研究无线传感器网络QOS-QOE节能优化模型的目的是界定和研究WSN网络QOS-QOE节能优化建模问题。研究内容主要是无线传感器网络QOS-QOE,第一,研究WSN网络以及其下面各种算法主要是解决TSP问题,然后研究QOE模型,建立模型参数可以包括QOS因素也可以包括非QOS因素,最后研究QOS-QOE模型,参数只包括QOS因素。研究方法主要是找到关键问题无线传感器网络QOS-QOE节能优化建模研究,通常目标函数是关键问题,主要采用蚁群算法,遗传算法,人工神经网络下SVM + PCA和LS-SVM和LIBSVM等方法。互联网的四大关键技术应用非常广泛,这四种技术主要是RFID,WSN,M2M两种融合。RFID可以使用matlab,NS2,JAVA实现,WSN可以使用NS2,OMNET++实现,M2M可以使用JAVA开发。研究结论是物联网来源和发展于互联网;反之,物联网的发展又进一步推动互联网向一种更为广泛的“互联”演进。物联网和互联网是父与子的关系,无线网络和无线WSN网络一样,只不过无线节点固定和移动的变为了传感器而已。无线传感器网络QOS-QOE节能优化模型比其他QOE模型更节能,更精确,更优化。物联网包括互联网技术,WSN网络,RFID可以是WSN网络的一部分,RFID的翅膀是WSN网络。航天科技行业也应用到了物联网。 The purpose of research on QOS-QOE energy saving optimization model of wireless sensor network is to define and study the optimization modeling of QOS-QOE energy conservation in WSN network. The main content is the research object of QOS-QOE wireless sensor network. Firstly it studies the WSN network and its following kinds of algorithm, mainly to solve the TSP problem, and then studies the QOE model, the parameters of which can include QOS factors and non QOS factors, finally studies the QOS-QOE model parameters including QOS factors. The research method is mainly to find the key problem of QOS-QOE energy saving and optimization modeling of wireless sensor network. Usually the objective function is the key problem, mainly using ant colony algorithm, genetic algorithm, SVM + PCA and LS-SVM and LIBSVM under artificial neural network. The four key technologies of the Internet are widely used, and these four technologies are mainly RFID, WSN, and M2M, which are the two kinds of fusion. RFID can be implemented using MATLAB, NS2, JAVA; WSN can be implemented using NS2, OMNET++, and M2M can be developed using JAVA. The conclusion is that the Internet of things originated and developed in the Internet. On the contrary, the development of the Internet of things further promoted the Internet to a more extensive “interconnection”. The Internet of things and the Internet are the relationship between the father and the child. The wireless network is just like the wireless WSN network, but the wireless node is fixed and mobile into sensor. The QOS-QOE energy saving optimization model of wireless sensor network is more energy saving and more accurate than other QOE models. The Internet of things includes Internet technology, WSN network, and RFID can be part of the WSN network, and the wings of RFID are WSN network. The aerospace science and technology industry is also the application of the Internet of things.
