CRN中基于单位圆盘图模型的广播调度算法

广播调度是目前认知无线电网络中的研究热点之一,现有广播调度算法主要为近似算法,存在方案性能与最优解方案差距太大的问题。为此,提出一种基于单位圆盘图模型的广播调度算法BS-UDGM。构建一棵基于连通支配集的广播树,作为调度的基础结构,采用平面细分和着色技术对广播树进行优化,通过混合使用单播和广播通信模式,完成广播任务。仿真实验结果表明,相比其他调度算法,该算法在延时和冗余方面的性能明显提高。

求解圆盘图中最小连通支配集的近似算法

针对无线传感器网络常用的拓扑模型单位圆盘图,提出了基于分布式贪心策略的近似算法DDT,在算法执行的每一轮中,根据一跳邻域范围内的权值和邻居的状态信息,选举出节点并和已确定的节点连接,逐步构造出网络图中的一个支配树。用概率方法研究了支配树中的节点度的性质,通过对极大独立集和最小连通支配集之间关系的分析,得到单位圆盘图中最小连通支配集问题一个新的近似比。计算结果表明,和相关的分布式算法相比,DDT产生的连通支配集在规模上更优。

基于学习自动机的最小连通支配集算法

为解决连通支配集的最小化问题,提出基于改进的分布式学习自动机的近似算法,在分布式学习自动机按随机选择进行深度搜索的基础上考虑回溯策略。该算法构造的是网络中的一棵支配树,只需要节点的局部信息。在网络建模图——单位圆盘图上对支配树性质进行分析和模拟实验。实验结果表明,与现有算法相比,该算法能得到更优的最小连通支配集。

无线传感器网络中d-Hop 2-连通容错支配集的分布式构造算法

无线传感器网络随节点移动组成自我维持的自组织系统,采用连通支配集的虚拟骨干技术可使平面网络系统层次化而简化节点路由、管理和维护。但大规模无线传感器网络的连通支配集节点数目依然庞大,d-hop连通支配集可以大大减小支配集节点数目。另外,由于存在节点失效、链路断裂等无线特性,虚拟骨干网需要具备一定的容错性。在单位圆盘图网络模型中为构建精简且具有容错能力的虚拟骨干网,提出d-hop 2-连通支配集的分布式构造算法,先构造d-hop独立支配集后再连通形成d-hop 2-连通支配集。并从理论和仿真上对算法的复杂度、近似比和算法性能作了进一步探讨和验证。

认知无线电网络中一种改进的广播调度算法

当前CRN广播问题的解决方案主要为近似方案,要么性能没有保证,要么方案性能与最优解方案差距太大。对CRN最小延时广播调度问题展开了研究,提出了基于单位圆盘图模型(UDG)的混合广播调度算法MBS-UDG,该算法通过在两个阶段混合使用单播和广播通信模式完成广播任务。同时证明了,当ΔT≤1/p时,该算法的延时性能为O(n+ΔT);当ΔT>1/p时,延时性能为O+log1-p+1pΔT,其中和ΔT分别为与广播树SU用户相连的叶节点高度和最大数量,p为次要用户通信的频谱机会。在协议干扰模型下,将MBS-UDG算法扩展至通用性更强的MBS算法,并分析了新算法的延时和冗余性能,通过仿真实验验证了MBS算法的有效性,相对当前其他算法在延时和冗余方面的性能有显著提高。

基于分享度的最小连通支配集求解算法

以节点分享度作为选择分配点的优先级,提出一种最小连通支配集(CDS)求解算法。从根节点开始,将具有局部最大分享度的节点作为支配点,选择连接点与已确定的支配点连通,逐步构造网络的支配树,分析支配树的直径,计算支配树的平均跳数距离(AHD),从而评价网络的通信成本。实验结果表明,与CDS-BD-C2算法相比,该算法得到的CDS规模较小,且支配树的AHD平均减少12%。

基于GSO算法的最小连通支配集问题求解

经典的最小连通支配集(MCDS)计算是NP难问题。为此,提出一种利用萤火虫优化算法求解该难题的新方法。把网络中的每个节点当作一个萤火虫个体,以节点度为基础构成荧光素,通过概率选择和荧光素调节机制,使个体被吸引向邻接的高亮度个体,从而由所选出的个体组成网络的支配集。经连接和修剪处理后,得到MCDS的近似解。在无线传感器网络模型的单位圆盘图上进行模拟实验,结果表明,该算法得到的连通支配集规模较小,更接近集中式算法的结果。

求解最小连通r-跳k-支配集的启发式算法

针对最小连通r-跳k-支配集的求解问题,提出一种基于节点度贪心策略的启发式算法。把网络节点集合作为初始解,从中选出度数最小的节点,通过判断节点的连通性决定是否将该节点从当前可行解中删除,由此逐步缩小连通支配集的规模,直至处理完所有节点。在单位圆盘图上进行算法复杂性分析和模拟实验,结果表明,相比同类算法,该算法得到的连通r-跳k-支配点集更少,且性能稳定。

两跳支配集的高效近似算法

提出一种求解连通图2-hop支配集(2-DS)的贪心算法.首先将图中每个节点和其两跳邻居节点连接,然后在此基础上求图的2-hop支配集,最后采用修剪规则剔除支配集中的冗余节点.由于支配点支配2-hop内的邻居节点,从而构造出较小的支配集.仿真结果表明,新算法优于其他已有算法.

