CN109587698B - 一种虚拟力修正的有向传感器网络节能覆盖方法 - Google Patents
一种虚拟力修正的有向传感器网络节能覆盖方法 Download PDFInfo
- Publication number
- CN109587698B CN109587698B CN201811501704.1A CN201811501704A CN109587698B CN 109587698 B CN109587698 B CN 109587698B CN 201811501704 A CN201811501704 A CN 201811501704A CN 109587698 B CN109587698 B CN 109587698B
- Authority
- CN
- China
- Prior art keywords
- node
- energy
- virtual
- centroid point
- nodes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000005265 energy consumption Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 description 4
- 230000002028 premature Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
- H04W16/20—Network planning tools for indoor coverage or short range network deployment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/24—Cell structures
- H04W16/28—Cell structures using beam steering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/30—TPC using constraints in the total amount of available transmission power
- H04W52/36—TPC using constraints in the total amount of available transmission power with a discrete range or set of values, e.g. step size, ramping or offsets
- H04W52/365—Power headroom reporting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Feedback Control In General (AREA)
Abstract
一种基于虚拟力修正的有向传感器网络节能覆盖方法，包括以下步骤：(1)在监测区域内随机部署多个有向传感器节点；(2)计算各节点的质心点ci，初始位置
(3)对节点si计算其所有邻居节点为集合ψi；(4)虚拟力修正的节能覆盖方法；(5)节点旋转决策；(6)计算节点si指向对应质心点ci的向量并单位化，得到节点si最终感知方向信息，获得节点感知方向的输出集。本发明在力求区域覆盖质量提升的情况下，来达到节点能耗均衡的目标，延长整个网络的覆盖时间。
Description
技术领域
本发明涉及了有向传感器网络，尤其是一种有向传感器网络中对区域监测覆盖节能优化的方法。
背景技术
有向传感器如视频、红外、超声波传感器等具有对数据、图像和视频等多媒体信息的采集、传输和处理能力。这类传感器的可视化监测具备了方便、直观、信息量丰富等特点。使其近年来在工农业，军事、监控安防和环境监测方面得到广泛应用，具有很好的发展前景。
区域覆盖控制是有向传感器网络中的一个重要研究热点，然而有向传感器不同于传统传感器，由于受到自身设备的视域限制，其感知范围是一个以节点为圆心，半径为感知距离的扇形区域，某一时刻只能感知一个方向而其他方向则是覆盖盲区，所以传统的区域覆盖优化算法不适应于有向传感器。而利用虚拟势场来调节传感器感知方向的覆盖方法则能有效地提高区域的覆盖率，优化区域监测质量，但同时也会带来另一个问题。通常有向传感器都具有一定的能量，而往往旋转角度的不同则会导致各节点能耗不均，个别节点因能量耗完而过早的死亡，则会引起整个网络的过早瘫痪，无法达到区域监测的目的。
因此，如何利用虚拟力提升有向传感器网络对区域监测的覆盖率并使节点能耗均衡，最大化网络生存时间，成为一个迫切需要解决的问题。
