周紅志

(阜陽師范學(xué)院 信息工程學(xué)院，安徽 阜陽 236041)

多目標(biāo)優(yōu)化下WSN網(wǎng)絡(luò)生命周期優(yōu)化模型

周紅志

(阜陽師范學(xué)院 信息工程學(xué)院，安徽 阜陽 236041)

為了有效延長中小型WSN網(wǎng)絡(luò)生命周期，改善其能量利用效率，在增量學(xué)習(xí)算法的支持下，基于多個優(yōu)化目標(biāo)設(shè)計并實現(xiàn)WSN網(wǎng)絡(luò)生命周期優(yōu)化模型。在反饋值確定過程中同時兼顧鏈路距離、節(jié)點剩余能量兩個方面；通過分析節(jié)點到sink節(jié)點的跳數(shù)，確保數(shù)據(jù)能夠準(zhǔn)確遞交；同時針對傳輸時節(jié)點無法發(fā)現(xiàn)下一跳轉(zhuǎn)發(fā)節(jié)點這一問題，制定相關(guān)協(xié)議把該節(jié)點視為孤立的，在轉(zhuǎn)發(fā)節(jié)點確定過程中將此節(jié)點忽略，從而能夠明顯降低能量開銷。通過在NS2仿真平臺上與EAR協(xié)議及其改進優(yōu)化的I-EAR協(xié)議做對比，結(jié)果證明所設(shè)計的協(xié)議能夠在相對較小的能耗下表現(xiàn)出更好的性能。

WSN網(wǎng)絡(luò)；生命周期；增量學(xué)習(xí)；優(yōu)化模型；多目標(biāo)

0 引言

路由協(xié)議為實施數(shù)據(jù)轉(zhuǎn)發(fā)的主要手段，其可以發(fā)現(xiàn)源節(jié)點至節(jié)點的路徑，并按照此路徑把數(shù)據(jù)轉(zhuǎn)發(fā)到節(jié)點[1]。設(shè)計路由協(xié)議能夠在很大程度上決定著無線傳感器網(wǎng)絡(luò)生命周期，探討通過路由協(xié)議改善生命期則能夠為理論和實踐提供重要的參考價值。

在這里主要是探討了規(guī)模相對較小的網(wǎng)絡(luò)的生命周期優(yōu)化問題，就中小型無線傳感器網(wǎng)絡(luò)來說，我們可以通過平面路由協(xié)議進行控制[2-3]。在這里協(xié)議主要是利用元數(shù)據(jù)協(xié)商機制降低冗余，在很大程度上可以縮減能耗，然而，需要注意的問題是，其無法充分確保數(shù)據(jù)傳輸；協(xié)議在數(shù)據(jù)傳輸過程中按照具體的需求進行實施,縮減了能耗，其主要是通過查詢機制發(fā)揮作用，但也存在著一定的不足之處，即無法持續(xù)不斷的將數(shù)據(jù)遞交給節(jié)點；協(xié)議為前者的優(yōu)化升級，它的優(yōu)點是使能耗明顯均衡，和前者進行對比來說，它將首個節(jié)點的死亡時間推遲，然而在實踐中依舊存在一定的缺憾。

為有效應(yīng)對上文提到的不足，筆者主要以中小型網(wǎng)絡(luò)為研究對象，將增強學(xué)習(xí)算法應(yīng)用到平面路由協(xié)議里，以有效地控制網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。通過分布學(xué)習(xí)策略，能夠在投入相對偏少的額外成本的前提下實現(xiàn)優(yōu)化效果。

1 增強學(xué)習(xí)算法概念及理論

作為機器學(xué)習(xí)[4]的有機組成部分，增強學(xué)習(xí)算法[5-7]用于處理代理怎樣選擇動作以得到最大收益。下面將闡明幾個主要概念：

代理：指可以對環(huán)境狀態(tài)進行感知,同時按照動作策略開展某動作的智能體。本文研究的網(wǎng)絡(luò)里面，各傳感器節(jié)點即為代理。

動作:是指在環(huán)境中代理的行為。本文所研究的網(wǎng)絡(luò)中,節(jié)點確定某一鄰節(jié)點當(dāng)做轉(zhuǎn)發(fā)的下一跳節(jié)點，這種行為屬于一個動作。

