基于寿命与效用的无线传感器网络优化算法.docxVIP

基于寿命与效用的无线传感器网络优化算法 无线传感器网络（wsd）具有一个小型嵌入式系统，由大量节点组成，通过跳跃和自组织表示。 考虑到无线传感器网络资源受限问题, 研究者从不同角度对WSN网络资源优化进行了讨论。Cristescu Wang 为了兼顾网络寿命和网络效用的优化, 综合MAC层和传输层流量控制, 建立以网络效用与网络寿命为目标、以链路传输容量与无线传感器网络目标寿命为约束条件的双目标优化模型, 利用拉格朗日垂直分解法将双目标优化模型逐层分解为两个单一层的优化问题, 推导出链路传输概率和拉格朗日乘子的迭代公式, 进而得到优化方案。 1 n东南角节点选择 无线传感器网络可以看作为一个连通图G (N, L) , 其中N={1, 2, …, n}表示该网络的节点集, 包括起始传输节点、中继节点、目标传输节点;L={1, 2, …, l}表示节点之间有向连接的链路集。每个节点的链路传输可能性用p 考虑到节点i的传输概率P 为了计算链路 (i, j) 的吞吐量x 则网络的整个能量消耗为 2 mac层和传输层之间的优化 2.1 网络效率的最大化 将网络效用最大化作为优化目标。由于各个传输流s经过链路 (i, j) 的传输速率之和不能超过该链路的吞吐量x 2.2 网络寿命最大化 网络寿命为网络开始工作直到第一个节点能量消耗完的时间间隔, 则网络寿命 其中T 将网络寿命最大化作为优化目标。由于每个节点在单位时间内的能量消耗不能超过 2.3 网络寿命最大化 网络效用与网络寿命是衡量WSN网络资源优化的两个重要参数。为了提高网络寿命的同时优化网络效用, 令λ∈[0, 1]为网络效用的决策系数, 则1-λ为网络寿命的决策系数, 将双目标转化为单目标: 当λ=0时, 该问题为网络寿命最大化问题;当λ=1时, 该问题为网络效用最大化问题。根据以上网络寿命最大化模型 (保证网络寿命) 及网络效用最大化模型的分析, 结合式 (5) 、 (6) 、 (8) 、 (9) , 则同时优化网络寿命及效用优化问题可描述为 针对问题 (10) 构造拉格朗日函数 根据垂直分解理论 和MAC层问题 其中拉格朗日乘子μ 可见, 式 (11) 是传输层参数的函数, 式 (12) 是MAC层参数的函数。梯度投影法的速度不是很快, 但它只需要局部的信息。采用梯度投影法更新MAC层中的链路传输概率p 同样, 采用投影梯度法更新传输层和MAC层中拉格朗日乘子μ 进而可得 2.4 基于信号传输可能性的方法 根据传输层中传输速率y 第2步每条链路根据迭代公式 (17) 更新拉格朗日乘子μ 第3步利用拉格朗日乘子并根据公式 (16) 更新每个会话发送节点的速率y 第4步根据公式 (13) ~ (15) 更新链路传输可能性p 第5步重复第2步至第5步, 判断更新结果是否满足最小精度, 若满足, 则算法停止, 输出结果。 3 mac层与传输层优化 为了证明在保证网络寿命下无线传感器网络进行跨层优化算法的合理有效性, 构造了如下仿真实验:无线传感器网络由10个节点组成, 一共有13个链路, 进行随机访问的会话有4个, 如图1所示。其中会话一为1→2→3→4→5→10, 会话二为9→7→6→3→2→1, 会话三为4→8→10→9, 会话四为7→6→3→4→5。跨MAC层与传输层优化中, 拉格朗日乘子μ, γ取[0, 1]之间的随机数, 令迭代公式中优化步长α=0.5、s 链路传输可能性和每个会话传输速率通过更新公式 (13) ~ (15) 和 (16) 计算而来的, 它们的迭代过程分别如图2和3所示。可此可见, 每条链路的传输概率分布在0.5附近, 每个会话的传输速率分布在[0.15, 0.35]之间。每个节点在一个时间槽内所消耗的能量由式 (3) 得到, 其迭代过程图如图4所示。 根据更新的传输速率y 本文选取决策系数λ=0.5, 折衷优化了网络效用和网络寿命。当λ=1时, 则该算法转变为保证网络寿命下最大化网络效用 4 无线传感器网络的特性仿真 本文通过对无线传感器网络效用最大化与无线传感器网络寿命最大化模型的分析, 建立了双目标规划, 实现了跨MAC层与传输层优化。首先, 综合介质访问控制MAC和传输层流量控制, 建立基于网络效用与网络寿命为目标、以链路传输容量与无线传感器网络目标寿命为约束条件的双目标优化模型;然后, 利用对偶垂直分解法将原优化问题转化为以传输速率和链路传输概率为变量得两个子优化问题, 推导出了链路传输可能性、会话流传输速率以及拉朗日乘子的迭代公式;最后, 根据更新迭代公式描述算法的具体步骤。仿真结果表明, 该跨层优化算法在保障网络寿命与满足链路容量的前提下, 提高了无线传感器网络的使用寿命和效用。 S={1, 2, …, s}表示该网络所有传输流集合, 也称为