通过有向传感器网络来解决区域覆盖质量和能耗均衡问题，有多种不同的方案，一种方法是增加有向传感器节点数量，寻找尽可能多的覆盖子集，每个子集都满足一段时间的区域覆盖，虽然该方法能够根本性地解决覆盖问题，但其实施成本高。还有的方法是依据区域覆盖优化算法并结合节点能耗指标，设计出优化策略，来使传感器感知方向的旋转在兼顾到能耗均衡上提升区域的覆盖质量，达到质量高、生存时间长的监控效果。所以节点的能耗指标和感知方向的合理调度成了问题的关键，一种兼顾到节点能耗的区域优化覆盖算法具有很大意义。
发明内容
为了克服现有的有向传感器网络对区域监测效果差、覆盖质量低、网络生存周期较短的不足，本发明提供一种有向传感器网络中基于虚拟力修正的传感器节能覆盖方法，能够在兼顾到节点能耗的同时，利用虚拟力合理适度地旋转节点的感知方向，提高监测区域的覆盖质量。
本发明解决其技术问题所采用的技术方案是：
一种基于虚拟力修正的有向传感器网络节能覆盖方法，所述的方法包括以下步骤：
(1)在监测区域内随机部署多个有向传感器节点，给有向传感器节点进行编号S＝{Si|i＝1，2，…，n}，每个有向传感器节点由六元组表示Si＝<Pi，R，α，θ，ω，E0>，分别表示节点位置，感知半径，感知视角，感知方向角，旋转角速度和节点初始能量；
(2)计算各节点的质心点ci，初始位置
其质心点位置是在扇形对称轴上且与圆心距离2R sinα/3α，每个传感器节点有且仅有一个质心点与之对应，节点感知方向的调整转变为其扇形区域的质心绕节点做圆周运动；
(3)对节点si计算其所有邻居节点为集合ψi，M表示邻居节点集合中元素的个数，当且仅当有向传感器节点si和sj之间的欧氏距离不大于节点感知半径R的两倍时，两者互为邻居结点；
(4)虚拟力修正的节能覆盖方法，过程如下：
(4.1)依据节点si的邻居节点集合ψi，计算出节点sj对节点si的虚拟斥力
其中，Dij表示质心点ci到质心点cj的欧式距离；KR表示斥力系数，KR＝1KR＝1；αij为单位向量，表示斥力方向，由质心点cj指向质心点ci；
(4.2)将邻居节点对节点si的虚拟斥力进行矢量和计算，得到虚拟合力
(4.3)根据节点si的剩余能量E，对虚拟斥力添加修正项
其中e为能量权重常数，所以改进虚拟力为，
表示节点能量越少，所受虚拟力越小，转动角度也越小，具有转动惰性，保存能量；
(5)节点旋转决策，过程如下：
(5.1)正交分解计算节点质心点ci当前所受虚拟合力
沿圆弧切线分量
确认质心点ci的转动方向；
(5.2)如果
计算出质心点转动角度θ，其中ε表示质心点受力转动门限值，当
表示节点已达稳定状态，即认为节点优化调整完毕或剩余能量偏少，无需再转动；
其中，θmax表示最大转动角度即为Δt·ω，θmin表示初始设定的最小转动角度，k0为力与角度的单位转化系数；
(5.3)节点质心点ci转动角度θ后，重新计算节点质心点新位置
(5.4)依据节点旋转角度θ，计算节点每次剩余能量E：
E＝E-(k1Rβ·Δt+k2θ)
其中k1、k2为能耗系数，Rβ为节点半径为R时的能耗功率，β为指数，Δt为每次调整间隔时间；
(5.5)从(4.1)循环以上步骤直至达到调整次数或每个节点达到稳定状态；
(6)计算节点si指向对应质心点ci的向量并单位化，得到节点si最终感知方向信息，获得节点感知方向的输出集。
本发明的技术构思为：在监测区域内随机部署一些有向传感器节点，为使区域覆盖质量提升，依托虚拟势场的覆盖策略进行传感器节点感知方向的调整，同时考虑到节点能耗不均，造成能量空洞，网络过早死亡的问题，加入了节点能耗指标的计算，并以此来修正虚拟力，延长网络时间。该方法中能够在每次迭代调整过程中计算出节点所受邻居节点的虚拟斥力，并依据自身剩余能量合理转动适量角度，兼顾能量消耗又提升覆盖质量，此节能覆盖方法运用了虚拟势场和节点能耗指标，为实现高效、长时间的区域覆盖提供了可能。
本发明的有益效果主要表现为：在力求区域覆盖质量提升的情况下，来达到节点能耗均衡的目标，延长整个网络的覆盖时间。
附图说明
图1是虚拟势场中有向传感器节点间所受虚拟斥力的示意图。
图2是基于虚拟力修正的有向传感器网络节能覆盖方法的流程图。
具体实施方式
下面结合附图对本发明做进一步描述。
参照图1和图2，一种基于虚拟力修正的有向传感器网络节能覆盖方法，包括以下步骤：
第一步：在目标监测区域内随机部署有向传感器节点，给有向传感器节点进行编号S＝{Si|i＝1，2，…，n}；
第二步：计算获得各节点的质心点ci，初始位置
第三步：对节点si统计其所有邻居节点为集合ψi，M表示邻居节点集合中元素的个数；
第四步：节点si依据邻居节点集合ψi，计算出集合内节点sj对节点si的虚拟斥力
其中，Dij表示质心点ci到质心点cj的欧式距离；KR表示斥力系数，KR＝1；αij为单位向量，表示斥力方向，由质心点cj指向质心点ci；
第五步：将邻居节点对节点si的虚拟斥力
进行矢量和计算，得到虚拟合力
第六步：改进虚拟力，根据节点si自身的剩余能量E和初始能量的比值，对虚拟斥力添加修正项
其中e为能量权重常数，改进后的虚拟力为，
第七步：斥力分量计算，正交分解质心点ci所受虚拟合力
计算出沿圆弧切线分量
确认质心点ci的转动方向；
第八步：旋转角度计算，如果
依据公式计算出质心点转动角度θ，其中ε表示质心点受力转动门限值，当
