开放无线传感器网络中面向任务的自组织机制研究

发布时间：2017-06-25 11:06

  本文关键词：开放无线传感器网络中面向任务的自组织机制研究，，由笔耕文化传播整理发布。

【摘要】：无线传感器网络(Wireless Sensor Networks, WSNs)是一种面向任务的无线自组织网络系统,通常由大量密集部署在某个监测区域内的传感器节点以及一个或多个位于区域内或区域附近的数据汇聚节点组成。由于传感器节点在电源能量、通信能力、计算和存储能力等方面存在局限性,因而如何使多个传感器节点协同工作并完成既定的任务,同时优化网络拓扑结构,是进行无线传感器网络自组织设计的重点和难点。在现有关于无线传感器网络的自组织方法中,多通过路由协议和拓扑控制技术来实现,这两种方法主要关注于如何提高网络能量效率,延长网络的生存时间。但是,在无线传感器网络的实际应用中,通常对任务的完成质量要求较高,尤其是当任务有很高的实时性要求时,就需要牺牲部分节点的能量,通过节点间的协同作用和自组织过程,高质量且高效的完成任务。因而对于体积小、价格低廉的传感器节点而言,设计出一个面向任务分配的无线传感器网络自组织机制是合理且迫切需要的。本文基于分布式任务分配场景,提出了一种基于Q-学习算法的无线传感器网络自组织机制,该机制旨在通过节点间的自组织过程,高质量且高效的完成任务。该机制基于任务分配过程中节点完成任务的情况,通过设定节点完成任务频数阈值,统计完成任务次数较多的非邻居节点和很少完成任务或从未完成任务的邻居节点,并将其加入到分配任务的源节点的候选邻居集合中,然后采用Q-学习算法学习到达贡献资源节点的最优路径,进而调整节点间的连接关系；同时,删除源节点候选邻居集合中很少完成任务的邻居节点；从而优化网络拓扑结构,确保在高效分配任务的前提下减少网络平均传递延时,并自动适应外界环境变化。此外,在综合考虑了无线传感器网络拓扑结构多变的情况下,提出了一种在开放环境下传感器节点间进行自组织的机制,该机制分析了无线传感器网络拓扑结构动态变化的情形,针对新节点加入网络和网络中节点离开等导致网络拓扑动态改变的情况,提出了相应的解决方案。该机制使每个传感器节点基于TDR和历史信息建立合作邻居。这种合作邻居关系进而有助于传感器节点在未来高效地分配任务。仿真实验结果表明,在相同规模的网络中部署相同数量的节点,上述两种算法在网络的整体收益、时间消耗、平均传递延时和成功完成任务比率等方面,表现出了优于其它机制的性能。同时,采用本文所讨论的机制能够优化网络拓扑结构,缩短平均传输延迟,高效完成任务。这也表明了两种机制的潜在应用。
【关键词】：无线传感器网络 任务分配 自组织 增强学习
【学位授予单位】：扬州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP212.9;TN929.5
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 课题研究的背景与意义9-10
• 1.1.1 课题研究的背景9-10
• 1.1.2 课题研究的意义10
• 1.2 国内外相关研究现状10-13
• 1.3 论文的主要工作和结构安排13-15
• 1.3.1 论文的主要工作13-14
• 1.3.2 论文的结构安排14-15
• 第二章 无线传感器网络综述15-23
• 2.1 引言15
• 2.2 无线传感器网络概述15-16
• 2.3 无线传感器网络的体系结构16-18
• 2.3.1 无线传感器网络的节点结构16-17
• 2.3.2 无线传感器网络的体系结构17
• 2.3.3 无线传感器网络的协议栈17-18
• 2.4 无线传感器网络的特点18-19
• 2.4.1 与现有无线网络的区别18-19
• 2.4.2 无线传感器网络的特点19
• 2.5 无线传感器网络的关键技术和性能指标19-21
• 2.5.1 无线传感器网络的关键技术19-20
• 2.5.2 无线传感器网络的性能指标20-21
• 2.6 无线传感器网络的应用21-22
• 2.7 本章小结22-23
• 第三章 无线传感器网络中自组织机制的设计23-45
• 3.1 引言23
• 3.2 自组织方法的研究现状23-25
• 3.3 分布式任务分配25-26
• 3.3.1 问题描述25-26
• 3.3.2 解决方法26
• 3.4 增强学习26-30
• 3.4.1 增强学习概述27-28
• 3.4.2 马尔可夫决策过程28
• 3.4.3 增强学习的模型和基本原理28-29
• 3.4.4 增强学习系统构成要素29-30
• 3.5 Q-学习算法30-33
• 3.5.1 Q-学习算法概述30-31
• 3.5.2 Q-学习算法原理31-32
• 3.5.3 Q-学习算法流程32-33
• 3.6 基于Q-学习的自组织机制设计33-38
• 3.6.1 自组织算法原理34-37
• 3.6.2 自组织算法流程37-38
• 3.7 仿真分析38-44
• 3.7.1 仿真工具介绍39
• 3.7.2 实验设置39-41
• 3.7.3 实验分析41-44
• 3.8 本章小结44-45
• 第四章 开放传感器网络环境中自组织机制的设计45-61
• 4.1 引言45
• 4.2 问题描述与模型45-49
• 4.2.1 问题描述45-46
• 4.2.2 网络模型46-49
• 4.3 开放环境下的自组织机制设计49-53
• 4.3.1 算法原理49-52
• 4.3.2 算法流程52-53
• 4.4 仿真分析53-60
• 4.4.1 实验设置53-55
• 4.4.2 实验分析55-60
• 4.5 本章小结60-61
• 第五章 总结与展望61-63
• 5.1 全文总结61-62
• 5.2 未来工作62-63
• 参考文献63-69
• 致谢69-71
• 攻读学位期间发表的学术论文目录71-73

【参考文献】

中国期刊全文数据库 前4条

1 黄彬彬;刘青;胡振鹏;刘伟兵;;基于强化学习的农田水利设施管理进化博弈分析[J];系统工程理论与实践;2013年12期

2 赵学健;庄毅;赵洁;薛佟佟;;无线传感器网络自适应功率控制策略[J];电子与信息学报;2010年09期

3 陈友荣;俞立;董齐芬;洪榛;;基于近邻算法的无线传感器网络功率控制[J];浙江大学学报(工学版);2010年07期

4 任q

本文编号：481855