馬爾可夫決策過程(MDP)：某一增強學(xué)習(xí)任務(wù)能夠看作是MDP(S；A；P；R)[8]，在這里S和A兩者分別表示一切可能的狀態(tài)與動作集合，而符號P則表示狀態(tài)轉(zhuǎn)移的概率，R表示環(huán)境反饋值。代理在狀態(tài)Si選擇動作，將會獲得反饋值ti。MDP就是由多個Si、ai與ti構(gòu)建的集合。

動作策略:p:s?A主要是描述代理在S時怎樣選擇此后的動作A。

反饋函數(shù):Rp(S)主要是描述代理在S選擇動作p時所獲得的ti。

該種算法具體可以通過圖1進行描述，涉及代理與環(huán)境兩個方面。在這里，前者負(fù)責(zé)對環(huán)境狀態(tài)感知，按照動作策略確定某動作。當(dāng)它對某動作執(zhí)行后，其環(huán)境緊接著會有所變化。環(huán)境會判定這一個動作對自身的作用，同時給予代理合理的反饋值。代理將會按照環(huán)境的ti改進動作策略，從而能夠充分適用環(huán)境。

圖1 增強學(xué)習(xí)算法流程

通過圖1可知，該算法旨在學(xué)習(xí)最理想的動作策略，通過該種反復(fù)累加的方法獲得最好的反饋值。

2 多目標(biāo)優(yōu)化的WSN網(wǎng)絡(luò)優(yōu)化協(xié)議模型設(shè)計

實踐中利用增強算法來優(yōu)化路由協(xié)議性能，已經(jīng)有很多專家學(xué)者探索并積累了許多成功經(jīng)驗，然而其仍然存在一定的不足。根據(jù)各種類型的應(yīng)用需求，應(yīng)該怎樣確定影響因子與怎樣判斷它們相互之間的關(guān)系，仍然需要在今后一段時間加以探討。FROMS協(xié)議能夠在很大程度上縮減路由開銷，同時節(jié)點失效或Sink節(jié)點移動時，其同樣能夠充分確保網(wǎng)絡(luò)與Sink節(jié)點兩者持續(xù)連接[9]。然而,考慮到無線傳感器網(wǎng)絡(luò)存在能量受限這一現(xiàn)實，F(xiàn)ROMS協(xié)議應(yīng)當(dāng)加以優(yōu)化。分析上述各種協(xié)議得知，增強學(xué)習(xí)的路由協(xié)議目前已經(jīng)取得非常不錯的進展，各種路由協(xié)議也都按照相應(yīng)的實踐需要,通過增強學(xué)習(xí)算法對網(wǎng)絡(luò)的若干性能進行了改進。本文主要闡明了多目標(biāo)優(yōu)化的協(xié)議，對增強學(xué)習(xí)算法的長處進行有效運用,在路徑質(zhì)量決定過程中，兼顧剩余能量、傳輸距離、跳數(shù)等諸多方面因素，從而盡可能地縮減能量開銷，使各節(jié)點的能耗能夠達到均衡狀態(tài)。

協(xié)議實施流程如下：

首先，在已知節(jié)點的位置和節(jié)點的剩余能量時，網(wǎng)絡(luò)初始化時期，首先，從Sink節(jié)點起傳輸Hello報文。Hello報文主要涉及到節(jié)點的剩余能量、位置坐標(biāo)及其至Sink節(jié)點的跳數(shù)等諸多方面的內(nèi)容。

其次，在接到Hello報文后，節(jié)點將會按照發(fā)送節(jié)點j到Sink節(jié)點的跳數(shù)，對兩者之間的最優(yōu)路徑的質(zhì)量Rj進行初始化。Rj的初始值和兩者之間的跳數(shù)呈負(fù)相關(guān)。當(dāng)前節(jié)點把發(fā)送節(jié)點的剩余能量、位置、到Sink節(jié)點的跳數(shù)與最優(yōu)路徑的質(zhì)量存到本地鄰居表中。

最后，利用該操作流程，各節(jié)點了解自身到節(jié)點的跳數(shù)，同時還知道鄰節(jié)點的信息。

完成了上述步驟，就會到達數(shù)據(jù)傳輸時期。

(1)節(jié)點偵聽到某一數(shù)據(jù)報文時，將會對發(fā)送節(jié)點的信息進行提取，同時對本地鄰居表的信息進行更新。數(shù)據(jù)報文主要涉及到節(jié)點的剩余能量與位置坐標(biāo)、到節(jié)點的跳數(shù)及最優(yōu)路徑的質(zhì)量等諸多方面的內(nèi)容；

