精品亚洲a∨无码专区毛片-精品亚洲aⅴ无码午夜在线-精品亚洲aⅴ无码午夜在线观看-精品亚洲aⅴ无码一区二区三区-精品亚洲aⅴ无码专区毛片-精品亚洲aⅴ在线

無線E+E傳感器網絡任務調度關鍵技術
E+E傳感器節點互相合作共同完成任務是在資源受限的無線E+E傳感器網絡中獲得較高性能的有效途徑之一。在無線E+E傳感器網絡中，任務的執行與資源的使用緊密在一起，執行任務要消耗一定的計算和通信帶寬等資源，但由于網絡資源十分有限，往往需要盡可能高效地利用有限的資源以使任務得以順利執行，即在能量受限、動態多變的網絡環境中，要求有效分配網絡內的任務，將特定的任務調度到zui合適的節點上執行，并在保證網絡負載均衡的同時實現對資源的有效分配，這就迫切要求在無線E+E傳感器網絡領域開展有關于無線E+E傳感器網絡任務調度的研究。

無線E+E傳感器網絡任務調度關鍵技術
雖然對于傳統網絡環境下任務調度算法的研究已經非常的成熟，但在無線E+E傳感器網絡中的研究還有很大空間。受無線E+E傳感器網絡本身所具有的動態拓撲性、能耗有限性、節點資源有限性以及數據傳感的不可靠性等特點影響，現有算法不能直接應用于無線E+E傳感器網絡中，從而在無線E+E傳感器網絡中開展任務調度問題研究是非常迫切和關鍵的。圍繞這一中心問題，從多方面展開了綜合研究，并作了一些有益的嘗試，主要有以下四個方面：為了延長網絡生命周期，減少網絡能量消耗和均衡網絡負載，引入了動態聯盟思想，構造了無線E+E傳感器網絡任務分配的動態聯盟模型，繼而提出了一種基于離散粒子群優化的任務分配算法。該算法根據任務總完成時間、能量損耗以及網絡負載狀況，建立代價函數，結合粒子群優化算法，實現優化任務分配策略。引入了變異算子，在很好地保持了種群多樣性的同時提高了算法的全局搜索能力。仿真實驗結果表明了該分配算法在局部求解與全局探索之間取得了較好的平衡，能有效減少無線E+E傳感器網絡的計算時間和網絡能耗，并有效地均衡網絡負載。無線E+E傳感器網絡所具有的動態拓撲性特點要求要有一種更加優化和高效的拓撲控制機制，使拓撲結構能夠根據節點的狀況自我調整和自我配置，以保證在部分E+E傳感器節點損壞、失效和移動的情況下，不會影響到數據傳輸和全局任務。為此，針對傳統方案所獲拓撲的連通冗余度過高或結構健壯性較低等弊端，采納了本地生成樹結構的拓撲調整思路，對拓撲需求進行了建模分析并轉化為多目標度約束zui小生成樹問題，繼而設計了一個基于目標共享函數的適應度評價函數，給出了求解該問題的新型離散粒子群優化算法，基于種群的隨機狀態轉移過程，理論分析了算法的全局收斂性，zui后構建一種基于新型離散粒子群優化的拓撲控制方案，仿真實驗結果表明了所提方案所獲拓撲具有網絡整體功耗低，結構健壯性高和節點間通信干擾可控的折衷特點，并能夠有效地延長無線E+E傳感器網絡的生命周期。無線E+E傳感器網絡所具有的能耗有限性和節點資源有限性要求在任務調度過程中進行實時數據交換時要盡量減少E+E傳感器節點的功耗，而數據融合能有效減少網絡內的數據傳輸量，減少能源的消耗，并盡可能地挖掘E+E傳感器節點的處理能力。為此，綜合運用前向反饋神經網絡和粒子群優化算法，建立了一個面向無線E+E傳感器網絡的多源時域數據融合模型。新模型首先構造了基于粒子群優化的特征選擇算法用以簡化大量的歷史數據源，然后提出了一種基于粒子群優化的新型神經網絡預測算法，利用粒子群優化訓練前向反饋神經網絡，獲得全局優化的神經網絡權值和閾值，zui后依賴于過濾的數據，通過所提預測算法進行數值預測，達到節省能耗的目的，并克服了傳統時序算法所無法實現的根據多種不同類型數據進行預測的缺點。無線E+E傳感器網絡自身的網絡狀況和所處的外界環境動態多變性等特點要求采取自適應機制使任務管理更加適應于無線E+E傳感器網絡的實時應用需求。

無線E+E傳感器網絡任務調度關鍵技術
為此，引入多Agent系統理論，構建了一種基于多Agent的無線E+E傳感器網絡系統模型，并在該系統模型基礎上，提出了一種基于多Agent的無線E+E傳感器網絡自適應任務調度策略。該策略有效地將多Agent技術融入到了無線E+E傳感器網絡的自適應任務調度當中，能夠對故障結點上未完成的任務及時地進行自適應調整，以達到用zui小的開銷恢復網絡的正常運作。