高良誠，　劉　杰，　李江華

(銅陵職業(yè)技術(shù)學(xué)院 信息工程系， 安徽 銅陵　244061)

?

保證服務(wù)質(zhì)量的無線傳感網(wǎng)節(jié)能跨層路由算法

高良誠，劉杰，李江華

(銅陵職業(yè)技術(shù)學(xué)院 信息工程系， 安徽 銅陵244061)

摘要：針對無線傳感器網(wǎng)絡(luò)保證服務(wù)質(zhì)量的路由問題，提出一種區(qū)分服務(wù)和優(yōu)先級保證的無線傳感網(wǎng)跨層節(jié)能算法，該算法對網(wǎng)絡(luò)服務(wù)分級，在蟻群算法的路徑選擇時綜合考慮節(jié)點的剩余能量、負(fù)載和節(jié)點位置信息，同時選擇切換概率小的信道。仿真實驗表明，該算法在保證服務(wù)質(zhì)量的前提下，增加了路由的有效性和魯棒性，降低并均衡各節(jié)點能耗，時延、網(wǎng)絡(luò)生存周期等指標(biāo)均體現(xiàn)較好性能。

關(guān)鍵詞：無線傳感網(wǎng)； 服務(wù)質(zhì)量； 節(jié)能； 跨層； 改進(jìn)蟻群算法

0引言

中高速無線傳感網(wǎng)絡(luò)[1]作為物聯(lián)網(wǎng)的重要基礎(chǔ)設(shè)施，在智能農(nóng)業(yè)、自然災(zāi)害預(yù)報、監(jiān)控預(yù)警、復(fù)雜任務(wù)調(diào)度等領(lǐng)域得到廣泛應(yīng)用，用戶需要一定服務(wù)質(zhì)量保障，尤其是對時延有很高的要求。傳感網(wǎng)絡(luò)中傳感器節(jié)點多使用電池供電，能量有限，路由算法的低能耗成為其重要性能要求，在路由算法設(shè)計時，如果只追求服務(wù)質(zhì)量，不考慮能量消耗，將會造成部分節(jié)點由于能量過早耗盡而死亡，從而嚴(yán)重影響網(wǎng)絡(luò)性能[2-3]。如何設(shè)計出在數(shù)據(jù)傳輸過程中能夠滿足傳輸時延、帶寬、丟包率、傳輸吞吐量等服務(wù)要求的高效節(jié)能路由算法是當(dāng)前重要研究課題[4-5]。

節(jié)點能耗與節(jié)點的距離平方成正比[6]，通常通過短距離多跳路由來降低能耗，但勢必帶來時延的增加，因此，時延等服務(wù)質(zhì)量要求與節(jié)能存在矛盾。設(shè)計滿足傳輸時延、帶寬、丟包率、傳輸吞吐量等多個約束條件的QoS路由被證明是個TSP問題，一般采用啟發(fā)式算法解決，國內(nèi)外學(xué)者做了大量的研究工作，蟻群算法、博弈論、遺傳算法、模擬退火算法等智能算法得到廣泛應(yīng)用[7-8]。文獻(xiàn)[9]提出的 REAR (Real-time and Energy Aware QoS Routing)協(xié)議構(gòu)造了一個成本函數(shù),對路徑的能耗和時延進(jìn)行權(quán)衡,評估每條路徑的成本，最終確定一條QoS路由，沒有考慮中高速傳感網(wǎng)需要針對不同業(yè)務(wù)提供不同的QoS保障。QRQIA[10]采用Q學(xué)習(xí)和改進(jìn)蟻群算法解決自組織網(wǎng)絡(luò)QoS路由問題，對節(jié)點運算能力要求較高。EEABR[11]路由路徑的長度考慮節(jié)點的能量水平，達(dá)到節(jié)能和延長網(wǎng)絡(luò)生存周期的目的，但沒有充分考慮擁塞和負(fù)載問題。

文中提出一種無線傳感網(wǎng)保證服務(wù)質(zhì)量的節(jié)能跨層路由算法ECRGQ，對網(wǎng)絡(luò)服務(wù)分級，在保障時延等服務(wù)質(zhì)量要求的前提下，通過跨層路由設(shè)計，運用基于信道可用率算法解決MAC層時延問題,在路徑選擇時考慮下一節(jié)點的剩余能量、節(jié)點發(fā)送能量和下一節(jié)點負(fù)載，提高路由的有效性和魯棒性。

