無線傳感器網(wǎng)絡(luò)負(fù)載均衡數(shù)據(jù)匯集算法研究.pdf

1、無線傳感器網(wǎng)絡(luò)作為普適計(jì)算的一種支撐技術(shù)，是控制工程和人工智能領(lǐng)域的研究前沿，應(yīng)用前景十分廣泛。
　　 數(shù)據(jù)匯集應(yīng)用作為無線傳感器網(wǎng)絡(luò)的一種廣泛應(yīng)用形式，具有網(wǎng)絡(luò)數(shù)據(jù)流連續(xù)、流量大、“多對一”的特點(diǎn)。數(shù)據(jù)匯集過程中，當(dāng)各個(gè)數(shù)據(jù)流分支的流量分配不均衡時(shí)，容易導(dǎo)致部分上游節(jié)點(diǎn)負(fù)載過重，造成其提前“死亡”，嚴(yán)重影響網(wǎng)絡(luò)壽命。負(fù)載均衡對緩解網(wǎng)絡(luò)擁塞、提高網(wǎng)絡(luò)服務(wù)質(zhì)量和資源利用率非常有效，被廣泛地應(yīng)用到Internet網(wǎng)絡(luò)，而針對無線傳感

2、器網(wǎng)絡(luò)的負(fù)載均衡研究還處于起步階段。
　　 本文以提高網(wǎng)絡(luò)服務(wù)質(zhì)量、延長網(wǎng)絡(luò)壽命為目標(biāo)，針對以下三種應(yīng)用場景，研究無線傳感器網(wǎng)絡(luò)負(fù)載均衡數(shù)據(jù)匯集算法。
　　 ①同構(gòu)網(wǎng)絡(luò)場景：Sink節(jié)點(diǎn)靜止，傳感器節(jié)點(diǎn)產(chǎn)生數(shù)據(jù)速率一致；
　　 ②異構(gòu)網(wǎng)絡(luò)場景：Sink節(jié)點(diǎn)靜止，傳感器節(jié)點(diǎn)產(chǎn)生數(shù)據(jù)速率不一致；
　　 ③移動用戶場景：Sink節(jié)點(diǎn)移動。
　　 本文在研究內(nèi)容上力求有所突破與創(chuàng)新，主要研究成果包括以下四

3、個(gè)方面：
　　 1)提出一種動態(tài)交叉退避窗口算法。針對上述①和②兩種場景，需要采用洪泛方式建立數(shù)據(jù)匯集樹或者層次發(fā)現(xiàn)。而洪泛過程中，傳統(tǒng)的MAC層碰撞退避機(jī)制容易造成消息劇烈碰撞和路徑繞行。本文針對該問題分析了其產(chǎn)生原因，并提出了動態(tài)交叉退避窗口算法(DOBW)。DOBW算法在洪泛過程中，根據(jù)鄰居節(jié)點(diǎn)的當(dāng)前狀態(tài)，自動調(diào)整退避窗口大小，以減少消息碰撞，優(yōu)化數(shù)據(jù)匯集樹的結(jié)構(gòu)。仿真實(shí)驗(yàn)表明，相比802.11和802.15.4，本文提出

4、的DOBW算法可顯著地減少洪泛時(shí)消息碰撞，優(yōu)化了數(shù)據(jù)匯集樹的拓?fù)浣Y(jié)構(gòu)。
　　 2)提出一種負(fù)載均衡數(shù)據(jù)匯集樹生成算法。DOBW算法雖然可以優(yōu)化數(shù)據(jù)匯集樹的結(jié)構(gòu)，但不能夠達(dá)到負(fù)載均衡的要求，因此DOBW算法通常用于避免層次發(fā)現(xiàn)過程中的消息劇烈碰撞。本文針對上述第①種場景，提出了一種負(fù)載均衡數(shù)據(jù)匯集樹生成算法(LDGT-SPT)。在最短路徑樹拓?fù)浣Y(jié)構(gòu)保證數(shù)據(jù)實(shí)時(shí)性的情況下，LDGT-SPT算法通過鄰居發(fā)現(xiàn)、基于DOBW的層次發(fā)現(xiàn)、度

5、小優(yōu)先原則和流量均衡策略構(gòu)造一棵最短路徑負(fù)載均衡數(shù)據(jù)匯集樹。仿真實(shí)驗(yàn)表明，本文提出的LDGT-SPT算法雖然在網(wǎng)絡(luò)壽命上與SLBT算法相當(dāng)，但是在網(wǎng)絡(luò)性能方面有顯著的提高。
　　 3)提出一種基于ACO的動態(tài)負(fù)載均衡數(shù)據(jù)匯集算法。在上述第②種場景中，由于傳感器節(jié)點(diǎn)數(shù)據(jù)產(chǎn)生速率不一致，因此不能使用構(gòu)造負(fù)載均衡數(shù)據(jù)匯集樹的方法，這時(shí)需要采用動態(tài)負(fù)載均衡的方法。本文針對該場景提出了一種基于蟻群優(yōu)化的動態(tài)負(fù)載均衡數(shù)據(jù)匯集算法(LDG-A

6、CO)。為了實(shí)現(xiàn)動態(tài)負(fù)載均衡，LDG-ACO算法將螞蟻進(jìn)行分類，使其具有不同的功能，采用節(jié)點(diǎn)的負(fù)載信息作為啟發(fā)因子，使得螞蟻具有負(fù)載感知功能，并規(guī)定螞蟻的轉(zhuǎn)移概率按照信息素少概率大的原則進(jìn)行。仿真實(shí)驗(yàn)表明，與ACO，SLBT以及DLBT算法相比，本文提出的LDG-ACO算法在網(wǎng)絡(luò)性能和網(wǎng)絡(luò)壽命方面都有顯著的提高。
　　 4)提出一種支持移動Sink的動態(tài)負(fù)載均衡數(shù)據(jù)匯集算法。針對上述第③種場景中，移動Sink導(dǎo)致路由頻繁改變和鏈

7、路中斷問題，本文提出了一種支持移動Sink的動態(tài)負(fù)載均衡數(shù)據(jù)匯集算法(LDG-MS)。LDG-MS算法借鑒群體智能的思想，通過定義兩個(gè)簡單的規(guī)則，對節(jié)點(diǎn)的數(shù)據(jù)轉(zhuǎn)發(fā)行為進(jìn)行描述，將下一跳節(jié)點(diǎn)的決策問題抽象成一個(gè)多目標(biāo)規(guī)劃問題，并采用距離加權(quán)評價(jià)法進(jìn)行求解。為了解決由于Sink節(jié)點(diǎn)移動造成的鏈路中斷問題，提出對移動Sink信標(biāo)消息進(jìn)行功率控制的策略，并給出了詳細(xì)的計(jì)算方法。仿真實(shí)驗(yàn)表明，與SINK_CLAIM、SLM算法相比，本文提出的LD