CN110689196B - 一种基于图着色的节点间能量再分配调度方法 - Google Patents

一种基于图着色的节点间能量再分配调度方法 Download PDF

Info

Publication number
CN110689196B
CN110689196B CN201910921109.1A CN201910921109A CN110689196B CN 110689196 B CN110689196 B CN 110689196B CN 201910921109 A CN201910921109 A CN 201910921109A CN 110689196 B CN110689196 B CN 110689196B
Authority
CN
China
Prior art keywords
energy
time
list
wpterd
node
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
CN201910921109.1A
Other languages
English (en)
Other versions
CN110689196A (zh
Inventor
高振国
陈丹杰
蔡绍滨
莫毓昌
王田
周长利
缑锦
谢维波
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.)
Huaqiao University
Original Assignee
Huaqiao 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 Huaqiao University filed Critical Huaqiao University
Priority to CN201910921109.1A priority Critical patent/CN110689196B/zh
Publication of CN110689196A publication Critical patent/CN110689196A/zh
Application granted granted Critical
Publication of CN110689196B publication Critical patent/CN110689196B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于图着色的节点间能量再分配调度方法，涉及无线传感器网络技术领域。本发明包括以下阶段模式：S1能量再分配问题描述：给定一个由静态节点U组成的无线传感器网络WSNs,其中能量传输系数矩阵为C＝{c(i,j)}，能量上限列表为eU，能量下限列表为eL，能量传输功率列表为p，初始能量列表为eB，能量预期列表为eE；能量再分配问题WPTERD的任务是找一个最优能量传输调度s，使得最终总能量
Figure DDA0003591164550000011
最大化并且时间跨度最小
Figure DDA0003591164550000012
S2能量再分配问题分解。本发明的GCEgyTimeD算法使能量再分配过程中的能量损失最小，时间跨度最小，有利于延长无线传感器网络的寿命，有利于构建一个长期的无线传感器网络，具有较高的实际应用价值。