1系統(tǒng)模型及問題描述

1.1網(wǎng)絡(luò)模型

在無線傳感網(wǎng)絡(luò)中，節(jié)點一般由匯聚節(jié)點(sink)和若干傳感器節(jié)點組成，網(wǎng)絡(luò)模型可用圖G=(V，E)表示，其中,V(G)={v1,v2,…，vn}表示傳感器節(jié)點集合，E(G)={e1,e2,…,en}表示邊的集合，對于任意一個邊e∈E(G)，邊的權(quán)值對應(yīng)時延、帶寬等QoS屬性，網(wǎng)絡(luò)具有以下性質(zhì)：

1)sink節(jié)點和普通節(jié)點位置固定，普通節(jié)點均勻分布在監(jiān)控區(qū)域內(nèi)；

2)sink節(jié)點能量無限，普通傳感器節(jié)點能量受限；

3)使用統(tǒng)一能量模型；

4)節(jié)點能夠感知自己位置信息；

5)節(jié)點能根據(jù)通信距離的遠(yuǎn)近動態(tài)地調(diào)整發(fā)送功率；

6)節(jié)點休眠時，無線收發(fā)模塊暫停工作，但監(jiān)測模塊正常工作。

1.2能量模型

無線傳感網(wǎng)節(jié)點主要對數(shù)據(jù)進(jìn)行接收、發(fā)送或轉(zhuǎn)發(fā)，采用文獻(xiàn)[6]的能量模型計算節(jié)點收發(fā)數(shù)據(jù)消耗的能量。

1)節(jié)點i向距離為d的節(jié)點j發(fā)送n字節(jié)數(shù)據(jù)的能量消耗為Eij(n,d)。

(1)

2)節(jié)點j接收n字節(jié)數(shù)據(jù)的能量消耗為

(2)

3)節(jié)點j向節(jié)點k轉(zhuǎn)發(fā)n字節(jié)數(shù)據(jù)的能量消耗為Ejk(n,d)。

(3)

式中：Ew----無線收發(fā)電路收或發(fā)1bit數(shù)據(jù)時所消耗的能量；

εfs----當(dāng)d

εmp----當(dāng)d≥d0時發(fā)射放大器發(fā)送1bit數(shù)據(jù)所需要的能量;

d0----傳輸距離閾值，d0=Sqrt(εfs/εmp)。

可以看出，節(jié)點發(fā)送數(shù)據(jù)的能量消耗與距離的平方成正比。

1.3區(qū)分服務(wù)QoS路由

中高速無線傳感網(wǎng)絡(luò)的業(yè)務(wù)通常分為實時性業(yè)務(wù)和非實時性業(yè)務(wù)[12]，實時性業(yè)務(wù)具有時延敏感、吞吐量要求高等特點，非實時性業(yè)務(wù)具有對時延容忍、吞吐量要求不高等特點。

根據(jù)不同業(yè)務(wù)對QoS的不同要求，將業(yè)務(wù)分為A、B、C三種類型， A類為時延敏感且可靠性要求高的實時性業(yè)務(wù)，如預(yù)警等業(yè)務(wù)；B類為對帶寬要求高的實時性業(yè)務(wù)，如視頻監(jiān)控等業(yè)務(wù)；C類為對時延、可靠性要求不高的業(yè)務(wù)，如信息查詢、周期性數(shù)據(jù)收集等業(yè)務(wù)。優(yōu)先級由高到低為：A>B>C。

區(qū)分服務(wù)路由的QoS參數(shù)指標(biāo)主要包括：

1)最大時延Time-Delay，記作TDmax；

2)最小帶寬BandWidth，記作BWmin；

3)最大丟包率Packet-Loss，記作PLmax。

定義1QoS路由路徑費用函數(shù)式表示如下：

(4)

式(4)，費用函數(shù)與帶寬成反比，而與時延、丟包率成正比。w1、w2和w3為比例系數(shù)，w1>1,w2>1,w3>1，其值可根據(jù)不同服務(wù)種類來確定，如A類業(yè)務(wù)，可設(shè)置w3=1, w1和w2為大于1的數(shù)，其值越大,則表明對路由的時延和可靠性要求越高。

