提出了一種實用的能耗模型,該模型考慮了過渡狀態(tài)的能耗和持續(xù)時間。以該能耗模型為基礎,提出一種具有低能耗的異步鄰居發(fā)現(xiàn)算法。該算法可以在低能耗的情況下大大減少最壞情況下的發(fā)現(xiàn)延遲,并用仿真實驗驗證所提出算法的有效性。 

【文章來源】：新鄉(xiāng)學院學報. 2020,37(09)

【文章頁數(shù)】：4 頁

【部分圖文】：

LEAND算法廣播和接收過程

消息時，即認為這兩個節(jié)點能夠互相發(fā)現(xiàn)。由此可知，是確保鄰居發(fā)現(xiàn)成功最小連續(xù)重疊時隙，即當兩個節(jié)點活動狀態(tài)的重疊時間不少于時，這兩個相鄰的節(jié)點才能成功地發(fā)現(xiàn)彼此。在LEAND算法中，系統(tǒng)的時間被劃分為一系列的周期，每個周期被劃分為T=F（D/2n）個子周期[其中F（·）為向上取整函數(shù)]，每個子周期由D個時隙組成。如圖2所示，每隔7個時隙都會出現(xiàn)一次完整時隙，1個子周期由8個時隙組成。節(jié)點始終處于活動狀態(tài)的時隙為完整時隙。在圖2中，每兩行時隙形成一個時隙模式，1個周期的長度為16個時隙。依據(jù)現(xiàn)有的鄰居發(fā)現(xiàn)算法，在整個時隙中，每個節(jié)點僅具有兩種不同的時隙狀態(tài)，即活動狀態(tài)或休眠狀態(tài)。但是，在提出的LEAND算法中，采用了一種稱為部分時隙的新時隙狀態(tài)，即節(jié)點可以在一個時隙的某些時間內(nèi)活動，而在其余時間休眠。若用Sm（t）表示節(jié)點m在時隙t的狀態(tài)，其取值有以下幾種可能：1）Sm（t）=0表示節(jié)點m在時隙t（即［t，t+1］）內(nèi)處于休眠狀態(tài)；2）Sm（t）=1表示節(jié)點m在時隙t（即［t，t+1］）內(nèi)處于活動狀態(tài)；3）表示節(jié)點m在時隙t的前部分（即）內(nèi)處于活動狀態(tài)，并在剩余的部分處于休眠狀態(tài)；4）表示節(jié)點m在時隙t的后部分（即）內(nèi)處于活動狀態(tài)，并在剩余的部分處于休眠狀態(tài)�？紤]一種不同節(jié)點的時隙對齊的理想情況，例如，節(jié)點A的第i個時隙的開頭與節(jié)點B的第j個時隙的開頭對齊，由于節(jié)點是異步的，i和j可能不相等。此時，如果節(jié)點的時隙設計不當，可能會導致兩個相鄰節(jié)點的活動時隙始終無法重疊。LEANDA算法的時隙調(diào)度如圖2所示：每個子周期中的第1個時隙均為完整時隙，其余分為個部分時隙和個空時隙。每個子周期內(nèi)的部分時隙會向前移動，則第1個子周期的部分時隙就會位于時隙2到，如圖2中第

霾糠質(zhì)?隙，如果在D個時隙中有n+1個過渡狀態(tài)，那么。因此，在進行鄰居發(fā)現(xiàn)期間，能耗和延遲是兩個相互矛盾的因素。因此，當延遲恒定時，需要考察算法的平均能耗。由可得，將代入式（4）得到。對能耗P關于n求導數(shù)，并令導數(shù)為零，得到。令大于零，可得�？芍�，當時，鄰居發(fā)現(xiàn)算法在延遲時能耗最低。4性能評估采用Matlab仿真本文中的LEAND算法和現(xiàn)有的鄰居發(fā)現(xiàn)算法，包括Disco［4］和U-Connect［5］，并比較它們的性能。每對相遇的移動節(jié)點都有一個隨機的時隙偏移，實驗運行5000次，并取平均值。圖3給出了幾種鄰居發(fā)現(xiàn)算法的平均能耗與延遲之間的關系。這里，的取值為0.5，的取值為0.25，n的取值為4。由圖3可知，在相同的延遲下，LEANDA算法消耗的能量最低；而在具有相同平均能耗的情況下，LEANDA算法實現(xiàn)了最短的延遲。圖4給出了幾種算法的發(fā)現(xiàn)延遲的累積分布對比。顯然，LEANDA算法的發(fā)現(xiàn)延遲比其他兩種算法的發(fā)現(xiàn)延遲要短。5結論本研究探討了移動自組網(wǎng)絡中具有低能耗的鄰居發(fā)現(xiàn)算法的優(yōu)化，先提出一種增強的能耗模型，又提出了LEAND異步節(jié)能鄰居發(fā)現(xiàn)算法，并從理論上分析了所提出算法的平均能耗和最壞情況發(fā)現(xiàn)延遲，最后采用仿真實驗評估算法的性能。在本文中，僅考慮了節(jié)點之間的時隙對齊的情況，未來的研究工作將考慮在時隙不對齊的情況下設計鄰居發(fā)現(xiàn)算法。參考文獻：［1］KINDTPH,CHAKRABORTYS.Onoptimalneighbordiscovery［C］//ProceedingsoftheACMSpecialInterestGrouponDataCommunication,August19-23,2019,Beijing,China.NewYork:ACM,2019:441-457.［2］LORETIP,BRACCIALEL.OptimizedneighbordiscoveryforopportunisticnetworksofenergyconstrainedIoTdevices［J］.IEEEtransactionsonm


本文編號：3594212