CN113162638A - 一种基于非合作博弈的sdwsn拓扑控制算法 - Google Patents

一种基于非合作博弈的sdwsn拓扑控制算法 Download PDF

Info

Publication number
CN113162638A
CN113162638A CN202110499066.XA CN202110499066A CN113162638A CN 113162638 A CN113162638 A CN 113162638A CN 202110499066 A CN202110499066 A CN 202110499066A CN 113162638 A CN113162638 A CN 113162638A
Authority
CN
China
Prior art keywords
node
game
sdwsn
topology
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.)
Withdrawn
Application number
CN202110499066.XA
Other languages
English (en)
Inventor
孔梅
朱晓娟
张金伟
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.)
Anhui University of Science and Technology
Original Assignee
Anhui University of Science and Technology
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 Anhui University of Science and Technology filed Critical Anhui University of Science and Technology
Priority to CN202110499066.XA priority Critical patent/CN113162638A/zh
Publication of CN113162638A publication Critical patent/CN113162638A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/0003—Software-defined radio [SDR] systems, i.e. systems wherein components typically implemented in hardware, e.g. filters or modulators/demodulators, are implented using software, e.g. by involving an AD or DA conversion stage such that at least part of the signal processing is performed in the digital domain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/042—Backward inferencing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种基于非合作博弈的SDWSN拓扑控制算法，所述SDWSN的架构包括用户层、控制层和基础设施层，所述拓扑控制算法包括：初始化阶段，基础设施层的各节点将自身信息发送给控制层，控制层根据信息生成初始策略集，建立初始网络拓扑结构；博弈阶段，每个节点按照节点序号开始博弈，每轮博弈只有一个节点调整自己的策略；拓扑维护阶段，为网络节点设置能量阈值，当有节点的能量达到阈值时，从该节点开始重新进行博弈。针对SDWSN提出了一种非合作博弈拓扑控制算法，同时考虑节点的剩余能量和传输功率，各节点能耗更加均衡，延长了网络生命周期。

