[论文解读] Maximum lifetime broadcasting problem in sensor networks

Z. Lipinski|arXiv (Cornell University)|Nov 17, 2015

Energy Efficient Wireless Sensor Networks被引用 1

一句话总结

该论文提出了一种最优算法，通过将数据分割为N份并在N条不同的生成树上进行路由，实现了点对点广播中传感器网络寿命的最大化，从而确保能量负载均衡。对于一维规则网络，该文推导出解析解，并通过使用超可加传输代价函数将解扩展至高维，与精确解相比，在二维网格中能量效率损失最多为30%，性能接近最优。

ABSTRACT

We solve the maximum lifetime problem for the point-to-point and point-to-multipoint broadcast data transmission in one dimensional regular sensor network. Based on the analytical solution of the problem for one dimension we propose an algorithm solving the maximum lifetime broadcasting problem for point-to-point data transmission for any dimension.

研究动机与目标

• 解决一维规则传感器网络（LN）中具有超可加传输代价函数的最大寿命广播（MLB）问题。
• 将一维的解析解扩展至更高维度的传感器网络，用于点对点数据传输。
• 设计一种算法，最小化节点间最大能量消耗，从而最大化网络寿命。
• 研究在任意传感器分布下，MLB问题存在等能量解的条件。

提出的方法

• 将传感器网络建模为一个完全、有向、带权图，其中边权表示传输能量成本。
• 以每个源节点为根的生成树用于数据路由，每棵生成树承载总数据流的一部分。
• 将广播数据分割为N份，每份沿不同的生成树传输，以实现能量消耗的均衡。
• 应用最小生成树（Kruskal算法）和最短路径（Dijkstra算法）构建最优路由生成树。
• 通过求解线性优化问题，分配各生成树上的数据权重，以最小化节点最大能量使用。
• 采用满足 E(xi,xj)+E(xj,xk)≤E(xi,xk) 的超可加能量代价函数 E(xi, xj)，以确保结构最优性。

实验结果

研究问题

• RQ1 能否在一维规则传感器网络中解析求解最大寿命广播问题？
• RQ2 如何将一维的解析解推广至更高维度的传感器网络？
• RQ3 在二维规则网格中，所提算法与精确最优解之间的性能差距是多少？
• RQ4 在任意传感器分布下，MLB问题存在等能量解的条件是什么？

主要发现

• 所提出的MLB算法在传输代价为超可加的一维规则网络（LN）中，能获得MLB问题的精确解。
• 在二维规则网格中，该算法的解与最优能量使用量相差不超过30%，即 E(qalg)/E(qopt) ≈ 1.3。
• 通过将数据分布在N条不同的生成树上，该算法实现了能量负载均衡，降低了任一节点的最大负载。
• 最小生成树与最短路径构造在超可加代价函数下是最优的，确保了路由的结构最优性。
• 当存在等能量解时，该算法的第三步——优化各生成树上的数据权重——可被求解线性方程组所替代。
• 一个开放问题仍存在：在Rd空间中任意传感器分布下，识别等能量解存在的判别准则。