无线传感器 执行器网络数据汇集及任务协作算法研究2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

无线传感器 执行器网络数据汇集及任务协作算法研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概论1

1.1无线传感器/执行器网络1

1.1.1无线传感器/执行器网络概述1

1.1.2无线传感器/执行器网络体系结构及节点结构3

1.1.3无线传感器/执行器网络协议栈6

1.1.4无线传感器/执行器网络的应用领域8

1.1.5无线传感器/执行器网络实验仿真平台10

1.2数据汇集算法研究现状11

1.2.1数据汇集算法的设计目标11

1.2.2数据汇集算法面临的挑战12

1.2.3典型的数据汇集算法13

1.2.4负载均衡数据汇集算法研究现状23

1.2.5负载均衡数据汇集算法评价指标27

1.3任务协作算法研究现状28

1.3.1协作算法性能评价指标30

1.3.2协作面临的研究挑战31

1.3.3典型的协作方法33

1.3.4典型的协作算法35

1.3.5协作算法分类比较42

参考文献45

第2章 数据汇集树与动态交叉退避55

2.1数据汇集树的构造分析56

2.1.1退避机制对数据汇集树的影响56

2.1.2洪泛中的消息碰撞问题58

2.1.3数据汇集树的瘫痪问题59

2.1.4路径绕行评估与拥塞避免问题60

2.2动态交叉退避窗口算法62

2.3路由瘫痪防止策略66

2.3.1定义路由有效期66

2.3.2建立优先级父节点队列67

2.4仿真验证68

2.5小结73

参考文献73

第3章 静态负载均衡数据汇集树生成算法74

3.1 LDGT-SPT算法思想75

3.2 LDGT-SPT算法描述77

3.2.1相关定义77

3.2.2 LDGT-SPT算法流程79

3.3 LDGT-SPT算法举例与理论证明82

3.3.1 LDGT-SPT算法举例82

3.3.2 LDGT-SPT算法理论证明83

3.4仿真验证84

3.4.1仿真环境与参数84

3.4.2 LDGT-SPT分组定义85

3.4.3仿真结果87

3.5小结90

参考文献90

第4章 基于ACO的动态负载均衡数据汇集算法91

4.1 ACO的优点与不足91

4.2 LDG-ACO算法原理92

4.3 LDG-ACO算法描述93

4.3.1 LDG-ACO算法术语与规则93

4.3.2 LDG-ACO算法步骤96

4.4仿真验证99

4.4.1仿真环境与参数99

4.4.2 LDG-ACO分组定义100

4.4.3仿真结果101

4.5小结105

参考文献106

第5章 移动执行器动态负载均衡数据汇集算法107

5.1执行器节点移动对网络数据流模型的影响107

5.1.1连续型数据流模型107

5.1.2查询型数据流模型108

5.1.3事件型数据流模型108

5.2 LDG-MS算法思路109

5.3 LDG-MS算法描述110

5.3.1 LDG-MS算法规则与定义110

5.3.2功率控制策略112

5.3.3 Sink BEACON消息周期计算114

5.3.4 LDG-MS算法伪代码115

5.4仿真验证116

5.4.1仿真环境与参数116

5.4.2功率控制117

5.4.3仿真结果117

5.5小结120

参考文献120

第6章 基于SA协作的分簇算法121

6.1 SA协作模型特点121

6.2无线传感器/执行器网络分簇算法分析122

6.3 CASA算法原理与实现123

6.3.1参数定义与假设条件123

6.3.2基本能耗公式124

6.3.3优化模型建立125

6.3.4优化模型求解129

6.3.5 CASA算法实现132

6.4算法仿真与性能分析135

6.4.1执行器节点理想数量135

6.4.2基于VFA算法的执行器节点部署实验136

6.4.3算法通信开销137

6.4.4网络性能137

6.5小结139

参考文献139

第7章 AA实时协作框架141

7.1 AA协作模型142

7.2任务类型分解143

7.3基于拍卖机制的任务分派144

7.3.1基于事件的动态招标范围144

7.3.2基于熵权的代价评估模型148

7.3.3无工序限制的任务指派151

7.4实时协作（RC）算法流程153

7.5算法仿真与性能分析153

7.5.1仿真环境与参数153

7.5.2算法通信开销155

7.5.3任务完成时间156

7.5.4能耗均衡157

7.5.5网络寿命157

7.6小结158

参考文献158

第8章 基于AA协作的单目标任务分派算法160

8.1单目标任务分派161

8.1.1最小化最大任务完成时间161

8.1.2执行器节点剩余能量约束163

8.2 SOTS算法163

8.2.1执行器节点角色确定164

8.2.2标准微粒群优化算法164

8.2.3基于ROV规则的编码165

8.2.4基于NEH方法的局部搜索165

8.2.5算法流程和分析167

8.3算法仿真与性能分析169

8.3.1实验参数169

8.3.2算法性能实验169

8.3.3网络性能实验170

8.4小结172

参考文献173

第9章 基于AA协作的多目标任务分派算法174

9.1多目标优化问题的基本概念174

9.2多目标任务分派176

9.2.1最大任务完成时间177

9.2.2能耗均衡指标177

9.2.3存储成本177

9.3面向AA协作的多目标任务分派算法（MOTS）178

9.3.1多目标规范化处理178

9.3.2随机权值确定178

9.3.3执行器节点角色确定179

9.3.4标准微粒群优化算法179

9.3.5基于ROV规则的编码180

9.3.6多目标微粒群搜索181

9.3.7基于自适应学习策略的多目标局部搜索181

9.3.8 MOTS算法流程与分析183

9.4算法仿真与性能分析187

9.4.1实验参数187

9.4.2算法性能实验188

9.4.3网络性能实验189

9.5小结191

参考文献192