CN112512001B - 一种可充电无线传感网络的势博弈拓扑方法 - Google Patents

一种可充电无线传感网络的势博弈拓扑方法 Download PDF

Info

Publication number
CN112512001B
CN112512001B CN202011103155.XA CN202011103155A CN112512001B CN 112512001 B CN112512001 B CN 112512001B CN 202011103155 A CN202011103155 A CN 202011103155A CN 112512001 B CN112512001 B CN 112512001B
Authority
CN
China
Prior art keywords
node
game
charging
wireless sensor
sensor network
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
CN202011103155.XA
Other languages
English (en)
Other versions
CN112512001A (zh
Inventor
刘贵云
林宇宁
钟晓静
李致富
李君强
彭智敏
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.)
Guangzhou University
Original Assignee
Guangzhou 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 Guangzhou University filed Critical Guangzhou University
Priority to CN202011103155.XA priority Critical patent/CN112512001B/zh
Publication of CN112512001A publication Critical patent/CN112512001A/zh
Application granted granted Critical
Publication of CN112512001B publication Critical patent/CN112512001B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • 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
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/248—Connectivity information 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

Abstract

本发明公开了一种可充电无线传感网络的势博弈拓扑方法，包括：节点信息收集阶段：节点以最大发射功率广播来收集相关信息，所述相关信息包括邻居及其信息、节点间最小可通信发射功率、节点度、网络拓扑图；博弈阶段：节点按照ID顺序依次进行三方面的博弈，分别是对节点度的博弈、效用函数大小的博弈、节点充电优先级的博弈；拓扑更新阶段以找到节点们最优的策略集合。本发明综合地考虑了节点度，节点与基站位置，网络连通性，节点发射功率，节点剩余能量以及稳定系数，设计出一个节点进行势博弈的效用函数。本发明加入了UAV充电模式，使得无线传感器网络得以延续。