表示节点已达稳定状态，即认为节点优化调整完毕或剩余能量偏少，无需再转动；
其中，θmax表示初始设定的最大转动角度即为Δt·ω，θmin表示初始设定的最小转动角度，k0为力与角度的单位转化系数；
第九步：对转动角度θ后的节点si，重新计算质心点新位置
第十步：更新节点si的剩余能量，依据节点旋转角度θ，计算节点每次剩余能量E：
E＝E-(k1Rβ·Δt+k2θ)
其中k1、k2为能耗系数，Rβ为节点半径为R时的监测能耗功率，β为指数，通常为2～3，Δt为每次调整间隔时间；
第十一步：从第四步循环以上步骤直至达到调整次数或每个节点达到稳定状态；
第十二步：计算节点si指向对应质心点ci的向量并单位化，得到节点si最终感知方向信息，获得各节点感知方向的输出集。
第十三步：节点旋转角度达到稳定状态执行区域覆盖监测，直到能量耗尽，监测结束。
本发明应用的有向传感器模型，其感知范围是一个以节点为圆心，感知距离为半径的扇形区域，在虚拟势场中受虚拟力转动表现为扇形区域质心点绕节点做圆周运动，节点所受邻居节点虚拟斥力的受力分析图如图1。
有向传感器的能耗指标考虑了感知距离和旋转角度两个方面，节点感知半径的改变和感知方向的旋转都会影响节点的能耗。本发明中节点一经部署，感知半径不再改变，但仍作为影响节点单位时间能耗功率的因素。
以上所述的实施仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
Claims (1)
1.一种基于虚拟力修正的有向传感器网络节能覆盖方法，其特征在于，所述的方法包括以下步骤：
(1)在监测区域内随机部署多个有向传感器节点，给有向传感器节点进行编号S＝{Si|i＝1,2,…，n}，每个有向传感器节点由六元组表示Si＝<Pi，R，α，θ，ω，E0>，分别表示节点位置，感知半径，感知视角，感知方向角，旋转角速度和节点初始能量；
(2)计算各节点的质心点ci和质心点位置
其质心点位置是在扇形对称轴上且与圆心距离2Rsinα/3α，每个传感器节点有且仅有一个质心点与之对应，节点感知方向的调整转变为其扇形区域的质心绕节点做圆周运动；
(3)对节点si计算其所有邻居节点为集合ψi，M表示邻居节点集合中元素的个数，当且仅当有向传感器节点si和sj之间的欧氏距离不大于节点感知半径R的两倍时，两者互为邻居结点；
(4)虚拟力修正的节能覆盖方法，过程如下：
(4.1)依据节点si的邻居节点集合ψi，计算出节点sj对节点si的虚拟斥力
其中，Dij表示质心点ci到质心点cj的欧式距离；KR表示斥力系数，KR＝1；αij为单位向量，表示斥力方向，由质心点cj指向质心点ci；
(4.2)将邻居节点对节点si的虚拟斥力进行矢量和计算，得到虚拟合力
(4.3)根据节点si的剩余能量E，对虚拟斥力添加修正项
其中e为能量权重常数，所以改进虚拟力为，
表示节点能量越少，所受虚拟力越小，转动角度也越小，具有转动惰性，保存能量；
(5)节点旋转决策，过程如下：
(5.1)正交分解计算节点质心点ci当前所受虚拟合力
沿圆弧切线分量
确认质心点ci的转动方向；
(5.2)如果
计算出质心点转动角度θ，其中ε表示质心点受力转动门限值，当
表示节点已达稳定状态，即认为节点优化调整完毕或剩余能量偏少，无需再转动；
其中，θmax表示最大转动角度即为Δt·ω，θmin表示初始设定的最小转动角度，k0为力与角度的单位转化系数；
(5.3)节点质心点ci转动角度θ后，重新计算节点质心点新位置
(5.4)依据节点旋转角度θ，计算节点每次剩余能量E:
E＝E-(k1Rβ·Δt+k2θ)
其中k1、k2为能耗系数，Rβ为节点半径为R时的能耗功率，β为指数，Δt为每次调整间隔时间；
(5.5)从(4.1)循环以上步骤直至达到调整次数或每个节点达到稳定状态；
(6)计算节点si指向对应质心点ci的向量并单位化，得到节点si最终感知方向信息，获得节点感知方向的输出集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811501704.1A CN109587698B (zh) | 2018-12-10 | 2018-12-10 | 一种虚拟力修正的有向传感器网络节能覆盖方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811501704.1A CN109587698B (zh) | 2018-12-10 | 2018-12-10 | 一种虚拟力修正的有向传感器网络节能覆盖方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109587698A CN109587698A (zh) | 2019-04-05 |
| CN109587698B true CN109587698B (zh) | 2022-03-01 |
Family
