[论文解读] Energy-Efficient Shortest Path Algorithms for Convergecast in Sensor Networks

John Augustine, Qi Han+3 more|ArXiv.org|Feb 20, 2009

Energy Efficient Wireless Sensor Networks参考文献 18被引用 3

一句话总结

本文提出SPT算法，一种基于最短路径树的分布式、节能汇聚算法，通过将传感器读数打包进k字节容量的数据包，最小化总数据包跳数。该算法实现(2−3/(2k))的近似比，且在树形拓扑上为最优，在网格拓扑上渐近最优；实验表明其在实际中性能始终在理论下限的1.5倍以内。

ABSTRACT

We introduce a variant of the capacitated vehicle routing problem that is encountered in sensor networks for scientific data collection. Consider an undirected graph $G=(V \cup \{\mathbf{sink}\},E)$. Each vertex $v \in V$ holds a constant-sized reading normalized to 1 byte that needs to be communicated to the $\mathbf{sink}$. The communication protocol is defined such that readings travel in packets. The packets have a capacity of $k$ bytes. We define a {\em packet hop} to be the communication of a packet from a vertex to its neighbor. Each packet hop drains one unit of energy and therefore, we need to communicate the readings to the $\mathbf{sink}$ with the fewest number of hops. We show this problem to be NP-hard and counter it with a simple distributed $(2-\frac{3}{2k})$-approximation algorithm called { t SPT} that uses the shortest path tree rooted at the $\mathbf{sink}$. We also show that { t SPT} is absolutely optimal when $G$ is a tree and asymptotically optimal when $G$ is a grid. Furthermore, { t SPT} has two nice properties. Firstly, the readings always travel along a shortest path toward the $\mathbf{sink}$, which makes it an appealing solution to the convergecast problem as it fits the natural intuition. Secondly, each node employs a very elementary packing strategy. Given all the readings that enter into the node, it sends out as many fully packed packets as possible followed by at most 1 partial packet. We show that any solution that has either one of the two properties cannot be a $(2-ε)$-approximation, for any fixed $ε> 0$. This makes \spt optimal for the class of algorithms that obey either one of those properties.

研究动机与目标

• 通过在固定大小数据包容量下最小化总数据包跳数，解决传感器网络汇聚过程中的能量效率问题。
• 将问题建模为一种结合装箱问题与最短路径路由的容量车辆路径问题变体。
• 设计一种分布式算法，满足物理约束：数据包必须保持完整，并沿最短路径传输。
• 评估所提算法的近似比，并建立其性能的理论边界。
• 通过在随机拓扑与网格拓扑上的实验，验证算法的实际效率。

提出的方法

• SPT算法构建以汇聚点为根的最短路径树，确保所有数据沿最短路径传输。
• 每个节点采用简单打包策略：尽可能发送满载的k字节数据包，随后最多发送一个非满包。
• 通过网格拓扑模型分析算法，将跳数分解为垂直（向上）与水平（向左）分量。
• 利用等差数列推导满包跳数的上界：h↑ ≤ nm²/(2k) 与 h← ≤ nm²/(2k)，从而得出总跳数 ≤ nm(n+m)/(2k)。
• 通过与最优解比较，理论证明近似比为(2−3/(2k))。
• 实验评估将SPT与BASIC（基于DFS）算法对比，采用LB1、LB2与LB3三种下界，在不同规模、密度与k值的随机拓扑上进行测试。

实验结果

研究问题

• RQ1 能否设计一种分布式算法，通过沿最短路径传输数据并采用简单的本地打包策略，在传感器网络汇聚中实现良好的近似比？
• RQ2 此类算法的最坏情况近似比是多少？是否可独立于网络规模进行界定？
• RQ3 SPT在总跳数与可扩展性方面与BASIC等现有方法相比表现如何？
• RQ4 SPT算法在树形等特殊拓扑上是否最优？
• RQ5 在实际网络场景中，该算法性能在多大程度上接近理论下限？

主要发现

• SPT算法实现(2−3/(2k))的近似比，该比值对所有沿最短路径传输或采用简单本地打包策略的算法均为最优。
• SPT在树形拓扑上为绝对最优，在网格拓扑上随网络规模增大趋于渐近最优。
• 实验评估中，SPT的跳数始终在理论下限的1.5倍以内，不同网络配置下的比值分别为1.45、1.29与1.14。
• 随着网络规模增大，SPT的跳数增长平稳，表现出良好可扩展性；而BASIC因树深度增加导致跳数呈指数级增长。
• 更高的节点密度与更大的k值均能减少两种算法的跳数，但SPT始终优于BASIC，尤其在大型或稀疏网络中优势更明显。
• 随着k值与网络密度增加，SPT与理论下限之间的性能差距逐渐缩小，证实其在实际中的高效性。