Description

一种基于图着色的节点间能量再分配调度方法
技术领域
本发明属于无线传感器网络技术领域，特别是涉及一种基于图着色的节点间能量再分配调度方法。
背景技术
无线功率传输(WPT)是在一种通过无线信号将电能从电源传输到能量接收器的技术。最近的研究表明，在一定距离内可通过WPT给节点充电。WPT为延长无线传感器网络的寿命开辟了新领域，已有许多学者致力于无线传感器网中WPT技术的研究。一些工作聚焦于使用静态/移动WCs通过WPT为节点充电。但是，由于可用WCs的缺乏，移动限制等原因，在一段时间内这种技术在某些节点上不可用。因此，基于WPT的能量再分配(WPTERD)问题对于构建永久WSN至关重要，特别是静态WSN。
假设无线传感器网络中每个节点装有一个无线能量接收器和一个能量储存器。此外，每个节点包含一些属性，如初始能量，能量预期，能量上限(EUL)和能量下限(ELL)。节点的能量在任何时候都不应低于其ELL。同样地，当达到EUL时，过度捕获的能量将被丢弃。WPTERD的任务是通过WPT在节点之间重新分配能量，以满足以下要求：(1)重新分配完成后，每个节点的最终能量应不小于其能量预期；(2)总能量损失最小化；(3)重分配过程的时间跨度(即时间长度)最小化。
目前没有工作关注WSN中的WPTERD问题。最近的一些研究工作涉及移动社交和传感器网络(MSSN)中的能量再分配任务，在这些工作中，能量再分配在端到端能量交换模式中执行，即仅在两个节点移动到彼此接触范围内时才可进行能量传输。这些工作的目标是使节点的能量平衡或遵循所需的分布，但没有利用无线电信号的广播性质，忽略了用一定能量信号对多个节点充电或多个能量信号对一个节点充电的机会，因此导致能量再分配过程中较高的能量损失。
发明内容
本发明的主要目的是提供了一种基于图着色的节点间能量再分配调度方法，其用于为无线传感器网络中的节点进行能量的再分配以延长无线传感器网络的寿命。
为实现以上目的，本发明通过以下技术方案予以实现：一种基于图着色的节点间能量再分配调度方法，包括以下阶段模式：
S1能量再分配问题描述：给定一个由静态节点U组成的无线传感器网络(WSNs),其中能量传输系数矩阵为C＝{c(i,j)}，能量上限列表为eU，能量下限列表为eL，能量传输功率列表为p，初始能量列表为eB，能量预期列表为eE；能量再分配问题(WPTERD)的任务是找一个最优能量传输调度s，使得最终总能量
Figure GDA0003591164540000021
最大化并且时间跨度最小
Figure GDA0003591164540000022
S2能量再分配问题分解：WPTERD问题涉及能量损失和时间跨度的联合优化，能量再分配过程中节点的瞬时能量以及最终能量都有阈值限制；通过两步算法GCEgyTimeD将能量-时间联合优化问题解耦为两个子问题，命名为WPTERD-Egy和WPTERD-Time；
S3分析和解决WPTERD-Egy子问题:WPTERD-Egy问题仅关注WPTERD问题中的能量损失最小化；基于WPTERD-Egy问题的特性，将WPTERD-Egy转化为线型规划问题(LinearProgramming problem，LP问题)，利用标准的LP求解器可以获得最佳时间长度列表，最大限度地减少能量损失；
S4分析WPTERD-Time子问题:给定一个由静态节点U组成的无线传感器网络(WSNs),其中能量传输系数矩阵为C＝{c(i,j)}，能量上限列表eU，能量下限列表eL，初始能量列表eB，能量期望列表eE，能量传输功率列表p和能量传输时间长度列表t；WPTERD-Time子问题的任务是找到具有最小时间跨度的调度s；
S5解决WPTERD-Time子问题:分以下两步近似的解决WPTERD-Time问题：第一步，使用Least Neighbor-Set-Weight Last based candidate Set generating(LNSWL-S)algorithm算法解决ETTS问题，获得一组未确定顺序的候选调度项；第二步，使用Energy-Transmission Concurrent Set based working List generating(ETCS-L)algorithm算法对候选调度项进行排序和调整以获得工作调度项列表，其被视为最终调度；
进一步地，所述步骤S1中网络中n个节点集合为U＝{u1,u2,…,un},每个节点i拥有一系列参数，初始能量eB(i)，预期能量eE(i),能量存储能力限制(能力上限eU(i)和能量下限eL(i))；
能量传输系数矩阵C中的元素c(i,j)表示从节点ui到节点uj的能量传递系数，其由许多因素影响，例如节点之间的距离，环境因素，硬件限制，收获能量时的能量消耗等。能量传递系数总是非负的，如果c(i,j)+c(j,i)>0,则ui和uj是邻接节点；
调度矩阵为s:＝(s1,s2,…,sm),包含m个调度项，第i个调度项si：＝(τi,Si,Ri)表示在集合Si中的节点在时间τi向集合Ri中的节点传输能量；
WPTERD问题如式(1)所示：
Figure GDA0003591164540000031
Figure GDA0003591164540000032
Figure GDA0003591164540000033
Figure GDA0003591164540000034
