宮　華，盧海龍，袁　田

(沈陽(yáng)理工大學(xué) 理學(xué)院，沈陽(yáng) 110159)

?

基于PSO算法的無(wú)線傳感器網(wǎng)絡(luò)組網(wǎng)方法

宮華，盧海龍，袁田

(沈陽(yáng)理工大學(xué) 理學(xué)院，沈陽(yáng) 110159)

針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中各節(jié)點(diǎn)能量有限的特點(diǎn)，設(shè)計(jì)了一種基于PSO算法的分簇組網(wǎng)方法。目標(biāo)函數(shù)為最小化節(jié)點(diǎn)數(shù)據(jù)傳輸能耗、平衡簇頭節(jié)點(diǎn)的負(fù)載、協(xié)調(diào)成員節(jié)點(diǎn)的通信能耗和網(wǎng)絡(luò)的最優(yōu)通信結(jié)構(gòu)。算法由基站發(fā)起，廣播至網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)，利用PSO算法設(shè)計(jì)了兩階段組網(wǎng)算法，將目標(biāo)網(wǎng)絡(luò)劃分為若干簇，形成高效的數(shù)據(jù)傳輸網(wǎng)絡(luò)。仿真結(jié)果證明了算法能夠有效延長(zhǎng)網(wǎng)絡(luò)的生存期和提高通信效率。

無(wú)線傳感器網(wǎng)絡(luò)；分簇；PSO算法；負(fù)載平衡

無(wú)線傳感器網(wǎng)絡(luò)(WSN)由大量體積微小的低功耗傳感器節(jié)點(diǎn)組成，隨機(jī)或者由人工部署在目標(biāo)區(qū)域，具有能量資源和計(jì)算存儲(chǔ)資源受限的特點(diǎn)。因此在無(wú)線傳感器網(wǎng)絡(luò)中設(shè)計(jì)基于能量高效的分簇算法是一個(gè)關(guān)鍵的研究問(wèn)題。

基于群智能優(yōu)化的分簇或路由算法，Iyengar等[1]探討了基于遺傳算法和基于蟻群算法的各種版本的衍生算法。Ducatelle等[2]對(duì)蟻群優(yōu)化算法在有線網(wǎng)絡(luò)和MANET中的可靠性和服務(wù)質(zhì)量路由進(jìn)行了大量研究。Kuila等[3]從延長(zhǎng)無(wú)線傳感器網(wǎng)絡(luò)生存期的角度出發(fā)，提出基于負(fù)載平衡的分簇和路由選擇模型，并設(shè)計(jì)了基于粒子群優(yōu)化算法的分簇算法。Guo等[4]針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中最小能耗的分配問(wèn)題提出JOPRA問(wèn)題，設(shè)計(jì)出一種改進(jìn)的自適應(yīng)粒子群算法，將更多的網(wǎng)絡(luò)資源分配給連通條件更好的鏈路。Hamid等[5]通過(guò)多目標(biāo)粒子群優(yōu)化算法提出一種多目標(biāo)方案優(yōu)化分簇網(wǎng)絡(luò)中的簇頭數(shù)，降低了網(wǎng)絡(luò)能耗速率，以延長(zhǎng)網(wǎng)絡(luò)生存期。

可以看出，現(xiàn)有研究在設(shè)計(jì)組網(wǎng)算法過(guò)程中并未充分考慮各節(jié)點(diǎn)的能耗均衡和數(shù)據(jù)傳輸效率，與其它智能優(yōu)化算法相比，粒子群算法具有更快的收斂速度和簡(jiǎn)便的實(shí)現(xiàn)過(guò)程。因此，本文根據(jù)WSN內(nèi)部傳感器節(jié)點(diǎn)硬件資源和能量供應(yīng)受限的特點(diǎn)，在充分考慮負(fù)載均衡、最優(yōu)能耗和數(shù)據(jù)傳輸效率的基礎(chǔ)上建立關(guān)于分簇方案的非線性規(guī)劃模型，并設(shè)計(jì)PSO算法求解該問(wèn)題。