因此，文中的節(jié)能QoS路由算法即為在滿足上述QoS約束條件的前提下，尋找節(jié)能性能最優(yōu)且Cost(P)值最小的路徑。

2QoS節(jié)能跨層路由算法

2.1基于信道可用率的信道選擇算法

無線傳感網(wǎng)絡(luò)是一種特殊的認(rèn)知網(wǎng)絡(luò)，節(jié)點可用頻譜具有不確定性，信道切換難于避免，研究表明，20 MHz～3 GHz的頻譜范圍內(nèi)，收發(fā)器的工作頻段每改變10 MHz通常會帶來10 ms的時延[13]。因此，對時延要求高的服務(wù)，在路徑選擇的同時，選擇切換少的信道，進(jìn)行跨層路由設(shè)計，可以大大提高網(wǎng)絡(luò)時延性能[14]。PCLRP[15]通過信道感知算法減少信道時延，但算法對節(jié)點計算能力要求較高，不適合在傳感網(wǎng)絡(luò)中使用。

文中使用基于信道可用率的信道選擇算法，統(tǒng)計節(jié)點歷史信道可用率，并據(jù)此選擇數(shù)據(jù)發(fā)送信道。節(jié)點維護(hù)信道可用率信息〈P1，P2，P3，…，Pi，…〉，Pi表示第i條信道的可用率，使用下式更新。

(5)

式中----發(fā)送數(shù)據(jù)前信道i的可用率;

k----正整數(shù)。

0

2.2改進(jìn)蟻群算法

區(qū)分服務(wù)QoS路由是NP-Complete問題，可以使用蟻群算法解決。蟻群算法核心思想是螞蟻根據(jù)路徑轉(zhuǎn)移概率值來選擇路徑，路徑的信息素濃度高或路徑啟發(fā)函數(shù)值大，則路徑轉(zhuǎn)移概率大，該路徑被選擇的概率大，同時采用適當(dāng)?shù)牟呗詫π畔⑺剡M(jìn)行更新，進(jìn)而驅(qū)動螞蟻選擇最優(yōu)路徑。

文中算法在路徑啟發(fā)函數(shù)中把下一跳節(jié)點剩余能量、與sink節(jié)點距離等作為重要指標(biāo)，并在信息素更新時引入下一節(jié)點負(fù)載信息和路徑費用函數(shù)，找出最優(yōu)路徑。

2.2.1路徑轉(zhuǎn)移函數(shù)

(6)

式中：μij(t)----時刻t節(jié)點i與節(jié)點j之間的信息素濃度;

ηij(t)----時刻t路徑啟發(fā)函數(shù)，與節(jié)點能量狀態(tài)、節(jié)點距離和下一節(jié)點到sink節(jié)點距離相關(guān);

α----殘留信息素啟發(fā)因子，反映殘留信息的重要性;

β----期望啟發(fā)因子，反映路徑選擇參數(shù)的重要性;

tabuk----禁忌表，存儲螞蟻k當(dāng)前所走過的節(jié)點。

定義2路徑啟發(fā)函數(shù)ηij與節(jié)點能耗比、節(jié)點間距離、節(jié)點與sink的距離等相關(guān)，公式表示如下:

(7)

式中：Ej-init----節(jié)點j初始能量;

Ej----節(jié)點j剩余能量;

di,sink----節(jié)點i到sink節(jié)點的距離;

dj,sink----節(jié)點j到sink節(jié)點的距離;

r----以sink節(jié)點為圓心的半徑;

dij----節(jié)點i到節(jié)點j的距離;

λ1,λ2----能見度系數(shù)。

λ1和λ2可以平衡時延和能量消耗，對于A類服務(wù)，當(dāng)節(jié)點距sink超過r時，則λ1可以設(shè)置較小值，從而提高算法的時延性能。

式(7)表明，路徑啟發(fā)函數(shù)與節(jié)點能耗比、節(jié)點間距離、下一節(jié)點與sink的距離等相關(guān)，節(jié)點消耗能量越少,節(jié)點間距離越短,下一節(jié)點與sink的距離越近，該節(jié)點被選擇的概率越大。因而，最優(yōu)路徑上節(jié)點剩余能量更大，更有利能量均衡；當(dāng)節(jié)點距sink超過r時，采用短距離多跳路由，消耗能量更小，從而提高路由的魯棒性。

