טכניקות תכנות דינמיות עבור אנרגיה יעילה רוסטינג ברשתות חיישן אלחוטיות

מבוא לאנרגיה-Efficient Roting ברשתות חיישן אלחוטיות

רשתות חיישן אלחוטיות (WSN) כוח אינספור יישומים - החל ניטור סביבתי וחקלאות חכמה לבריאות ולעקב צבאי.כל חיישן node פועל על סוללה מוגבלת, והחלפת סוללות בסביבה מרחוק או עוין היא לעתים קרובות לא מעשיית, ולכן, הרחבת חיי הרשת דרך FLT:0 Energy-efficient routingFLT:1 הופכת לאתגר ליבה.

גישות מסורתיות של סטיות מסתמכות לעתים קרובות על מדדים קצרים-פתים המבוססים רק על ספירת הופ או מרחק.עם זאת, שיטות אלה אינן מהוות את האנרגיה הנרדפת של צמתים או עלות השידור על קישורים.FLT:0Dynamic תכנות (DP)FLT:1 מציע מסגרת מתמטית מובנית לפתרון בעיות החלטות מרובות שלבים.

מאמר זה חוקר טכניקות DP מפתח עבור מיצוי אנרגיה, כולל Bellman-Ford, ערך ההרחבה, וקביעת מדיניות.We לדון אסטרטגיות יישום באמצעות תהליכי החלטות מארקוב (MDPs), מדגיש יתרונות ומסחריים, ולספק נקודות מבט בעולם האמיתי.עד הסוף, אתה תבין מדוע DP נשאר כלי רב עוצמה לתכנון פרוטוקולים זה להאריך את החיים תוך שמירה על ידי לוח זמנים.

למה תכנות דינמי עבור WSN רוסטינג?

רשתות החיישן האלחוטיות מוגבלות באופן מהותי, הבעיה המתוכננת ניתן לנסח כאופטימיזציה על קבוצה סופית של מדינות ללא כלד (רמת אנרגיה, מיקום, עומס) DP מצטיין בהגדרות כאלה, משום שהיא מבטיחה מדיניות אופטימלית כאשר הבעיה יכולה להיות מחוסמת לכדי תת-קרקעית חפיפה.

בניגוד לאלגוריתמים חמדנים שעושים בחירות אופטימליות מקומיות, DP נראה קדימה.לדוגמה, צומת עשוי לקדם חבילה לשכן עם מעט גבוה יותר של עלויות שידור מיידיות אם שכנה זו מובילה לדרך זולה בהרבה במורד הזרם.

טכניקות תכנות דינמיות הליבה עבור רוסטינג

בלמן-פורד אלגואטרם לאנרגיה-מודע לנתיבים קצרים ביותר

אלגוריתם בלמן-פורד הוא טכניקת DP קלאסית המצמידת נתיבים קוד יחידיים בגרף עם משקל שלילי. בהקשר WSN, משקלי קצה מייצגים עלויות אנרגיה, אשר תמיד חיובי.האלגוריתם מרגיע באופן חד-משמעי הקצוות, עדכון המרחק הערכה עבור כל צומת אנרגיה יעילה, את העלות ניתן מודל כמו FLT:0:2F: 1F: 1F: 1F הוא מעל פני שטח של אנרגיה.

האלגוריתם עובד כדלקמן:

דמיין את העלות של האנרגיה לשקע כאפס עבור הכיור עצמו ואת האינסוף עבור כל שאר הצמתים.
לכל אחד מהם, הוא מספר על כל השכנים (ב"ה) ועדכן את ה-FLT:6.
חזור עד שלא יתקיים עדכונים נוספים (או עבור FLT 7)

תהליך זה הוא מתאחד נתיב האנרגיה המינימלי מכל צומת אל הכיור.עם זאת, בלמן-פורד מניח טופולוגיה רשת סטטית.בפרקטיקה, רמות אנרגיה של צומת מתפוררות ותכונות קישור להשתנות.כדי להתמודד עם דינמיות, האלגוריתם יכול להיות מיישם מחדש באופן זמני או מופעל על ידי אירועים משמעותיים (למשל, ללא מוות).

(ב) אלגוריתם האלגוריתם (ב"ה) הוא הבסיס של האלגוריתם של האלגוריתם של ה-WSN:2Directed DiffusionFLT 3 פרוטוקולים והוא מותאם באופן נרחב במסגרות של אנרגיה-מודע עבור WSNs, כגון אלה המתוארים בסקרי חיישן רשת FLT:4recent חיישן:5510:5

ערך תהליכי החלטה של מרקוב

עבור מודלים מציאותיים יותר המשלבים כשלים קישורי סטוצ'יסטיק ועומסי תנועה שונים, אנו יכולים לעצב את הבעיה המרשימה כ-FLT:0 ממארקוב (MDP) LT:1 , אנו יכולים לעצבן את המצב (אנרגיה, מיקום, תור החבילה), פעולות (שכן הבא-הופכו), מעבר (הסתברות של אנרגיה מוצלחת וצריכת), ותגמולים (צריך למקסם את העלות המצטברת).