Figure GDA0003591164540000041
Figure GDA0003591164540000042
Figure GDA0003591164540000043
其中，SALL是WPTERD的一个实例所有可能的调度集合，
Figure GDA0003591164540000044
是执行完调度s后节点最终的能量列表，
Figure GDA0003591164540000045
和
Figure GDA0003591164540000046
分别为调度s的最终总能量和时间跨度。
进一步地，所述步骤S2中GCEgyTimeD算法将WPTRED问题分解为能量损失和时间跨度，WPTRED问题得以简化；GCEgyTimeD算法分为两步，WPTERD-Egy在第一步中求解，最终获得节点能量传输最佳时间长度；能量传输的最终调度则被推迟在第二步骤中确定。
进一步地，所述步骤S4中WPTERD-Time问题的核心是能量传输任务调度(ETTS)问题，ETTS问题即给定n个能量传输任务，已知时间长度列表t和冲突图G(V；E)，目标是找到具有最小时间跨度的能量传输任务调度。
ETTS问题消除了与能量限制相关的要求，但是ETTS和WPTERD-Time都是NP-hard，通过基于ETTS问题的解决方案来解决WPTERD-Time问题。
进一步地，所述步骤S5中,WPTERD-Time问题的解决方案包括两个步骤：
S51，通过LNSWL-S算法获得一组候选调度项；
S52，通过ETCS-L算法获得工作候选调度项列表作为最终调度；
进一步地，所述步骤S51中，通过LNSWL-S算法来解决ETTS问题，对ETTS问题的冲突图G(V,E)中的节点ui捆绑权重t(i)，即wi＝t(i)，冲突图被扩展为G(V,E,W)；
LNSWL-S算法包括以下步骤：
(1)确定节点序列vlist[1:n],该序列按照neighbor-set-weight(NSW)权重降序排列；NSW是邻接节点和本节点的权重之和；
(2)按照vlist[1:n]的顺序，贪婪地做调度决策，当时间片没有被节点vlist(i+1)在序列vlist[1:i]中的邻接节点占领时，节点vlist(i+1)将会被在此时间片被调度；
(3)返回候选调度项集合SSetCand；
步骤(2)中将会返回一个时间片集合STimeSlice，其中的元素(j,τb,τe)表示节点j在时间段[τb,τe]传输能量。
进一步地，所述步骤S52中，ETCS-L算法通过对步骤S51返回的候选调度项进行排序和分割产生一个工作调度项有序列表，包括以下步骤：
(1)将所有的候选调度项插入到队列中；
(2)依次为队列中的候选调度项分配可用时间片长度tslice；
(3)更新对应的候选调度项，如有必要产生新的候选调度项。
进一步地，所述时间片长度tslice是以下四个时间值的最小值：
(1)节点未调度时间长度变成0的最短时间；
(2)节点达到其ELL的最短时间；
(3)节点达到其EUL的最短时间；
(4)当前候选调度项的时间长度；
本发明具有以下有益效果：
无线传感器网络中基于图着色的无线能量再分配算法在受典型图着色算法基础上，提出一种最优调度，可在最小能量损耗和最小时间跨度的双重标准下实现最优再分配；本发明的GCEgyTimeD算法使能量再分配过程中的能量损失最小，时间跨度最小，有利于延长无线传感器网络的寿命。
附图说明
图1为本发明提供的一种基于图着色的节点间能量再分配调度方法的一种较佳的实施例的示意图；
图2为本发明提供的LNSWL-S算法的伪代码；
图3为本发明提供的ETCS-L算法的伪代码；
图4为本发明提供的四个算法的能量损失率比较结果的图表；
图5为本发明提供的四个算法的时间跨度比较结果的图表；
图6为本发明提供的四个算法的节点状态转化次数比较结果的图表；
图7为本发明提供的四个算法的运行时间比较结果的图表。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明基于针对如下场景：为延长无线传感器的寿命，提出一种基于图着色的能量再分配算法，找到一种能量传输调度满足节点预期能量的同时可实现能量损失最小化以及时间跨度最短化。
请参阅图1-6，本发明提供一种技术方案：一种基于图着色的节点间能量再分配调度方法，包括以下阶段模式：
S1，能量再分配问题描述：给定一个由静态节点U组成的无线传感器网络(WSNs),其中能量传输系数矩阵为C＝{c(i,j)}，能量上限列表为eU，能量下限列表为eL，能量传输功率列表为p，初始能量列表为eB，能量预期列表为eE。能量再分配问题(WPTERD)的任务是找一个最优能量传输调度s，使得最终总能量
Figure GDA0003591164540000061
最大化并且时间跨度最小
Figure GDA0003591164540000062
S2，能量再分配问题分解：WPTERD问题涉及能量损失和时间跨度的联合优化，能量再分配过程中节点的瞬时能量以及最终能量都有阈值限制；通过两步算法GCEgyTimeD将能量-时间联合优化问题解耦为两个子问题，命名为WPTERD-Egy和WPTERD-Time；
S3，分析和解决WPTERD-Egy子问题:WPTERD-Egy问题仅关注WPTERD问题中的能量损失最小化；基于WPTERD-Egy问题的特性，将WPTERD-Egy转化为线型规划问题(LinearProgramming problem，LP问题)，利用标准的LP求解器可获得最佳时间长度列表，最大限度地减少能量损失；