2.2.2信息素更新

當(dāng)螞蟻經(jīng)過邊E(i,j)時，需要更新其信息素。信息素更新規(guī)則是：經(jīng)過螞蟻數(shù)量越多，該路徑最優(yōu)可能越大，則路徑上信息濃度越大，該路徑被選擇的概率越大。同時，為防止算法陷入局部最優(yōu)，信息素按照一定比例揮發(fā)。

μij(t)為時刻t邊E(i,j)的信息素濃度，其初始值為Q，信息素在時間間隔Δt內(nèi)更新規(guī)則如下：

(8)

式中：δ----信息素?fù)]發(fā)因子;

μij(t)----Δt時間內(nèi)信息素的增量。

(9)

(10)

式中：Q----初始信息素；

Cost(k)----螞蟻k從源節(jié)點到當(dāng)前節(jié)點所經(jīng)過路徑的費用函數(shù)。

式(10)表明，螞蟻下一跳節(jié)點負(fù)載越小，費用函數(shù)值越低，則邊E(i,j)信息素增量越大，如果負(fù)載大于平均負(fù)載，則信息素增量為負(fù)。這樣，費用低、負(fù)載小的路徑對其他螞蟻的吸引作用變大，被選擇的概率變大。

2.2.3信息素擴散

2.3ECRGQ算法實現(xiàn)步驟

本算法中螞蟻分為前向螞蟻和反向螞蟻，前向螞蟻AREQ(Ant Request)包含螞蟻ID、服務(wù)級別、源節(jié)點ID、目的節(jié)點ID、上一節(jié)點ID、螞蟻禁忌表tabu等信息；反向螞蟻AREP(Ant Reply)包含螞蟻ID、源節(jié)點ID、目的節(jié)點ID、上一節(jié)點ID等信息；節(jié)點信息表包含螞蟻ID、上一節(jié)點ID、下一節(jié)點ID、源節(jié)點ID、目的節(jié)點ID、鄰居節(jié)點ID、鄰居節(jié)點剩余能量、鄰居節(jié)點可用信道、鄰居節(jié)點負(fù)載、Cost值等信息。

算法步驟如下：

1)初始化網(wǎng)絡(luò)，設(shè)定算法迭代次數(shù)NC和算法初始信息素Q；

2)初始化禁忌表tabu，將m只螞蟻放置到源節(jié)點上，將源節(jié)點添加到螞蟻禁忌表tabu中，源節(jié)點廣播前向螞蟻給每個鄰居節(jié)點；

3)根據(jù)式(6)，每個前向螞蟻選擇路徑轉(zhuǎn)移概率大的鄰居節(jié)點作為下一節(jié)點，并切換到下一節(jié)點信道可用率高的信道上，發(fā)送前向螞蟻，更新節(jié)點信息表，以便發(fā)送數(shù)據(jù)包時選擇可用率高的信道；

4)前向螞蟻到達(dá)一個節(jié)點，即將該節(jié)點放到tabu中，并根據(jù)式(9)對經(jīng)過路徑進(jìn)行信息素更新。同時更新節(jié)點信息表，在上一節(jié)點ID中填入前向螞蟻ID值；

5)重復(fù)步驟3)、4)，直到螞蟻到達(dá)目的節(jié)點或不滿足QoS條件限制；

6)所有前向螞蟻到達(dá)目的節(jié)點后，反向螞蟻沿前向螞蟻所經(jīng)過的路徑返回源節(jié)點，建立多條路徑，如果螞蟻服務(wù)級別為高，根據(jù)式(9)對經(jīng)過路徑進(jìn)行信息素更新，并更新節(jié)點信息表，在下一節(jié)點ID中填入反向螞蟻上一節(jié)點ID值；

7)重復(fù)步驟3)～6)直到迭代次數(shù)超過NC，保存滿足QoS要求的Cost(P)值小的若干條路徑，選擇Cost(P)值最小的路徑傳輸數(shù)據(jù)。

由于中高速傳感器網(wǎng)絡(luò)節(jié)點能量有限和鏈路的擁塞，如果節(jié)點剩余能量與初始能量比Ej/Ej-init<20%，或處于擁塞狀態(tài)，繼續(xù)使用該鏈路，則其節(jié)能性能和時延性能反而下降。文中采用冗余路徑策略，當(dāng)最優(yōu)路徑有節(jié)點滿足Ej/Ej-init<20%且不屬于A類服務(wù)，或處于擁塞狀態(tài)時，使用次優(yōu)路徑，從而增強路由的魯棒性。