(ב) ויקרא ה': ויקרא ה' (ב) ב''' (ב') ב''' (ב') ב''' (ב')' (ב') ב'[[1924]], ב[[1924]], ב[[1924]], [[1924]], [[1924]]

(ב) .

כאן, (FLT:11) הוא העלות המיידית (אנרגיה קניינית), ⁇ 12 הוא גורם הנחה (לעתים קרובות קרוב 1 עבור בעיות אופק אינסופי), ו-FLT:13 הוא ההסתברות של מעבר למדינה (FLT:14 לאחר פעולה FLT:15), האלגוריתם ממשיך עד הפונקציה הערך מתאחד (כלומר, השינוי המקסימלי על פני מדינות נופל מתחת לסף).

ברגע שתפקוד הערך האופטימלי ידוע, ניתן להוציא את המדיניות האופטימלית: בכל מדינה, לבחור את הפעולה הממקסימה את הצד הימני של משוואה בלמן.

(FLT:0) Advantages: FLT:1 ערך ההסרה מטפל באופן טבעי באקראיות - לדוגמה, אם שידור עשוי להיכשל בהסתברות 0.2, האלגוריתם שוקל את זה לתוך העלות הצפויה.

(ב) [ה]הההתמדה: [ה] [ה]] [ה]], [ה], [ה]]], [ה], [ה]]]הההההההההההחלל [ה] [ה] [ה]] [ההההההההההההההההתחכמה]]]] [ה']] [ה'], [ה'], [ה']]]]]]], [ה']']']']']']']']']']']']']']']'[ה']']']']']']'[ב[[ה'[ה']'[ב[[ה']']']']']']'[ה']']']']']']'[ב[[ה']'[ה']']'[ה'[ה'[ה']']'[ה']']']']'[ה'[ה'[ה'[ה'

מדיניות אופטימיזציה של החלטות נסיינג

(ב) אלגוריתם חלופי שמתחיל במדיניות של מחיקה שרירותית (למשל, לשלוח לשכן הקרוב ביותר) ולאחר מכן חלופיים בין FLT:2policy AssessmentFLT:3 (קביעת הפונקציה עבור המדיניות הנוכחית) ו-FLT:4 שיפור LT:5 (הערך לתפקוד חמדני)

בהקשר של WSN routing:

(ההערכה:0) הערכה פוליבית: FLT:1 Solve מערכת של משוואות ליניאריות (או שימוש בשיטות הרציונאליות) כדי למצוא את FLT:16 בהתחשב במדיניות הנוכחית.
(ב) [ה] שיפור: [ה] [ה] [ה] [ה]] [ה] [ה]] [ה]]] [ה]] [ה]] [ה]]]]] [ה]]], [ה], [ה], [ה], [ה], [ה],], [ה], [ה] אם הפעולה שונה מהמדיניות הנוכחית, תעדכן את המדיניות.
חזור עד שהמדיניות תייצב (לא שינויים בשלב שיפור).

איטרציה מדיניות מתאחדת בדרך כלל בפחות היחלשות מאשר ערך, אבל כל צעד הערכה יכול להיות כבד חישובי.עבור רשת עם כמה מאות צמתים ורמות אנרגיה מלוטשות, מדיניות זהר מספק שולחן כמעט-אופטימי שמשתנה לפענוח אנרגיה.

יישום DP- Based Rting: A Step-by-Step Framework

כדי לפרוס את ה-DP מבוסס, בצעו את השלבים המעשיים האלה:

1.ההגנה על המרחב

בדרך כלל, משתנים ממשלתיים כוללים:

(ב) אנרגיה סובסידית:0 (FLT:1) מופץ לתוך רמות (למשל 0-10%: נמוך, 10–50%: בינוני,>50%: גבוה) נדיבות טובה משפרת את אופטימליות אבל מגבירה את ספירת המדינה.
(ב) ,0) ,לא מנד: רכזות אבסולוטיות או מיקום יחסי בתוך רשת הרשת.
גודל תורו של ה-FLT:0 (Packet line size:FLT:1, Buffer occupancy) יכול להשפיע על ההסתברות של עיכוב ושיקום.

הפענוח מטופל כמדינה סופגת בעלות אפס אנרגיה.