S4，分析WPTERD-Time子问题:给定一个由静态节点U组成的无线传感器网络(WSNs),其中能量传输系数矩阵为C＝{c(i,j)}，能量上限列表eU，能量下限列表eL，初始能量列表eB，能量期望列表eE，能量传输功率列表p和能量传输时间长度列表t；WPTERD-Time子问题的任务是找到具有最小时间跨度的调度s；
S5，解决WPTERD-Time子问题:由于WPTERD-Time是NP-hard，这就意味着没有一种算法可以最优地解决WPTERD-Time问题；分两步近似的解决WPTERD-Time问题：第一步，使用Least Neighbor-Set-Weight Last based candidate Set generating(LNSWL-S)algorithm算法解决ETTS问题，获得一组未确定顺序的候选调度项；第二步，使用Energy-Transmission Concurrent Set based working List generating(ETCS-L)algorithm算法对候选调度项进行排序和调整以获得工作调度项列表，其被视为最终调度；
其中，步骤S1中网络中n个节点集合为U＝{u1,u2,…,un},每个节点i拥有一系列参数，初始能量eB(i)，预期能量eE(i),能量存储能力限制(能力上限eU(i)和能量下限eL(i))；
能量传输系数矩阵C中的元素c(i,j)表示从节点ui到节点uj的能量传递系数，其由许多因素影响，例如节点之间的距离，环境因素，硬件限制，收获能量时的能量消耗等；能量传递系数总是非负的，如果c(i,j)+c(j,i)>0,则ui和uj是邻接节点；
调度矩阵为s:＝(s1,s2,…,sm),包含m个调度项，第i个调度项si：＝(τi,Si,Ri)表示在集合Si中的节点在时间τi向集合Ri中的节点传输能量；
WPTERD问题如式(1)所示：
Figure GDA0003591164540000081
Figure GDA0003591164540000082
Figure GDA0003591164540000083
Figure GDA0003591164540000084
Figure GDA0003591164540000085
Figure GDA0003591164540000086
Figure GDA0003591164540000087
其中，SALL是WPTERD一个实例所有可能的调度集合。
Figure GDA0003591164540000088
是执行为调度s后节点最终的能量列表。
Figure GDA0003591164540000089
和
Figure GDA00035911645400000810
分别为调度s的最终总能量和时间跨度。
其中，步骤S2中，GCEgyTimeD算法将WPTRED问题分解为两个子问题，这两个子问题分别仅关注能量损失和时间跨度的优化，这就使得WPTRED问题得以简化；GCEgyTimeD算法分为两步，WPTERD-Egy在第一步中求解，最终获得节点能量传输最佳时间长度；能量传输的最终调度则被推迟在第二步骤中确定。
其中，步骤S3中，只关注WPTRED问题的最小化能量损失，因此WPTERD-Egy问题如式(2)所示，除移除时间跨度最短化的目标外与P1一样。
(P2)
Figure GDA00035911645400000811
s.t.C1，C2，C3，C4，C5，C6；
P2为搜索空间s∈SALL；缩小搜索空间为子集Srefine，Srefine是一个有效的，不相交的，无能量违规的，满足sender-neighbor规则的调度集合；在一个属于Srefine集合的调度s中，节点ui的能量传输时间片总长度被称为ui的时间长度，表示为t(s)(i)；t(s)：＝[t(s)(1),t(s)(2),…,t(s)(n)]是调度s的时间长度列表；对于WPTERD-Egy问题，有着最小能量损耗的调度必然在集合Srefine中，因此只需考虑Srefine中的调度；WPTERD-Egy问题可被表示为式(3)。
(P3)
Figure GDA0003591164540000091
s.t.C1，C2，C3，C4，C5，C6；
由Srefine代替SALL后，P3相对于P2有更小的搜索空间，但是P3仍是无解的；每一个属于Srefine集合的调度s都有自己的时间长度列表t，且一个t可以映射到Srefine中多个调度；将可映射到时间长度列表t的调度集合表示为ST(t)；Trefine表示Srefine集合中的调度所应对的时间长度列表集合；由于最终总能量由t决定且集合ST(t)中的调度拥有相同的时间长度列表t，因此可用Trefine作为桥梁，分两步解决P3：
S31，确定可使能量损失最小的时间长度列表t，然后找到一个调度s∈ST(t)；
S32，找到有最小时间跨度的调度s∈ST(t)，即为WPTERD-Time问题；
P3是一个标准的LP问题，可使用成熟的软件优化包来解决，如Matlab优化工具箱。
其中，步骤S4中，WPTERD-Time问题的核心是能量传输任务调度(ETTS)问题；ETTS问题即给定n个能量传输任务，已知时间长度列表t和冲突图G(V；E)，目标是找到具有最小时间跨度的能量传输任务调度；
