無(wú)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(wú)線傳感器/執(zhí)行器網(wǎng)絡(luò)
1.1.1  無(wú)線傳感器/執(zhí)行器網(wǎng)絡(luò)概述
1.1.2  無(wú)線傳感器/執(zhí)行器網(wǎng)絡(luò)體系結(jié)構(gòu)及節(jié)點(diǎn)結(jié)構(gòu)
1.1.3  無(wú)線傳感器/執(zhí)行器網(wǎng)絡(luò)協(xié)議棧
1.1.4  無(wú)線傳感器/執(zhí)行器網(wǎng)絡(luò)的應(yīng)用領(lǐng)域
1.1.5  無(wú)線傳感器/執(zhí)行器網(wǎng)絡(luò)實(shí)驗(yàn)仿真平臺(tái)
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(jì)目標(biāo)
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(fù)載均衡數(shù)據(jù)匯集算法研究現(xiàn)狀
1.2.5  負(fù)載均衡數(shù)據(jù)匯集算法評(píng)價(jià)指標(biāo)
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(píng)價(jià)指標(biāo)
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(xiàn)
第2章  數(shù)據(jù)匯集樹(shù)與動(dòng)態(tài)交叉退避
2.1  數(shù)據(jù)匯集樹(shù)的構(gòu)造分析
2.1.1  退避機(jī)制對(duì)數(shù)據(jù)匯集樹(shù)的影響
2.1.2  洪泛中的消息碰撞問(wèn)題
2.1.3  數(shù)據(jù)匯集樹(shù)的癱瘓問(wèn)題
2.1.4  路徑繞行評(píng)估與擁塞避免問(wèn)題
2.2  動(dòng)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(jí)父節(jié)點(diǎn)隊(duì)列
2.4  仿真驗(yàn)證
2.5  小結(jié)
參考文獻(xiàn)
第3章  靜態(tài)負(fù)載均衡數(shù)據(jù)匯集樹(shù)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(yàn)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(xiàn)
第4章  基于ACO的動(dòng)態(tài)負(fù)載均衡數(shù)據(jù)匯集算法
4.1  ACO的優(yōu)點(diǎn)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(yǔ)與規(guī)則
4.3.2  LDG-ACO算法步驟
4.4  仿真驗(yàn)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(xiàn)
第5章  移動(dòng)執(zhí)行器動(dòng)態(tài)負(fù)載均衡數(shù)據(jù)匯集算法
5.1  執(zhí)行器節(jié)點(diǎn)移動(dòng)對(duì)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(jì)算
5.3.4  LDG-MS算法偽代碼
5.4  仿真驗(yàn)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(xiàn)
第6章  基于SA協(xié)作的分簇算法
6.1  SA協(xié)作模型特點(diǎn)
6.2  無(wú)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(shí)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(shí)現(xiàn)
6.4  算法仿真與性能分析
6.4.1  執(zhí)行器節(jié)點(diǎn)理想數(shù)量
6.4.2  基于VFA算法的執(zhí)行器節(jié)點(diǎn)部署實(shí)驗(yàn)
6.4.3  算法通信開(kāi)銷
6.4.4  網(wǎng)絡(luò)性能
6.5  小結(jié)
參考文獻(xiàn)
第7章  AA實(shí)時(shí)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(jī)制的任務(wù)分派
7.3.1  基于事件的動(dòng)態(tài)招標(biāo)范圍
7.3.2  基于熵權(quán)的代價(jià)評(píng)估模型
7.3.3  無(wú)工序限制的任務(wù)指派
7.4  實(shí)時(shí)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(kāi)銷
7.5.3  任務(wù)完成時(shí)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(xiàn)
第8章  基于AA協(xié)作的單目標(biāo)任務(wù)分派算法
8.1  單目標(biāo)任務(wù)分派
8.1.1  最小化最大任務(wù)完成時(shí)間
8.1.2  執(zhí)行器節(jié)點(diǎn)剩余能量約束
8.2  SOTS算法
8.2.1  執(zhí)行器節(jié)點(diǎn)角色確定
8.2.2  標(biāo)準(zhǔn)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(shí)驗(yàn)參數(shù)
8.3.2  算法性能實(shí)驗(yàn)
8.3.3  網(wǎng)絡(luò)性能實(shí)驗(yàn)
8.4  小結(jié)
參考文獻(xiàn)
第9章  基于AA協(xié)作的多目標(biāo)任務(wù)分派算法
9.1  多目標(biāo)優(yōu)化問(wèn)題的基本概念
9.2  多目標(biāo)任務(wù)分派
9.2.1  最大任務(wù)完成時(shí)間
9.2.2  能耗均衡指標(biāo)
9.2.3  存儲(chǔ)成本
9.3  面向AA協(xié)作的多目標(biāo)任務(wù)分派算法（MOTS）
9.3.1  多目標(biāo)規(guī)范化處理
9.3.2  隨機(jī)權(quán)值確定
9.3.3  執(zhí)行器節(jié)點(diǎn)角色確定
9.3.4  標(biāo)準(zhǔn)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(biāo)微粒群搜索
9.3.7  基于自適應(yīng)學(xué)習(xí)策略的多目標(biāo)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(shí)驗(yàn)參數(shù)
9.4.2  算法性能實(shí)驗(yàn)
9.4.3  網(wǎng)絡(luò)性能實(shí)驗(yàn)
9.5  小結(jié)
參考文獻(xiàn)