的适应度值大于当前食物源的适应度值，且大于阈值fitness1，则新食物源替换当前食物源，否则路径寻找失败，第i条路径的失败参数βi加1，m2＝m2+1；
(8.5)如果m2大于M2，则完成采蜜蜂阶段，m2＝1，跳到步骤(9)，否则重新跳到步骤(8.1)。
10.根据权利要求1所述的权衡生存时间和丢包率的三维无线传感网数据收集方法，其特征在于，所述步骤(9)中部分食物源重新优化和排序的方法如下：
(9.1)令m2＝1，根据所有食物源的适应度值，计算最优适应度值的更新概率：
其中，PY表示最优适应度值的更新概率，表示食物源m2的适应度值，fY表示最优适应度值；
(9.2)产生一个随机数，如果该随机数小于PY，则选择食物源m2，判断Sink节点沿着食物源m2中移动路径移动，其传感节点的覆盖率，如果传感节点的覆盖率小于100％，则添加距离孤立传感节点最近的网格中心到移动路径中，重新调整停留位置的排列顺序，获得新的移动路径，如果该移动路径的适应度值大于当前的移动路径适应度值，则直接替换当前移动路径，跳到步骤(9.3)，否则直接跳到步骤(9.3)；
(9.3)m2＝m2+1，如果m2大于M2，则完成观察蜂阶段，m2＝1，跳到步骤(10)，否则重新跳到步骤(9.1)；
所述步骤(10)中侦查蜂阶段的工作方法如下：
(10.1)令m2＝1；
(10.2)如果食物源m2的失败参数βi大于阈值βyu，则重新初始化该食物源，否则不操作；
(10.3)m2＝m2+1，如果m2大于M2，则完成侦查蜂阶段，m2＝1，跳到步骤(11)，否则重新跳到步骤(10.1)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910125267.6A CN109874145B (zh) | 2019-02-20 | 2019-02-20 | 权衡生存时间和丢包率的三维无线传感网数据收集方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910125267.6A CN109874145B (zh) | 2019-02-20 | 2019-02-20 | 权衡生存时间和丢包率的三维无线传感网数据收集方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109874145A true CN109874145A (zh) | 2019-06-11 |
| CN109874145B CN109874145B (zh) | 2022-03-25 |
Family
ID=66918993
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910125267.6A Active CN109874145B (zh) | 2019-02-20 | 2019-02-20 | 权衡生存时间和丢包率的三维无线传感网数据收集方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109874145B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110996253A (zh) * | 2019-12-12 | 2020-04-10 | 国家电网有限公司大数据中心 | 数据资源分布方式的确定方法、装置、设备及介质 |
| CN111479236A (zh) * | 2020-05-12 | 2020-07-31 | 上海海洋大学 | 一种分布式无线传感网络的组网节点模式及其网络节点部署方法 |
| CN113453184A (zh) * | 2021-06-25 | 2021-09-28 | 滁州学院 | 基于多移动数据收集车合作机制的无线传感器网络数据收集方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103209224A (zh) * | 2013-04-28 | 2013-07-17 | 上海海事大学 | 基于p2p的水声传感器网络系统及其数据传输方法 |
| CN105246097A (zh) * | 2015-09-11 | 2016-01-13 | 浙江树人大学 | 一种具有移动Sink节点的无线传感网生存时间优化方法 |
| CN107534870A (zh) * | 2015-06-04 | 2018-01-02 | 认知系统公司 | 分析无线信号传播 |
| CN107919918A (zh) * | 2017-11-20 | 2018-04-17 | 中国人民解放军陆军工程大学 | 一种移动节点辅助水下物联网数据可靠采集方法 |
| CN108337711A (zh) * | 2018-03-23 | 2018-07-27 | 浙江树人学院 | 移动无线传感网的移动感知数据路由方法 |
| CN108981669A (zh) * | 2018-08-02 | 2018-12-11 | 浙江树人学院 | 一种三维扫描人体动作捕捉装置 |
-
2019
- 2019-02-20 CN CN201910125267.6A patent/CN109874145B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103209224A (zh) * | 2013-04-28 | 2013-07-17 | 上海海事大学 | 基于p2p的水声传感器网络系统及其数据传输方法 |
| CN107534870A (zh) * | 2015-06-04 | 2018-01-02 | 认知系统公司 | 分析无线信号传播 |
| CN105246097A (zh) * | 2015-09-11 | 2016-01-13 | 浙江树人大学 | 一种具有移动Sink节点的无线传感网生存时间优化方法 |
| CN107919918A (zh) * | 2017-11-20 | 2018-04-17 | 中国人民解放军陆军工程大学 | 一种移动节点辅助水下物联网数据可靠采集方法 |
| CN108337711A (zh) * | 2018-03-23 | 2018-07-27 | 浙江树人学院 | 移动无线传感网的移动感知数据路由方法 |
| CN108981669A (zh) * | 2018-08-02 | 2018-12-11 | 浙江树人学院 | 一种三维扫描人体动作捕捉装置 |
Non-Patent Citations (1)
| Title |
|---|
| 孙美东等: "面向非全互连3D NoC的自适应单播路由算法", 《计算机应用》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110996253A (zh) * | 2019-12-12 | 2020-04-10 | 国家电网有限公司大数据中心 | 数据资源分布方式的确定方法、装置、设备及介质 |
| CN111479236A (zh) * | 2020-05-12 | 2020-07-31 | 上海海洋大学 | 一种分布式无线传感网络的组网节点模式及其网络节点部署方法 |