Description

一种可充电无线传感网络的势博弈拓扑方法
技术领域
本发明涉及技术领域，具体涉及一种可充电无线传感网络的势博弈拓 扑方法。
背景技术
对于无线传感器网络技术来说，就是在一个目标区域中布置大量能量有 限的传感器节点，并通过这些传感器节点之间无线通讯的方式，自发地连接 成为一个网络。在这个网络之中，每个传感器可以进行多跳地无线通讯把相 关信息传输到各个传感器。最后就是通过这形成的无线传感器网络来对目标 区域进行收集、分析相关的化学、物理信息，最终传输到终端，从而实现对 目标区域的实时监控和记录。
虽然无线传感器网络技术发展了如此之广，但是仍有很多并未完善的问 题。其中最大的问题在于：无线传感器网络采用的是只有小容量电池供电的 传感器，并且这些传感器被布置于难人工充电的地方。所以如何尽可能节省 传感器能量，提高传感器能量利用率，从而延长无线传感器网络的寿命，成 为了我们首要解决的问题。
势博弈(Potential game)隶属于博弈论的完全信息情况下的静态博弈， 其中完全信息静态博弈又可以称为纳什均衡。而势博弈作为运用最为广泛的 博弈之一，被用于解决了大量问题。以往基于势博弈展开研究对无线传感器 网络的算法包括：DEBA算法、DTCG算法、ATCG算法和BLTC算法，基于 势博弈的算法都会包含节点发射功率，节点剩余能量，网络连通性的指标。 其中对于节点度指标，主要是用于减轻节点工作量；而距基站的距离是为了 改善热区问题的一个指标；而阿特金森指数作为稳定系数，是用于对收益量 少的节点进行补偿。而大部分算法都是没有加入充电模式的，所以这些算法 最终都会因节点能量得不到补充而死亡。而关于代价，大多数都是以效用函 数的代价函数为指标的，并未参与到节点博弈中去。
发明内容
本发明的目的是为了克服以上现有技术存在的不足，提供了一种包括能 进行势博弈的效用函数和加入可充电优先级策略的可充电无线传感网络的势 博弈拓扑方法。
本发明的目的通过以下的技术方案实现：
一种可充电无线传感网络的势博弈拓扑方法，包括：
节点信息收集阶段：节点以最大发射功率广播来收集相关信息，所述相 关信息包括邻居及其信息、节点间最小可通信发射功率、节点度、网络拓扑 图；
博弈阶段：节点按照ID顺序依次进行三方面的博弈，分别是对节点度的 博弈、效用函数大小的博弈、节点充电优先级的博弈；
拓扑更新阶段：每当节点充完电再一次进行博弈阶段，以找到节点们最 优的策略集合。
优选地，所述节点信息收集阶段包括：
每个节点i以最大发射功率pmax广播自身信息，所述自身信息包括节点 ID、剩余能量、距基站距离Di；
收到信息的节点j通过自由空间模型计算可通信最小发射功率pij，并以pij发射ACK信息；
节点i收到ACK信息后，计算邻居集和节点度，并对pij进行排序，形成 策略集合
Figure BDA0002726077530000021
策略
Figure BDA0002726077530000031
的节点作为当前节点发射功率广播。
优选地，所述对节点度的博弈包括：
S311，对策略集合Si中对应的节点度进行博弈，以DLSS算法进行判断， 判断节点度是否在[dmin,dmax]之中；若是，则执行S313；若否，则执行S312；
S312，找到当前功率所能到达的最远节点j，寻找其中是否存在距离更 近一步且可达节点j的邻居节点；若存在，则执行S313；若不存在，则执行 S314；
S313，选择当前发射功率，并通知节点j进行博弈时，采用大于pij的策 略进行博弈，以确保网络连通性；
S314，不进行博弈。
优选地，所述效用函数大小的博弈包括：
当节点发射功率降低，效用函数增大时，则降低节点发射功率，否则不 变，其中效用函数为：
Figure BDA0002726077530000032
其中，期望收益函数：
Figure BDA0002726077530000033
代价函数：
Figure BDA0002726077530000034
权重因子α、β和μ皆为正数。
由于当网络连通时，必然会有：
Figure BDA0002726077530000035
优选地，所述节点充电优先级的博弈包括：对是否进行充电博弈和充电 优先级的博弈；其中，对是否进行充电博弈包括：
