 |
-- 會員 / 註冊 --
|
 |
|
|
|
無線傳感器/執行器網絡數據匯集及任務協作算法研究 ( 簡體 字) |
| 作者：易軍,唐云建,李太福 | 類別：1. -> 電子工程 -> 電子電氣 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 37834
詢問書籍請說出此書號！【有庫存】
NT售價： 225 元 |
| 出版日：1/1/2014 |
| 頁數：204 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121222702 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：無線傳感器/執行器網絡是一種新型信息獲取和處理技術。在無線傳感器/執行器網絡中，傳感器節點需要與執行器節點進行大量的緊密協作，共同完成對環境的監測和對事件的處理，因此出現了一種新的網絡現象：傳感器節點-執行器節點（SA）協作和執行器節點-執行器節點（AA）協作。本書面向無線傳感器/執行器網絡所涉及的理論與技術，針對傳統的無線傳感器網絡相關協議和算法無法完全滿足無線傳感器/執行器網絡新的需求，以節點之間的數據匯集和協同合作為研究手段，以提高網絡實時性和能耗、負載均衡為目的，構建不同應用場景的SA協作和AA協作模型，基于最優化理論、群體智能優化、圖論等計算方法展開理論與算法研究，并提供了最新的研究成果。
讀者對象：
計算機科學、電子工程專業的科研人員和研究生，以及電信業的研究和開發人員。
本書特色：
1：對象新穎：無線傳感器/執行器網絡是一種新型無線傳感器網絡，代表了該領域的最新發展，尤其在物聯網技術蓬勃發展的今天，作為其支撐技術的發展趨勢，必將受到廣大研究技術人員的關注。
2：視角獨特：本書從傳感器節點與執行器節點協同合作的視角，針對幾種典型的應用場合，構建不同的協作模型，提出一系列數據匯集和任務協作算法，具有一定研究特色。
3：手段先進：本書將最優化理論，特別是群體智能優化技術引入無線傳感器/執行器網絡研究領域，提出了基于蟻群算法的動態負載均衡數據匯集算法、結合基于自適應學習策略的多鄰域搜索策略與微粒群優化算法的多目標任務分派算法等，代表了未來的發展方向。
本書共9章，按如下方式組織：
第1章 緒論。闡述了本書的研究背景和意義，介紹了無線傳感器/執行器網絡基本理論知識，提出了本書的研究內容及成果、課題的來源和組織結構。
第2章 分析了碰撞退避機制對構造數據匯集樹的影響，洪泛過程中的消息碰撞問題，以及數據匯集樹的癱瘓問題，提出了動態交叉退避算法（DOBW算法），并對LDGT-CD算法進行了仿真分析。
第3章 針對無線傳感器網絡數據匯集應用，提出了一種基于擁塞控制的負載均衡數據匯集樹生成算法（LDGT-SPT），并對算法的正確性和算法的性能分別進行了理論證明和仿真分析。
第4章 針對無線傳感器網絡數據匯集應用中，由于數據源產生數據的速率不一致，靜態負載均衡算法不能達到負載均衡的問題，提出了一種基于蟻群優化的負載均衡數據匯集算法（LDG-ACO），并對算法的性能進行了仿真分析。
第5章 針對無線傳感器網絡移動執行器數據匯集應用，提出了一種支持移動執行器的負載均衡數據匯集算法（LDG-MS），并對算法的性能進行了仿真分析。對無線傳感器/執行器網絡協作算法進行了分類綜述，提出了協作算法的優化目標。
第6章 面向無線傳感器/執行器網絡，提出一種基于SA協作的理想分簇模型，確定簇內SA協作通信的理想半徑，以此為基礎提出分簇算法（CASA），并對算法的性能進行仿真分析。
第7章 針對事件頻發區域的執行器節點執行任務頻繁，導致能耗過大，任務排隊時間過長的問題，提出一種實時AA協作框架，并對算法的性能進行仿真分析。
