基于隨機(jī)移動(dòng)Agent的無(wú)線傳感器網(wǎng)絡(luò)模型的研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Network,WSN)以其多功能、低成本、低功耗和自組織等技術(shù)優(yōu)點(diǎn),已廣泛應(yīng)用于實(shí)際生活、國(guó)民經(jīng)濟(jì)和軍事領(lǐng)域中。WSN正將信息世界逐步接入到物理世界中,逐漸改變著人與世界的交互方式,從而進(jìn)一步影響人類(lèi)的活動(dòng)、處理事務(wù)的方式和理解世界的角度。
　　WSN在應(yīng)用領(lǐng)域尚有很多亟待解決的關(guān)鍵技術(shù)瓶頸,這些關(guān)鍵技術(shù)的研究和開(kāi)發(fā)一直是國(guó)內(nèi)外學(xué)者關(guān)注的熱點(diǎn)。移動(dòng)Agent技術(shù)能從多方面提高無(wú)線傳

2、感器網(wǎng)絡(luò)的性能。例如,移動(dòng)Agent可以攜帶數(shù)據(jù)進(jìn)行自主遷移,減少網(wǎng)絡(luò)流量開(kāi)銷(xiāo);在網(wǎng)絡(luò)故障修復(fù)后再回傳數(shù)據(jù),提高網(wǎng)絡(luò)魯棒性;通過(guò)模擬群智能優(yōu)化算法,無(wú)線傳感器的規(guī)模對(duì)分布式移動(dòng)Agent的性能不再構(gòu)成明顯影響。與常用的client/server模式相比,移動(dòng)Agent更適合無(wú)線傳感器網(wǎng)絡(luò)的應(yīng)用。
　　為了將移動(dòng)Agent和群智能技術(shù)有機(jī)地融合到無(wú)線傳感器網(wǎng)絡(luò)中,本學(xué)位論文提出了適用于無(wú)線傳感器網(wǎng)絡(luò)的一種基于隨機(jī)的移動(dòng)Agent模型

3、。該模型通過(guò)移動(dòng)Agent提供的遷移能力,支持基于群智能算法進(jìn)行事件監(jiān)測(cè),優(yōu)化網(wǎng)絡(luò)覆蓋性能。本文的主要工作包括以下幾個(gè)方面:
　　第一,提出了基于隨機(jī)移動(dòng)Agent的無(wú)線傳感器網(wǎng)絡(luò)( Random Mobile Agent-based Wireless Sensor Network,RMAWSN)模型。在現(xiàn)有文獻(xiàn)中,基于移動(dòng)Agent的WSN采用了sink節(jié)點(diǎn)為移動(dòng)Agent規(guī)劃行程,再派發(fā)到目的地區(qū)域的模式,此過(guò)程能量消耗很大。

4、針對(duì)這個(gè)問(wèn)題,本文提出了移動(dòng)Agent不再由sink節(jié)點(diǎn)派發(fā),而是在本地隨機(jī)激活,并能夠以有限隨機(jī)遷移的方式覆蓋監(jiān)測(cè)區(qū)域。通過(guò)兩個(gè)方面進(jìn)行了模型的驗(yàn)證:首先,分析了該模型與另外兩種移動(dòng) Agent模型在無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)能耗,證明該模型在網(wǎng)絡(luò)規(guī)模較大時(shí),能量消耗更少;其次,推導(dǎo)了在局部進(jìn)行隨機(jī)移動(dòng)的傳感器節(jié)點(diǎn)對(duì)事件的檢測(cè)概率。推導(dǎo)結(jié)果表明,在保證相同步驟下,隨機(jī)部署和能局部隨機(jī)移動(dòng)的節(jié)點(diǎn)與隨機(jī)部署的固定節(jié)點(diǎn)相比,前者以更少的傳感器節(jié)

5、點(diǎn)覆蓋監(jiān)測(cè)區(qū)域。換言之,這樣能夠減少網(wǎng)絡(luò)的能量消耗,提高網(wǎng)絡(luò)生存周期。
　　本文定義的RMAWSN沒(méi)有移動(dòng)節(jié)點(diǎn),因此本文通過(guò)移動(dòng)Agent的遷移模擬節(jié)點(diǎn)進(jìn)行隨機(jī)移動(dòng)。定義了基于RMAWSN模型的隨機(jī)移動(dòng)Agent的三種遷移模式,隨機(jī)尋找、自治行程和既定行程等,并給出了相應(yīng)的移動(dòng)算法。
　　第二,基于RMAWSN模型,本文設(shè)計(jì)了一種新的基于人工魚(yú)群的算法-短周期人工魚(yú)群算法(Short-life Artificial Fish

6、 Swarm Algorithm,SLAFSA),并通過(guò)該算法的覆蓋性能驗(yàn)證了RMAWSN模型的可行性。
　　為了減少激活節(jié)點(diǎn)和覆蓋更大的區(qū)域,本文根據(jù)RMAWSN的隨機(jī)行為機(jī)制為SLAFSA設(shè)計(jì)了隨機(jī)行為和短周期屬性。實(shí)驗(yàn)證明,僅用較少的激活節(jié)點(diǎn)就能達(dá)到較高的覆蓋概率。
　　為了進(jìn)一步減少網(wǎng)絡(luò)中的激活節(jié)點(diǎn)數(shù)量,本文還嘗試在SLAFSA算法中將人工魚(yú)群算法的追尾行為和聚群行為改為追逐行為。通過(guò)人工魚(yú)的追逐行為,監(jiān)測(cè)區(qū)域中允許

7、兩條臨近的人工魚(yú)進(jìn)行兩點(diǎn)聯(lián)合檢測(cè),以擴(kuò)大檢測(cè)面積。為了人工魚(yú)能夠自主觀測(cè)事件,SLAFSA根據(jù)RMAWSN的自治行程機(jī)制定義了覓食行為使人工魚(yú)能夠盡量接近事件源。從仿真實(shí)驗(yàn)數(shù)據(jù)來(lái)看,SLAFSA算法比人工魚(yú)群算法,更能夠體現(xiàn)RMAWSN模型的優(yōu)勢(shì)。
　　第三,在SLAFSA算法中,相鄰節(jié)點(diǎn)通過(guò)兩點(diǎn)聯(lián)合檢測(cè)來(lái)擴(kuò)大檢測(cè)面積時(shí),需要兩點(diǎn)之間的距離作為關(guān)鍵參數(shù)參與檢測(cè)計(jì)算。本學(xué)位論文提出了兩種測(cè)距方法:
　　第一種是在節(jié)點(diǎn)采用IEE

8、E802.11g通信時(shí)適用的基于時(shí)間序列的測(cè)距方法,在最靠近硬件層的位置-驅(qū)動(dòng)層直接測(cè)量802.11g的往返時(shí)間(Round-Trip Time,RTT)。由于RTT的時(shí)間測(cè)量精度要求高,本文通過(guò)對(duì)驅(qū)動(dòng)層進(jìn)行最小限度的修改以獲取RTT時(shí)間。通過(guò)實(shí)驗(yàn)獲取大量數(shù)據(jù)后,得到樣本數(shù)據(jù)利用歐氏距離,進(jìn)行距離判斷。該方法不需要額外的硬件或變更拓?fù)浣Y(jié)構(gòu),就可用于獲取所需數(shù)據(jù)。
　　第二種是在節(jié)點(diǎn)采用在ZigBee通信時(shí)適用的基于分段的鏈路質(zhì)量指