ETTS问题消除了与能量限制相关的要求，但是ETTS和WPTERD-Time都是NP-hard；通过基于ETTS问题的解决方案来解决WPTERD-Time问题。
其中，步骤S5中,WPTERD-Time问题的解决方案包括两个步骤：
S51，通过LNSWL-S算法获得一组候选调度项，LNSWL-S算法伪代码如图2
所示；
S52，通过ETCS-L算法获得工作候选调度项列表作为最终调度，ETCS-L算法伪代码如图3所示；
步骤S51中，受least-degree-last算法解决GC问题的鼓舞，通过LNSWL-S算法来解决ETTS问题，对ETTS问题的冲突图G(V,E)中的节点ui捆绑权重t(i)，即wi＝t(i)，冲突图被扩展为G(V,E,W)；
LNSWL-S算法包括以下步骤：
(1)确定节点序列vlist[1:n],该序列按照neighbor-set-weight(NSW)权重降序排列。NSW是邻接节点和本节点的权重之和；
(2)按照vlist[1:n]的顺序，贪婪地做调度决策，当时间片没有被节点vlist(i+1)在序列vlist[1:i]中的邻接节点占领时，节点vlist(i+1)将会被在此时间片被调度；
(3)返回候选调度项集合SSetCand；
步骤(2)中将会返回一个时间片集合STimeSlice，其中的元素(j,τb,τe)表示节点j在时间段[τb,τe]传输能量；
其中，步骤S52中，ETCS-L算法通过对步骤S51返回的候选调度项进行排序和分割产生一个工作调度项有序列表，包括以下步骤：
(1)将所有的候选调度项插入到队列中；
(2)依次为队列中的候选调度项分配可用时间片长度tslice；
(3)更新对应的候选调度项，如有必要产生新的候选调度项；
其中，时间片长度tslice是以下四个时间值的最小值：
(1)节点未调度时间长度变成0的最短时间；
(2)节点达到其ELL的最短时间；
(3)节点达到其EUL的最短时间；
(4)当前候选调度项的时间长度；
本发明的效果通过仿真结果进行说明：
实验通过Matlab 2015a在具有Win10-bit64 OS，2.21GHz i7-CPU和8GB内存的计算机上进行数值模拟。通过使用四种性能指标：能量损失率(ELR)，时间跨度，节点状态转换次数和运行时间进行算法评估。能量损失率表示为节点充电一个单位所遭受的能量损失。时间跨度指一个调度的时间跨度。节点状态转换次数表示在一个调度中节点能量传输时间片的数量，即节点状态变化的次数。运行时间是运行一个算法的CPU时间。
Figure GDA0003591164540000111
为评估GCEgyTimeD算法的性能，进行对比实验。为了评估缩短时间跨度同时允许非相邻节点之间并发地能量传输的效果，实现了另一种算法AlgNoConCur。AlgNoConCur中，即使不是邻接节点也不允许并发地能量传输。使用GCEgyTimeD，AlgNoConCur，LBClique，and PathAbstract四个算法进行对比试验。
仿真的主要参数设置如下：n＝100,网络区域是一个边长L＝100m的正方形，eU(i)＝100J,eL(i)＝20J,Δ＝1J，能量传输功率p＝1W，网络中能量需求者的比例η＝20％，能量传输模型参数α＝70，β＝10，γ＝2，D＝40m，这里α、β、γ是受能量收发器和周围环境影响的模型参数，D是当分别是p＝1W时能量传输信号可以到达的最远距离。在每个仿真实验中均配置100个有效问题实例。eB(i)在[eL(i),eU,G(i)]内随机选择且遵循均匀分布。在一个问题实例中，n个节点被随机分布在L*L的区域内，选择
Figure GDA0003591164540000112
个节点做为能量需求者，设置一个节点ui的eE(i)为eB(i)+eh，其它节点的预期能量为eL(i)+Δ。将仿真结果的平均值作为最终结果，并且提供了95％的置信区间。
在仿真实验中，用配置相似的仿真集来测试参数对算法性能的影响，将需测试的参数设置不同的值，其他参数都采用默认值。
将n的值设置为10～120，步长为10，仿真结果如图4所示。LBClique算法没有能量损失率和节点状态转化，因此没有在图中显示。图4显示了各个算法的能量损失率。GCEgyTimeD和AlgNoConCur算法都基于WPTERD-Egy问题的最优解决方案制定了调度，保证能量损失最小，但在解决WPTERD-Time问题的方式上有所不同。因此在能量损失率上两个算法有相同的结果。当n＝10时，GCEgyTimeD的能量损失率约为5，这意味着当向其它节点供给1J能量时，将损失5J能量。当n≤30时，GCEgyTimeD(AlgNoConCur)的能量损失率以较快的速度下降至0.43。这是因为当n很小时，能量需求者必须由其他节点长距离充电，实际能量传递系数较小，导致了较多能量损失。随着n增加，节点之间的距离变小，链路能量传递系数变大，从而能量损失减少。此外，相对于节点稀疏网络，在密集网络中无线电信号的广播特性在减少能量损失上效果更著。相比之下，PathAbstract的能量损失率较高，当n≤50时，约为7～9。随着n增加，其能量损失率呈线性增长，当n＝120时，增加到17。主要原因是基于路径的能量传输机制忽略了无线电信号的广播特征。多个接收节点丢失了从一个无线电信号中获取能量的机会。此外，在能量传输路径的中间节点处经常发生EUL违规也会导致较多的能量损失。以上综合因素使得随着n的增加PathAbstract的能量损失率迅速增加。