3仿真與分析

采用NS2進(jìn)行仿真，仿真環(huán)境500 m×500 m，隨機分布100個節(jié)點，隨機選擇網(wǎng)絡(luò)邊緣節(jié)點為sink節(jié)點，節(jié)點最大傳輸范圍為200 m，數(shù)據(jù)包大小為512 B，發(fā)包率為5～30 包/s，迭代次數(shù)NC為100，螞蟻數(shù)量50。路由QoS約束條件為最大時延30 ms，最大丟包率20%，最小帶寬2 Mb/s。設(shè)置參數(shù)Q=2，δ=0.8，γ=1.1，α=1，β=1.2，Vt=1，θ=90，節(jié)點初始能量為1 J。

網(wǎng)絡(luò)中存在多種服務(wù)時，ECRGQ算法對A、B、C三類服務(wù)的保證情況如圖1所示。

圖1　不同優(yōu)先級服務(wù)時延

從圖1可以看出，針對三類服務(wù)，優(yōu)先級高的服務(wù)具有更好的時延性能。

不同發(fā)包率下，ECRGQ算法、AODV算法和文獻(xiàn)[11]算法的實時性服務(wù)時延如圖2所示。

圖2　不同負(fù)載下時延

從圖2可以看出，隨著發(fā)包率的增加，3種算法的時延均有所增加，ECRGQ算法時延明顯低于AODV算法和文獻(xiàn)[11]算法，這是因為ECRGQ算法區(qū)分服務(wù)，在路徑選擇時，考慮節(jié)點負(fù)載，從而避開擁塞節(jié)點，且路徑選擇的同時，基于信道可用率進(jìn)行信道選擇，減少了時延。

網(wǎng)絡(luò)生存周期是指仿真實驗開始到網(wǎng)絡(luò)中5%節(jié)點死亡的時間，如圖3所示。

從圖3可以看出，隨著發(fā)包率的增加，ECRGQ算法、AODV算法和文獻(xiàn)[11]算法的網(wǎng)絡(luò)生存周期均出現(xiàn)下降，但ECRGQ算法在路徑轉(zhuǎn)移時考慮下一節(jié)點的能量、下一節(jié)點的距離和下一節(jié)點離sink節(jié)點的距離，故網(wǎng)絡(luò)生存周期下降趨勢不明顯，因而，ECRGQ算法有更好的節(jié)能性能。

圖3　不同負(fù)載下網(wǎng)絡(luò)生存周期

4結(jié)語

提出一種無線傳感網(wǎng)保證服務(wù)質(zhì)量的節(jié)能跨層路由算法ECRGQ，對網(wǎng)絡(luò)服務(wù)分級，在保障時延等服務(wù)質(zhì)量要求的前提下，通過基于信道可用率算法解決MAC層時延問題,進(jìn)行路由設(shè)計，對蟻群算法進(jìn)行改進(jìn)，在路徑選擇的將下一節(jié)點的剩余能量與初始能量比、節(jié)點發(fā)送能量、下一點負(fù)載和下一節(jié)點到sink節(jié)點距離作為狀態(tài)轉(zhuǎn)移概率和信息素更新的依據(jù)，并綜合考慮鏈路的費用，在滿足QoS需求的前提下，增加了算法的有效性和魯棒性。仿真實驗表明，該算法能夠區(qū)分服務(wù)優(yōu)先級，且時延、網(wǎng)絡(luò)生存周期等性能指標(biāo)比AODV算法和文獻(xiàn)[11]算法更具優(yōu)越性。

參考文獻(xiàn)：

[1]Liu Hongtao, Cheng Lianglun. Priority-based service differentiation scheme for medium and high rate sensor networks[C]//2nd International Conference on Communication Software and Networks. Singapore: ICCSN,2010:392-395.

[2]Kim K.H, Shin K G. On accurate and asymmetry-Aware measurement of link quality in wireless mesh networks[J]. IEEE/ACM Transactions on Networking (TON),2009,17(4):1172-1185.