侯义斌,王进
北京工业大学信息学部软件学院,北京
收稿日期:2018年3月22日;录用日期:2018年4月6日;发布日期:2018年4月13日
研究无线传感器网络QOS-QOE节能优化模型的目的是界定和研究WSN网络QOS-QOE节能优化建模问题。研究内容主要是无线传感器网络QOS-QOE,第一,研究WSN网络以及其下面各种算法主要是解决TSP问题,然后研究QOE模型,建立模型参数可以包括QOS因素也可以包括非QOS因素,最后研究QOS-QOE模型,参数只包括QOS因素。研究方法主要是找到关键问题无线传感器网络QOS-QOE节能优化建模研究,通常目标函数是关键问题,主要采用蚁群算法,遗传算法,人工神经网络下SVM + PCA和LS-SVM和LIBSVM等方法。互联网的四大关键技术应用非常广泛,这四种技术主要是RFID,WSN,M2M两种融合。RFID可以使用matlab,NS2,JAVA实现,WSN可以使用NS2,OMNET++实现,M2M可以使用JAVA开发。研究结论是物联网来源和发展于互联网;反之,物联网的发展又进一步推动互联网向一种更为广泛的“互联”演进。物联网和互联网是父与子的关系,无线网络和无线WSN网络一样,只不过无线节点固定和移动的变为了传感器而已。无线传感器网络QOS-QOE节能优化模型比其他QOE模型更节能,更精确,更优化。物联网包括互联网技术,WSN网络,RFID可以是WSN网络的一部分,RFID的翅膀是WSN网络。航天科技行业也应用到了物联网。
关键词 :无线传感器网络,QoS,QoE,节能优化模型,遗传算法
Copyright © 2018 by authors and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/
互联网,即广域网,局域网和独立按照由国际电脑网络组成的某种通信协议。互联网是通过计算机信息技术连接两台计算机或两台或多台计算机终端,客户端和服务器的结果。人们可以向数千英里外的朋友发送邮件,工作或者普通娱乐 [
TSP问题:1) 利用标准蚁群算法或其改进实现旅行商问题TSP (数据可从网上获得,如下载TSPLIB,网址http://www.iwr.uni-heidelberg.de/groups/comopt/software/TSPLIB95/index.html)问题的优化求解,给出所求得的优化解。旅行商问题属于一种典型的组合优化问题,定义是指给定n个城市集合以及两两城市之间的距离,寻找一条具有最短长度的闭合路径,该路径经过全部城市且每个城市经过一次。旅行商问题可由图论描述,即给定图G = (V, A),其中V为城市集合,A为城市之间的支路集合,已知各城市间的连接距离,要求确定一条长度最短的Hamilton回路,即当且仅当一次遍历所有城市的最短回路。旅行商问题在离散数学中也有所涉及的 [
问题:利用标准遗传算法或其改进实现TSP问题的优化求解,给出所求得的优化解。遗传算法建立QOE模型。Logistic建立QOE模型。小波分析方法建立QOE模型。
Logistic建立QOS-QOE模型。BP人工神经网络建立QOS-QOE模型。SVM + PCA方法建立QOS-QOE模型。LS-SVM方法建立QOS-QOE模型。LS-SVM方法建立考虑网络丢包的视频质量无参评估模型。运用的前两部分研究的结论主要是第一不同的输出链路速度对用户体验质量有显著影响,第二是不同的丢包率和不同的视频内容特性对用户体验质量有显著影响。前两部分的结论是选择不同输出链路速度和不同丢包率和不同的视频内容特性这三个参数的理论和实验基础,而后面是选择量化参数等其他参数的基础。建立模型主要采用最小二乘支持向量机的方法进行,是支持向量机基础上的进一步升华,相比于支持向量机运行速度快,精确度高。
蚁群算法产生聚类算法。遗传算法与蚁群算法的融合。群智能理论研究领域有两种主要的算法:蚁群算法(Ant Colony Optimization, ACO)和微粒群算法(Particle Swarm Optimization, PSO)。算法实现简单。最初提出的AS有三种版本:Ant-density、Ant-quantity和Ant-cycle。该系统的提出是以Ant-Q算法为基础的。ACS与AS之间存在三方面的主要差异:首先,ACS采用了更为大胆的行为选择规则;比较典型的应用研究包括:网络路由优化、数据挖掘以及一些经典的组合优化问题。利用ACO实现对生产流程和特料管理的综合优化,并通过与遗传、模拟退火和禁忌搜索算法的比较证明了ACO的工程应用价值 [