(2)如果當(dāng)前節(jié)點不是數(shù)據(jù)報文中指定的下一跳節(jié)點，則將其丟棄；

(3)該節(jié)點將會轉(zhuǎn)發(fā)下一跳。若Sink節(jié)點處于當(dāng)前節(jié)點的通訊區(qū)域之中，則把報文發(fā)至Sink節(jié)點，否則，它會根據(jù)式(1)求解各候選鄰居節(jié)點的對應(yīng)Q值。

Qij=(1-a)Qij+a(Lij+Rj)

(1)

式中，Qij即指當(dāng)前節(jié)點ii經(jīng)由候選節(jié)點j抵達Sink節(jié)點的路徑質(zhì)量;α指學(xué)習(xí)率;即本地存儲的節(jié)點j至Sink節(jié)點的最優(yōu)路徑的質(zhì)量;Lij指自i至j的鏈路質(zhì)量,按式(2)進行求解。

(2)

式中,Ej指j剩余能量;Dij指i至j的距離，按式(3)進行求解；Hj指j到Sink節(jié)點的跳數(shù)。

(3)

式中,(Xi,Xj)指i的位置坐標(biāo)。

式(2)中,Lij主要是取決于3個因素：和Ej呈正相關(guān)；和Dij、Hj呈負(fù)相關(guān)。三者共同影響反饋值。

應(yīng)注意候選鄰居節(jié)點一定要符合下列條件:

(1)這一個節(jié)點的剩余能量一定要保持在既定的最低能量閾值以上或者相同，同時為非孤立節(jié)點;

(2)對比當(dāng)前節(jié)點來說，這一個節(jié)點與節(jié)點之間的距離相對較小；

(3)當(dāng)前節(jié)點與這一個節(jié)點的距離小于其與節(jié)點的距離；

(4)因為數(shù)據(jù)傳輸過程中離不開能量，所以當(dāng)前節(jié)點必須具備充分的能量能夠向該節(jié)點發(fā)送報文；

(5)若當(dāng)前節(jié)點未發(fā)現(xiàn)符合要求的候選節(jié)點，就會根據(jù)下面三種情況實施相應(yīng)的處理:

1)盡管節(jié)點沒有處于當(dāng)前節(jié)點的通信區(qū)域之中，要是當(dāng)前節(jié)點仍然存在充分的能量能夠向節(jié)點發(fā)送報文，那么其將調(diào)節(jié)發(fā)送功率完成報文的發(fā)送。該措施能夠或多或少應(yīng)對路由空洞問題；

2)若當(dāng)前節(jié)點不具備充分的能量向節(jié)點發(fā)送報文，在這種情況下，就會將報文丟棄；

3)把當(dāng)前節(jié)點記作孤立節(jié)點，此后進行的路由選擇環(huán)節(jié)，將會排除這一個節(jié)點，這樣就能夠非常好地選擇路徑。

(6)當(dāng)前節(jié)點i將Q值最大的候選節(jié)點當(dāng)作下一跳節(jié)點，若i已將k當(dāng)作下一跳轉(zhuǎn)發(fā)節(jié)點，將根據(jù)下面的兩個式子對相應(yīng)的值進行更新。這個時候,i到Sink節(jié)點的最優(yōu)路徑即經(jīng)由節(jié)點k抵達Sink節(jié)點。

Ri=Qik

(4)

Hi=Hk+1

(5)

上面的公式里，Ri指當(dāng)前節(jié)點i到Sink節(jié)點的最優(yōu)路徑的質(zhì)量，Hi指i沿當(dāng)前最優(yōu)路徑至Sink節(jié)點的跳數(shù)。

(7)節(jié)點i發(fā)送報文前先將報文更新，把自己所處位置(Xi,Xj)和當(dāng)前剩余能量Ei、到Sink節(jié)點的跳數(shù)及最優(yōu)路徑的質(zhì)量、在流程(6)中確定的下一跳節(jié)點信息替換至報文頭部。

利用這個途徑，節(jié)點在報文發(fā)送時將反饋值捎帶，從而在很大程度上縮減了相應(yīng)的能量開銷。

(8)i發(fā)送更新后的報文，完成這個操作之后接著將回到流程(2)。

3 實驗仿真分析

本文在這里主要是通過NS2展開仿真分析。

3.1 實驗參數(shù)設(shè)置

在仿真過程中，我們主要設(shè)置實驗參數(shù)如下:

