低能耗和低时延的无线传感器网络数据融合算法（2） 传感器, 网络, 无线

yuyang911220

2.3.4 多目标微粒群算法解的评价机制　　在多目标优化问题中，可以用多目标的加权和方法和Pareto优化方法作为评价机制为微粒群的搜索方向提供依据。
　　PSO是粒子通过跟踪两个“极值”来为自己提供搜索方向的，一个是粒子本身的p_best，另一个则是g_best，因此使用粒子的p_best和g_best相结合的方式对多目标解进行评价。
　　1)粒子自身p_best的评价
　　2)全局最优解的评价
　　TDMA调度中是以任务完成时每个节点的平均时隙数和平均能耗最优作为指的标，但由于在一定的任务条件下，要求每个节点的平均能耗和平均时隙最优，即是要求节点工作的连续性很好，即是要求父节点应接收完所有子节点传送的信息后，才进行下一次信息跳转的传输，这样必会增加节点的平均时隙数，反之亦然。由于任务完成时每个节点的平均时隙数和平均能耗不能同时达到最优，加权和方法很难完全评价解的好坏，因此，引入Pareto优化方法，来评价解的好坏。对于一个最小化M个目标的问题，使用支配概念，其定义如下：minF=[f1，f2，…，fM]，若要X1支配X2，则在解空间内必存在任意两个解X1、X2满足如下条件：
　　①在解空间内，一定存在一个X2比X1大，即fj(X1)≯fj(X2)，j∈(1，2，…，M);
　　②X2一定有一个在目标上是严格比X1大的，即fj(X1)
　　如果解不满足①和②中的任意一条，则称X1不支配X2，即X1是X2的非支配解，所有的非支配解构成非支配解集，若非支配解的求取是在整个解空间内进行时，则称该非支配解为Pareto最优解。
　　2.3.5 PAPSO优化方法实施步骤
　　PAPSO实施步骤：
1)对粒子进行初始化，即设定粒子的个数为np，迭代次数Nmax，产生np个随机初始值X;并初始化W、C1、C2、 和p_best的值，并把当前的粒子位置设置为p_best;用评价机制对粒子的p_best进行评价，找到g_best，而后计算出目标函数F中的每个目标值，用Pareto优化概念，找出作用于整个解空间的非支配解，从而初步形成一个Pareto解集。 　　2)进行迭代运算，用式(4)和式(5)产生下一代微粒群。
　　3)应用评价机制对X(j)和p_best(j)进行评价;如果f(X(j))>f(p_best(j))，则p_best(j)=X(j);更新所有个体的最优位置和全局的最优位;应用支配的概念，找出非支配解集，进而找出Pareto解集。
　　4)满足迭代条件(有此以迭代代数作为条件)，输出最后一代的种群个体(即Pareto最优解集);否则，执行步骤3)。
　　3 仿真及其分析
　　在一个二维环境中进行试验，169个节点被均匀的放置在600 m2的网格区域中。
　　仿真试验中，每个节点的信道容量为500kbs，并在可以形成链接的通信范围内，设定通信距离为15m。节点活动状态和睡眠状态的切换时间是470μs。以一个数据包的传输时间和可能的时钟偏移时间之和作为TDMA时隙的大小。发送和接收一个数据包所需的功率是81mW和180mW。
　　基于上述的网络模型，分别对LEACH、DEEC及新算法进行了仿真，重点比较和分析了3种路由算法运行过程中网络的生命周期。
　　图2为运行过程中整个网络生命周期对比的仿真。由图可见，如果一个网络中节点的初始数目相同，新算法可以使得网络的生命周期最长，LEACH算法在大约40%的节点死亡之前，其性能比DEEC算法差，而后它的性能要优于DEEC算法。由于新算法选择簇头时考虑了节点的剩余能量，当节点剩余能量较小的时候，将选择距离其最近的节点作为簇头，继续进行信息的传输，且由于选择了最短传速路径和最优了时隙分配方案，所以在完成传输任务是每个节点消耗的平均能量和平均时隙最优，最大化了网络的生存周期。
　　仿真实验还比较了NBSA算法和PAPSO优化方法用于TDMA调度方案时，网络中每个节点在完成规定任务时的平均能耗和平均时隙。在多目标粒子群Pareto优化方法中，取C1、C2和W分别2.0和1.5，微粒群的个数为40，迭代次数为600。
　　从表1不难看出PAPS01虽然平均能耗是7个中最差的，但平均时隙却是7个中最少的，而PAPS07则与PAPS01相反，平均能耗虽是7个中最少的，但平均时隙却是最多的。它们之间分还布着其余5个解。
　　由于这7个解的是均匀分布的，因此，目标f1、f2的中间解为PAPS04。依Pareto优化概念对各算法的结果进行分析，由图3显见，PAPSO(1—4)对NBSA构成支配。可见多目标粒子群Pareto优化方法能得到比NBSA更好的调度结果。
　　4 结论
　　在无线传感器网络中，为减少信息传输过程中的时延和能耗，提出了基于最大生存周期的数据融合算法，并结合对TDMA调度，提出了相对应的PSO—Pareto优化方法，从而在信息传输的路径和每个节点完成规定任务所需的平均时隙、平均能耗两个方面论述了减少网络的时延和能耗，最大化了网络的生存周期和最小化了网络的延时。