1　系統(tǒng)模型

1.1能量模型

無(wú)線通信的能耗模型是基于Heinzelman[6]研究成果。在模型中由通信距離決定使用自由空間或是多徑衰落信道。首先根據(jù)閾值d0，當(dāng)收發(fā)距離小于給定閾值d0時(shí)，則基于自由空間建立能耗模型，否則采用多徑衰落模型。令Eelec表示節(jié)點(diǎn)中收發(fā)器發(fā)送一位數(shù)據(jù)的能耗，εfs、εmp分別表示處于自由空間或者多徑衰落信道的放大器發(fā)送一位數(shù)據(jù)的能耗。當(dāng)距離為d時(shí)發(fā)送l-bit數(shù)據(jù)能耗為

(1)

接收l(shuí)-bit能耗為

ER(l)=lEelec

(2)

式中，變量Eelec取決于多種因素比如數(shù)字編碼方案、調(diào)制、濾波和信號(hào)傳播發(fā)送;而放大器的能耗(εfs、εmp)只取決于發(fā)送距離和誤比特率。

1.2網(wǎng)絡(luò)模型

Dietrich等[7]介紹了網(wǎng)絡(luò)生存期的多種定義，本文選擇N-of-N運(yùn)行期為網(wǎng)絡(luò)生存期定義，即從部署完成到第一個(gè)簇頭消亡這一時(shí)期為網(wǎng)絡(luò)生存期。網(wǎng)絡(luò)中每個(gè)成員節(jié)點(diǎn)只隸屬于一個(gè)簇頭。數(shù)據(jù)的收集分成若干輪次。每一輪次中，成員節(jié)點(diǎn)負(fù)責(zé)收集目標(biāo)區(qū)域的監(jiān)測(cè)數(shù)據(jù)，并發(fā)送給對(duì)應(yīng)的簇頭。簇頭節(jié)點(diǎn)對(duì)接收到的數(shù)據(jù)進(jìn)行融合處理，把處理后的目標(biāo)數(shù)據(jù)經(jīng)過(guò)多跳傳輸發(fā)送給其它簇頭，多跳通信的中繼任務(wù)由附近的簇頭承擔(dān)。兩個(gè)節(jié)點(diǎn)間存在無(wú)線通信鏈路的條件是它們都在對(duì)方通信范圍內(nèi)。

網(wǎng)絡(luò)部署分為三階段：引導(dǎo)加載階段，分簇形成階段，簇頭選擇階段。由于各節(jié)點(diǎn)中都配置GPS模塊，第一階段中節(jié)點(diǎn)根據(jù)GPS獲取各自坐標(biāo)值，節(jié)點(diǎn)在網(wǎng)絡(luò)內(nèi)通過(guò)CSMA/CAMAC層協(xié)議廣播其坐標(biāo)。因此，任一節(jié)點(diǎn)可以獲得通信范圍內(nèi)其它節(jié)點(diǎn)的位置信息，并通過(guò)多跳通信發(fā)送至基站?；靖鶕?jù)收集到數(shù)據(jù)執(zhí)行分簇算法，將網(wǎng)絡(luò)劃分成若干簇并選擇簇頭，為每個(gè)簇頭分配一個(gè)ID，此ID同時(shí)也表示對(duì)應(yīng)簇的編號(hào)。經(jīng)過(guò)以上操作，所有節(jié)點(diǎn)均被安排給一個(gè)簇頭，每個(gè)簇頭記錄所轄成員信息。運(yùn)行過(guò)程中，各簇頭提供一個(gè)TDMA時(shí)間表給本簇成員節(jié)點(diǎn)以完成簇內(nèi)通信。

2　組網(wǎng)模型

分簇的目標(biāo)是最大化網(wǎng)絡(luò)生存期和提高網(wǎng)絡(luò)通信效率，在組網(wǎng)過(guò)程中不僅需考慮網(wǎng)絡(luò)的能量有效性和數(shù)據(jù)傳輸效率，也需考慮各節(jié)點(diǎn)能耗均衡。能耗均衡有兩層含義，首先是簇頭的負(fù)載平衡問(wèn)題，當(dāng)簇頭剩余能量相近時(shí)其所在分簇規(guī)模不能相差太大，避免出現(xiàn)某些簇頭管理過(guò)多的成員，而其余簇頭管理的成員過(guò)少，造成前者因能耗速率較大而很快消亡。其次最小化簇頭與本簇成員節(jié)點(diǎn)的距離方差，使所屬成員在與簇頭通信時(shí)的能耗不會(huì)出現(xiàn)較大的差異，有利于延長(zhǎng)網(wǎng)絡(luò)的整體壽命。