(1)100×100m2的范圍中隨機確定傳感器節(jié)點100個，所有節(jié)點同時處于靜止?fàn)顟B(tài)中;

(2)Sink節(jié)點所處的地點不變，坐標(biāo)為(100,100)；

(3)節(jié)點沒有能量限制，普通傳感器節(jié)點的初始能量0.5J;

(4)節(jié)點的無線通信距離是25m;

(5)各節(jié)點每秒發(fā)送的數(shù)據(jù)包的規(guī)模是512bit;

(6)增強學(xué)習(xí)算法中,a決定了本地保存的Q值與鄰居反饋值的比例。同時兼顧兩者對節(jié)點當(dāng)前Q值的作用，一般情況下，取a=0.5。

3.2 實驗結(jié)果分析

根據(jù)上文中的實驗設(shè)置，隨機生成網(wǎng)絡(luò)拓?fù)?0種。在各個網(wǎng)絡(luò)拓?fù)湎?，對我們設(shè)計的協(xié)議(這里簡稱MTOLC)、EAR與I-EAR協(xié)議依次進行仿真實驗。文中的實驗結(jié)果為平均值。

3.2.1 存活節(jié)點數(shù)隨時間的變化

在無線傳感器網(wǎng)絡(luò)中，能量受限的傳感器節(jié)點彼此協(xié)同，并利用這種方式發(fā)揮自己的作用。如果節(jié)點耗盡能量，那么這一個節(jié)點就不能完成任務(wù)，并且還不利于對別的節(jié)點完成工作。所以,我們在這里先分析網(wǎng)絡(luò)在3種協(xié)議(MTOLC、EAR與I-EAR)下存活節(jié)點數(shù)與時間的關(guān)系，如圖2所示。

圖2 存活節(jié)點的數(shù)目隨時間的變化曲線

通過圖2我們得知，對比EAR與I-EAR協(xié)議來說，MTOLC具有非常突出的優(yōu)勢。從圖2中可以看出，EAR、I-EAR中首個死亡節(jié)點出現(xiàn)的時間依次是115s、130s，但是MTOLC出現(xiàn)的時間為170s，依次比前面的兩個協(xié)議(EAR、I-EAR)增加55s(48%)、40s(31%)。當(dāng)MTOLC中僅僅存在個節(jié)點死亡時，EAR中出現(xiàn)大約四分之一的節(jié)點死亡，I-EAR中出現(xiàn)大約18%的節(jié)點死亡。當(dāng)EAR中所有的節(jié)點都無效的時候，在這種情況下，MTOLC中仍然存在五分之四的節(jié)點沒有死亡。當(dāng)I-EAR中全部節(jié)點都不能工作的時候，MTOLC中仍然存在大約五分之二的節(jié)點沒有死亡。

在MTOLC協(xié)議中，各傳感節(jié)點按照各候選鄰居節(jié)點j的Q值確定某節(jié)點j當(dāng)作下一個轉(zhuǎn)發(fā)節(jié)點。當(dāng)j選擇了下一跳節(jié)點k后，就會首先把自己的信息置于數(shù)據(jù)包頭部，然后把它向外發(fā)送。i接到這一個報文以后，將會做出反饋，同時還會對其自身Q值進行更新。利用該分布學(xué)習(xí)的手段，網(wǎng)絡(luò)在不存在任何額外開銷的前提下就能夠?qū)崿F(xiàn)最優(yōu)結(jié)果。所以，MTOLC能夠減小總的能耗。另一方面，MTOLC在同時兼顧節(jié)點的剩余能量與傳輸距離的基礎(chǔ)上確定下一跳，也能夠縮減能耗。因此，MTOLC能夠延后網(wǎng)絡(luò)里面首節(jié)點的死亡時間，優(yōu)化網(wǎng)絡(luò)生命期的第一個方面。

