無(wú)線傳感器-執(zhí)行器網(wǎng)絡(luò)協(xié)作算法研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)(WSNs)是控制學(xué)科的前沿研究方向，其理論與技術(shù)發(fā)展極大的受到應(yīng)用驅(qū)動(dòng)。近年來(lái)，大量應(yīng)用場(chǎng)景需要WSNs在具有事件監(jiān)測(cè)能力的同時(shí)，還具有任務(wù)執(zhí)行、事件控制功能。為了滿足應(yīng)用需求，典型的WSNs衍生出一種由大量傳感器節(jié)點(diǎn)與少數(shù)執(zhí)行器節(jié)點(diǎn)組成的新型網(wǎng)絡(luò)結(jié)構(gòu)，學(xué)術(shù)界稱之為無(wú)線傳感器/執(zhí)行器網(wǎng)絡(luò)(WSANs)。
　　 無(wú)線傳感器/執(zhí)行器網(wǎng)絡(luò)是一種新型信息獲取和處理技術(shù)。在無(wú)線傳感器/執(zhí)行器網(wǎng)絡(luò)中，傳感器節(jié)點(diǎn)需要與執(zhí)行器節(jié)

2、點(diǎn)進(jìn)行大量的緊密協(xié)作，共同完成對(duì)環(huán)境的監(jiān)測(cè)和對(duì)事件的處理，因此出現(xiàn)了一種新的網(wǎng)絡(luò)現(xiàn)象：傳感器節(jié)點(diǎn)-執(zhí)行器節(jié)點(diǎn)(SA)協(xié)作和執(zhí)行器節(jié)點(diǎn)-執(zhí)行器節(jié)點(diǎn)(AA)協(xié)作。如何通過(guò)節(jié)點(diǎn)間的協(xié)同合作，共同完成對(duì)環(huán)境事件的處理，同時(shí)保證網(wǎng)絡(luò)的實(shí)時(shí)性和能耗均衡，是無(wú)線傳感器/執(zhí)行器網(wǎng)絡(luò)研究面臨的一大挑戰(zhàn)。
　　 本文面向無(wú)線傳感器/執(zhí)行器網(wǎng)絡(luò)所涉及的理論與技術(shù)，針對(duì)傳統(tǒng)的無(wú)線傳感器網(wǎng)絡(luò)相關(guān)協(xié)議和算法無(wú)法完全滿足無(wú)線傳感器/執(zhí)行器網(wǎng)絡(luò)新的需求，以節(jié)點(diǎn)

3、之間的協(xié)同合作為研究手段，以提高網(wǎng)絡(luò)實(shí)時(shí)性和能耗均衡為目的，構(gòu)建SA協(xié)作和AA協(xié)作模型，基于最優(yōu)化理論、群體智能優(yōu)化、圖論等計(jì)算方法展開(kāi)理論與算法研究。主要研究成果包括如下四個(gè)方面：
　　 ①針對(duì)現(xiàn)有協(xié)作算法大多只對(duì)下一跳中繼節(jié)點(diǎn)的選擇進(jìn)行研究，沒(méi)有考慮網(wǎng)絡(luò)能耗均衡問(wèn)題，提出一種基于SA協(xié)作模型的分簇算法(CASA)。算法從全網(wǎng)的能耗和時(shí)延影響的角度，建立基于SA協(xié)作的能耗模型，綜合考慮時(shí)延、連通度等約束條件，以網(wǎng)絡(luò)能量?jī)?yōu)化為目

