無線傳感器：執(zhí)行器網(wǎng)絡(luò)數(shù)據(jù)匯集及任務(wù)協(xié)作算法研究

第1章  概論
1.1  無線傳感器/執(zhí)行器網(wǎng)絡(luò)
1.1.1  無線傳感器/執(zhí)行器網(wǎng)絡(luò)概述
1.1.2  無線傳感器/執(zhí)行器網(wǎng)絡(luò)體系結(jié)構(gòu)及節(jié)點結(jié)構(gòu)
1.1.3  無線傳感器/執(zhí)行器網(wǎng)絡(luò)協(xié)議棧
1.1.4  無線傳感器/執(zhí)行器網(wǎng)絡(luò)的應(yīng)用領(lǐng)域
1.1.5  無線傳感器/執(zhí)行器網(wǎng)絡(luò)實驗仿真平臺
1.2  數(shù)據(jù)匯集算法研究現(xiàn)狀
1.2.1  數(shù)據(jù)匯集算法的設(shè)計目標
1.2.2  數(shù)據(jù)匯集算法面臨的挑戰(zhàn)
1.2.3  典型的數(shù)據(jù)匯集算法
1.2.4  負載均衡數(shù)據(jù)匯集算法研究現(xiàn)狀
1.2.5  負載均衡數(shù)據(jù)匯集算法評價指標
1.3  任務(wù)協(xié)作算法研究現(xiàn)狀
1.3.1  協(xié)作算法性能評價指標
1.3.2  協(xié)作面臨的研究挑戰(zhàn)
1.3.3  典型的協(xié)作方法
1.3.4  典型的協(xié)作算法
1.3.5  協(xié)作算法分類比較
參考文獻
第2章  數(shù)據(jù)匯集樹與動態(tài)交叉退避
2.1  數(shù)據(jù)匯集樹的構(gòu)造分析
2.1.1  退避機制對數(shù)據(jù)匯集樹的影響
2.1.2  洪泛中的消息碰撞問題
2.1.3  數(shù)據(jù)匯集樹的癱瘓問題
2.1.4  路徑繞行評估與擁塞避免問題
2.2  動態(tài)交叉退避窗口算法
2.3  路由癱瘓防止策略
2.3.1  定義路由有效期
2.3.2  建立優(yōu)先級父節(jié)點隊列
2.4  仿真驗證
2.5  小結(jié)
參考文獻
第3章  靜態(tài)負載均衡數(shù)據(jù)匯集樹生成算法
3.1  LDGT-SPT算法思想
3.2  LDGT-SPT算法描述
3.2.1  相關(guān)定義
3.2.2  LDGT-SPT算法流程
3.3  LDGT-SPT算法舉例與理論證明
3.3.1  LDGT-SPT算法舉例
3.3.2  LDGT-SPT算法理論證明
3.4  仿真驗證
3.4.1  仿真環(huán)境與參數(shù)
3.4.2  LDGT-SPT分組定義
3.4.3  仿真結(jié)果
3.5  小結(jié)
參考文獻
第4章  基于ACO的動態(tài)負載均衡數(shù)據(jù)匯集算法
4.1  ACO的優(yōu)點與不足
4.2  LDG-ACO算法原理
4.3  LDG-ACO算法描述
4.3.1  LDG-ACO算法術(shù)語與規(guī)則
4.3.2  LDG-ACO算法步驟
4.4  仿真驗證
4.4.1  仿真環(huán)境與參數(shù)
4.4.2  LDG-ACO分組定義
4.4.3  仿真結(jié)果
4.5  小結(jié)
參考文獻
第5章  移動執(zhí)行器動態(tài)負載均衡數(shù)據(jù)匯集算法
5.1  執(zhí)行器節(jié)點移動對網(wǎng)絡(luò)數(shù)據(jù)流模型的影響
5.1.1  連續(xù)型數(shù)據(jù)流模型
5.1.2  查詢型數(shù)據(jù)流模型
5.1.3  事件型數(shù)據(jù)流模型
5.2  LDG-MS算法思路
5.3  LDG-MS算法描述
5.3.1  LDG-MS算法規(guī)則與定義
5.3.2  功率控制策略
5.3.3  Sink_BEACON消息周期計算
5.3.4  LDG-MS算法偽代碼
5.4  仿真驗證
5.4.1  仿真環(huán)境與參數(shù)
5.4.2  功率控制
5.4.3  仿真結(jié)果
5.5  小結(jié)
參考文獻
第6章  基于SA協(xié)作的分簇算法
6.1  SA協(xié)作模型特點
6.2  無線傳感器/執(zhí)行器網(wǎng)絡(luò)分簇算法分析
6.3  CASA算法原理與實現(xiàn)
6.3.1  參數(shù)定義與假設(shè)條件
6.3.2  基本能耗公式
6.3.3  優(yōu)化模型建立
6.3.4  優(yōu)化模型求解
6.3.5  CASA算法實現(xiàn)
6.4  算法仿真與性能分析
6.4.1  執(zhí)行器節(jié)點理想數(shù)量
6.4.2  基于VFA算法的執(zhí)行器節(jié)點部署實驗
6.4.3  算法通信開銷
6.4.4  網(wǎng)絡(luò)性能
6.5  小結(jié)
參考文獻
第7章  AA實時協(xié)作框架
7.1  AA協(xié)作模型
7.2  任務(wù)類型分解
7.3  基于拍賣機制的任務(wù)分派
7.3.1  基于事件的動態(tài)招標范圍
7.3.2  基于熵權(quán)的代價評估模型
7.3.3  無工序限制的任務(wù)指派
7.4  實時協(xié)作（RC）算法流程
7.5  算法仿真與性能分析
7.5.1  仿真環(huán)境與參數(shù)
7.5.2  算法通信開銷
7.5.3  任務(wù)完成時間
7.5.4  能耗均衡
7.5.5  網(wǎng)絡(luò)壽命
7.6  小結(jié)
參考文獻
第8章  基于AA協(xié)作的單目標任務(wù)分派算法
8.1  單目標任務(wù)分派
8.1.1  最小化最大任務(wù)完成時間
8.1.2  執(zhí)行器節(jié)點剩余能量約束
8.2  SOTS算法
8.2.1  執(zhí)行器節(jié)點角色確定
8.2.2  標準微粒群優(yōu)化算法
8.2.3  基于ROV規(guī)則的編碼
8.2.4  基于NEH方法的局部搜索
8.2.5  算法流程和分析
8.3  算法仿真與性能分析
8.3.1  實驗參數(shù)
8.3.2  算法性能實驗
8.3.3  網(wǎng)絡(luò)性能實驗
8.4  小結(jié)
參考文獻
第9章  基于AA協(xié)作的多目標任務(wù)分派算法
9.1  多目標優(yōu)化問題的基本概念
9.2  多目標任務(wù)分派
9.2.1  最大任務(wù)完成時間
9.2.2  能耗均衡指標
9.2.3  存儲成本
9.3  面向AA協(xié)作的多目標任務(wù)分派算法（MOTS）
9.3.1  多目標規(guī)范化處理
9.3.2  隨機權(quán)值確定
9.3.3  執(zhí)行器節(jié)點角色確定
9.3.4  標準微粒群優(yōu)化算法
9.3.5  基于ROV規(guī)則的編碼
9.3.6  多目標微粒群搜索
9.3.7  基于自適應(yīng)學習策略的多目標局部搜索
9.3.8  MOTS算法流程與分析
9.4  算法仿真與性能分析
9.4.1  實驗參數(shù)
9.4.2  算法性能實驗
9.4.3  網(wǎng)絡(luò)性能實驗
9.5  小結(jié)
參考文獻