一种改进的最小时延的数据聚集调度算法

在无线传感器网络中,最小数据聚集时延问题是一个NP难问题。在现有研究成果的基础上,提出了一种改进的最小数据聚集时延调度算法。理论分析表明,该算法的时延上界为13R+Δ-10,其中Δ是网络的最大度,R是网络半径。与现有近似算法相比,该算法在理论上具有更小的时延。

无线传感器网络的3连通多跳控制集

无线传感器网络的一个虚拟骨干是一个节点子集,虚拟骨干中的节点负责相关的路由任务。设计的虚拟骨干越小,网络的相关开销就越少,虚拟骨干的大小是衡量虚拟骨干质量的关键因素。通常,单位圆盘图被用来模拟一个无线传感器网络。在无线传感器网络中寻找最小虚拟骨干问题可以抽象为求单位圆盘图中的最小连通控制集问题。然而,求单位圆盘图中的最小连通控制集问题是NP难问题,许多工作都是致力于寻找最小连通控制集的近似算法。无线传感器网络中构造3连通多跳控制集可以有效地减小连通控制集的大小和节点间转发的信息总数,是寻找最小虚拟骨干的有效近似。为此提出了一个无线传感器网络中构造3连通多跳控制集的算法,获得一个大小不超过5(2r+2β+1)(r+1)β|U|-10(2+β)(r+1)-5r-12的3连通多跳控制集。最后通过仿真实验对提出的算法性能进行了相应分析,实验结果符合算法的预期效果。

一种高效的最小连通支配集贪心算法

连通支配集(CDS)在无线网络设计中有着广泛应用,现有多数连通支配集算法每次处理一个节点。提出了一个同时处理多个节点的贪心算法(GCDS),依次选取最小度数节点以及该节点两跳内的一至两个节点为处理节点,当删除处理节点后剩余点不连通时减少处理的节点数,进而把节点分为支配点和受支配点;最终所有支配点构成一个近似最小连通支配集。在模拟无线传感器网络的单位圆盘图上的仿真结果表明,GCDS算法具有较低的时间复杂度,所得到的连通支配集大小优于已有算法。

改进压缩感知算法的WSN数据恢复方法

针对WSN数据恢复成本比例较高的问题,提出一种利用改进压缩感知算法和单位圆盘图模型的WSN数据恢复方法。利用改进压缩感知算法恢复部分丢失数据的节点;将这些已恢复的节点数据当作已知,联合原有的正常节点,基于不同的网络拓扑,使用数据骡子进行剩余丢失数据的恢复;在改进压缩感知算法的支撑下,通过二次规划实现数据重构,采用一组具有先进移动能力的移动传感器来访问失效传感器的邻居节点,重新获取丢失数据。利用NS2仿真软件进行实验,仿真结果表明,相比其它几种较新算法,提出算法完成数据恢复所用成本更低。

无线网络中最小权虚拟骨干网连通部分的新方法

无线网络中的虚拟骨干(VB)是一些无线节点的子集,因此只有VB中的节点负责路由相关任务,并且VB总权值越小会导致开销越少。在一个点赋权的无线网络中,不单要考虑VB中节点数的多少,更重要的是要考虑其总权值的大小。通常,一个赋权无线网络被模型化为一个点赋权单位圆盘图(UDG),相应地赋权无线网络中的最小权VB问题被抽象为点赋权UDG中的最小权连通控制集(MWCDS)问题进行研究。求MWCDS是一个NP-难问题。为降低点赋权UDG中MWCDS问题的近似比,在连通部分提出一种新方法——基于度的点赋权Steiner树算法。结合目前最好的结果,对于UDG中的MWCDS问题将得到一个(3.32+ε)-近似算法。同样地,对于UDG中的最小权顶点覆盖(MWCVC)问题也将得到一个(3.32+ε)-近似算法。证明了通过改进连通部分的近似比令点赋权UDG中MWCDS问题的近似比降低的方法是可行的。

航空集群网络虚拟骨干网分布式构建算法

航空集群网络对集群作战任务执行效能的影响愈发深远,通过构建虚拟骨干网,能够降低路由开销、互联子网和实时管理网络,使航空集群作战更加高效。结合连通支配集理论,提出一种面向航空集群网络的分布式骨干网构建算法--DCAASN算法,设计权值函数刻画节点可用带宽和连通度,并采用分布式思想构建连通支配集以完成骨干网的构建。理论分析和仿真结果表明,相较于Wu、Wan和DCDS算法,该算法构建的骨干网中节点平均权值更大,骨干网的生命周期更长,并且骨干网的规模更小;在时间开销、消息开销方面,相较于Wu、Wan算法有较大提高,与DCDS算法在同一量级。

构建最小k重控制集的概率算法

点集D V(G)称为图G的k重控制集,如果D满足V(G)-D中任意结点在D中至少有k个邻居.在无线网络中,最小k重控制集(MkDS)用以构建健壮的虚拟骨干网.构建虚拟骨干网是无线网络中最基本也是最重要的问题.在本文中,我们提出一种快速的分布式概率算法来构建k重控制集.我们构建的k重控制集的期望大小不超过最优解的O(k2)倍.算法的运行时间复杂度为O((△log△+loglogn)n),其中△=max{|D(p)|},D(p)是以p为中心半径为1的圆盘中的结点,最大值的比较范围是给定集合中所有的p点.