当节点发射功率在B阶段发生改变时，且节点剩余能量在m以上时，不 被允许充电，充电优先级下降，即充电优先级为-1；
当节点发射功率在B阶段没有改变时，节点剩余能量在m以上，且充电 无人机在节点充电范围内，采取充电，充电优先级不变，即充电优先级为0；
当节点剩余能量在m以下，且充电无人机不在充电范围内，采取提高充 电优先级，充电优先级提升，即充电优先级为1。
优选地，所述充电优先级的博弈包括：
当无线传感器网络中只有正常聚类时，UAV运行过程将以原始路径运行； 而原始路线由K-中心点聚类算法计算出聚类中心点位置，并以飞行最短距离 进行路径规划；
当无线传感器网络中存在沉默聚类时，UAV将会跳过该聚类，其他聚类 依然以飞行最短距离进行路径规划；
当无线传感器网络中只有存在一个活跃聚类时，UAV会提前以该聚类作 为目标进行充电之后再以飞行最短距离进行路径规划；
当无线传感器网络中存在有两个或大于两个活跃聚类时，无线传感器网 络会停止博弈，直到无线传感器网络中没有活跃聚类。
优选地，所述拓扑更新阶段包括：
节点以T的时间进行广播传递信息，节点充完电就应立刻再次进入博弈 阶段。
本发明相对于现有技术具有如下优点：
(1)本发明综合地考虑了节点度，节点与基站位置，网络连通性，节点 发射功率，节点剩余能量以及稳定系数，设计出一个节点进行势博弈的效用 函数。
(2)本发明加入了UAV充电模式，使得无线传感器网络得以延续，而 不是以往算法中，无线传感器网络因得不到能量补充最终死亡的情况。
(3)本发明运用UAV充电的顺序和是否允许充电，提出节点充电优先 级的考虑措施，即节点会因为在博弈阶段改变发射功率而不被允许充电，也 会因为节点剩余能量过低而优先充电。而且本发明把节点充电优先级放入了 博弈阶段当中，以确保节点剩余能量过低时得以充到电。
相比其他算法，本发明最大特点就是可充电优先级策略的加入，除了能 确保节点能够在剩余能量不足的情况下得到充电，还可以惩罚那些自私节点 不得充电。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本 发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限 定。在附图中：
图1为本发明的可充电无线传感网络的势博弈拓扑方法的流程示意图。
图2为本发明的UAV原始充电路径模拟图。
图3为本发明的加入优先级后的UAV路径规划图。
图4为本发明的期望指数概率图。
图5为本发明仿真的节点的分布图。
图6为本发明仿真的节点拓扑图。
图7为本发明仿真的节点度图。
图8为本发明仿真的节点剩余能量图。
图9为本发明仿真的K-聚类中心点算法下的UAV停靠点及充电范围图。
图10为本发明仿真的UAV原始充电运行路径。
图11为本发明仿真的5号聚类充电前的节点剩余能量图。
图12为本发明仿真的号聚类结束充电的节点剩余能量图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明的可充电无线传感网络的势博弈拓扑方法主要用于解决节点能量 消耗不平衡，部分节点消耗过快导致网络提前死亡，而且通过对节点到基站 距离的影响，解决热区问题，最终加上对节点可充电优先级的改变来对发射 功率改变的节点进行“惩罚”。本发明的节点运行需要考虑几个方面：1)节点 的ID具有唯一性；2)节点之间传递信息时，默认节点间只有传递成功才会 产生能量消耗；3)无线传感器网络的连通性，可以通过向邻居广播信息来判 断。对本发明的运行阶段可以划分为三大阶段，具体地如下：
参见图1、一种可充电无线传感网络的势博弈拓扑方法，包括：
(一)节点信息收集阶段：节点以最大发射功率广播来收集相关信息， 所述相关信息包括邻居及其信息、节点间最小可通信发射功率、节点度、网 络拓扑图；
具体地，所述节点信息收集阶段包括：
每个节点i以最大发射功率pmax广播自身信息，所述自身信息包括节点 ID、剩余能量、距基站距离Di；
收到信息的节点j通过自由空间模型计算可通信最小发射功率pij，并以pij发射ACK信息；
节点i收到ACK信息后，计算邻居集和节点度，并对pij进行排序，形成 策略集合
Figure BDA0002726077530000061