2.מודל Transmission Costs and Transition Probabilities

צריכת האנרגיה לתמסורת מ- Node FLT:19 לשכן (FLT:20 ; ⁇ :21) עבור אובדן נתיב חופשי נתיב נתיב תנועה (עלות הקבלה היא FLT:22 , 22 מעבר להסתברות של קיצוץ:23 הזדמנות של משלוח מוצלח מול כישלון (אשר עלול להוביל למצב של רנסטציה).

פורמולה עלות תפקוד

העלות המיידית (FLT:24) היא שלילית של האנרגיה שהוצאה בנסיון השידור (כולל קבלת הפנים בהופ הבא) באופן אופפי, עונשים על עיכוב או אובדן החבילה ניתן להוסיף.המטרה היא למקסם את הפרס המצטבר הצפוי, כלומר, למזער אנרגיה כוללת.

4. Solve the MDP with DP Algorithms

בחר בין ערך ל-IT , לבין מדיניות ההסרה המבוססת על גודל הרשת ומשאבים חישוביים.עבור רשתות עם עד 1000 נקודות ו-5 רמות אנרגיה, ערך ההסרה עם סובלנות של 0.01 לעתים קרובות מתאחד בעשרות היחלשות. השתמש בגורם הנחה (FLT:25) כדי לתת משקל גבוה יותר לחיסכון באנרגיה לטווח קרוב, תוך שמירה על עלויות עתידיות.

5.הפצה של מדיניות הפחתת האופטימית

כל חיישן נודה מאחסן שולחן קומפקטי: עבור המדינה שלו (רמת אנרגיה, מיקום), השולחן מציין השכן הבא-הופ.פתרון ה-DP הוא דחוס מרכזי (בטבעה) והפצתו לצומתים, או מופץ באמצעות אלגוריתמים של חיזוי ערך.

דוגמה מעשית היא פרוטוקול (FLT:0) של כביש מיליציה (MER)Figgy Route (MER)Fillo 1:Feloph פרוטוקול, אשר משתמש בגרסאות של ערך ה-IT כדי להתאים את המסלולים בזמן אמת.

השוואת DP עם טכניקות אופטימיזציה אחרות

גישות תיירותיות (למשל, LEACH, PEGASIS)

פרוטוקולים היציאליים כמו LEACH משתמשים בסבבים אקראיים של צ'אר כדי לאזן אנרגיה.הם פשוט וסקאנויים אך חסרים ערבויות אופטימליות.שיטות מבוססות DP בדרך כלל משיגות חיי רשת ארוכים יותר ב-15-30% תחת תנועה מתונה.

עיצוב קוויר (LP) מודלים

LP יכול לפתור בעיות זרימה מרובות-בינוניות עבור routing, אבל מניח משתנים רצופים ושיעורי זרימה סטטיים. DP מטפל במדינות דיסקרטיות ודינמיקה סטוצ'יסטית יותר באופן טבעי, מה שהופך אותו מתאים לתנאי WSN ריאליים עם אובדן חבילות ושפל אנרגיה.

Reinforcement Learning (RL)

RL קשורה ל-DP אך לומד מדיניות מניסיון מבלי לדרוש מודל מפורש. DP דורש מודל מעבר ידוע, אך הוא מתאחד מהר יותר כאשר המודל מדויק. בפועל, RL מבוסס routing (למשל, Q-ruting) משמש לעתים קרובות כאשר הסביבה אינה ידועה, בעוד DP הוא המועדף כאשר פרמטרים ברשת ניתן להעריך לפני.

יתרונות ואתגרים של DP ב WSNs

יתרונות

(FLT:0)Optimality מבטיחה: FLT:1igr מביא מדיניות אופטימלית בעולם עבור MDP מודל, הבטחת צריכת אנרגיה מינימלית לאורך חיי הרשת.
(ב) ⁇ :0) ,(Adaptancy: 1FLT) 1 המרחב הממלכתי יכול לכלול רמות אנרגיה, כך מדיניות ההסתה מתאמת באופן אוטומטי כצומת.
(ב) [ה]האנדלס להתנהגות סטוכיסטית: [FIRLT:1] כישלונות טרנסירציה וריאציות אנרגיה משולבים באופן טבעי באמצעות התחייבויות מעבר.
(ב) ניתן להרחיב את תפקוד העלות לשמירת השקיפות, האמינות או מגבלות הביטחון.

אתגרים

מורכבות:0 (ה-FLT:1 Exact DP הופכת בלתי נמנעת עבור רשתות גדולות (דיוק של מימדיות) DP (ADP) או פיזור המדינה נדרש.
(FLT:0) מזכרים: 1FLT:1 , הובלת פונקציות ומדיניות עבור כל המדינות עשויה לעלות על הזיכרון של צמתים בעלי כוח נמוך.
(FLT:0) דיוק מדל: 1) יש להעריך את ההסתברות ואת הפרמטרים עלות, וטעויות של ביצועים.
(FLT:0) calScalability:0) רשתות עם מאות צמתים, חישוב DP מרכזי עלול לגרום צווארי בקבוק תקשורת. אלגוריתמים DP (למשל, אלגוריתם ערך סינכרוני) לטפל בזה.

