一种基于排队模型和遗传算法的水声数据搜集方法技术

一种基于排队模型和遗传算法的水声数据搜集方法，涉及水声网络。针对水声网络中簇头容量有限的问题，通过将单服务台混合制排队理论模型，运用于利用AUV进行水下节点数据搜集场景中簇头和传感器节点之间的数据传输过程，可以得出不同簇头到达簇头容量上限的时间。将该时间参数和簇头间的距离作为遗传算法适应度函数设计的根据，考虑该时间参数和AUV到达簇头之间的时间差距造成的数据包丢失，以及AUV行驶过程中的能量损耗，按照需要调整二者之间的权重，再通过遗传算法对AUV行驶路径进行规划。目的在于考虑AUV能量损耗的前提下，减少节点容量有限导致数据搜集到达上限后的数据丢失。据丢失。

【技术实现步骤摘要】
一种基于排队模型和遗传算法的水声数据搜集方法


[0001]本专利技术涉及水下数据搜集，尤其是涉及一种基于排队模型和遗传算法的水声数据搜集方法。

技术介绍

[0002]由于人类对海洋资源的开发利用更加频繁，建立一个高效可靠的水声数据搜集网络对人类海洋探索而言具有重要意义。然而，水声数据搜集网络的建立面临着水下环境复杂多变，以及传感器节点计算能力、存储容量和电池能量十分有限等众多困难。因此，如何有效搜集以及传输数据是一项极具挑战性的工作，也是目前众多水声路由协议研究的主要问题。路由选择在进行有效数据传输中起着至关重要的作用，许多协议被提出以针对不同数据传输需求进行更佳的路径选择，多种算法以及数学模型都被运用于水声数据搜集网络。
[0003]由于海底环境复杂，不同区域的数据搜集强度不一，在进行多水声节点数据采集时，除考虑路径损耗外，还需要考虑节点的数据搜集上限问题。而目前常用的水声路由协议对于不同节点的容量问题的考虑有所欠缺，因此运用合适的模型以及算法设计一个能够减少数据丢失、提高信息完整度的水声路由协议十分必要。
[0004]建立一个以簇头为数据搜集中心，多传感器节点分布在其周围进行水声数据搜集的系统，是一种较为高效节能的节点部署方式。采用自主水下航行器(AUV)进行水声数据搜集并传输给浮标节点的方式，相较于无AUV的数据搜集方式更加灵活，且AUV活动范围广阔，电池可更换，在水声数据搜集过程中较为常用。F.A.Alfouzan等人(F.A.Alfouzan,et al.,“A Novel Cross/>‑
layer Mobile Data
‑
gathering Protocol for Underwater Sensor Networks,”2020IEEE 91st Vehicular Technology Conference(VTC2020
‑
Spring),2020.)提出水声数据搜集网络跨层移动数据采集方案，采用一组簇头聚合数据包、由AUV定期访问的方式，可保持行程长度较短，以减少延迟。
[0005]对于数学模型的运用，目前已有不少文献将排队理论运用于车间物料供应、城市道路交通、机场安检等候和出租车调度等众多资源分配问题。而排队理论在水声数据搜集网络中运用较少。Z Fang等人(Z Fang,et al.,“AoI Inspired Collaborative Information Collection for AUV Assisted Internet of Underwater Things,”IEEE Internet of Things Journal,2021,8:14559
‑
14571.)将排队理论模型运用在V
‑
AUV(垂直运动AUV)和多个H
‑
AUV(水平运动AUV)的数据搜集模型中，导出了排队模型系统中服务的AUV数量的最佳上限，并进一步保证了搜集数据的新鲜度。Y.J.Song(Y.J.Song,“Underwater Acoustic Sensor Networks With Cost Efficiency for Internet of Underwater Things,”IEEE Transactions on Industrial Electronics,2021,68:1707
‑
1716.)通过将每个传感器建模为一个M/G/1队列，得出水下传感器的平均排队延迟评估通信性能，进而对三维UWSN的总体性能优化。
[0006]在进行最佳路径选择的路由协议中，强化学习算法、深度神经网络算法、蚁群算
法、遗传算法等多种学习算法均被提出和运用来解决优化问题。其中，遗传算法因其良好的全局寻优能力而在路线规划问题中备受青睐。在面临水下节点数据搜集的问题时，S.Mahmoudzadeh等人(S.Mahmoudzadeh,et al.,“Optimal Route Planning with Prioritized Task Scheduling for AUV Missions,”2015IEEE International Symposium on Robotics and Intelligent Sensors(IRIS),2015.)提出了一种AUV大规模路线规划和任务分配联合问题的解决方案，证明了在满足给定约束条件情况下找到水下任务最佳路径的可行性，并得出基于遗传算法的路线规划能产生更好的结果。
[0007]可见，目前关于水下数据搜集最佳路径规划的文献中，尚未提出节点容量到达上限导致数据丢失问题的解决方案。而水下节点的容量可能有所区别，且不同节点所处区域有效数据产生的频率也有所差别。因此，在水声数据搜集的路径优化设计时，考虑节点到达容量上限时间和AUV行驶耗时之间的时间差十分必要。