Description

一种基于非合作博弈的SDWSN拓扑控制算法
技术领域
本发明涉及无线网络应用技术领域，具体涉及一种基于非合作博弈的 SDWSN拓扑控制算法。
背景技术
微电子、传感器、计算、网络和无线通信等技术的日新月异，使得越来越多的物理对象变得更加智能并可通过信息和通信技术实现互联。其中，无线传感器网络(WSN)作为一个关键设计，也引起了愈发广泛的关注。目前，随着技术的不断成熟，WSN的应用不仅涉及军事领域，如国防和航空航天领域的战场态势侦测、情报获取等，也在民用领域得到了越来越广泛的发展。如智能家居，交通控制，工厂监测，火情、水情、污染的建模与预警，桥梁、隧道、房屋结构状态的信息监测，精细农业领域的实时监测和控制等。
但是能耗问题一直是限制其发展的关键因素。能量约束对整个WSN系统的网络寿命造成了巨大的挑战，极大地限制了无线传感器网络的应用。虽然现在有发展通过能量收集来延长网络寿命的技术，但是还很不成熟，不能作为解决能耗问题的可行方法。因此，设计一种节能算法来均衡节点能耗，延长网络生命周期是非常必要的。
通过上述分析，现有技术存在的问题及缺陷为：
WSN所固有的特性导致其能耗问题难以解决且不利于灵活管理，阻碍了其进一步的发展，分布式WSN迫切需要进行变革以更好地满足实际应用需求。
解决以上问题及缺陷的难度为：
传统分布式WSN中，网络缺乏统一管理，每个节点在其传输范围内定期发送的广播消息来识别邻居。在获得网络拓扑之后，还需要执行路由决策每个节点需要在其有限的内存中存储路由表，并为其他节点计算路径。这些操作给网络增加了很大的开销，也消耗了大量的能量。需要设计一种新的网络架构体系来将数据层与控制层分离，将复杂的计算任务从传感器节点中分离出来，从而降低节点能耗。
解决以上问题及缺陷的意义为：
SDN将控制面从数据面中解耦出来,数据面仅负责路由转发,控制面则实现路由决策,而应用面为用户提供网络可编程服务,从而极大增强了网络的灵活性，并且能够从根本上解决WSN的能耗问题，各节点能耗更加均衡，延长了网络生命周期。
发明内容
针对现有技术存在的问题，本发明提供了一种基于非合作博弈的SDWSN拓扑控制算法。
本发明的技术方案如下：
一种基于非合作博弈的SDWSN拓扑控制算法，所述SDWSN的架构包括用户层、控制层和基础设施层，所述拓扑控制算法包括：
初始化阶段，基础设施层的各节点将自身信息发送给控制层，控制层根据信息生成初始策略集，建立初始网络拓扑结构；
博弈阶段，每个节点按照节点序号开始博弈，每轮博弈只有一个节点调整自己的策略；
拓扑维护阶段，为网络节点设置能量阈值，当有节点的能量达到阈值时，从该节点开始重新进行博弈。
如上所述基于非合作博弈的SDWSN拓扑控制算法，每一轮博弈之后，控制层都会对当前网络连通性进行判断，具体步骤如下：
Step 1：从节点出发，将节点放入队列q中；
Step 2：队列不空时，弹出队首节点v；
Step 3：如果队首节点v没被访问过，就将v的所有没被访问过的邻居节点放入队列，并将v节点标记为已访问；
Step 4：当队列为空时，搜索结束。如果基站所对应节点显示已访问，则该点能和基站连通；
Step 5：对余下的n-1个节点，重复上述四个步骤。
如上所述基于非合作博弈的SDWSN拓扑控制算法，所述控制层采用基于sink 节点的单控制层形式，所述控制层包括可互相通信的数据接收模块、拓扑分析模块、流表规则生成模块和控制信息模块。
如上所述基于非合作博弈的SDWSN拓扑控制算法，所述博弈阶段在控制层中进行，每轮博弈结束后，拓扑分析模块更新策略集，并将策略集传送到控制信息模块，由控制信息模块下发到网络中。
如上所述基于非合作博弈的SDWSN拓扑控制算法，所述博弈阶段包括求取效用函数最大值，所述控制层根据效用函数最大值更新策略集，所述效用函数定义如下：
Ui(pi(t)，p-i(t))＝ci(pi(t)，p-i(t))fb(i)-fr(pi(t))
其中，pi(t)是节点i的功率，p-i(t)是除节点i之外其他节点的功率。 ci(pi(t)，p-i(t))的函数值为1或0，取值为1时说明网络是连通的，取值为0说明网络不连通。fb(i)是收益函数，表示节点在进行数据转发时的所得收益。
如上所述基于非合作博弈的SDWSN拓扑控制算法，所述ci(pi(t)，p-i(t))的取值由广度优先搜索算法求得，若每个节点都能与控制层连接，则ci(pi(t)，p-i(t))的取值为1。
如上所述基于非合作博弈的SDWSN拓扑控制算法，收益函数具体可以表示为
Figure BDA0003055675330000031
其中，Er(i)是节点i的剩余能量，pi是节点i的当前发射功率。
如上所述基于非合作博弈的SDWSN拓扑控制算法，所述节点序号是根据各节点到控制层的距离由近到远得到的。
如上所述基于非合作博弈的SDWSN拓扑控制算法，所述用户层包括便携主机和用户终端，所述用户层通过网络对控制层远程调控。
如上所述基于非合作博弈的SDWSN拓扑控制算法，所述基础设施层包括若干传感器节点，所述传感器节点与控制层通过无线网络进行通信，该通信遵循 Sensor OpenFlow协议，所述基础设施层的各节点的自身信息包括当前发射功率、邻居节点集及剩余能量。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：
本发明所提出的拓扑控制算法，将软件定义网络架构引入到无线传感器网络中，基于软件定义无线传感器网络架构设置网络模型，并在此基础上，提出一种与之相匹配的非合作博弈拓扑控制算法，同时考虑节点的剩余能量和传输功率，在保证网络连通性的前提下延长网络寿命。
积极效果：本发明所提出的拓扑控制算法与其他传统传感器网络架构下的博弈论节能算法相比，各节点能耗更加均衡，延长了网络生命周期。
附图说明
通过阅读下文优选实施方式的详细描述，本申请的方案和优点对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。
在附图中：
图1是本发明实施例提供算法流程图；
图2是本发明实施例提供的SDWSN架构图；
图3是本发明实施例提供的仿真参数设置；
图4是本发明实施例提供的三种算法的平均发射功率变化情况；
图5是本发明实施例提供的三种算法的平均链路跳数变化情况；
图6是本发明实施例提供的三种算法的网络生存时间变化情况；
图7是本发明实施例提供的三种算法的剩余能量变化情况。
具体实施方式
下面将结合附图更详细地描述本公开的示例性实施方式。需要说明，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员，可以以各种形式实现本公开，而不应被这里阐述的实施方式所限制。
实施例1
参见图1，图1是本发明实施例提供算法流程图，一种基于非合作博弈的 SDWSN拓扑控制算法，所述拓扑控制算法包括：
S101：初始化阶段，基础设施层的各节点将自身信息发送给控制层，控制层根据信息生成初始策略集，建立初始网络拓扑结构；
S102:博弈阶段，每个节点按照节点序号开始博弈，每轮博弈只有一个节点调整自己的策略；
S103:拓扑维护阶段，为网络节点设置能量阈值，当有节点的能量达到阈值时，从该节点开始重新进行博弈。
参见图2，所述SDWSN架构包括用户层、控制层和基础设施层。
进一步的，每一轮博弈之后，控制层都会对当前网络连通性进行判断，具体步骤如下：
Step 1：从节点出发，将节点放入队列q中；
Step 2：队列不空时，弹出队首节点v；
Step 3：如果队首节点v没被访问过，就将v的所有没被访问过的邻居节点放入队列，并将v节点标记为已访问；
Step 4：当队列为空时，搜索结束。如果基站所对应节点显示已访问，则该点能和基站连通；
Step 5：对余下的n-1个节点，重复上述四个步骤。
参见图2，优选的，所述控制层采用基于sink节点的单控制层形式，所述控制层包括可互相通信的数据接收模块、拓扑分析模块、流表规则生成模块和控制信息模块。
进一步的，所述博弈阶段在控制层中进行，每轮博弈结束后，拓扑分析模块更新策略集，并将策略集传送到控制信息模块，由控制信息模块下发到网络中。
具体的实施方式中，所述博弈阶段包括求取效用函数最大值，所述控制层根据效用函数最大值更新策略集，所述效用函数定义如下：
Ui(pi(t)，p-i(t))＝ci(pi(t)，p-i(t))fb(i)-fr(pi(t))
其中，pi(t)是节点i的功率，p-i(t)是除节点i之外其他节点的功率。 ci(pi(t)，p-i(t))的函数值为1或0，取值为1时说明网络是连通的，取值为0说明网络不连通。fb(i)是收益函数，表示节点在进行数据转发时的所得收益。
优选的，所述ci(pi(t)，p-i(t))的取值由广度优先搜索算法求得，若每个节点都能与控制层连接，则ci(pi(t)，p-i(t))的取值为1。
进一步的，收益函数具体可以表示为
Figure BDA0003055675330000051
其中，Er(i)是节点i的剩余能量，pi是节点i的当前发射功率。
作为较佳的实施方式，所述节点序号是根据各节点到控制层的距离由近到远得到的。
参见图2，进一步的，所述用户层包括便携主机和用户终端，所述用户层通过网络对控制层远程调控。
参见图2，进一步的，所述基础设施层包括若干传感器节点，所述传感器节点与控制层通过无线网络进行通信,该通信遵循Sensor OpenFlow协议，所述基础设施层的各节点的自身信息包括当前发射功率、邻居节点集及剩余能量。
下面结合仿真实验对本发明的技术方案作进一步的描述。
为了评价所提算法的性能，本文进行了仿真测试，实验环境如下表所示。本文将传感器节点随机分布在300m×300m的正方形区域中，控制器位于(0，0)处。
设置对照实验，将所提算法与其他传统架构下的博弈论算法对比，包括基于势博弈的非均匀拓扑控制算法BLTC，基于博弈论的分布式最佳响应算法DIA。部署不同数量的传感器节点，测试三种算法在不同节点数量下的节点平均发射功率、链路平均跳数、网络生存时间，以及不同时间下的节点剩余能量标准差。
从图4可以看出，本文所提算法和DIA算法的发射功率相近，明显低于MLPT 算法。由于本文所用的SDWSN架构有全局视图，能够从整体上进行功率调节，所以能够尽可能选取最优的功率策略。
图5中，DIA算法与本文所提算法有相近的发射功率，但本文算法的链路跳数明显小于DIA算法，说明本文算法在节点发射功率和链路跳数方面取得了较好的平衡。
图6和图7是三种算法的网络生存时间和剩余能量标准差的变化情况。在本实验中，将网络生存时间定义为网络中第一个节点死亡时间。图4中，本文算法的生存时间远大于MLPT算法，一方面得益于SDWSN架构的转控分离，普通传感器节点的复杂计算任务转移到控制器，减少了能量消耗；另一方面也是由于 SDWSN架构下的博弈算法能够更好地实现负载均衡，避免出现某一节点过早死亡的现象。而与DIA算法相比，本文算法在延长生命周期的同时，更是增加了稳定性，随着节点数量的增加，没有大幅度的波动。
剩余能量标准差体现的是网络中各节点的剩余能量分布情况。在开始时，本文算法的剩余能量标准差略高于DIA算法，是由于本文在博弈过程中是根据节点距离控制器的远近来确定博弈顺序，刚开始时网络中节点都使用最大传输功率，最先进行博弈的节点就可以选择尽可能小的发射功率；相反，后进行博弈的节点为了保持网络连通，就必须要适当增加自己的发射功率，所以一开始距离远的节点能量消耗较快。但随着时间增加，靠近控制器的节点要转发更多的数据，消耗更多的能量，所以各节点间的剩余能量相比于其它两种算法更加均衡。
本发明所提出的拓扑控制算法，将软件定义网络架构引入到无线传感器网络中，基于软件定义无线传感器网络架构设置网络模型，并在此基础上，提出一种与之相匹配的非合作博弈拓扑控制算法，同时考虑节点的剩余能量和传输功率，在保证网络连通性的前提下延长网络寿命。
本发明所提出的拓扑控制算法与其他传统传感器网络架构下的博弈论节能算法相比，各节点能耗更加均衡，延长了网络生命周期。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或增减替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于非合作博弈的SDWSN拓扑控制算法，其特征在于，所述SDWSN的架构包括用户层、控制层和基础设施层，所述拓扑控制算法包括：
初始化阶段，基础设施层的各节点将自身信息发送给控制层，控制层根据信息生成初始策略集，建立初始网络拓扑结构；
博弈阶段，每个节点按照节点序号开始博弈，每轮博弈只有一个节点调整自己的策略；
拓扑维护阶段，为网络节点设置能量阈值，当有节点的能量达到阈值时，从该节点开始重新进行博弈。
2.如权利要求1所述基于非合作博弈的SDWSN拓扑控制算法，其特征在于，每一轮博弈之后，控制层都会对当前网络连通性进行判断，具体步骤如下：
Step1：从节点出发，将节点放入队列q中；
Step2：队列不空时，弹出队首节点v；
Step3：如果队首节点v没被访问过，就将v的所有没被访问过的邻居节点放入队列，并将v节点标记为已访问；
Step4：当队列为空时，搜索结束。如果基站所对应节点显示已访问，则该点能和基站连通；
Step5：对余下的n-1个节点，重复上述四个步骤。
3.如权利要求1所述基于非合作博弈的SDWSN拓扑控制算法，其特征在于，所述控制层采用基于sink节点的单控制层形式，所述控制层包括可互相通信的数据接收模块、拓扑分析模块、流表规则生成模块和控制信息模块。
4.如权利要求3所述基于非合作博弈的SDWSN拓扑控制算法，其特征在于，所述博弈阶段在控制层中进行，每轮博弈结束后，拓扑分析模块更新策略集，并将策略集传送到控制信息模块，由控制信息模块下发到网络中。
5.如权利要求4所述基于非合作博弈的SDWSN拓扑控制算法，其特征在于，所述博弈阶段包括求取效用函数最大值，所述控制层根据效用函数最大值更新策略集，所述效用函数定义如下：
Ui(pi(t)，p-i(t))＝ci(pi(t)，p-i(t))fb(i)-fr(pi(t))
其中，pi(t)是节点i的功率，p-i(t)是除节点i之外其他节点的功率。ci(pi(t)，p-i(t))的函数值为1或0，取值为1时说明网络是连通的，取值为0说明网络不连通。fb(i)是收益函数，表示节点在进行数据转发时的所得收益。
6.如权利要求5所述基于非合作博弈的SDWSN拓扑控制算法，其特征在于，所述ci(pi(t)，p-i(t))的取值由广度优先搜索算法求得，若每个节点都能与控制层连接，则ci(pi(t)，p-i(t))的取值为1。
7.如权利要求5所述基于非合作博弈的SDWSN拓扑控制算法，其特征在于，收益函数具体可以表示为
Figure FDA0003055675320000021
其中，Er(i)是节点i的剩余能量，pi是节点i的当前发射功率。
8.如权利要求1所述基于非合作博弈的SDWSN拓扑控制算法，其特征在于，所述节点序号是根据各节点到控制层的距离由近到远得到的。
9.如权利要求1所述基于非合作博弈的SDWSN拓扑控制算法，其特征在于，所述用户层包括便携主机和用户终端，所述用户层通过网络对控制层远程调控。
10.如权利要求1所述基于非合作博弈的SDWSN拓扑控制算法，其特征在于，所述基础设施层包括若干传感器节点，所述传感器节点与控制层通过无线网络进行通信,该通信遵循Sensor OpenFlow协议，所述基础设施层的各节点的自身信息包括当前发射功率、邻居节点集及剩余能量。
CN202110499066.XA 2021-05-08 2021-05-08 一种基于非合作博弈的sdwsn拓扑控制算法 Withdrawn CN113162638A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110499066.XA CN113162638A (zh) 2021-05-08 2021-05-08 一种基于非合作博弈的sdwsn拓扑控制算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110499066.XA CN113162638A (zh) 2021-05-08 2021-05-08 一种基于非合作博弈的sdwsn拓扑控制算法

Publications (1)

Publication Number Publication Date
CN113162638A true CN113162638A (zh) 2021-07-23

Family

ID=76873783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110499066.XA Withdrawn CN113162638A (zh) 2021-05-08 2021-05-08 一种基于非合作博弈的sdwsn拓扑控制算法

Country Status (1)

Country Link
CN (1) CN113162638A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115866692A (zh) * 2023-02-28 2023-03-28 国网信息通信产业集团有限公司 无线传感网络负载均衡路由方法、运行方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115866692A (zh) * 2023-02-28 2023-03-28 国网信息通信产业集团有限公司 无线传感网络负载均衡路由方法、运行方法及系统
CN115866692B (zh) * 2023-02-28 2023-06-02 国网信息通信产业集团有限公司 无线传感网络负载均衡路由方法、运行方法及系统

Similar Documents

Publication Publication Date Title
Long et al. Energy-aware real-time routing for large-scale industrial internet of things
CN108566663B (zh) 基于扰动粒子群优化的sdwsn能耗均衡路由方法
Sabet et al. A decentralized energy efficient hierarchical cluster-based routing algorithm for wireless sensor networks
Elhabyan et al. Two-tier particle swarm optimization protocol for clustering and routing in wireless sensor network
CN112822752B (zh) 一种无人机自组织网络的路由建立方法及系统
Tao et al. Flow-balanced routing for multi-hop clustered wireless sensor networks
CN106454905B (zh) 一种改进的无线传感网层次型多链路方法
Bouzid et al. Efficient routing protocol for wireless sensor network based on reinforcement learning
Nazi et al. Efficient communications in wireless sensor networks based on biological robustness
Merabtine et al. Balanced clustering approach with energy prediction and round-time adaptation in wireless sensor networks
Song et al. Hybrid PSO and evolutionary game theory protocol for clustering and routing in wireless sensor network
CN113162638A (zh) 一种基于非合作博弈的sdwsn拓扑控制算法
Jain et al. Sink as Cluster head: An energy efficient clustering method for wireless sensor networks
Krishnan et al. An energy efficient routing protocol based on SMO optimization in WSN
Torres et al. Improving lifetime and availability for ad hoc networks to emergency and rescue scenarios
Pitchai et al. Game theoretical computation based energy efficient routing for wireless sensor networks
Khanouche et al. Energy efficient Multi-hops Routing protocol based on Clusters Reorganization for wireless sensor networks
Niewiadomska-Szynkiewicz Energy aware communication protocols for wireless sensor networks
Yang et al. A novel energy-efficient data gathering algorithm for wireless sensor networks
Al Sharah et al. Trade-off between Energy Consumption and Transmission Rate in Mobile Ad-Hoc Network
Sivasakthiselvan et al. Design and Performance evaluation of Sugeno fuzzy interface system for multi-disciplinary WSNs applications with optimized network structure
Matsuura Maximizing lifetime of multiple data aggregation trees in wireless sensor networks
Rajpoot et al. An enhanced approach for energy optimization using protocol based on multi factors
El Khediri et al. A novel connectivity algorithm based on shortest path for wireless sensor networks
Sihai et al. A Weight-based Clustering Routing Algorithm for 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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210723