策略
Figure BDA0002726077530000062
的节点作为当前节点发射功率广播。
(二)博弈阶段：节点按照ID顺序依次进行三方面的博弈，分别是对 节点度的博弈、效用函数大小的博弈、节点充电优先级的博弈；其中对节点 度的博弈即为节点策略集再整理，效用函数大小的博弈是最为关键的博弈阶 段，因为在此阶段可以促使节点以最优策略运行，甚至对充电环节进行惩罚；
具体地，所述对节点度的博弈包括：
S311，对策略集合Si中对应的节点度进行博弈，以DLSS算法进行判断， 判断节点度是否在[dmin,dmax]之中；若是，则执行S313；若否，则执行S312；
S312，找到当前功率所能到达的最远节点j，寻找其中是否存在距离更 近一步且可达节点j的邻居节点；若存在，则执行S313；若不存在(Kpi(节 点度)为1的情况)，则执行S314；
S313，选择当前发射功率，并通知节点j进行博弈时，采用大于pij的策 略进行博弈，以确保网络连通性；
S314，不进行博弈。
所述效用函数大小的博弈包括：
当节点发射功率降低，效用函数增大时，则降低节点发射功率，否则不 变，其中效用函数为：
Figure BDA0002726077530000071
其中，期望收益函数：
Figure BDA0002726077530000072
代价函数：
Figure BDA0002726077530000073
权重因子α、β和μ皆为正数。
由于当网络连通时，必然会有：
Figure BDA0002726077530000074
由于通过对效用函数公式的差值进行计算可以得知，当发射功率改变并且 未引起网络连通性改变时，效用函数是单调递减的，即当发射功率变小，效 用函数就会变大。
发射功率改变时，网络拓扑图也会发生改变。因为节点发射功率改变会引 起网络连通性发生改变，有可能会导致网络不连通，所以这是需要增加其其 中一个邻居的发射功率以保证网络的连通性。
所述节点充电优先级的博弈包括：对是否进行充电博弈和充电优先级的博 弈；
本发明的充电环节采用的是UAV充电方式，而UAV原始运行路径采用 的是K-中心点聚类算法，如图2所示。而且，本发明认为UAV的电池足够 大以完成整一圈的充电过程。
而充电的效益公式是：
Figure BDA0002726077530000081
式子中，ηi是节点i将射频能量转化成电能的效率，PT是UAV的发射功 率，pi'是节点i捕获的充电效益，Gi和GT分别是节点i和UAV的天线增益， 而di是UAV和节点i的充电距离，λ为波长，L是路径损耗系数。
而充电的最长时间为
Figure BDA0002726077530000082
而本发明采取的充电时间划分为三 种情况：
(1)在正常聚类里，UAV充电时间为可充电节点中最短充满电时间， 即
Figure BDA0002726077530000083
其中/>
Figure BDA0002726077530000084
表示在1号聚类中的节点i，其他同理可知。
(2)在活跃聚类里，采用的是最少剩余能量的节点作为主要充电节点， 当主要充电节点充电到之前的平均剩余能量时，有节点已经充满电时，聚类 将停止充电。
(3)而当主要充电节点充电到之前的平均剩余能量时，还没有节点充满 电，则继续采用(1)号充电方法。
本发明把充电优先级划分为-1、0和1三个级别。
1)其中优先级为-1的节点是在(二)博弈阶段中改变了发射功率且剩 余能量大于m。这样节点由于剩余能量大于m，所以并不是急需补充能量， 而且该节点减小了发射功率，所以将这类节点不被允许充电作为惩罚。
2)其中优先级为0的节点是在(二)博弈阶段中没有改变了发射功率且 剩余能量大于m。这样节点由于剩余能量大于m，所以并不是急需补充能量， 所以不会把它列为急需充电的节点当中，而是当UAV为节点所在聚类充电 时，会跟着充电。
3)其中优先级为1的节点是剩余能量小于m。这类节点由于剩余能量 小于m，所以急需补充能量以防死亡，所以该类节点会向UAV提出优先充 电的信号，从而提前充电。
当聚类中没有优先级为1，且含有优先级为0的节点时，该聚类被称为 正常聚类。而当聚类中只有优先级为-1的节点时，该聚类被称为沉默聚类。 而当聚类有优先级为1的节点时，该聚类被称为活跃聚类。