图5显示了各个算法的时间跨度。随着n的增加，四种算法的时间跨度以不同的速度增加，并且增长速度按照PathAbstract，AlgNoConCur，GCEgyTimeD and LBClique的顺序降序排列。当n＝120时，AlgNoConCur的时间跨度约为520s。为了更清楚地显示GCEgyTimeD和LBClique的时间跨度，图5提供了缩放视图。利用多个非邻接节点同时传输能量，GCEgyTimeD将时间跨度有效地缩短到155s，与AlgNoConCur相比节省了70％。当n＝120时，LBClique的时间跨度约为130s，GCEgyTimeD的时间跨度约为LBClique的120％。LBClique的时间跨度是最优时间跨度的下限，而GCEgyTimeD的时间跨度须在最佳值的100％～120％。因此，可以说GCEgyTimeD在时间跨度上几乎是最佳的。PathAbstract的时间跨度大约是1800s，远大于其它算法。这是因为PathAbstract算法依次调度所有节点对进行能量传输，而这些节点对的调度端不协调，导致过长的时间跨度。
图6显示了各个算法的节点状态转换次数。随着n增加，四个算法的转化次数呈线性增加，它们的增加速度按照PathAbstract，GCEgyTimeD和AlgNoConCur顺序呈降序排列。当n＝120时，PathAbstract的转化次数约为80，而GCEgy-TimeD和AlgNoConCur分别约为40和30。为了利用并发能量传输机会，GCEgyTimeD进一步分割了能量传输时间片，增加大约33％的节点状态转化次数。但是考虑到GCEgyTimeD将时间跨度减少了70％，在某些情况下可以33％的节点状态转化次数为代价换取时间跨度的减小。PathAbstract中的能量传输沿路径调度，但没有协调路径。因此，PathAbstract产生了较多的节点状态切换。
图7显示了各个算法的运行时间。随着n的增加，四种算法的运行时间以不同的速度增加，且增长速度按照PathAbstract，GCEgyTimeD，AlgNoConCur and LBClique的顺序降序排列。当n＝120时，四种算法的运行时间值分别为约0.3s，01s，0.05s和5*10-4s。AlgNoConCur比GCEgyTimeD运行得更快。在PathAbstract中，核心任务是一个有n2个变量的LP问题，远远大于只有n个变量的GCEgyTimeD。因此，PathAbstract比本申请文件的算法慢得多。因为LBClique省略了调度操作，所以它的运行速度远快于比其它算法。为了更清楚地显示LBClique的运行时间度量，在图7中提供了缩放视图，结果表明LBClique可以在5*10-4s内完成。
WPTERD问题的目标是在考虑能量和时间的双重要求下对节点的能量进行再分配。本发明提供一种GCEgyTimeD算法来解决WPTERD问题，将其分解为WPTERD-Egy和WPTERD-Time两个子问题，分别聚焦于能量损失和时间跨度的优化。本发明将WPTERD-Egy看作一个标准的LP问题，使用LP求解器得到节点能量传输的最优时间长度列表，使能量损耗最小。然后解决了WPTERD-Time子问题，最终获得一个拥有近似最短时间跨度和最小能量损失的能量传输调度。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
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、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于图着色的节点间能量再分配调度方法，其特征在于：
包括以下步骤：
S1能量再分配问题描述：给定一个由静态节点U组成的无线传感器网络WSNs，其中能量传输系数矩阵为C＝{c(i，j)}，能量上限列表为eU，能量下限列表为eL，能量传输功率列表为p，初始能量列表为eB，能量预期列表为eE；能量再分配问题WPTERD的任务是找到一个最优能量传输调度s，使得最终总能量
Figure FDA0003591164530000011
最大化且时间跨度最小
Figure FDA0003591164530000012
S2能量再分配问题分解：WPTERD问题涉及能量损失和时间跨度的联合优化，能量再分配过程中节点的瞬时能量以及最终能量都有阈值限制；通过两步算法GCEgyTimeD将能量-时间联合优化问题解耦为两个子问题，命名为WPTERD-Egy和WPTERD-Time；
S3分析和解决WPTERD-Egy子问题：WPTERD-Egy子问题仅关注WPTERD问题中的能量损失最小化；基于WPTERD-Egy问题的特性，可将WPTERD-Egy转化为线型规划问题；利用标准的LP求解器获得最佳时间长度列表，最大限度地减少能量损失；
S4分析WPTERD-Time子问题：给定一个由静态节点U组成的无线传感器网络WSNs，其中能量传输系数矩阵为C＝{c(i，j)}，能量上限列表eU，能量下限列表eL，初始能量列表eB，能量期望列表eE，能量传输功率列表p和能量传输时间长度列表t；WPTERD-Time子问题的任务是找到具有最小时间跨度的调度s；