4、標(biāo)，構(gòu)造非線性優(yōu)化函數(shù)，求解網(wǎng)絡(luò)理想執(zhí)行器節(jié)點(diǎn)個(gè)數(shù)和傳感器節(jié)點(diǎn)傳輸半徑等網(wǎng)絡(luò)分簇所需參數(shù)，并在此基礎(chǔ)上完成節(jié)點(diǎn)的部署和成簇。網(wǎng)絡(luò)平均時(shí)延和生存期等仿真結(jié)果表明，相比典型算法，該策略能夠在滿足一定連通度的前提下，優(yōu)化網(wǎng)絡(luò)部署，增強(qiáng)網(wǎng)絡(luò)實(shí)時(shí)性和能量均衡性。
　　 ②針對(duì)AA協(xié)作中，事件頻發(fā)區(qū)域內(nèi)節(jié)點(diǎn)能耗過(guò)快問(wèn)題，基于分簇結(jié)構(gòu)，提出一種AA實(shí)時(shí)協(xié)作框架(RC)。通過(guò)將任務(wù)分解成若干任務(wù)單元，應(yīng)用招投標(biāo)理論、信息論，建立基于熵權(quán)的執(zhí)行代

5、價(jià)評(píng)價(jià)標(biāo)準(zhǔn)，根據(jù)網(wǎng)絡(luò)中執(zhí)行器節(jié)點(diǎn)的實(shí)際情況分派任務(wù)元，使得多個(gè)任務(wù)元可以并發(fā)執(zhí)行，縮短執(zhí)行時(shí)間；同時(shí)利用多個(gè)執(zhí)行器節(jié)點(diǎn)間的協(xié)作，將執(zhí)行能耗分?jǐn)偟洁従訄?zhí)行器節(jié)點(diǎn)，延長(zhǎng)網(wǎng)絡(luò)生存期。仿真、分析結(jié)果表明，相比典型算法，RC框架同時(shí)兼顧了任務(wù)執(zhí)行的實(shí)時(shí)性和網(wǎng)絡(luò)能耗均衡，較好地解決了事件頻發(fā)區(qū)域內(nèi)節(jié)點(diǎn)能耗過(guò)快問(wèn)題。
　　 ③針對(duì)多個(gè)有執(zhí)行順序限制條件的任務(wù)同時(shí)在多個(gè)執(zhí)行器節(jié)點(diǎn)執(zhí)行的任務(wù)分派問(wèn)題，提出一種基于AA協(xié)作的單目標(biāo)任務(wù)分派算法(SO

6、TS)。建立以能量為約束條件，任務(wù)最大完成時(shí)間為目標(biāo)函數(shù)的優(yōu)化模型，并提出結(jié)合NEH方法與微粒群優(yōu)化算法的混合優(yōu)化算法進(jìn)行目標(biāo)函數(shù)求解。該算法將微粒群優(yōu)化算法加以改造，用于任務(wù)分派的全局搜索；同時(shí)利用NEH方法增加算法局部搜索能力，確保解空間的充分搜索。仿真、分析結(jié)果表明，相比典型算法，SOTS搜索速度快，收斂性好，適合解決同時(shí)發(fā)生多個(gè)復(fù)雜事件的場(chǎng)合。
　　 ④針對(duì)多個(gè)有執(zhí)行順序限制條件的任務(wù)同時(shí)在多個(gè)執(zhí)行器節(jié)點(diǎn)執(zhí)行的任務(wù)分派問(wèn)

7、題，以最大完成時(shí)間、能耗均衡指標(biāo)、存儲(chǔ)成本為優(yōu)化目標(biāo)，提出一種基于AA協(xié)作的多目標(biāo)任務(wù)分派算法(MOTS)。利用理想點(diǎn)法將多目標(biāo)優(yōu)化規(guī)范化為單目標(biāo)優(yōu)化，通過(guò)執(zhí)行器節(jié)點(diǎn)角色確定降低問(wèn)題復(fù)雜程度，提出結(jié)合基于自適應(yīng)學(xué)習(xí)策略的多鄰域搜索策略與微粒群優(yōu)化算法的混合優(yōu)化算法進(jìn)行目標(biāo)函數(shù)求解，確保解空間的充分搜索。仿真、分析結(jié)果表明，MOTS算法搜索速度快，收斂性好，各執(zhí)行器節(jié)點(diǎn)的實(shí)時(shí)性、能耗等性能指標(biāo)均優(yōu)于比較算法，為解決同時(shí)發(fā)生多個(gè)復(fù)雜事件提供