而在路径规划中，参见图3，活跃聚类将以聚类平均剩余能量作为权衡， 以最小平均剩余能量进行路径规划，而对于正常聚类则依然用最短飞行距离 进行路径规划，沉默聚类则跳过。
其中，对是否进行充电博弈包括：
当节点发射功率在B阶段发生改变时，且节点剩余能量在m以上时，不 被允许充电，充电优先级下降，即充电优先级为-1；
当节点发射功率在B阶段没有改变时，节点剩余能量在m以上，且充电 无人机在节点充电范围内，采取充电，充电优先级不变，即充电优先级为0；
当节点剩余能量在m以下，且充电无人机不在充电范围内，采取提高充 电优先级(即呼叫充电无人机改变充电飞行顺序，并重新选择路线)，充电 优先级提升，即充电优先级为1。
所述充电优先级的博弈包括：
当无线传感器网络中只有正常聚类时，UAV运行过程将以原始路径运 行；而原始路线由K-中心点聚类算法计算出聚类中心点位置，并以飞行最短 距离进行路径规划；
当无线传感器网络中存在沉默聚类时，UAV将会跳过该聚类，其他聚类 依然以飞行最短距离进行路径规划；
当无线传感器网络中只有存在一个活跃聚类时，UAV会提前以该聚类作 为目标进行充电之后再以飞行最短距离进行路径规划；
当无线传感器网络中存在有两个或大于两个活跃聚类时，无线传感器网 络会停止博弈，直到无线传感器网络中没有活跃聚类。
(三)拓扑更新阶段：每当节点充完电再一次进行博弈阶段，以找到节 点们最优的策略集合。具体地，节点以T的时间进行广播传递信息，节点充 完电就应立刻再次进入博弈阶段。为了动态地调整节点的发射功率以均衡能 耗，博弈应该不定时地进行。由于加入了可充电环节，节点的剩余能量变换 更加频繁，所以再一次进行博弈是十分有必要的
实验仿真
基础参数设计
本发明需要设立的基础参数有
Figure BDA0002726077530000101
是在视距方向上发射天线GT和接收 天线GR的增益之积的开方；λ是波长；稳定系数Aε中的ε；权重因子等一些 重要指标。表1为基础参数表。
表1基础参数表
Figure BDA0002726077530000111
参见图4，期望函数中有两个期望指数：节点i传输信息到邻节点j的成 功率Rij，还有节点i下跳节点传输信息到基站D的成功率RiD。
采用的是：节点i传输信息到一跳节点的成功率大约为0.9，而节点i下 跳节点传输信息到基站D的成功率设为0.8。
仿真分析
(1)节点的分布图
参见图5，在大小为300m*300m的区域内随机分布一共80个传感器节点 且中心存在一个基站，作为接收信息的终端。
(2)无充电模式的博弈图
经过了对节点度的博弈，还有对节点效用函数的博弈后，节点的拓扑图、 节点度图，节点剩余能量图分别如图6-8显示。可以得知平均节点度约为3.75， 这样既减少了节点的能耗，还提高了节点的利用率。节点的平均能量为 26.2212。节点间的能耗较为平均，所以说博弈过程的对节点度的博弈、效用 函数大小的博弈阶段做得成功。
(3)充电模式算法的K-中心点聚类算法图
本文对UAV原始充电运行路线的计算就是K-中心点聚类算法。本文把 80个节点划分为10个聚类，并不断对聚类的中心点进行优化推算，最终得 出UAV原始充电停靠点。把在聚类中采用的节点群中心作为UAV停靠充电 点。而本文的优化推算采用的轮数为1000轮，最终得出UAV充电停靠点和 充电范围如图9。图9中灰色节点就是当前的聚类中心节点，而黑色点则是 充电停靠点。
图10就是UAV初始充电运行路线图。如果聚类中节点的充电优先级并 没有因为自身聚类中有节点剩余能量小于最小能量阈值m时，都是以该路线 运行，并以充电公式
Figure BDA0002726077530000121
来对节点充电，以确保节点们都能充上电。
(4)聚类充电图示意
UAV通过对聚类进行充电，本文采用的是以聚类最短充电时间进行充 电。如图11-12所示，5号聚类中，根据节点距UAV距离和剩余能量来说， 节点18应该是充电时间最短的节点，所以当节点18充满电的时候，即是该 聚类停止充电的时候。
上述具体实施方式为本发明的优选实施例，并不能对本发明进行限定， 其他的任何未背离本发明的技术方案而所做的改变或其它等效的置换方式， 都包含在本发明的保护范围之内。