2.1參數(shù)定義

S={s1,s2,s3,…,sN}：傳感器節(jié)點(diǎn)集合，N表示網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)總數(shù)；

ξ={g1,g2,g3,…,gM}：簇頭節(jié)點(diǎn)集合，M表示網(wǎng)絡(luò)中簇頭數(shù)目，等于分簇?cái)?shù)；

dmax：傳感器節(jié)點(diǎn)最大通信距離；

dis(si,sj)：節(jié)點(diǎn)間距離；

NextHop(gi)：某簇頭通信范圍內(nèi)的其它簇頭集合；

ComCH(si)={gj|dis(si,gj)≤dmax∩gj∈ξ}：成員節(jié)點(diǎn)si通信范圍內(nèi)的簇頭集合；

Nmax、Nmin：每簇中成員數(shù)的上限和下限；

Nj：ID為j(1≤j≤M)的簇中成員節(jié)點(diǎn)數(shù)；

2.2網(wǎng)絡(luò)生存期

根據(jù)網(wǎng)絡(luò)生存期的定義，延長(zhǎng)網(wǎng)絡(luò)的生存期可以通過(guò)延長(zhǎng)具有最短壽命的簇頭節(jié)點(diǎn)生存期實(shí)現(xiàn)，即降低每一通信周期中剩余能量少的簇頭的能耗速率。簇頭能耗包括接收成員節(jié)點(diǎn)的感知數(shù)據(jù)，數(shù)據(jù)融合以及簇間通信。每個(gè)周期內(nèi)管理ni個(gè)成員節(jié)點(diǎn)的簇頭gi的能耗為

ECLUSTER(gi)=ni×ER+ni×EDA+ET(gi,NextHop(gi))

(3)

式中ER、EDA、ET分別是數(shù)據(jù)接收、數(shù)據(jù)融合、簇間通信能耗。

在一個(gè)多跳網(wǎng)絡(luò)中，除了存在簇內(nèi)信息傳輸，有時(shí)簇頭還需轉(zhuǎn)發(fā)來(lái)自于其它簇的分組。在計(jì)算簇頭作為中繼節(jié)點(diǎn)能耗前，首先計(jì)算gi收到的來(lái)自于其它簇的分組總數(shù)，

其他最終得出每個(gè)周期gi做為中繼節(jié)點(diǎn)需轉(zhuǎn)發(fā)NIN(gi)個(gè)分組，中繼能耗為

EFORWARD(gi)=NIN(gi)×ER+NIN(gi)×ET(gi,NextHop(gi))

(5)

因此，簇頭gi每個(gè)周期能耗可表示為

EG(gi)=EFORWARD(gi)+ECLISTER(gi)

=ni×ER+ni×EDA+ET(gi,NextHop(gi))+

NIN(gi)×ER+NIN(gi)×ET(gi,NextHop(gi))

(6)

令Eresidual(gi)表示gi的剩余能量，則gi的生存期可表示為

(7)

令L表示壽命最短的簇頭生存期，即L=min{L(j)|?i,1≤j≤M}，所以最大化網(wǎng)絡(luò)生存期可表示為

maxL=min{L(i)|?i,1≤i≤M}

(8)

2.3網(wǎng)絡(luò)通信效率

網(wǎng)絡(luò)運(yùn)行過(guò)程中，簇頭不但對(duì)簇內(nèi)數(shù)據(jù)進(jìn)行處理融合，而且負(fù)責(zé)簇間通信。本文研究的WSN網(wǎng)絡(luò)屬于Adhoc網(wǎng)絡(luò)，即網(wǎng)絡(luò)中所有節(jié)點(diǎn)無(wú)論簇頭還是成員節(jié)點(diǎn)的功能和硬件配置都是相同的，在實(shí)際運(yùn)行中容易發(fā)生某個(gè)簇頭管理的成員節(jié)點(diǎn)過(guò)多而引起數(shù)據(jù)擁塞和通信延時(shí)的增加。因此為提高網(wǎng)絡(luò)的通信效率并且實(shí)現(xiàn)簇頭的負(fù)載平衡，對(duì)每個(gè)簇的分簇規(guī)模進(jìn)行優(yōu)化。通過(guò)Var_load計(jì)算各簇的規(guī)模差異。