遗传算法(GA, Genetic Algorithm),也称进化算法。因此在介绍遗传算法前有必要简单的介绍生物进化知识。1) 进化论知识。作为遗传算法生物背景的介绍,下面内容了解即可:种群(Population):生物的进化以群体的形式进行,这样的一个群体称为种群。个体:组成种群的单个生物。基因(Gene):一个遗传因子。染色体(Chromosome):包含一组的基因。生存竞争,适者生存:对环境适应度高的、牛B的个体参与繁殖的机会比较多,后代就会越来越多。适应度低的个体参与繁殖的机会比较少,后代就会越来越少。遗传与变异:新个体会遗传父母双方各一部分的基因,同时有一定的概率发生基因变异。简单说来就是。2) 遗传算法思想。举个例子,使用遗传算法解决“0-1背包问题”的思路:0-1背包的解可以编码为一串0-1字符串(0:不取,1:取);首先,随机产生M个0-1字符串,然后评价这些0-1字符串作为0-1背包问题的解的优劣;然后,随机选择一些字符串通过交叉、突变等操作产生下一代的M个字符串,而且较优的解被选中的概率要比较高。这样经过G代的进化后就可能会产生出0-1背包问题的一个“近似最优解”。编码:需要将问题的解编码成字符串的形式才能使用遗传算法。最简单的一种编码方式是二进制编码,即将问题的解编码成二进制位数组的形式。例如,问题的解是整数,那么可以将其编码成二进制位数组的形式。将0-1字符串作为0-1背包问题的解就属于二进制编码。遗传算法有3个最基本的操作:选择,交叉,变异。选择:选择一些染色体来产生下一代。一种常用的选择策略是“比例选择”,也就是个体被选中的概率与其适应度函数值成正比。假设群体的个体总数是M,那么那么一个体Xi被选中的概率为 f ( Xi ) / ( f ( X1 ) + f ( X2 ) + ⋯ + f ( Xn ) ) 。比例选择实现算法就是所谓的“轮盘赌算法” (Roulette Wheel Selection) [
关于优化问题。传统的优化方法(局部优化)。全局优化方法:漫步法(Random Walk)、模拟退火法、GA。传统的优化方法。利用这些约束,收敛快。有些方法,如Davison-Fletcher-Powell直接依赖于至少一阶导数;共轭梯度法隐含地依赖于梯度。全局优化方法。求解稳健,但收敛速度慢。能获得全局最优。适合于求解空间不知的情况。基本概念:① 个体与种群。② 适应度与适应度函数。③ 染色体与基因。简单遗传算法(SGA)的基本参数:① 种群规模P:参与进化的染色体总数。② 代沟G;有重叠0 < G <1。③ 选择方法。④ 交换率:Pc一般为0.4~0.99。⑤ 变异率:Pm一般为0.0001~0.1。简单遗传算法流程图如下图1所示。
人工神经网络介绍:实质上人工审计网络可以理解为模拟人脑神经元组成的人工方式构造的网络系统的数据处理系统(非线性的处理方式)。人工神经网络的学习过程就是它的训练过程 [
自然界 | 遗传算法 |
---|---|
染色体 | 字符串 |
基因 | 字符,特征 |
等位基因 | 特征值 |
染色体位置 | 字符串位置 |
基因型 | 结构 |
表型 | 参数集,译码结构 |
表1. 遗传算法与自然进化的比较
图1. 遗传算法流程图