Claims (4)

1.一种可充电无线传感网络的势博弈拓扑方法，其特征在于，包括：
节点信息收集阶段：节点以最大发射功率广播来收集相关信息，所述相关信息包括邻居及其信息、节点间最小可通信发射功率、节点度、网络拓扑图；
博弈阶段：节点按照ID顺序依次进行三方面的博弈，分别是对节点度的博弈、效用函数大小的博弈、节点充电优先级的博弈；
拓扑更新阶段：每当节点充完电再一次进行博弈阶段，以找到节点们最优的策略集合；
所述节点信息收集阶段包括：
每个节点i以最大发射功率pmax广播自身信息，所述自身信息包括节点ID、剩余能量、距基站距离Di；
收到信息的节点j通过自由空间模型计算可通信最小发射功率pij，并以pij发射ACK信息；
节点i收到ACK信息后，计算邻居集和节点度，并对pij进行排序，形成策略集合
Figure FDA0004212160330000011
策略
Figure FDA0004212160330000012
的节点作为当前节点发射功率广播；
所述对节点度的博弈包括：
S311，对策略集合Si中对应的节点度进行博弈，以DLSS算法进行判断，判断节点度是否在[dmin,dmax]之中；若是，则执行S313；若否，则执行S312；
S312，找到当前功率所能到达的最远节点j，寻找其中是否存在距离更近一步且可达节点j的邻居节点；若存在，则执行S313；若不存在，则执行S314；
S313，选择当前发射功率，并通知节点j进行博弈时，采用大于pij的策略进行博弈，以确保网络连通性；
S314，不进行博弈；
所述效用函数大小的博弈包括：
当节点发射功率降低，效用函数增大时，则降低节点发射功率，否则不变，其中效用函数为：
Figure FDA0004212160330000021
其中，期望收益函数：
Figure FDA0004212160330000022
代价函数：
Figure FDA0004212160330000023
权重因子α、β和μ皆为正数；
由于当网络连通时，必然会有：
Figure FDA0004212160330000024
2.根据权利要求1所述的可充电无线传感网络的势博弈拓扑方法，其特征在于，所述节点充电优先级的博弈包括：对是否进行充电博弈和充电优先级的博弈；其中，对是否进行充电博弈包括：
当节点发射功率在B阶段发生改变时，且节点剩余能量在m以上时，不被允许充电，充电优先级下降，即充电优先级为-1；
当节点发射功率在B阶段没有改变时，节点剩余能量在m以上，且充电无人机在节点充电范围内，采取充电，充电优先级不变，即充电优先级为0；
当节点剩余能量在m以下，且充电无人机不在充电范围内，采取提高充电优先级，充电优先级提升，即充电优先级为1。
3.根据权利要求2所述的可充电无线传感网络的势博弈拓扑方法，其特征在于，所述充电优先级的博弈包括：
当无线传感器网络中只有正常聚类时，UAV运行过程将以原始路径运行；而原始路线由K-中心点聚类算法计算出聚类中心点位置，并以飞行最短距离进行路径规划；
当无线传感器网络中存在沉默聚类时，UAV将会跳过该聚类，其他聚类依然以飞行最短距离进行路径规划；
当无线传感器网络中只有存在一个活跃聚类时，UAV会提前以该聚类作为目标进行充电之后再以飞行最短距离进行路径规划；
当无线传感器网络中存在有两个或大于两个活跃聚类时，无线传感器网络会停止博弈，直到无线传感器网络中没有活跃聚类。
4.根据权利要求1所述的可充电无线传感网络的势博弈拓扑方法，其特征在于，所述拓扑更新阶段包括：
节点以T的时间进行广播传递信息，节点充完电就应立刻再次进入博弈阶段。
CN202011103155.XA 2020-10-15 2020-10-15 一种可充电无线传感网络的势博弈拓扑方法 Active CN112512001B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011103155.XA CN112512001B (zh) 2020-10-15 2020-10-15 一种可充电无线传感网络的势博弈拓扑方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011103155.XA CN112512001B (zh) 2020-10-15 2020-10-15 一种可充电无线传感网络的势博弈拓扑方法