技术实现思路

[0008]本专利技术的目的在于针对复杂海洋环境下，水下数据搜集过程中存在的簇头储存容量有限导致数据丢失的问题，提供一种基于排队模型和遗传算法的水声数据搜集方法。该方法将混合制排队理论模型运用于水下数据搜集过程，得出不同簇头到达容量上限的预估时间，将该时间参数运用于遗传算法路径规划过程中，再加入对簇头距离的考虑，得出综合考虑路径损耗和数据丢失的AUV最佳搜集路径。
[0009]本专利技术包括以下步骤：
[0010]1)在海底布置一定数量的传感器节点，简称“节点”，用于水下信息数据搜集；将节点分为若干个集群，在每一个集群中选择合适节点作为数据搜集中心的簇头，负责搜集部署在其周围节点的数据；在簇头进行数据搜集的过程中，AUV以一定的访问顺序定期访问簇头并进行数据搜集；由于AUV容量且能量有限，不能长期在水下工作，规定在访问一遍各个簇头之后，AUV将返回至初始节点，将搜集到的数据传输给水面浮标节点(sink)；由于簇头布置在海底，可认为数据搜集过程在二维场景下进行；
[0011]2)将每个集群内节点向簇头传输数据包的过程，类比为一个单服务台混合制排队模型M/M/1/K的过程；其中，M代表指数分布，K为系统容量；节点向簇头传输数据的过程作为顾客相继到达服务台的过程，节点对簇头进行数据传输的行为可以看作一次服务，则相应的数据传输时间为服务时间，节点到达簇头以及排队等待服务的时间为排队理论中的等待时间；每个集群内的簇头个数为1，可以看作单服务台模型；簇头所能存储的数据有一定的容量上限，这个上限可以认为是排队系统的空间容量K；当簇头可存储的数据已达容量上限时，表示空间全部被占用，新到的节点数据将不在被搜集而丢失；当簇头可存储的数据未达容量上限时，节点将会继续进行数据传输；
[0012]3)在实际水下场景中，每个数据包本身具有不同的长度；因此，即使簇头容量固定为K，簇头每次所能搜集的节点数m也不相同；此外，节点向簇头传输完数据后，数据在簇头中会占据一定的容量空间，相当于顾客接受完服务后仍然占据系统空间；可以假设节点向簇头传输数据的过程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于排队模型和遗传算法的水声数据搜集方法，其特征在于包括以下步骤：1)在海底布置一定数量的传感器节点，简称“节点”，用于水下信息数据搜集；将节点分为若干个集群，在每一个集群中选择合适节点作为数据搜集中心的簇头，负责搜集部署在其周围节点的数据；在簇头进行数据搜集的过程中，AUV以一定的访问顺序定期访问簇头并进行数据搜集；由于AUV容量且能量有限，不能长期在水下工作，规定在访问一遍各个簇头之后，AUV将返回至初始节点，将搜集到的数据传输给水面浮标节点sink；由于簇头布置在海底，认为数据搜集过程在二维场景下进行；2)将每个集群内节点向簇头传输数据包的过程，类比为一个单服务台混合制排队模型M/M/1/K的过程；其中，M代表指数分布，K为系统容量；节点向簇头传输数据的过程作为顾客相继到达服务台的过程，节点对簇头进行数据传输的行为看作一次服务，则相应的数据传输时间为服务时间，节点到达簇头以及排队等待服务的时间为排队理论中的等待时间；每个集群内的簇头个数为1，看作单服务台模型；簇头所能存储的数据有一定的容量上限，这个上限是排队系统的空间容量K；当簇头可存储的数据已达容量上限时，表示空间全部被占用，新到的节点数据将不在被搜集而丢失；当簇头可存储的数据未达容量上限时，节点将会继续进行数据传输；3)在实际水下场景中，每个数据包本身具有不同的长度；即使簇头容量固定为K，簇头每次所能搜集的节点数m也不相同；节点向簇头传输完数据后，数据在簇头中会占据一定的容量空间，相当于顾客接受完服务后仍然占据系统空间；假设节点向簇头传输数据的过程服从参数为λ1的负指数分布，节点向簇头传输数据和节点与簇头进行数据交换的时间服从参数为λ2负指数分布，每个数据包的长度服从参数为λ3的负指数分布，数据包的长度分别为L1,L2,L3……
L
m
；则簇头容量K与数据包长度L
i
的关系满足：其中，L
i
为第i个数据包的长度，m为簇头所能搜集的节点数量；在节点
‑
簇头排队系统中，排队的节点数为0到m
‑
1个，且满足参数为λ1的负指数分布，因此节点向簇头传输数据的过程满足：节点与簇头进行数据交换的时间，则服从参数为λ2的负指数分布，即：λ
2n
＝λ2,n＝1,2,
…
，m根据平衡方程推导得出单服务台混合制排队系统平稳状态下的队长分布为：其中，L
s
即为系统的平均队长，对应本场景中节点传输数据包在簇头中所占据的空间；表示系统的繁忙程度；P
n
为队列中有n个顾客排队的概率；4)由于排队系统容量有限，只有m
‑
1个位置，因此，当系统空间被占满时，再来的顾客不
能进入系统排队，即不能保证所有到达的顾客都能进入系统等待服务；顾客到达率为λ1，系统处于m状态时顾客不能进入系统，即顾客可进入系统概率为1
‑
p
m
；所以单位时间内实际可进入系统的顾客的平均数为：λ
e
＝λ1(1
‑
p
m
)其中，p
m
为顾客损失率；平均逗留时间为：对应在本场景中，节点与簇头进行数据交换的时间和节点向簇头传输数据的时间作为服务时间T
s
；节点等待与簇头...

【专利技术属性】
技术研发人员：陈友淦，罗圆，董妍函，谭诗路，熊艺程，张小康，许肖梅，
申请(专利权)人：厦门大学，
类型：发明
国别省市：