ID=65929501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811501704.1A Active CN109587698B (zh) | 2018-12-10 | 2018-12-10 | 一种虚拟力修正的有向传感器网络节能覆盖方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109587698B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110213782B (zh) * | 2019-05-10 | 2022-09-02 | 浙江树人学院（浙江树人大学） | 一种基于双重虚拟力的移动自组织网络节点的移动方法 |
| CN110351735B (zh) * | 2019-08-15 | 2021-10-29 | 杭州电子科技大学温州研究院有限公司 | 一种基于贪心算法的无线可充电传感网基站部署方法 |
| CN110708679B (zh) * | 2019-09-03 | 2022-03-04 | 沈阳化工大学 | 一种无线传感器网络区分不同关注度区域覆盖方法 |
| CN111629393B (zh) * | 2020-06-19 | 2022-09-06 | 江南大学 | 一种解决异构网络感知态势均匀问题的分布式方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9131529B1 (en) * | 2009-06-29 | 2015-09-08 | The Boeing Company | System and method for demand driven network topology management |
| CN105246120A (zh) * | 2015-09-11 | 2016-01-13 | 浙江树人大学 | 一种数据传输时延和跳数受限的Sink节点移动路径分布式选择方法 |
| CN105611555A (zh) * | 2015-12-31 | 2016-05-25 | 北京科技大学 | 一种基于虚拟力导向的传感器网络节能覆盖控制方法 |
| CN105933915A (zh) * | 2016-05-31 | 2016-09-07 | 昆明理工大学 | 一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法 |
| CN107580293A (zh) * | 2017-08-04 | 2018-01-12 | 昆明理工大学 | 一种基于虚拟力的汇聚节点重定位方法 |
| CN107819635A (zh) * | 2017-12-15 | 2018-03-20 | 北京工商大学 | 基于Voronoi图的三维有向异构移动传感器网络自部署方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105554774B (zh) * | 2014-10-31 | 2019-04-23 | 富士通株式会社 | 无线网络部署方法和装置 |
-
2018
- 2018-12-10 CN CN201811501704.1A patent/CN109587698B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9131529B1 (en) * | 2009-06-29 | 2015-09-08 | The Boeing Company | System and method for demand driven network topology management |
| CN105246120A (zh) * | 2015-09-11 | 2016-01-13 | 浙江树人大学 | 一种数据传输时延和跳数受限的Sink节点移动路径分布式选择方法 |
| CN105611555A (zh) * | 2015-12-31 | 2016-05-25 | 北京科技大学 | 一种基于虚拟力导向的传感器网络节能覆盖控制方法 |
| CN105933915A (zh) * | 2016-05-31 | 2016-09-07 | 昆明理工大学 | 一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法 |
| CN107580293A (zh) * | 2017-08-04 | 2018-01-12 | 昆明理工大学 | 一种基于虚拟力的汇聚节点重定位方法 |
| CN107819635A (zh) * | 2017-12-15 | 2018-03-20 | 北京工商大学 | 基于Voronoi图的三维有向异构移动传感器网络自部署方法 |
Non-Patent Citations (2)
| Title |
|---|