Publications (2)

Publication Number Publication Date
CN112512001A CN112512001A (zh) 2021-03-16
CN112512001B true CN112512001B (zh) 2023-07-11

Family

ID=74953845

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011103155.XA Active CN112512001B (zh) 2020-10-15 2020-10-15 一种可充电无线传感网络的势博弈拓扑方法

Country Status (1)

Country Link
CN (1) CN112512001B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114845245B (zh) * 2022-07-06 2022-10-11 华北电力大学 一种基于无人机的移动数据采集方法、装置和终端

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106304243A (zh) * 2015-05-26 2017-01-04 桂林市华智信息科技有限公司 一种基于势博弈的无线传感器网络拓扑控制方法
CN106714222A (zh) * 2017-01-24 2017-05-24 天津工业大学 无线可充电传感网络节点充电次序调度方法
CN109041162A (zh) * 2018-09-21 2018-12-18 贵州大学 一种基于势博弈的wsn非均匀拓扑控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10721683B2 (en) * 2017-08-18 2020-07-21 Blackberry Limited Method and system for battery life improvement for low power devices in wireless sensor networks

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106304243A (zh) * 2015-05-26 2017-01-04 桂林市华智信息科技有限公司 一种基于势博弈的无线传感器网络拓扑控制方法
CN106714222A (zh) * 2017-01-24 2017-05-24 天津工业大学 无线可充电传感网络节点充电次序调度方法
CN109041162A (zh) * 2018-09-21 2018-12-18 贵州大学 一种基于势博弈的wsn非均匀拓扑控制方法

Also Published As

Publication number Publication date
CN112512001A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN101267404B (zh) 一种Ad Hoc网络中基于助理的分簇方法
CN109451556B (zh) 基于uav对无线传感网充电的方法
CN108696903A (zh) 一种基于能耗均衡的leach算法优化方法
CN108541038B (zh) 一种无线传感器网络的路由选择方法及系统
Perera et al. A WPT-enabled UAV-assisted condition monitoring scheme for wireless sensor networks
Khan et al. Intelligent cluster routing scheme for flying ad hoc networks
CN109831811B (zh) 分簇路由方法
CN110034596B (zh) WRSNs中基于SOM神经网络的多基站充电方法
CN112512001B (zh) 一种可充电无线传感网络的势博弈拓扑方法
CN112564767A (zh) 无人机网络中基于自组织优化协作的连续覆盖方法
Raj et al. A survey on cluster head selection and cluster formation methods in wireless sensor networks
CN112996076B (zh) 一种无线传感器网络中移动充电和数据收集方法
CN105764068B (zh) 一种基于禁忌搜索的小基站容量与覆盖优化方法
CN113453305A (zh) 基于粒子群和狮群的环形无线传感器网络分簇路由算法
Fu et al. AoI-Energy-Aware Collaborative Data Collection in UAV-enabled Wireless Powered Sensor Networks
Batta et al. Lteoc: Long term energy optimization clustering for dynamic iot networks
CN111225398A (zh) 一种基于协作覆盖的微电网无线传感器网络能耗优化方法
CN103533597A (zh) 非结构化的移动对等覆盖网及其构建和维护方法
Vishwanathrao et al. Reinforcement Machine Learning-based Improved Protocol for Energy Efficiency on Mobile Ad-Hoc Networks
CN112261704B (zh) 一种基于可充电无线传感器网络的重复博弈路由方法
CN115589367A (zh) 一种基于深度强化学习的多充电器载体分离充电方法
CN113162638A (zh) 一种基于非合作博弈的sdwsn拓扑控制算法
CN110972230B (zh) 一种基于布谷鸟算法的leach二级分簇路由协议的方法
Wang et al. NHEED: An energy-efficient multi-hop routing protocol based on HEED
Ni et al. An energy efficient clustering scheme for mobile ad hoc 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