(9)

最大化網(wǎng)絡(luò)通信效率表示為

(10)

2.4簇內(nèi)平均距離

在分簇過(guò)程中可能出現(xiàn)為了節(jié)省簇頭能耗，某些成員節(jié)點(diǎn)被強(qiáng)制安排給較遠(yuǎn)處的其它簇頭的情況。這樣的成員節(jié)點(diǎn)的通信能耗就會(huì)較大，因此在目標(biāo)函數(shù)中也要考慮優(yōu)化成員節(jié)點(diǎn)能耗，即最小化成員節(jié)點(diǎn)和其簇頭的平均距離，表示為

(11)

AvegDist是成員節(jié)點(diǎn)和其所屬簇頭的平均距離。

結(jié)合方程(8)、(10)、(11)，得目標(biāo)函數(shù)為

minObj=AvegDist×Var_load/L

(12)

s.t

(13)

(14)

Nmin≤Nj≤Nmax, j∈(0,M]

(15)

式(13)表示任意成員節(jié)點(diǎn)只能分配給一個(gè)簇頭。式(14)表示任意成員節(jié)點(diǎn)只能安排給位于其通信范圍內(nèi)的簇頭。式(15)規(guī)定每個(gè)簇的成簇規(guī)模。

3　基于粒子群算法的兩階段分簇組網(wǎng)算法

3.1初始組網(wǎng)方案

首先根據(jù)各網(wǎng)絡(luò)節(jié)點(diǎn)的位置坐標(biāo)，將整個(gè)網(wǎng)絡(luò)區(qū)域直接按照面積劃分為M簇。網(wǎng)絡(luò)劃分成若干簇后，需要確定每個(gè)簇的簇頭。每個(gè)成員與對(duì)應(yīng)簇頭通信時(shí)，根據(jù)能耗與傳輸距離成正比，為保證成員節(jié)點(diǎn)能耗均衡。簇頭與成員節(jié)點(diǎn)距離方差應(yīng)最小。

(17)

式中：AvegDistj表示簇j中各成員與簇頭平均距離；Variancej表對(duì)應(yīng)方差；(xj,yj)表示簇頭坐標(biāo)；(xi,yi)表成員節(jié)點(diǎn)坐標(biāo)。遍歷完本簇所有節(jié)點(diǎn)后選擇方差取值最小時(shí)對(duì)應(yīng)的節(jié)點(diǎn)作為簇頭。

3.2基于PSO算法的組網(wǎng)優(yōu)化

PSO算法由一個(gè)預(yù)定義規(guī)模為(Np)的粒子群組成，每個(gè)粒子代表一個(gè)求解多維優(yōu)化問(wèn)題的方案。所有粒子的維度都為D。每個(gè)粒子Pi(1≤ i≤ Np)有兩個(gè)參數(shù)，位置參數(shù)Xid(1≤ d≤ D)和速度參數(shù)Vid。種群中第i個(gè)粒子Pi用向量表示為

Pi=[Xi,1,Xi,2,Xi,3,...,Xi,D]

(18)

通過(guò)目標(biāo)函數(shù)評(píng)估每個(gè)粒子對(duì)應(yīng)的方案。粒子Pi根據(jù)個(gè)體最優(yōu)值(Pbesti)和種群全局最優(yōu)值(Gbest)更新自身的位置和速度。每次迭代中，粒子Pi通過(guò)以下方程更新位置參數(shù)和速度參數(shù)：

Vi,d(t)=w×Vi,d(t-1)+c1×r1×(Pbesti,d-Xi,d(t-1)+c2×r2×(Pbesti,d-Xi,d-Xi,d(t-1))

(19)

Xi,d(t)=Xi,d(t-1)+Vi,d(t)

(20)

式中：w為慣性權(quán)重；c1、c2為加速因子；r1、r2為[0,1]間的隨機(jī)數(shù)。粒子的更新過(guò)程被迭代多次，直到最終結(jié)果能夠接受或者達(dá)到預(yù)定的迭代次數(shù)。

3.2.1粒子初始化

粒子的維度等于網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)總數(shù)N。種群的第i個(gè)粒子表示為Pi=[Yi,1,Yi,2,Yi,3,…,Yi,D]。粒子中的每維元素Yi,d(1≤ i≤ Np,1≤d≤N)表示傳感器節(jié)點(diǎn)sd被分配在第gk簇。初始化粒子時(shí)，首先結(jié)合3.1中所述的簇頭選擇方案并根據(jù)坐標(biāo)將所有節(jié)點(diǎn)分成M簇，為各簇頭分配ID，取(0,1]范圍內(nèi)的隨機(jī)數(shù)初始化粒子的每一維元素。粒子Pi的元素Yi,d=Rand(0,1],l≤d≤N映射了成員節(jié)點(diǎn)sd從屬于哪個(gè)簇頭(假設(shè)為gk)。若sd被選做簇頭，則Yi,d等于0。映射方法為

gk=Index(ComCH(sd),n)

(21)

式中Index是索引函數(shù)，表示集合ComCH(sd)中的第n個(gè)元素被選中賦給gk。

n=Ceiling(Yi,d×|ComCH(sd)|)

(22)

3.2.2速度位置更新

通過(guò)方程(19)、(20)實(shí)現(xiàn)粒子位置和速度更新。注意到方程在迭代過(guò)程中可能會(huì)出現(xiàn)粒子中某些元素的取值非正或大于1。本文規(guī)定粒子的每個(gè)維度的元素取值范圍必須在(0,1]區(qū)間內(nèi)。因此，算法做出如下調(diào)整：

(1) 如果新的位置取值為負(fù)數(shù)或者0，則使用一個(gè)趨近于0的正數(shù)代替；

(2) 如果新的位置取值大于1，則用1代替。

每次迭代完成后，通過(guò)適應(yīng)度函數(shù)Fitness評(píng)價(jià)粒子Pi，并根據(jù)最終結(jié)果決定是否更新個(gè)體最優(yōu)值Pbesti和全局最優(yōu)值Gbest。速度和位置被迭代更新直到滿足停止準(zhǔn)則。本文的停止準(zhǔn)則是一個(gè)預(yù)先定義的迭代次數(shù)。

4　仿真結(jié)果與分析

選定90m×50m的區(qū)域隨機(jī)拋撒無(wú)線傳感器節(jié)點(diǎn)，固定拋撒節(jié)點(diǎn)數(shù)為60，各節(jié)點(diǎn)坐標(biāo)隨機(jī)生成。(εfs、εmp)的取值分別為10pJ/bit/m2和50nJ/bit。粒子群算法參數(shù)c1、c2取值為1.5，迭代次數(shù)為200，更新速度的最大值Vmax和最小值Vmin分別為0.1、-0.1。表1列出試驗(yàn)中的網(wǎng)絡(luò)參數(shù)。

表1　網(wǎng)絡(luò)參數(shù)

圖1與圖2為拋撒節(jié)點(diǎn)數(shù)60，通信半徑30情況下網(wǎng)絡(luò)初始化后與經(jīng)過(guò)粒子群算法執(zhí)行200次迭代運(yùn)算的組網(wǎng)效果?？梢钥闯龀跏蓟蟮慕M網(wǎng)結(jié)構(gòu)圖，雖然簇頭節(jié)點(diǎn)互不相鄰，并且在目標(biāo)區(qū)域分布較為均勻。但是各簇的成簇規(guī)模差異較大，衡量負(fù)載平衡的參數(shù)Var_load此處取值為5，每個(gè)通信輪次中成簇規(guī)模最大的簇頭能耗為1.7mJ。經(jīng)過(guò)優(yōu)化后的網(wǎng)絡(luò)中，參數(shù)Var_load取值為1，每個(gè)通信輪次中能耗最大的簇頭為1.2mJ，最小為0.9mJ。顯然經(jīng)過(guò)粒子群算法優(yōu)化后的組網(wǎng)方案，不僅保證了簇頭在網(wǎng)絡(luò)中均勻分布，而且各簇的成簇規(guī)模相近，較好地實(shí)現(xiàn)了簇頭的負(fù)載均衡。

圖1　初始化后的網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2　優(yōu)化后的網(wǎng)絡(luò)結(jié)構(gòu)圖

圖3表示在拋撒節(jié)點(diǎn)數(shù)60，通信半徑30的情況下，算法迭代200次的收斂圖?？梢钥闯鏊惴ǖ?50次后即趨于收斂。

圖3　算法迭代200次的收斂圖

為研究算法的有效性，在不同種群規(guī)模下對(duì)運(yùn)算結(jié)果進(jìn)行比較。

表2　不同種群規(guī)模以及對(duì)應(yīng)的目標(biāo)函數(shù)值

通過(guò)以上數(shù)據(jù)可以看出，根據(jù)粒子群優(yōu)化算法的搜索結(jié)果所構(gòu)造的無(wú)線傳感器網(wǎng)絡(luò)具有較好的能量有效性與通信效率。

5　結(jié)論

針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中各節(jié)點(diǎn)具有嚴(yán)格的能量供應(yīng)約束的特征，提出了一種基于PSO算法的能量有效分簇組網(wǎng)算法，根據(jù)節(jié)點(diǎn)能耗、負(fù)載平衡和最高通信效率等指標(biāo)來(lái)選取簇頭，從而能夠顯著減少網(wǎng)絡(luò)中數(shù)據(jù)傳輸能耗，并提高通信效率，為網(wǎng)絡(luò)路由提供了合理的理論基礎(chǔ)。仿真結(jié)果從分簇算法的組網(wǎng)結(jié)果、算法的參數(shù)選擇、不同的網(wǎng)絡(luò)規(guī)模等方面說(shuō)明了算法的有效性。

[1]S S Iyengar,H C Wu,N Balakrishnan,et al.Biologically inspired cooperative routing for wireless mobile sensor networks[J]. IEEE Systems Journal,2007,1(1):29-37.

[2]F Ducatelle,G A Di Caro,L Gambardella.Principles and applications of swarm intelligence for adaptive routing in telecommunications networks[J].Swarm Intelligence,2010,4(3):173-198.

[3]P Kuila,P K Jana.Energy efficient clustering and routing algorithms for wireless sensor networks:Particle swarm optimization approach[J].Engineering Applications of Artificial Intelligence,2014,33(8):127-140.

[4]S T Guo,C Y Dang,X F Liao.Joint opportunistic power and rate allocation for wireless ad hoc networks:An adaptive particle swarm optimization approach[J].Journal of Network and Computer Applications,2011,34(4):1353-1365.

[5]H Ali,W Shahzad,F A Khan.Energy-efficient clustering in mobile ad-hoc networks using multi-objective particle swarm optimization[J].Applied Soft Computing,2012,12(7):1913-1928.

[6]W B Heinzelman.Application specific protocol architecture for wireless microsensor networks[J].IEEE Transaction on Wireless Communications,2002,1(4):660-670.

[7]I Dietrich,F Dressler.On the Lifetime of Wireless Sensor Networks[J].ACM Transactions on Sensor Networks,2009,5(1):976-978.

(責(zé)任編輯：馬金發(fā))

Networking Method Based on PSO Algorithm in Wireless Sensor Network

GONG Hua,LU Hailong,YUAN Tian

(Shenyang Ligong University,Shenyang 110159,China)

A clustering network algorithm is proposed based on PSO algorithm for the feature with the limited power sources of wireless sensor network. The objective is to minimize transmission energy consumption,balance load among the cluster heads,tradeoff between transmission energy of the member nodes and the effective communication structure. The clustering algorithm begins with the base station,and broadcasts messages in the network. A two-stage network algorithm based on PSO algorithm can divide objective network into clusters in order to find a highly efficient communication network. The computational results show that the algorithm proposed in this paper can prolong the life time of the network and improve the efficiency of communication.

wireless sensor networks；clustering；PSO algorithm；load balancing

2015-07-14

國(guó)家自然科學(xué)基金資助項(xiàng)目(71101097)；遼寧省“百千萬(wàn)人才工程”培養(yǎng)資助項(xiàng)目(2014921043)

宮華(1976—)女，教授，博士，研究方向：組合優(yōu)化、生產(chǎn)調(diào)度。

O224

A