[3]Gulatimk， Kumar K. QoS routing protocols for mobile ad hoc networks：a survey[J]. International Journal of Wireless and Mobile Computing，2012,5(2)：107-118.

[4]Leelar, Thanulek Shmin, Selvakumars. Multi-constraint QoS unicast routing using genetic algorithm(MURU-GA)[J]. Applied Soft Computing,2011,11(2):1753-1761.

[5]張璽棟，康桂霞，張平，等.基于博弈的大規(guī)模無線傳感器網(wǎng)絡(luò)分簇算法[J].電子與信息學(xué)報,2011,33(10)：2516-2520.

[6]Sim K M， Sun W H. Ant colony optimization for routing and load balancing：survey and new directions[J]. IEEE Transactions on Systems，Man，and Cybermetics，Part A：Systems and Humans，2003，33(5)：560-572.

[7]Muhammad Saleem, Gianni A, Di Caro, et al. Swarm intelligence based routing protocol for wireless sensor networks:survery and future directions[J]. Information Sciences,2011,181(20):4597-4624.

[8]萬博，盧昱，陳立云，等.基于改進(jìn)蟻群算法的擁塞規(guī)避QoS路由算法[J].計算機工程,2011,37(20)：49-51.

[9]Lan Y, Wenjing W, Fuxiang G. A real-time and energy aware QoS routing protocol for multimedia wireless sensor networks[C]//World Congress on Intelligent Control and Automation(WCICA)，2008:3321-3326.

[10]高良誠．移動自組織網(wǎng)絡(luò)Q學(xué)習(xí)和改進(jìn)蟻群的QoS路由算法研究[J]．吉林大學(xué)學(xué)報:理學(xué)版，2015，53(3)：483-488.

[11]Camil O T, Careto C, Sil VA J, et al. An ennergy-efficient ant base rounting algorithm for wireless sensor networks[C]//ANTS 2009-Fifth International Workshop on Ant Colony Optymization and Swarm Intelligence，2009:49-59.

[12]蔡文郁.高數(shù)據(jù)率WSN節(jié)能策略與QoS機制研究[D].杭州:浙江大學(xué),2007.

[13]TCI 8067 Spectrum Processor Data Specification[S/OL].(2009-06-08)[2015-12-14]. http://www.tcibr.com/ PDFs/8067webs.pdf.

[14]Kyasanur P， Vaidya N H． Protocol design challenges for multihop dynamic spectrum access networks[C]//2005 1st IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks． Bal-timore，MD，USA，2011：645-648.

[15]高良誠，劉杰．基于信道可用性的認(rèn)知無線網(wǎng)絡(luò)跨層路由協(xié)議[J]．安徽師范大學(xué)學(xué)報：自然科學(xué)版，2014，37(2)：134-138.

Energy saving cross-layer routing algorithm for guaranteeing QoS in wireless sensor Network

GAO Liangcheng,LIU Jie,LI Jianghua

(Department of Information Engineering， Tongling Vocational and Technical College， Tongling 244061， China)

Abstract：For the routing problems of guaranteeing QoS in Wireless Sensor Network(WSN), an energy saving cross-layer routing algorithm based on differentiated services and priority is put forward, in which the services are classified and then the residual energy, load and position of nodes are taken into account for path selection of ant colony algorithm. At same time，the channel with a lower switching probability is chosen. Simulation results show that the algorithm can improve the robustness of routing, reduce and balance energy consumption and is with optimal features such as low delay and long network lifespan under the conditions of premised guaranteed QoS.

Key words：Wireless Sensor Network(WSN)； Quality of Service(QoS)； energy saving； cross-layer； improved ant colony algorithm.

中圖分類號：TP 393

文獻(xiàn)標(biāo)志碼：A

文章編號：1674-1374(2016)01-0063-06

DOI:10.15923/j.cnki.cn22-1382/t.2016.1.13

作者簡介：高良誠(1971-)，男，漢族，安徽樅陽人，銅陵職業(yè)技術(shù)學(xué)院副教授，碩士，主要從事認(rèn)知無線網(wǎng)絡(luò)和人工智能方向研究,E-mail:glc912@126.com.

基金項目：安徽省高校省級自然科學(xué)研究重點項目(KJ2016A713); 安徽省質(zhì)量工程項目(2013tszy061)

收稿日期：2015-12-14