38、容错功率感知拓扑控制技术解析

容错功率感知拓扑控制技术解析

在无线移动网络中,维持网络的连通性以及降低能耗是至关重要的。为了在网络出现故障或负载增加时仍能保持连通性,本文将介绍一种基于本地信息的分布式拓扑构建算法。

问题阐述

考虑一个在二维平面上部署的 n 节点、多跳、自组织无线网络。每个节点能够调整其传输功率,最大传输功率记为 (P_{max})。这样的网络可以建模为一个图 (G = (V, E)),其中顶点集 (V) 表示节点,边集 (E) 定义如下:
[E = {(x, y)|(x, y) \in V \times V \land d(x, y) \leq R_{max}}]
这里 (d(x, y)) 是节点 (x) 和 (y) 之间的距离,(R_{max}) 是在最大功率 (P_{max}) 下传输可到达的最大距离。此图 (G) 被称为最大功率网络。

本文的目标是基于本地信息以分布式方式构建一个图 (G’\subseteq G),使得对于任意节点对 (u) 和 (v),图 (G) 中 (u) 和 (v) 之间的最小能量路径在 (G’) 中也得以保留,并且 (G’) 在任意两个节点之间至少有两条顶点不相交的路径,从而提供容错能力。

相关工作

在无线移动网络的功率控制算法研究方面,虽然已有大量工作,但同时考虑最小化能耗和提供容错能力的研究较少。以下是一些相关算法及其存在的问题:
|算法名称|提出者|优点|缺点|
| ---- | ---- | ---- | ---- |
|CONNECT 和 BICONN - AUGMENT| Ramanathan 等|提出两种启发式方法处理移动环境动态性|启发式方法不能绝对保证

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值