运行Web应用程序:配置服务器:依次选择Eclipse菜单栏中“窗口”/“首选项”菜单项,在弹出的“首选项(preferences)”对话框左侧区域中,依次展开MyEclipse/Application Servers节点,选中节点下的“Tomcat 5”选项。然后单击右侧“Tomcat Home Directory”文本框右侧的“浏览”按钮,选择Tomcat的安装路径,并选中Enable单选按钮。展开对话框左侧的Tomcat 5节点,并选中JDK选项,配置Tomcat服务器使用的JDK。默认情况下,Eclipse会自动检测到已安装的JDK并进行指定,读着可以不进行该步骤的操作。若在“Tomcat JDK name”下拉列表框中没有值或者想更改使用的JDK版本,则可以单击该下拉列表框右侧的“ADD”按钮,弹出“Tomcat>Add JVM”对话框,单击该对话框中的“浏览”按钮选择JDK的安装路径。(目录:java->jdk->jre)将项目发布到Tomcat下。单击Eclipse菜单栏中的交互按钮,弹出“Project Deployments”对话框,在该对话框中从Project下拉列表中选择要发布的MyJsp项目。然后单击对话框中的Add按钮,在弹出的“New Deployment”对话框的Server下拉列表中选择Tomcat5选项,其他选项保留默认配置。最后单击完成按钮完成项目的发布。单击Eclipse菜单栏中的按钮启动Tomcat服务器。打开IE浏览器,在地址栏中输入地址http://localhost:8080/MyJsp。JSP实验环境变量配置的方法:Eclipse不用安装,直接解压就可以用的,但要求电脑里面有安装JDK并且配置好环境变量。JDK的安装是全自动的,配置JDK环境变量的方法:如果Windows 2000,XP或者是win7系统,使用鼠标右击“我的电脑”->属性->高级->环境变量。1) 系统变量->新建->变量名:JAVA_HOME,变量值:C:\jdk1.6.0_21\。2) 系统变量->新建->变量名:CLASSPATH,变量值:.;%JAVA_HOME%\lib。3) 系统变量->编辑->变量名:Path,找到名为Path的环境变量。CLASSPATH中有一英文句号“.”后跟一个分号,表示当前路径的意思。百度地图API如图2所示。
1) 百度地图API。百度地图API是一套由JavaScript编写的将百度地图嵌入到网页应用程序接口,它能够帮助您在网站中构建功能丰富交互性强的地图应用程序。百度地图API为开发者提供丰富的函数,控件,事件和封装的类,提供很多的专题图服务,如本地搜索,路线规划,地址解析等接口供用户使用。它尽量将复杂的底层逻辑进行隐藏和封装,以一种便于您理解的方式提供使用者只需要按照百度的要求进行注册使用,客户端不需要下载安装任何软件控件或地图,所有运算都在百度服务器中运行,由API进行组织显示,分级缩放和漫游,开发者只需要通过其API,利用JavaScript脚本语言就可以将百度地图服务连接到自己的网页中,利用百度地图API技术构建WebGIS平台,采用客户端应用服务器和数据服务器三层结构进行设计,其中客户端主要实现地图加载、地图浏览和查询功能,客户端的设计重
图2. 百度地图API
点是地图浏览和查询界面,以及把用户访问和查询请求发送给服务器。应用服务器则负责处理用户的访问和查询请求,数据服务器用于存取各类空间数据和属性信息,采用SQL Server数据库存取数据库表格。2) 制作代码。可以采用在eclipse中使用jsp语句“http://api.map.baidu.com/api?v=1.3”调用百度的API。如下是部分模块的实现代码,由于篇幅有限,只说明了一部分功能的代码,其它的省略了。
用遗传算法找10个城市之间到的最短路径。
基本算法步骤:步1 在搜索空间U上定义一个适应度函数f(x),给定种群规模N,交叉率Pc和变异率Pm,代数T;步2 随机产生U中的N个个体
打开matlab。用matlab代码或者工具箱实现BP人工神经网络。运行。得到结果。分析结果。得到结论。专心和效率,心中勾勒车的加减档,今天计划明天的事情和车联网都可以是物联网的应用。积极,睿智,果敢,独立思考是未来智能物联网的发展方向。
国家自然科学基金(No. 61203377, No. 60963011)。
侯义斌,王 进. 无线传感器网络QOS-QOE节能优化模型 QOS-QOE Energy Saving Optimization Model for Wireless Sensor Networks[J]. 传感器技术与应用, 2018, 06(02): 50-57. https://doi.org/10.12677/JSTA.2018.62006