我們在仿真過程中同時還分析比較了以上三個協(xié)議(MTOLC、EAR、I-EAR)中首次孤立節(jié)點出現(xiàn)的時間，它們依次是第250s、190s、172s。對比前面的兩個協(xié)議(I-EAR、EAR)，MTOLC的時間依次推遲60s(百分之三十二)、78s(百分之四十五)，這種結(jié)果的出現(xiàn)取決于協(xié)議的性能。EAR與I-EAR協(xié)議在選擇路由的過程中通過己構(gòu)建起的路由表實現(xiàn)，或者因為鏈路中斷、節(jié)點失效等方面的影響，網(wǎng)絡(luò)拓?fù)溆兴淖?。這樣經(jīng)過一次轉(zhuǎn)發(fā)過程，路由表記錄的數(shù)據(jù)就過時了。但是MTOLC路由選擇過程中卻按照當(dāng)前網(wǎng)絡(luò)情況進行，所以MTOLC能夠相對較好地確保網(wǎng)絡(luò)和節(jié)點的連接性，從而優(yōu)化網(wǎng)絡(luò)生命期第二個方面。

3.2.2 網(wǎng)絡(luò)成功遞交的數(shù)據(jù)總量隨總能耗的變化

應(yīng)用無線傳感器網(wǎng)絡(luò)時，節(jié)點必須分析、處理檢測到的數(shù)據(jù)。網(wǎng)絡(luò)只有成功遞交節(jié)點形成的數(shù)據(jù)到節(jié)點才能真正發(fā)揮出作用，它成功遞交的數(shù)據(jù)量能夠側(cè)面體現(xiàn)網(wǎng)絡(luò)的工作能力。同時，由于無線傳感器網(wǎng)絡(luò)的能量受限，其路由目標(biāo)主要是為了最大限度地實現(xiàn)少能耗多遞交數(shù)據(jù)量。圖3中顯示了網(wǎng)絡(luò)在三種協(xié)議(MTOLC、EAR、I-EAR)下成功遞交的數(shù)據(jù)量隨總能耗的變化狀況。

圖3 網(wǎng)絡(luò)成功遞交的數(shù)據(jù)總量隨網(wǎng)絡(luò)

在網(wǎng)絡(luò)初始化時期，全部節(jié)點的總能量是50J。對于上面的圖形，橫軸指當(dāng)前網(wǎng)絡(luò)消耗的總能量在初始總能量中的份額，縱軸是指成功遞交的數(shù)據(jù)量。通過圖(3)可以得知，在能耗一樣的前提條件下，能夠成功遞交相對較多的數(shù)據(jù)。同時，伴隨能耗的逐漸提高，MTOLC顯示出的優(yōu)勢變得愈發(fā)突出。

在網(wǎng)絡(luò)運轉(zhuǎn)過程中，不管在哪種協(xié)議下，消耗相同能量下成功遞交的數(shù)據(jù)量均不斷降低。究其根源，是網(wǎng)絡(luò)運轉(zhuǎn)時死亡節(jié)點數(shù)不斷增加。通過對網(wǎng)絡(luò)整體分析來看，存活節(jié)點成功完成遞交數(shù)據(jù)需要消耗的能量不斷增加，成功完成遞交數(shù)據(jù)任務(wù)變得愈來愈難。伴隨總能耗的不斷提高，各協(xié)議中的能量有效性呈現(xiàn)出一樣的趨勢，即都不斷減小。然而三種方法的減小快慢存在著很大的差異?？偰芎囊粯拥那闆r下，相比EAR與I-EAR，MTOLC因為能夠?qū)Ω鱾€節(jié)點的能耗進行均衡而使死亡節(jié)點數(shù)相對較少。正是由于這一個方面的原因，MTOLC中能量有效性減小的相對較慢。除此之外，在對能量有效性進行判斷過程中，我們主要是考慮網(wǎng)絡(luò)每一個時期能量有效性的均值。

3.2.3 網(wǎng)絡(luò)生命期三個方面的對比

圖4非常清晰地反映出3個協(xié)議(MTOLC、EAR、I-EAR)在網(wǎng)絡(luò)生命期各方面的對比情況。通過圖形我們可以看出，不管在哪一方面，MTOLC都能夠得到相對較好的性能:

在第一方面，以上三個協(xié)議(MTOLC、EAR、I-EAR)中首死亡節(jié)點出現(xiàn)的時間依次是第170s、115s、130s。MTOLC比后兩者依次推遲55s(百分之四十八)和40s(百分之三十一)，推遲時間增長顯著。

在第二方面，以上三個協(xié)議(MTOLC、EAR、I-EAR)中首次孤立節(jié)點出現(xiàn)的時間依次是第250s、172s、190s。MTOLC比后兩者依次延長78s(百分之四十五)和(百分之三十二)，延長幅度增加顯著。