S5解决WPTERD-Time子问题：分两步解决WPTERD-Time问题：第一步，使用LNSWL-S算法解决ETTS问题，获得一组未确定顺序的候选调度项；第二步，使用ETCS-L算法对候选调度项进行排序和调整以获得工作调度项列表，其被视为最终调度。
2.根据权利要求1所述的一种基于图着色的节点间能量再分配调度方法，
其特征在于：所述步骤S1中网络中n个静态节点集合为U＝{u1，u2，...，un}，每个节点i拥有一系列参数，初始能量eB(i)，预期能量eE(i)，能量存储能力限制，其包含能力上限eu(i)和能量下限eL(i)；所述能量传输系数矩阵C中的元素c(i，j)表示从节点ui到节点uj的能量传递系数，其由多因素影响；能量传递系数总是非负的，如果c(i，j)+c(j，i)＞0，则ui和uj是邻接节点；
调度矩阵为s：＝(s1，s2，...，sm)，包含m个调度项，第i个调度项si：＝(τi，Si，Ri)表示在集合Si中的节点在时间τi向集合Ri中的节点传输能量；
WPTERD问题如式(1)所示：
Figure FDA0003591164530000021
Figure FDA0003591164530000022
Figure FDA0003591164530000023
Figure FDA0003591164530000024
Figure FDA0003591164530000025
Figure FDA0003591164530000026
Figure FDA0003591164530000027
其中，SALL是WPTERD问题的一个实例所有可能的调度的集合；
Figure FDA0003591164530000028
是执行完调度s后节点最终的能量列表；
Figure FDA0003591164530000029
和
Figure FDA00035911645300000210
分别为调度s的最终总能量和时间跨度。
3.根据权利要求1所述的一种基于图着色的节点间能量再分配调度方法，其特征在于：所述步骤S2中GCEgyTimeD算法将WPTRED问题分解为能量损失和时间跨度，WPTRED问题得以简化；GCEgyTimeD算法分为两步，WPTERD-Egy在第一步中求解，最终获得节点能量传输最佳时间长度；能量传输的最终调度则被推迟在第二步骤中确定。
4.根据权利要求1所述的一种基于图着色的节点间能量再分配调度方法，其特征在于：所述步骤S4中WPTERD-Time问题的核心是能量传输任务调度ETTS问题；ETTS问题即给定n个能量传输任务，已知时间长度列表t和冲突图G(V，E)，目标是找到具有最小时间跨度的能量传输任务调度。
5.根据权利要求1所述的一种基于图着色的节点间能量再分配调度方法，其特征在于：所述步骤S5中，WPTERD-Time问题的解决方案包括两个步骤：
S51，通过LNSWL-S算法获得一组候选调度项；
S52，使用ETCS-L算法处理候选调度项，获得工作候选调度项列表作为最终调度。
6.根据权利要求5所述的一种基于图着色的节点间能量再分配调度方法，其特征在于：所述步骤S51，通过LNSWL-S算法来解决ETTS问题，对ETTS问题的冲突图G(V，E)中的节点ui捆绑权重t(i)，即wi＝t(i)，冲突图被扩展为G(V，E，W)；
所述LNSWL-S算法包括以下步骤：
(1)确定节点序列vlist[1：n]，该序列按照neighbor-set-weight(NSW)权重降序排列；NSW是邻接节点和本节点的权重之和；
(2)按照vlist[1：n]的顺序，贪婪地做调度决策，当时间片没有被节点vlist(i+1)在序列vlist[1：i]中的邻接节点占领时，节点vlist(i+1)将会被在此时间片被调度；
(3)返回候选调度项集合SSetCand；
所述步骤(2)中将会返回一个时间片集合STimeSlice，其中的元素(j，τb，τe)表示节点j在时间段[τb，τe]传输能量。
7.根据权利要求5所述的一种基于图着色的节点间能量再分配调度方法，其特征在于：所述步骤S52中，ETCS-L算法通过对步骤S51返回的候选调度项进行排序和分割产生一个工作调度项有序列表，包括以下步骤：
(1)将所有的候选调度项插入到队列中；
(2)依次为队列中的候选调度项分配可用时间片长度tslice；
(3)更新对应的候选调度项，如有必要产生新的候选调度项。
8.根据权利要求7所述的一种基于图着色的节点间能量再分配调度方法，其特征在于：所述时间片长度tslice是以下四个时间值的最小值：
(1)节点未调度时间长度变成0的最短时间；
(2)节点达到其ELL的最短时间；
(3)节点达到其EUL的最短时间；
(4)当前候选调度项的时间长度。
CN201910921109.1A 2019-11-21 2019-11-21 一种基于图着色的节点间能量再分配调度方法 Active CN110689196B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910921109.1A CN110689196B (zh) 2019-11-21 2019-11-21 一种基于图着色的节点间能量再分配调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910921109.1A CN110689196B (zh) 2019-11-21 2019-11-21 一种基于图着色的节点间能量再分配调度方法