| "Voronoi-based coverage improvement approach for wireless directional sensor networks";Tien-Wen Sung;《Journal of Network and Computer Applications》;20190729;第39卷;全文 * |
| "改进虚拟力的有向传感器网络覆盖优化算法";蒋一波;《小型微型计算机***》;20180315;第39卷(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109587698A (zh) | 2019-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109587698B (zh) | 一种虚拟力修正的有向传感器网络节能覆盖方法 | |
| CN110418353B (zh) | 一种基于粒子群算法的边缘计算服务器放置方法 | |
| Xu et al. | Bipartite synchronization of signed networks via aperiodically intermittent control based on discrete-time state observations | |
| WO2017035964A1 (zh) | 一种电力***的负荷特性确定方法及*** | |
| CN106598849B (zh) | 一种基于ap-pso算法的组合测试用例生成方法 | |
| Chen et al. | Coverage-enhancing algorithm based on overlap-sense ratio in wireless multimedia sensor networks | |
| CN111626352A (zh) | 基于模糊c均值的自适应能耗最优车辆聚类方法 | |
| CN106683118B (zh) | 一种基于分层模型的无人机目标跟踪方法 | |
| CN104936186B (zh) | 基于布谷鸟搜索算法的认知无线电网络频谱分配方法 | |
| CN104467999B (zh) | 一种基于量子蛙跳的频谱感知算法 | |
| CN104994515B (zh) | 一种信息物理融合***下的网关部署方法 | |
| CN110351754A (zh) | 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法 | |
| Cai et al. | An integrated localization and control framework for multi-agent formation | |
| CN108536014A (zh) | 一种考虑飞轮动态特性的航天器姿态规避的模型预测控制方法 | |
| CN107182032B (zh) | 无线传感器网络中基于扇区模型的有毒气体监测方法 | |
| CN116384256A (zh) | 一种基于参考方案局部搜索多约束弹道优化方法 | |
| Wang et al. | An improved MDS-MAP localization algorithm based on weighted clustering and heuristic merging for anisotropic wireless networks with energy holes | |
| Qu et al. | Empowering the edge intelligence by air-ground integrated federated learning in 6G networks | |
| CN108601035A (zh) | 基于太阳能收集模型的WMSNs节点调度策略 | |
| Sano et al. | PSO-based multiple optima search systems with switched topology | |
| CN114666339B (zh) | 一种基于中智集的边缘卸载方法、***及存储介质 | |
| CN108365895B (zh) | 一种构造球面可见光通信调制星座图的方法 | |
| Ge et al. | Mobile edge computing against smart attacks with deep reinforcement learning in cognitive MIMO IoT systems | |
| Yang et al. | Multi-cluster Cooperative Offloading for VR Task: A MARL Approach with Graph Embedding | |
| CN113378369A (zh) | 一种基于无人机计算卸载的路径规划和任务调度方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |