KR20120044702A - An application-specific routing method in wireless sensor and actor network - Google Patents
An application-specific routing method in wireless sensor and actor network Download PDFInfo
- Publication number
- KR20120044702A KR20120044702A KR1020100106142A KR20100106142A KR20120044702A KR 20120044702 A KR20120044702 A KR 20120044702A KR 1020100106142 A KR1020100106142 A KR 1020100106142A KR 20100106142 A KR20100106142 A KR 20100106142A KR 20120044702 A KR20120044702 A KR 20120044702A
- Authority
- KR
- South Korea
- Prior art keywords
- pareto
- base node
- equation
- tree
- sensors
- Prior art date
Links
Images
Classifications
-
- 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
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
Description
본 발명은 베이스 노드가 이동하는 센서 및 액터 네트워크 환경에서 응용 프로그램이 요구하는 지연 시간의 허용 수준에 따라 적절한 트리를 선택하여 라우팅에 사용할 수 있도록 함으로써 다양한 응용 프로그램의 요구 조건을 만족시킬 뿐 아니라 긴 네트워크의 수명을 보장하는 트리 기반 라우팅 방법에 관한 것이다. The present invention not only satisfies the requirements of various applications but also selects a suitable tree according to the allowable level of latency required by the application in the sensor and actor network environment where the base node moves, and meets the requirements of various applications. It relates to a tree-based routing method to ensure the life of.
전파 통신 모델에서는 네트워크의 전력 소모량을 계산하기 위하여 아래와 같은 수식이 널리 사용되고 있다.In the radio communication model, the following equation is widely used to calculate the power consumption of the network.
우선 k bit의 패킷을 d미터 떨어져 있는 다른 센서에 송신하는데 드는 전력 소모량 E Tx (k,d)은 다음의 [수학식 1]에 의해 계산한다. 센서들의 초기 에너지는 20J을 가정하였고, 패킷의 크기는 1000 bit를 가정하였다.First, the power consumption E Tx (k, d) for transmitting a packet of k bits to another sensor distant by d meters is calculated by Equation 1 below. The initial energy of the sensors is assumed to be 20J, and the packet size is assumed to be 1000 bits.
이 때 E Tx 는 50nJ 이며 증폭에 드는 전력 소모량 ε amp는 100pJ이다. 그리고 k bit의 패킷을 수신하는데 드는 전력 소모량은 다음의 [수학식 2]에 의해 계산한다. At this time, E Tx is 50nJ and power consumption ε amp is 100pJ for amplification. The power consumption for receiving k- bit packets is calculated by
E Rx 는 E Tx 와 마찬가지로 50nJ이다. 따라서 d미터 떨어진 연속한 두 센서 사이에 다른 조건이 없는 한 k bit 크기의 패킷 전송에 소모되는 전력량은 다른 조건이 없는 한 [수학식 1] + [수학식 2]가 됨을 알 수 있다. E Rx is 50 nJ like E Tx . Therefore, it can be seen that the amount of power consumed for packet transmission of k bit size becomes [Equation 1] + [Equation 2] unless there is another condition between two consecutive sensors separated by d meters.
본 발명은 상술한 바와 같은 기술적 배경에서 고안된 것으로서, 베이스 노드가 이동하는 무선 센서 및 액터 네트워크 환경에서 응용 프로그램이 요구하는 지연 시간을 보장하고 긴 네트워크의 수명을 보장하는 트리 기반 라우팅 방법을 제시하는 것을 목적으로 한다. SUMMARY OF THE INVENTION The present invention has been devised in the technical background as described above, and proposes a tree-based routing method that guarantees the latency required by an application program in a wireless sensor and actor network environment in which a base node moves and ensures a long network lifetime. The purpose.
본 발명에 따르면, 본 발명은 베이스 노드가 이동하는 무선 센서 및 액터 네트워크 환경에서 응용 프로그램이 요구하는 지연 시간과 긴 네트워크의 수명을 보장하는 트리 기반 라우팅 방법으로서, 새로운 지역 갱신 규칙과 전역 갱신 규칙을 사용하여 파레토 최적인 트리 집합을 파레토 개미 집단 최적화 알고리즘으로 구하고 응용 프로그램에 따라 적절한 트리를 제공하는 라우팅 방법을 제시한다.According to the present invention, the present invention is a tree-based routing method that guarantees the latency required by an application program and a long network lifetime in a wireless sensor and actor network environment in which a base node moves. Using the Pareto ant population optimization algorithm, the Pareto-optimized tree set is obtained.
본 발명에 따른 신장 트리 기반의 라우팅 방법은, 개별 센서들이 자신의 위치정보과 에너지 상태를 플러딩을 통해 베이스 노드에 전달하는 단계; 베이스 노드가 수집된 정보를 이용해 그래프를 작성하고 파레토 개미 집단 최적화 알고리즘으로 파레토 집합을 생성하는 단계; 생성된 상기 파레토 집합을 모든 센서에 전달하는 단계; 및 응용 프로그램의 성질에 따라 라우팅 트리를 선정하고 해당 경로를 이용해 베이스 노드와 센서들 간에 패킷을 송수신하는 단계를 포함하는 것을 특징으로 한다. The decompression tree based routing method according to the present invention comprises the steps of: transmitting, by individual sensors, their location information and energy state to the base node through flooding; Generating a graph using the collected information by the base node and generating a Pareto set using a Pareto Ant population optimization algorithm; Delivering the generated Pareto set to all sensors; And selecting a routing tree according to the nature of the application program and transmitting and receiving a packet between the base node and the sensors using the corresponding path.
여기에서, 상기 파레토 집합을 생성하는 단계에서 사용되는 상기 파레토 개미 집단 최적화 알고리즘에서는, 상태 전이 규칙을 나타내는 다음의 [수학식 4]와 [수학식 6]에서 다음의 [수학식 5]를 사용하고, 전역 갱신 규칙을 나타내는 다음의 [수학식 8]에서 다음의 [수학식 9]를 사용할 수 있다. Here, in the Pareto ant population optimization algorithm used in generating the Pareto set, the following
[수학식 4]&Quot; (4) "
[수학식 5][Equation 5]
[수학식 6]&Quot; (6) "
[수학식 8][Equation 8]
[수학식 9][Equation 9]
센서들의 전력 재충전이 불가능한 센서 네트워크에서는 긴 네트워크 수명은 라우팅 프로토콜이 반드시 고려해야 할 중요한 요소이다. 또한 다양한 응용 프로그램들의 지연시간을 보장해주는 것도 중요한 요소이다. 본 발명의 실시예에 따른 파레토 개미 집단 최적화 알고리즘을 이용한 트리기반 라우팅 방법은 무선 센서 및 액터 네크워크(WSAN)처럼 다수의 베이스 노드가 존재하거나 베이스 노드의 이동성이 높은 센서 네트워크 환경에서 상기 목적을 달성하기에 좋은 방법이다. 또한 수백에서 수천 개의 센서들로 구성된 네트워크에도 효율적으로 사용될 수 있다.In sensor networks where sensors cannot be recharged, long network life is an important factor that routing protocols must consider. It is also important to ensure latency for various applications. The tree-based routing method using the Pareto ant population optimization algorithm according to an embodiment of the present invention achieves the above object in a sensor network environment in which a plurality of base nodes exist or high mobility of the base nodes, such as a wireless sensor and an actor network (WSAN). It is a good way to. It can also be used efficiently for networks with hundreds to thousands of sensors.
도 1은 본 발명의 실시예에 따른 무선 센서 및 액터 네트워크의 주문형 라우팅 방법을 나타내는 흐름도이다.
도 2는 100번 반복 후의 파레토 집합과 최소신장트리를 비교한 도면이다. 1 is a flowchart illustrating an on-demand routing method of a wireless sensor and actor network according to an embodiment of the present invention.
2 is a diagram comparing a Pareto set and a minimum extension tree after 100 iterations.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것으로서, 본 발명은 청구항의 기재에 의해 정의될 뿐이다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세히 설명하기로 한다.Advantages and features of the present invention and methods for achieving them will be apparent with reference to the embodiments described below in detail with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be implemented in various forms, and only the embodiments are to make the disclosure of the present invention complete, and those skilled in the art to which the present invention pertains. As the invention is provided to fully inform the scope of the invention, the invention is defined only by the description of the claims. Meanwhile, the terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of the invention. In the present specification, the singular form includes plural forms unless otherwise specified in the specification. Hereinafter, an embodiment of the present invention will be described in detail with reference to the accompanying drawings.
먼저 본 발명을 설명하기 위하여 필요한 관련 용어들을 정의한다.First, related terms necessary for describing the present invention are defined.
정의 1. 모든 센서 간 패킷 전송 Definition 1. Packet transmission between all sensors
모든 센서 간 패킷 전송이란 모든 센서가 순서에 상관없이 한 번씩 베이스 노드의 역할을 수행하며 동일한 크기의 패킷을 나머지 센서로부터 수신하는 것을 말한다. Packet transmission between all sensors means that all the sensors play the role of the base node once in any order and receive the same size packets from the remaining sensors.
모든 센서 간 패킷 전송은 센서 네트워크에 모델에 하나 이상의 베이스 노드가 이동하는 상황을 포함하기 위한 장치이다. 본 모델은 베이스 노드와 가장 가까운 거리에 있는 센서가 다른 센서로부터 전송된 데이터를 수집하여 최종적으로 베이스 노드에 전송한다고 가정하므로 베이스 노드가 무작위로 움직인다면 모든 센서가 균등하게 최종 전송 센서가 될 수 있기 때문이다. Every sensor-to-sensor packet transfer is a device for including the situation where more than one base node moves in the model to the sensor network. This model assumes that the sensor that is closest to the base node collects data from other sensors and finally transmits it to the base node. Therefore, if the base node moves randomly, all the sensors can be equally the final transmission sensor. Because.
정의 2. Wiener 수 Definition 2.Wiener number
Wiener 수(Wiener index 혹은 Wiener number)란 주어진 그래프 G=(V(G), E(G))의 모든 정점 간 거리의 합을 가리킨다. 그래프 내의 임의의 두 정점 u, v ∈ V(G)간 거리 d G (u,v)는 두 정점 사이의 최단 거리로 정의되며 그래프의 Wiener 수 σ(G)는 다음의 [수학식 3]과 같이 정의할 수 있다. The Wiener number (Wiener index or Wiener number) is the sum of the distances between all the vertices of a given graph G = (V (G), E (G)) . The distance between any two vertices u, v ∈ V (G) d G (u, v) is defined as the shortest distance between the two vertices and the Wiener number σ (G) in the graph is given by Equation 3 It can be defined together.
주어진 그래프로부터 최소 Wiener 수 신장트리를 구하는 문제는 연결선의 가중치가 모두 같은 경우에도 NP-hard임이 알려져 있고, 가중치를 1로 하면 모든 센서 간의 총 홉 수를 나타낸다.The problem of obtaining the minimum Wiener number extension tree from a given graph is known to be NP-hard even when the weights of the connection lines are all the same. If the weight is 1, the total hops between all sensors are represented.
정의 3. 네트워크 에너지 소모량 Definition 3.Network energy consumption
네트워크의 에너지 소모량이란 한 번의 모든 센서간 패킷 전송에 소모되는 네트워크 내 개별 센서들의 에너지량을 모두 합한 것을 말한다. The energy consumption of a network is the sum of the energy amounts of the individual sensors in the network that are used to transmit packets between all sensors at one time.
정의 4. 네트워크 수명
네트워크의 수명이란 모든 센서 간 패킷 전송을 계속하는 과정에서 최초로 전력이 모두 소모되는 센서가 발생할 때까지의 모든 센서간 패킷 전송의 횟수를 말한다.The lifetime of a network refers to the number of packet transmissions between all sensors until the first sensor is used up while all packet transmission continues.
여기에서 주의할 점은 네트워크 에너지 소모량과 네트워크 수명이 반비례 관계에 있지는 않다는 사실이다. 네트워크 에너지 소모량이 작더라도 패킷 전송이 특정 센서에 크게 의존하게 되면 네트워크 수명은 짧아지게 되고, 반대로 네트워크 에너지 소모량이 크더라도 센서 사이에 전송 분산이 잘 되어있는 경우라면 네트워크 수명이 길 수도 있다. Note that the network energy consumption and the network lifetime are not inversely related. Even if the network energy consumption is small, if the packet transmission is highly dependent on a specific sensor, the network life will be shortened. On the contrary, even if the network energy consumption is large, if the transmission is well distributed among the sensors, the network life may be long.
본 발명은 긴 네트워크 수명을 보장하면서 동시에 다양한 지연 시간을 요구하는 응용 프로그램들에 적합한 전송경로를 제공하는 라우팅 트리를 찾고자 하는 것이다. 이를 위하여 다음과 같은 파레토 최적 신장트리 집합 찾기 문제를 제시한다.The present invention seeks to find a routing tree that provides a transmission path suitable for applications that require various delays while ensuring a long network life. For this purpose, we propose the following Pareto optimal spanning tree set search problem.
정의 5. 파레토 최적 신장트리 집합 찾기 문제
본 발명의 파레토 최적 신장트리 집합 찾기 문제는 모든 센서 간 패킷 전송시 평균 홉 수를 최소화하고 네트워크의 수명을 최대화하는 파레토 신장트리 집합을 찾는 것이다. The problem of finding the Pareto optimal spanning tree set of the present invention is to find the Pareto spanning tree set which minimizes the average hop count and maximizes the life of the network when transmitting packets between all sensors.
m개의 목적을 가진 해를 m차원 벡터로 표현할 때, 특정해 s i ={ s i (1), s i (2), ..., s i (m)}가 s j ={ s j (1), s j (2), ..., s j (m)}을 지배한다(dominate)는 말은 s i 의 모든 벡터 값이 적어도 s j 의 벡터 값만큼은 좋으면서 즉, 
when rendering the sun with the purpose of m to m-dimensional vector, specific to s i = {s i (1 ), s i (2), ..., s i (m)} the s j = {s j ( 1), s j (2), ..., s j (m)} dominate means that all vector values of s i are at least as good as the vector values of s j ,
이제 이러한 문제를 해결하기 위한 방법을 항목별로 설명한다. Now I will explain how to solve these problems item by item.
1. 초기 그래프 생성1. Initial graph generation
베이스 노드는 모든 센서로부터 전송되어온 위치 정보와 에너지 정보를 이용하여 센서 사이의 거리를 계산한 다음 [수학식 1] + [수학식 2]에 의해서 모든 센서 사이에 가중치 w ij 를 부여한다. 이때 전송 bit는 1로 한다. [수학식 1]과 [수학식 2]의 합은 해당 센서 사이에 특정 크기의 데이터를 송수신하는데 요구되는 에너지의 양을 나타내므로 네트워크의 수명을 최대화하는데 사용한다. The base node calculates the distance between the sensors using the position information and the energy information transmitted from all the sensors, and then assigns the weight w ij between all the sensors by [Equation 1] + [Equation 2]. At this time, the transmission bit is set to 1. The sum of [Equation 1] and [Equation 2] is used to maximize the life of the network because it represents the amount of energy required to send and receive data of a certain size between the sensor.
2. 해 생성 방법2. Solution Generation Method
MO-ACO를 사용하려면 문제의 해를 생성하는 알고리즘이 필요하다. 본 논문은 최소신장트리(MST)를 구하는 Prim 알고리즘을 변형하여 사용한다. Prim 알고리즘은 임의의 정점을 출발점으로 하여 매번 정점 하나씩을 생성중인 트리에 추가 시켜 결국 모든 정점을 포함하는 신장트리를 생성해내는 탐욕적 문제 해결 방법(greedy algorithm)이다. 이때 추가하는 정점의 선택은 이미 트리를 형성하고 있는 정점과 그렇지 않은 정점들 사이의 간선 중 가장 작은 가중치를 갖는 간선을 끝점으로 하는 정점을 대상으로 이루어진다. 본 발명의 실시예에 따른 방법은 트리 생성을 위한 정점 선택시 탐욕적인 방법을 사용하는 것이 아니라 개미 군집 최적화 알고리즘이 제공하는 확률적인 상태 전이 규칙을 사용한다. 그리고 개미의 수는 노드 수와 같게 하였다. Using MO-ACO requires an algorithm that generates a solution to the problem. This paper uses a modified Prim algorithm to find the minimum extension tree (MST). The Prim algorithm is a greedy algorithm that adds one vertex to a generating tree each time, starting with an arbitrary vertex and eventually generating a spanning tree containing all vertices. At this time, the selection of additional vertices is made with the vertex whose end point is the edge having the smallest weight among the edges between the vertices already forming the tree and those not. The method according to the embodiment of the present invention uses a probabilistic state transition rule provided by an ant colony optimization algorithm instead of using a greedy method in selecting vertices for tree generation. The number of ants was equal to the number of nodes.
3. 상태 전이 규칙3. State transition rules
k 번째 개미가 트리를 형성할 때 실행하는 상태 전이는 다음의 [수학식 4]와 [수학식 6]을 사용한다. 임계치로 설정된 q 0 (0≤ q 0 ≤1)와 [0, 1] 사이의 균등 분포로부터 임의로 얻어낸 q를 비교하여 임계치보다 작으면 [수학식 4]를 사용하여 트리에 포함할 간선을 선택한다. 이때 각 개미는 자신이 트리에 포함시킨 정점들을 저장하는 장소 M(k)를 가지고 있다. 여기에서 i는 현재 트리에 포함된 정점들 중 하나를 나타내고(i∈M(k)) j는 아직 트리에 포함되지 않은 정점(jM (k))을 나타낸다. 그리고 e ij 는 이들 사이의 간선을 의미한다. State transitions performed when the k- th ant forms a
여기서 τ( e ij )는 간선에 놓인 페로몬 자국의 양을 나타내고 η( e ij )는 휴리스틱 함수로써 본 발명의 실시예에서는 간선 가중치의 역수를 사용한다. 즉, 다음의 [수학식 5]를 만족한다. Where τ ( e ij ) represents the amount of pheromone marks placed on the trunk and η ( e ij ) is a heuristic function and uses the inverse of the trunk weight in an embodiment of the present invention. That is, the following [Equation 5] is satisfied.
α와 β는 파라미터로써 간선의 현재 페로몬의 양과 에너지 소모량의 상대적 중요성을 반영한다. S는 [수학식 6]을 따르는 확률 변수이다. 만약 q가 q 0 보다 크면 S에 의해서 간선이 선택된다. 이와 같은 [수학식 4]와 [수학식 6]을 통한 상태 전이 규칙을 의사-무작위-비례 규칙(pseudo-random-proportional rule)이라고 한다. α and β as parameters reflect the relative importance of the current pheromone amount and energy consumption of the trunk. S is a random variable according to [Equation 6]. If q is greater than q 0 , the edge is selected by S. Such state transition rules through
4. 지역 갱신 규칙4. Regional Update Rules
각 개미들은 자신의 해인 신장트리를 생성해갈 때 자신이 선택한 간선에 대해 다음의 [수학식 7]을 사용하여 페로몬 자국의 양을 갱신한다. Each ant updates its amount of pheromone tracks using the following equation (7) for the trunk it chooses when it creates its own tree.
여기서 ρ(0<ρ<1) 는 페로몬 증발율을 나타내는 파라미터이다. Δτ(e)는 지역 갱신에 사용할 페로몬 양인데 초기 페로몬 양을 일반적으로 사용한다.Where ρ (0 <ρ <1) is a parameter representing the pheromone evaporation rate. Δτ (e) is the amount of pheromone to be used for local updating, and the initial pheromone amount is generally used.
5. 전역 갱신 규칙5. Global Renewal Rules
모든 개미들이 해를 완성하면 이들을 대상으로 평균 홉 수와 E min 를 목적으로 하여 파레토 최적 집합 P를 구한다. 이때 네트워크 수명 대신 E min 을 사용하는 이유는 트리만을 대상으로 네트워크의 수명을 직접 구할 수 없기 때문이다. 전역 갱신은 파레토 최적 집합 P에 속하는 해들을 대상으로 다음의 [수학식 8]에 따라 각 해를 구성하는 간선에 대해 페로몬 자국의 양을 갱신한다.Once all the ants have completed the solution, they find the Pareto optimal set, P, for the average hop count and E min . The reason why E min is used instead of network life is that the life of the network cannot be obtained directly from the tree. The global update updates the amount of pheromone traces for the edges forming each solution according to the following Equation 8 for the solutions belonging to the Pareto optimal set P.
여기서, ρ는 지역 갱신에 사용한 것과 동일한 증발율을 나타낸다. 하지만 Δτ(e)는 다음의 [수학식 9]를 따른다.Where ρ represents the same evaporation rate used for regional updates. However, Δτ (e) follows Equation 9 below.
여기에서 s k ∈P이고, σ(sk )는 해 s k 에 대한 Wiener 수를, E min ( s k )는 모든 센서간 1라운드 패킷 전송 이후 최소의 에너지를 가진 센서의 에너지 값을 나타낸다. Wiener 수는 평균 홉 수가 작은 트리의 선택확률을 높이기 위한 것이고, E min 은 E min 가 큰 센서를 보유한 해의 간선들의 선택 확률을 높임으로써 수명이 긴 네트워크의 선택 가능성을 상대적으로 크게 하려는 것이다. γ 1 , γ 2 는 각 목적들의 상대적 중요성을 반영하는 파라미터이다.From here s k ∈P , σ ( s k ) represents the Wiener number for solution s k , and E min ( s k ) represents the energy value of the sensor with the minimum energy after the first round packet transmission between all sensors. The number of wieners is to increase the probability of selecting trees with small average hops, and E min is to increase the probability of selecting edges of the year with sensors with large E mins to increase the probability of selecting long-lived networks. γ 1 and γ 2 are parameters that reflect the relative importance of each purpose.
6. 파라미터 값 설정6. Parameter Value Setting
다음의 [표 1]은 MO-ACO에 사용된 각 파라미터들의 설정 값을 나타낸다. 각 파라미터는 다양한 값을 상대로 실험한 후 선택한 값들이다. 이 중 주목할 점은 다른 파라미터 값을 표의 값으로 고정하고 γ 2 값을 γ 1 값보다 크게 하더라도 네트워크의 수명에 큰 개선이 없다는 사실이다. 이는 전체적인 파라미터의 설정 값의 영향이 여러 간선에 조그마한 차이로 분산되기보다는 한정된 간선들에 집중적으로 영향을 미치기 때문인 것으로 판단된다. [Table 1] below shows the setting values of each parameter used in MO-ACO. Each parameter is selected after experimenting with various values. It is worth noting that even if other parameter values are fixed to the values in the table and γ 2 values are larger than γ 1 values, there is no significant improvement in the lifetime of the network. This is because the influence of the setting value of the overall parameter is concentrated on the limited edges rather than being distributed in small differences between several edges.
7. 최종 7. Final 파레토Pareto 해집합Set
사전에 정의된 반복 횟수에 도달했을 때 마지막 해집합을 대상으로 전역 갱신 규칙과 동일한 목적들로 지배관계를 이용해 최종 파레토 최적인 해집합을 구한다. 해집합을 구성하는 라우팅 트리들의 홉 수와 네트워크 수명은 실험결과로부터 상충관계에 있다는 사실을 확인할 수 있는데, 응용의 지연 시간 요구에 따라 특정 라우팅 트리를 사용하도록 연결한다. 예를 들어 침입 탐지와 같은 실시간을 요하는 응용인 경우엔 에너지 요소보다 낮은 지연 시간이 중요한 고려사항이므로 트리 중에서 평균 홉 수가 가장 작은 라우팅 트리를 이용해 데이터를 전송하도록 한다. 한편 온도에 대한 주기적 변화 측정과 같이 데이터 전송의 긴급성을 요하지 않은 응용에 대해서는 네트워크의 수명 연장을 최대로 하는 라우팅 트리를 이용해 데이터를 전송한다. When the predefined number of iterations is reached, the final Pareto optimal solution set is obtained from the last solution set using the governance relationship for the same purposes as the global update rule. The experimental results show that the hop counts and network lifetimes of the routing trees that make up the solution set are in conflict, connecting to use a specific routing tree according to the latency requirements of the application. For applications that require real-time, such as intrusion detection, for example, lower latency than energy factor is an important consideration, so use routing trees with the lowest average hops among the trees to transfer data. On the other hand, for applications that do not require the urgency of data transmission, such as measuring periodic changes in temperature, data is transmitted using a routing tree that maximizes the life of the network.
본 발명의 실시예에 따른 라우팅의 전체적인 단계가 도 1에 나타나 있다.The overall steps of routing according to an embodiment of the present invention are shown in FIG.
도 1에 나타난 바와 같이, 먼저 개별 센서들이 자신의 위치정보과 에너지 상태를 플러딩을 통해 베이스 노드에 전달하면(S110), 베이스 노드는 수집된 정보를 이용해 그래프를 작성하고 파레토 개미 집단 최적화 알고리즘으로 파레토 집합을 생성한다(S120). 다음, 파레토 집합을 모든 센서에 전달하고(S130), 응용 프로그램의 성질에 따라 라우팅 트리를 선정하고 해당 경로를 이용해 베이스 노드와 센서들 간의 패킷 송수신을 수행한다(S140).As shown in FIG. 1, when individual sensors first transmit their position information and energy state to the base node through flooding (S110), the base node constructs a graph using the collected information and sets a Pareto set using a Pareto ant population optimization algorithm. To generate (S120). Next, the Pareto set is transmitted to all sensors (S130), the routing tree is selected according to the nature of the application program, and the packet is transmitted and received between the base node and the sensors using the corresponding path (S140).
도 2는 상술한 S120 단계를 100번 반복 후의 파레토 집합과 최소신장트리를 비교하여 나타낸 것이다. 도 2에서 세모로 표시한 것이 최소신장트리를 나타내고, 나머지 마름모꼴로 표시한 것이 본 발명의 실시예에 따른 파레토 개미 집단 최적화 알고리즘에 의한 파레토 집합을 나타낸다.Figure 2 shows the above-described step S120 by comparing the Pareto set and the minimum extension tree after 100 iterations. In FIG. 2, the triangles indicate the minimum height tree, and the remaining diamonds indicate the Pareto set by the Pareto ant population optimization algorithm according to the embodiment of the present invention.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
Those skilled in the art will appreciate that the present invention can be embodied in other specific forms without changing the technical spirit or essential features of the present invention. Therefore, it should be understood that the embodiments described above are exemplary in all respects and not restrictive. The scope of the present invention is shown by the following claims rather than the detailed description, and all changes or modifications derived from the claims and their equivalents should be construed as being included in the scope of the present invention.
Claims (2)
개별 센서들이 자신의 위치정보과 에너지 상태를 플러딩을 통해 베이스 노드에 전달하는 단계;
베이스 노드가 수집된 정보를 이용해 그래프를 작성하고 파레토 개미 집단 최적화 알고리즘으로 파레토 집합을 생성하는 단계;
생성된 상기 파레토 집합을 모든 센서에 전달하는 단계; 및
응용 프로그램의 성질에 따라 라우팅 트리를 선정하고 해당 경로를 이용해 베이스 노드와 센서들 간에 패킷을 송수신하는 단계를 포함하는 것을 특징으로 하는 신장 트리 기반 라우팅 방법.In the tree-based routing method,
Individual sensors transmitting their location information and energy state to the base node through flooding;
Generating a graph using the collected information by the base node and generating a Pareto set using a Pareto Ant population optimization algorithm;
Delivering the generated Pareto set to all sensors; And
A routing tree based routing method comprising selecting a routing tree according to a property of an application and transmitting and receiving a packet between a base node and sensors using a corresponding path.
상태 전이 규칙을 나타내는 다음의 [수학식 4]와 [수학식 6]에서 다음의 [수학식 5]를 사용하고,
[수학식 4]
[수학식 5]
[수학식 6]
전역 갱신 규칙을 나타내는 다음의 [수학식 8]에서 다음의 [수학식 9]를 사용하는 신장 트리 기반 라우팅 방법.
[수학식 8]
[수학식 9]
In the following [Equation 4] and [Equation 6] representing the state transition rule, use the following [Equation 5],
[Equation 4]
&Quot; (5) "
&Quot; (6) "
Elongation tree based routing method using Equation 9 below in Equation 8 representing a global update rule.