Publications (2)

Publication Number Publication Date
CN110689196A CN110689196A (zh) 2020-01-14
CN110689196B true CN110689196B (zh) 2022-08-02

Family

ID=69110505

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910921109.1A Active CN110689196B (zh) 2019-11-21 2019-11-21 一种基于图着色的节点间能量再分配调度方法

Country Status (1)

Country Link
CN (1) CN110689196B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111738510B (zh) * 2020-06-18 2021-07-13 北京航空航天大学 一种基于汇聚任务冲突关系图着色的制造服务调度方法
CN112909928B (zh) * 2021-01-29 2022-08-26 华侨大学 一种无线传感网移动充电车路径规划与充电调度算法
CN114301084B (zh) * 2022-01-11 2023-07-07 高振国 一种方向性无线充电车的传感网充电调度算法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103297927A (zh) * 2012-03-04 2013-09-11 山东大学威海分校 无线传感器网络的分布式图着色链路调度
CN103596284A (zh) * 2012-08-16 2014-02-19 山东大学 能量有效的无线传感器网络分布式链路调度控制器
CN104811313A (zh) * 2015-04-03 2015-07-29 浙江大学 基于无线能量传输的最佳能量波束和时间分配设计方法
CN108521672A (zh) * 2017-10-24 2018-09-11 南京大学 一种分布式无线能量和信息传输系统的资源分配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10084336B2 (en) * 2016-07-15 2018-09-25 International Business Machines Corporation Wireless power distribution and scheduling

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103297927A (zh) * 2012-03-04 2013-09-11 山东大学威海分校 无线传感器网络的分布式图着色链路调度
CN103596284A (zh) * 2012-08-16 2014-02-19 山东大学 能量有效的无线传感器网络分布式链路调度控制器
CN104811313A (zh) * 2015-04-03 2015-07-29 浙江大学 基于无线能量传输的最佳能量波束和时间分配设计方法
CN108521672A (zh) * 2017-10-24 2018-09-11 南京大学 一种分布式无线能量和信息传输系统的资源分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于图着色的密集D2D 网络资源分配算法;孙彦赞;《计算机工程》;20190228;全文 *

Also Published As

Publication number Publication date
CN110689196A (zh) 2020-01-14

Similar Documents

Publication Publication Date Title
CN110689196B (zh) 一种基于图着色的节点间能量再分配调度方法
Hazra et al. Cooperative transmission scheduling and computation offloading with collaboration of fog and cloud for industrial IoT applications
Tormos et al. An efficient multi-pass heuristic for project scheduling with constrained resources
Shelebaf et al. A novel method for clustering in WSNs via TOPSIS multi-criteria decision-making algorithm
CN113553146A (zh) 一种基于云边协同计算任务并合调度方法
Kashyap et al. DECENT: Deep learning enabled green computation for edge centric 6G networks
Al-Zubaedi et al. A parameterized and optimized BBU pool virtualization power model for C-RAN architecture
Batta et al. A distributed weight-based tdma scheduling algorithm for latency improvement in iot
Feng et al. Multi-path and multi-hop task offloading in mobile ad hoc networks
Wang et al. Deterministic scheduling with optimization of average transmission delays in industrial wireless sensor networks
Chen et al. Varlenmarl: A framework of variable-length time-step multi-agent reinforcement learning for cooperative charging in sensor networks
Chen et al. A novel approach for path plan of mobile chargers in wireless rechargeable sensor networks
CN103702384A (zh) 无线传感器网络面向应用的分簇式路由方法
Zhao et al. Hybrid scheduling strategy of multiple mobile charging vehicles in wireless rechargeable sensor networks
Bölöni et al. Should I send now or send later? A decision‐theoretic approach to transmission scheduling in sensor networks with mobile sinks
CN104809523A (zh) 一种基于决策块与蜂群算法的工件生产路径搜索方法
CN112909928A (zh) 一种无线传感网移动充电车路径规划与充电调度算法
Khamayseh et al. Evolutionary Algorithm for Scheduling in Wireless Sensor Networks.
Byeon et al. PcLoRa: Point-coordinating LoRa with new Channel Structure for massive, reliable and low-latency IoT
Yang et al. Resource reservation for graph-structured multimedia services in computing power network
CN114154685A (zh) 智能电网中电能数据调度方法
Li et al. Research on Task Unloading Algorithm Based on Edge Terminal Server of Power Distribution Station Area
Liu et al. The Algorithm of Multi-source to Multi-sink Traffic scheduling
Thomas et al. On Combinatorial handoff strategies for spectrum mobility in ad hoc networks: A comparative review
Peng WSN Routing Schedule Based on Energy-Aware Adaptation

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