论文部分内容阅读
无线传感器网络是一种由无线传感器组成的自组织网络。无线传感器节点一般通过电池供电,由于电池的容量非常有限,传感器的能量限制成为了无线传感器网络持续运行的障碍。为了解决传感器能量不足的问题,研究人员通常从两个方向进行研究,一是针对传感器能量消耗优化的数据传输协议研究;二是针对传感器能量补给的充电策略研究。由于无线充电技术的进步,无线可充电传感器网络成为未来发展趋势,基于移动充电源的充电策略研究作为无线充电问题的核心已经成为目前的研究热点。现有的研究工作通常采用“移动与充电分离”的充电方式,即移动充电源行驶到指定充电位置点时再为节点充电,这种充电方式规定了充电源只能在充电位置点上给节点充电。而一个更为合理的充电方式是“移动同时充电”,即充电源除了在位置点上充电,还可以在行驶过程中为处于充电范围内的节点充电。本文的研究目标是通过规划充电源在网络中的行驶路径来优化充电源的整体充电效率。首先,基于“移动同时充电”的充电方式,为了最大程度地利用移动充电带来的效益,本文提出了一个考虑充电源行驶速度变化的路径规划问题,并证明了其为NP难问题。本文通过将原始问题划分为路径规划和速度控制两个子问题求解。针对路径规划问题,本文首先设计了一个贪心式的路径构造算法来求解充电时间最短路径,然后使用遗传算法对其进行了优化。针对速度控制问题,本文将充电时间的计算问题规划为一个线性规划问题,并将充电源的移动速度作为变量加入线性规划中同时求解。其次,为了探究无线充电问题模型中的TSPN(Traveling Salesman Problem with Neighborhood)模型较TSP(Traveling Salesman Problem)模型的优越性,本文基于“移动与充电分离”的方式,提出了一个基于TSPN模型的充电策略,通过将TSPN问题转化为TSP优化问题求解。然后,针对多充电源的场景,本文设计了一个多充电源模型下的充电策略,策略包括充电源数量的计算以及根据充电源数量进行网络划分。最后,本文对上述提出的算法进行了性能评估,仿真实验结果显示,考虑速度变化的充电算法与固定速度的算法相比,减少了约24%的充电时间,基于TSPN模型的充电路径规划算法相比基于TSP模型的算法,减少了约29%的充电时间。