| CN113453184A (zh) * | 2021-06-25 | 2021-09-28 | 滁州学院 | 基于多移动数据收集车合作机制的无线传感器网络数据收集方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109874145B (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Arafat et al. | Bio-inspired approaches for energy-efficient localization and clustering in UAV networks for monitoring wildfires in remote areas | |
| Nazib et al. | Energy-efficient and fast data collection in UAV-aided wireless sensor networks for hilly terrains | |
| CN109874145B (zh) | 权衡生存时间和丢包率的三维无线传感网数据收集方法 | |
| Nguyen et al. | Mobility based network lifetime in wireless sensor networks: A review | |
| Agarwal et al. | A survey on path planning techniques for mobile sink in IoT-enabled wireless sensor networks | |
| CN105246120B (zh) | 一种数据传输时延和跳数受限的Sink节点移动路径分布式选择方法 | |
| CN107708133B (zh) | 基于网格划分的水下无线传感器网络多维优化节点部署方法 | |
| El-Said et al. | Optimized hierarchical routing technique for wireless sensors networks | |
| Zhang et al. | Energy-aware data gathering mechanism for mobile sink in wireless sensor networks using particle swarm optimization | |
| CN110191480B (zh) | 具有移动Sink节点的三维无线传感网数据收集方法 | |
| Yalçın et al. | A mobile sink path planning for wireless sensor networks based on priority‐ordered dependent nonparametric trees | |
| Helmy et al. | Artificial fish swarm algorithm for energy-efficient routing technique | |
| Nazib et al. | Sink-type-dependent data-gathering frameworks in wireless sensor networks: A comparative study | |
| Gong et al. | Dedv: A data collection method for mobile sink based on dynamic estimation of data value in WSN | |
| Venkatasubramanian et al. | Artificial Butterfly Optimization based Cluster Head Selection with Energy Efficient Data Aggregation model for Heterogeneous WSN Environment | |
| Abba Ari et al. | Optimizing relay sensors in large-scale wireless sensor networks: A biologically inspired approach | |
| Sun et al. | Optimizing Energy-Efficiency in UAV-assisted Wireless Sensor Networks with Reinforcement Learning PPO2 Algorithm | |
| Rajesh et al. | Adaptive weight butterfly optimization algorithm (AWBOA) based cluster head selection (CHS) and optimized energy efficient cluster based scheduling (OEECS) approach in wireless sensor networks (WSNS) | |
| Majumdar et al. | Data Aggregation Methods for IoT Routing Protocols: A Review Focusing on Energy Optimization in Precision Agriculture | |
| Xie et al. | Path optimization algorithm for mobile sink in wireless sensor network | |
| Liu et al. | Data collection algorithm of a 3D wireless sensor network that weighs node coverage rate and lifetime | |
| Xiao et al. | A new clustering routing algorithm for wsn based on brief artificial fish-school optimization and ant colony optimization | |
| Nawusu et al. | An Enhanced Clustering Method for Extending Sensing Lifetime of Wireless Sensor Network | |
| Mohammaed | Improvement of cluster head selection in LEACH protocol to reducing energy consumption in wireless sensor networks | |
| Safari | An Ant-Colony Optimization Clustering Model for Cellular Automata Routing in Wireless Sensor Networks |
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 |