在第三方面，以上三個協(xié)議(MTOLC、EAR、I-EAR)的能量有效性依次是714Packets/J、326pACKETS/J、489Packets/J，比后兩者依次增加384和225，增加幅度非常顯著。

圖4 網(wǎng)絡(luò)中出現(xiàn)第一個死亡節(jié)點、

4 結(jié)束語

本文針對中小型WSN網(wǎng)絡(luò)在現(xiàn)實實際應(yīng)用中的延長生命周期的需求，在平面路由協(xié)議中引入增強學(xué)習(xí)算法，設(shè)定了多個優(yōu)化目標(biāo)，通過對增強學(xué)習(xí)算法的長處進行有效運用，在優(yōu)化路徑質(zhì)量過程中，兼顧剩余能量、傳輸距離、跳數(shù)等諸多方面目標(biāo)，從而盡可能地縮減能量開銷，使各節(jié)點的能耗達到均衡狀態(tài)，表現(xiàn)出優(yōu)良的性能。

[1] 張瑞琴,張效義,張大龍.無線傳感器網(wǎng)絡(luò)中基于時效的最優(yōu)數(shù)據(jù)包長[J].計算機應(yīng)用與軟件,2014(5):119-121.

[2] 方旺盛，孫建.狹長直巷道中WSN的SPIN路由算法的改進[J].傳感器技術(shù)學(xué)報,2014,27(4):564-569.

[3] 盧先領(lǐng),王瑩瑩,王洪斌.基于查詢的無線傳感器網(wǎng)絡(luò)多源單匯路由算法[J].計算機應(yīng)用,2013,33(10):2719-2722.

[4] 何清,李寧,羅文娟,等.大數(shù)據(jù)下的機器學(xué)習(xí)算法綜述[J].模式識別與人工智能,2014,27(4):327-335.

[5] 趙耀紅,鐘萍,王來生.一種多輸出支持向量機的增量學(xué)習(xí)算法[J].計算機應(yīng)用與軟件,2010,27(6):14-16.

[6] 李亞飛,呂強,單冬冬,等.一種數(shù)據(jù)缺失下貝葉斯網(wǎng)絡(luò)增量學(xué)習(xí)的有效方法[J].計算機應(yīng)用與軟件,2010,27(2):73-75.

[7] 劉家辰,苗啟廣,宋建鋒,等.使用聚類穩(wěn)定性分析方法增強單類學(xué)習(xí)算法[J/OL].西安電子科技大學(xué)學(xué)報,2015(2)：66-72.http://www.cnki.net/kcms/detail/10.3969/j.issn.1001-2400.2015.02.010.html.

[8] 王志超,劉惠義.一種基于隱馬爾可夫模型的人臉識別方法[J].計算機應(yīng)用與軟件,2013,30(2):304-307.

[9] 李兆斌,徐昕,吳軍,等.增強學(xué)習(xí)算法的性能測試與對比分析[J].計算機應(yīng)用研究,2010,27(10): 3662-3666.

(責(zé)任編輯：尹曉琦)

The Optimization Model Of The Wsn Network Lifecycle Based On Multi-objective Optimization

ZHOU Hong-zhi

(College of Information Engineering, Fuyang Teachers College, Fuyang Anhui 236041, China)

s: In order to extend the life cycle of a small and medium WSN network effectively and improve its energy efficiency, with the support of the incremental learning algorithm, an optimization model of WSN network lifecycle based on multiple optimization objectives was established. In the process to determine the value of the feedback, both of the link distance and the node residual energy were taken into account. By analyzing the hops from sink node to node, the accurate data submission was ensured. At the same time, to the issue that the node could not find the next hop node during transfer, a related agreements was developed specifically to consider this node as isolated. As a result, the node would be ignored in the process of determining the forwarding nodes and the energy cost would be significantly reduced. Compared to the EAR and improved protocol I-EAR on the simulation platform of NS2, it was found that the established agreement in this paper exhibited a better performance with a relatively less energy consumption.

WSN network; lifecycle; incremental learning algorithm; optimization model; multi-object

2014-10-29

周紅志(1981-)，女，湖北荊州人，講師，主要從事圖形學(xué)、無線傳感網(wǎng)研究。

TP

A

1009-7961(2015)01-0021-05