基于蚁群算法多Sink节点任务分配控制策略.docVIP

基于蚁群算法多Sink节点任务分配控制策略 　　摘要：该文在多Sink节点并行的网络结构基础上，基于能量熵理论建立了多Sink节点任务分配控制模型，设计了基于蚁群算法的任务分配控制策略，该方法能够根据Sink节点的当前状态、能耗情况合理分配数据通信和处理任务，均衡各Sink节点的负载，提高网络数据处理效率和网络生存时间。 　　关键词： 无线传感器网络； 并行Sink节点； 蚁群算法； 任务分配 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）14-3363-03 　　Abstract：Parallel Sink node of the network structure is presented in this paper， based on the entropy theory is established based on energy Sink node task assignment control model， design the task assignment control strategy based on ant colony algorithm， this method can according to the current state of the Sink node， the energy consumption situation and reasonable distribution of data communication and processing tasks， and balance the load of each Sink node， improve the efficiency of network data processing and network survival time. 　　Key words：Wireless Sensor Network； Parallel Sink； Ant colony Algorithm； Task Allocation 　　将大量传感器节点部署于监测区域，进行实时的数据采集、存储和传输是无线传感器网络的重要应用。传统的无线传感器监测网络采用单一的Sink节点进行网络管理和数据传输，这必然导致Sink节点的计算能耗和通信能耗过高，从而导致Sink节点的能量很快耗尽，缩短了网络生存时间，同时还限制了整个网络通信带宽。利用多Sink节点建立并行的计算网络是解决这一问题的有效方法。在多Sink节点的传感器网络中，各Sink节点地位平等，组成的对等的计算网络，并行完成传感器网络的数据采集、存储、传输等各项任务，均衡网络负载，提高网络生存时间。在多Sink节点并行的无线传感器网络中，设计一种合理的任务分配策略，根据各Sink节点的计算能力、能耗情况，实时合理地分配各项任务，是应用多Sink节点必须要解决的关键问题。文献[1，2]分别使用了遗传算法，模拟退火算法等智能算法，对传统单一Sink节点的传感器网络进行任务分配。但这些方法并不适用于多Sink节点并行多传感器策略。 　　针对这一问题，该文在多Sink节点并行的网络结构基础上，提出了一种基于蚁群算法的任务分配控制策略，该方法能够根据Sink节点的当前状态、能耗情况合理分配数据通信和处理任务，均衡各Sink节点的负载，提高网络数据处理效率和网络生存时间。 　　1 多Sink节点任务分配模型 　　在多Sink节点并行的传感器网络中，采用任务分配控制策略的目的是根据各Sink节点的当前状态，合理分配任务 ，均衡网络负载，降低全网能耗，因而可以用任务执行时间和网络生存时间两个指标来评价任务分配策略的优劣。 　　一般情况下，网络中任务的执行时间由数据访问时间、数据传输时间和处理时间组成。设数据传输时间为[tt]，其与数据传输总量[Qt]及传输带宽[B]满足式（1）的关系。 　　[tt=QtB] （1） 　　设网络中总的数据访问量为[Qa]，数据的读取和写入采用相同的速度，则访问时间[ta]与数据访问量及读写速度[V]满足式（2）所示的关系。 　　[ta=2QaV] （2） 　　节点的数据处理时间与节点的CPU类型、内存数量及当前状态下的CPU占用率相关。可以通过实验，在不同的工作状态下统计出节点的处理时间，从而获取一个处理时间的预测值[tp]。网络中任务的执行时间[T]，由各Sink节点中任务耗时最大的值决定，其满足式（3）所示的关系。 　　[T=max1in（Qt（i）B+2QaV+tp）] （3） 　　设[Tref]为可接受的任务执行时间参考量，则对于某Sink节点[Si]的执行时间评价指标可描述为： 　　[?t（si）=TTref]