כדי להתגבר על המשקעים הגדלים, החוקרים פיתחו:0hierarchical DPveFLT:1 שבו הרשת מחולקת למקבץ, ו-DP פועל ברמה של קוץ-ראש (ה) זה מקטין את המרחב המדיני באופן משמעותי תוך שמירה על חיסכון באנרגיה קרובה-אופטימית.

יישומים אמיתיים ומקריות

פיקוח סביבתי באזורים מרוחקים

בפרויקט ניטור יערות הגשם, אבני החיישן פרוסות על עצים משדרות נתוני טמפרטורה ולחות לתחנת בסיס. נודס יש טעינה סולרית מוגבלת, ולכן יש לשמר אנרגיה במהלך תקופות מעונן. DP מבוסס routing מופחת למוות על ידי 40% בהשוואה לממוצע GPSRouting סטנדרטי, כפי שדווח ב FLT:02018 מחקר FLT:1 .

בריאות גוף רשתות

חיישנים לבישים לניטור המטופל דורשים אנרגיה אולטרה-נמוכה כדי להימנע משינויים תכופים בסוללות. DP, ששוקלים את דפוסי התנועה של הגוף ואת תנודות איכות הקישור השיגו חיים ארוכים יותר 25% מאשר שיבוש סטטי.

משמרות צבאיות

בשדות החיישן הטקטיים, הצמתים מוזנחים באופן אקראי וחייבים להתארגן בעצמם. DP routing עם עצירות על הגמישות המקסימלית מבטיח כי אירועים קריטיים מדווחים תוך שמירה על אנרגיה למעקב ארוך טווח.ניסויים בשטח הראו תקשורת אמינה גם לאחר 30% מהצומתים נכשלו.

דרכים עתידיות ונושאים פתוחים

האבולוציה של DP עבור WSN routing ממשיכה.נתיבי מחקר מרכזיים כוללים:

(FLT:0)Approximate Dynamic Programming (ADP): ibph:1 השתמש ברשתות עצביות כדי לייצג פונקציות ערך, המאפשרות דרוגיות לרשתות גדולות מאוד ללא היערכות ממשלתית מפורשת.
(FLT:0) מרבי-אובקציוד DP:BuildFLT:1 סימולטני אופטימיזציה אנרגיה, נדיבות וביטחון.מדיניות ההסתה של פארטו-אופטימית יכולה להיגזר באמצעות כמות משקל או שיטות lexicographic.
(FLT:0) אינטגרציה למידה מוגברת:FLT:1ir חיישנים חולקים עדכונים מקומיים של ערך ללא ריכוז נתונים, שמירה על פרטיות וצמצום תקשורת מעל הראש.
(FLT:0)אנרגיה קצירת מודעות: FLT:1 משלבת את קצב קציר האנרגיה (סולאר, רטט) לתוך המודל הממלכתי, המאפשר ל-DP להעדיף צמתים אשר יש לטעון אותם מחדש בקרוב.

קידוםים אלה יהפכו את מעשי ההנעה המבוססים על DP עבור פריסות אינטרנט של דברים (IoT), שם מיליארדי מכשירים חייבים לפעול על אנרגיה מינימלית במשך שנים.

מסקנה

תכנות דינמי מספק בסיס מתמטי קפדני עבור אנרגיה יעילה ניתוק רשתות חיישן אלחוטית.על ידי דוגמנות תהליך החלטה היתכנות - באמצעות בלמן-Ford עבור מסלולים קצרים ביותר או ערך מבוסס MDP / הערכת ערך פולי עבור סביבות סטוצ'סטיות - מעצבים יכולים להשיג צריכת אנרגיה אופטימלית או קרובה לאופטימית.

למרות האתגרים המורכבות וההיקף, מסגרות DP ו- Hierarchical מצמצמות את הפער בין תיאוריה ופרקטיקה.עבור מעצבי פרוטוקול, אימוץ DP פירושו ליצור רשתות חיישן הסתגלותיות, ארוכות טווח שיכול לפעול באופן אמין בתרחישים התובעניים ביותר.כפי חיישן הופך להיות יותר מסוגל וציר אנרגיה הופך נפוץ, DP מבוסס DP צפוי להיות מרכיב סטנדרטי של ערימה של פרוטוקולים WSN, המבטיח כל אפשרות של ריצה יעילה יותר.