第8章 針對AA協作中有工序限制的任務分派問題，研究并設計帶能量約束的單目標任務分派算法，并對算法的性能進行仿真分析。
第9章 針對AA協作中有工序限制的任務分派問題，進一步提出一種多目標任務分派算法，并對算法的性能進行仿真分析。
本書由易軍、唐云建、李太福著，其中易軍負責第6∼9章的編寫并統編全書，唐云建負責第2∼5章的編寫，李太福負責第1章的編寫。
本書出版獲得以下基金項目資助：國家自然科學基金（51374268、51075418、61174015），重慶市自然科學基金計劃重點項目（cstc2012jjB40006、cstc2013jjB40007），重慶市自然科學基金（cstc2012jjA90011），重慶市教委科學技術研究項目（KJ121410），重慶高校創新團隊建設計劃（KJTD 201324）。
由于作者水平有限，加之時間倉促，書中難免存在不足之處，敬請廣大讀者批評指正。 |
內容簡介：本書系統地闡述了無線傳感器/執行器網絡的研究前沿問題—數據匯集及任務協作技術。全書共9章：第1章介紹無線傳感器/執行器網絡的特點和面臨的挑戰；第2∼5章針對無線傳感器/執行器網絡的節點通信開銷、擁塞、能耗、碰撞等問題，給出了不同應用目標下的數據匯集算法；第6∼9章圍繞傳感器節點/執行器節點（Sensor-Actor，SA）協作和執行器節點/執行器節點（Actor-Actor，AA）協作，探討設計了不同的任務協作算法。 |
目錄：第1章 概論 1
1.1 無線傳感器/執行器網絡 1
1.1.1 無線傳感器/執行器網絡概述 1
1.1.2 無線傳感器/執行器網絡體系結構及節點結構 3
1.1.3 無線傳感器/執行器網絡協議棧 6
1.1.4 無線傳感器/執行器網絡的應用領域 8
1.1.5 無線傳感器/執行器網絡實驗仿真平臺 10
1.2 數據匯集算法研究現狀 11
1.2.1 數據匯集算法的設計目標 11
1.2.2 數據匯集算法面臨的挑戰 12
1.2.3 典型的數據匯集算法 13
1.2.4 負載均衡數據匯集算法研究現狀 23
1.2.5 負載均衡數據匯集算法評價指標 27
1.3 任務協作算法研究現狀 28
1.3.1 協作算法性能評價指標 30
1.3.2 協作面臨的研究挑戰 31
1.3.3 典型的協作方法 33
1.3.4 典型的協作算法 35
1.3.5 協作算法分類比較 42
參考文獻 45
第2章 數據匯集樹與動態交叉退避 55
2.1 數據匯集樹的構造分析 56
2.1.1 退避機制對數據匯集樹的影響 56
2.1.2 洪泛中的消息碰撞問題 58
2.1.3 數據匯集樹的癱瘓問題 59
2.1.4 路徑繞行評估與擁塞避免問題 60
2.2 動態交叉退避窗口算法 62
2.3 路由癱瘓防止策略 66
2.3.1 定義路由有效期 66
2.3.2 建立優先級父節點隊列 67
2.4 仿真驗證 68
2.5 小結 73
參考文獻 73
第3章 靜態負載均衡數據匯集樹生成算法 74
3.1 LDGT-SPT算法思想 75
3.2 LDGT-SPT算法描述 77
3.2.1 相關定義 77
3.2.2 LDGT-SPT算法流程 79
3.3 LDGT-SPT算法舉例與理論證明 82
3.3.1 LDGT-SPT算法舉例 82
3.3.2 LDGT-SPT算法理論證明 83
3.4 仿真驗證 84
3.4.1 仿真環境與參數 84
3.4.2 LDGT-SPT分組定義 85
3.4.3 仿真結果 87
3.5 小結 90
參考文獻 90
第4章 基于ACO的動態負載均衡數據匯集算法 91
4.1 ACO的優點與不足 91
4.2 LDG-ACO算法原理 92
4.3 LDG-ACO算法描述 93
4.3.1 LDG-ACO算法術語與規則 93
4.3.2 LDG-ACO算法步驟 96
4.4 仿真驗證 99
4.4.1 仿真環境與參數 99
4.4.2 LDG-ACO分組定義 100
4.4.3 仿真結果 101
4.5 小結 105
參考文獻 106
第5章 移動執行器動態負載均衡數據匯集算法 107
5.1 執行器節點移動對網絡數據流模型的影響 107
5.1.1 連續型數據流模型 107
5.1.2 查詢型數據流模型 108
5.1.3 事件型數據流模型 108
5.2 LDG-MS算法思路 109
5.3 LDG-MS算法描述 110
5.3.1 LDG-MS算法規則與定義 110
5.3.2 功率控制策略 112
5.3.3 Sink_BEACON消息周期計算 114
5.3.4 LDG-MS算法偽代碼 115
5.4 仿真驗證 116
5.4.1 仿真環境與參數 116
5.4.2 功率控制 117
5.4.3 仿真結果 117
5.5 小結 120
參考文獻 120
第6章 基于SA協作的分簇算法 121
6.1 SA協作模型特點 121
6.2 無線傳感器/執行器網絡分簇算法分析 122
6.3 CASA算法原理與實現 123
6.3.1 參數定義與假設條件 123
6.3.2 基本能耗公式 124
6.3.3 優化模型建立 125
6.3.4 優化模型求解 129
6.3.5 CASA算法實現 132
6.4 算法仿真與性能分析 135
6.4.1 執行器節點理想數量 135
6.4.2 基于VFA算法的執行器節點部署實驗 136
6.4.3 算法通信開銷 137
6.4.4 網絡性能 137
6.5 小結 139
參考文獻 139
第7章 AA實時協作框架 141
7.1 AA協作模型 142
7.2 任務類型分解 143
7.3 基于拍賣機制的任務分派 144
7.3.1 基于事件的動態招標范圍 144
7.3.2 基于熵權的代價評估模型 148
7.3.3 無工序限制的任務指派 151
7.4 實時協作（RC）算法流程 153
7.5 算法仿真與性能分析 153
7.5.1 仿真環境與參數 153
7.5.2 算法通信開銷 155
7.5.3 任務完成時間 156
7.5.4 能耗均衡 157
7.5.5 網絡壽命 157
7.6 小結 158
參考文獻 158
第8章 基于AA協作的單目標任務分派算法 160
8.1 單目標任務分派 161
8.1.1 最小化最大任務完成時間 161
8.1.2 執行器節點剩余能量約束 163
8.2 SOTS算法 163
8.2.1 執行器節點角色確定 164
8.2.2 標準微粒群優化算法 164
8.2.3 基于ROV規則的編碼 165
8.2.4 基于NEH方法的局部搜索 165
8.2.5 算法流程和分析 167
8.3 算法仿真與性能分析 169
8.3.1 實驗參數 169
8.3.2 算法性能實驗 169
8.3.3 網絡性能實驗 170
8.4 小結 172
參考文獻 173
第9章 基于AA協作的多目標任務分派算法 174
9.1 多目標優化問題的基本概念 174
9.2 多目標任務分派 176
9.2.1 最大任務完成時間 177
9.2.2 能耗均衡指標 177
9.2.3 存儲成本 177
9.3 面向AA協作的多目標任務分派算法（MOTS） 178
9.3.1 多目標規范化處理 178
9.3.2 隨機權值確定 178
9.3.3 執行器節點角色確定 179
9.3.4 標準微粒群優化算法 179
9.3.5 基于ROV規則的編碼 180
9.3.6 多目標微粒群搜索 181
9.3.7 基于自適應學習策略的多目標局部搜索 181
9.3.8 MOTS算法流程與分析 183
9.4 算法仿真與性能分析 187
9.4.1 實驗參數 187
9.4.2 算法性能實驗 188
9.4.3 網絡性能實驗 189
9.5 小結 191
參考文獻 192 |
| 序： |
|