&Quot; (8) "
[Equation 9]
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100106142A KR20120044702A (en) | 2010-10-28 | 2010-10-28 | An application-specific routing method in wireless sensor and actor network |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100106142A KR20120044702A (en) | 2010-10-28 | 2010-10-28 | An application-specific routing method in wireless sensor and actor network |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20120044702A true KR20120044702A (en) | 2012-05-08 |
Family
ID=46264424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100106142A KR20120044702A (en) | 2010-10-28 | 2010-10-28 | An application-specific routing method in wireless sensor and actor network |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20120044702A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170000647U (en) | 2015-08-11 | 2017-02-21 | 대우조선해양 주식회사 | Folding/unfolding platform for hangar |
| CN108462983A (en) * | 2018-03-09 | 2018-08-28 | 南京邮电大学 | Based on the Communication of Muti-robot System network-building method for improving ant colony AODV agreements |
| CN110605995A (en) * | 2019-10-25 | 2019-12-24 | 浙江工业大学 | Electric vehicle charging pile control system and method based on Zigbee networking |
-
2010
- 2010-10-28 KR KR1020100106142A patent/KR20120044702A/en not_active Application Discontinuation
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170000647U (en) | 2015-08-11 | 2017-02-21 | 대우조선해양 주식회사 | Folding/unfolding platform for hangar |
| CN108462983A (en) * | 2018-03-09 | 2018-08-28 | 南京邮电大学 | Based on the Communication of Muti-robot System network-building method for improving ant colony AODV agreements |
| CN108462983B (en) * | 2018-03-09 | 2021-07-13 | 南京邮电大学 | Multi-robot communication networking method based on improved ant colony AODV protocol |
| CN110605995A (en) * | 2019-10-25 | 2019-12-24 | 浙江工业大学 | Electric vehicle charging pile control system and method based on Zigbee networking |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Enhancing real-time delivery in wireless sensor networks with two-hop information | |
| De Rango et al. | Link-stability and energy aware routing protocol in distributed wireless networks | |
| US9712394B2 (en) | Sensor network system, sensor network control method, sensor node, sensor node control method, and sensor node control program | |
| CN105580437B (en) | Discovery routing is from source node to the method for sink nodes forwarding grouping in the wireless network | |
| CN108112048A (en) | Recognize a kind of efficiency route protocol based on stability in sensor network | |
| Shelly et al. | Link reliability based greedy perimeter stateless routing for vehicular ad hoc networks | |
| KR101664897B1 (en) | Clustering method in wireless sensor network | |
| JP6927072B2 (en) | Route selection device, route selection method and program | |
| KR20110116568A (en) | Routing method based on spanning tree in wireless sensor and actor network | |
| KR20120044702A (en) | An application-specific routing method in wireless sensor and actor network | |
| Akbar et al. | Evaluation of AODV and DSR routing protocols of wireless sensor networks for monitoring applications | |
| WO2020022193A1 (en) | Route selection device, route selection method, and program | |
| Chaudhary et al. | Energy efficiency and latency improving protocol for wireless sensor networks | |
| KR20120044703A (en) | An application-specific routing method in wireless sensor and actor network | |
| Wolf et al. | Immediate neighbor scheduling (INS): An adaptive protocol for mobile ad hoc networks using direct-sequence spread-spectrum modulation | |
| Ullah et al. | Evaluation of routing protocols in wireless sensor networks | |
| Dahlstrom et al. | Performance analysis of routing protocols in Zigbee non-beacon enabled WSNs | |
| Jisha et al. | Comprehensive study on mobile ad-hoc routing protocols: Olsr, aodv and dsdv | |
| CN108990128B (en) | Route design method based on mobile perception in mobile network | |
| Rabarijaona et al. | Hierarchical mesh tree protocol for efficient multi-hop data collection | |
| Chung et al. | A load balancing algorithm based on probabilistic multi-tree for wireless sensor networks | |
| Nguyen et al. | Towards skewness and balancing of RPL trees for the internet of things | |
| Ferreira et al. | On the evaluation of shortest journeys in dynamic networks | |
| JP2018023013A (en) | Route selection device, route selection method and program | |
| Liu et al. | Low-cost and robust geographic opportunistic routing in a strip topology wireless network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| WITN | Withdrawal due to no request for examination |