CN110516385B - 一种数据传输网的建立方法、***及相关装置 - Google Patents
一种数据传输网的建立方法、***及相关装置 Download PDFInfo
- Publication number
- CN110516385B CN110516385B CN201910816606.5A CN201910816606A CN110516385B CN 110516385 B CN110516385 B CN 110516385B CN 201910816606 A CN201910816606 A CN 201910816606A CN 110516385 B CN110516385 B CN 110516385B
- Authority
- CN
- China
- Prior art keywords
- mobile base
- base station
- establishing
- intelligent
- intelligent equipment
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/10—Connection setup
-
- 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)
Abstract
本申请所提供的一种数据传输网的建立方法,包括:确定智能设备分布和移动基站分布;判断移动基站与智能设备的数量比例是否大于预设值;若否,根据智能设备分布和移动基站分布建立无向边权重图;求取无向边权重图中权重和的最优解;根据最优解建立智能设备与移动基站的通信连接。通过考虑叠加数据上传的能耗问题,获取确定智能设备分布和移动基站分布,建立相应的无向边权重图,从图论的角度,求得智能设备与移动基站的最小通信成本问题。同时还考虑到每个智能设备到相应移动基站的通信链路和SDs的数据传输顺序,使总通信成本最小化。本申请还提供一种数据传输网的建立***、一种计算机可读存储介质和一种服务器,具有上述有益效果。
Description
技术领域
本申请涉及数据传输领域,特别涉及一种数据传输网的建立方法、***及相关装置。
背景技术
今天的物联网(IOT)通常包含一些智能设备(SDs),如智能手机、可穿戴设备、无人机和机器人。SD通过设备上的摄像头和嵌入式传感器从周围环境中收集原始数据,然后利用其内置计算资源,通过基于人工智能(AI)的应用程序对数据进行简单的处理,然后将数据传输到云数据中心(CDC)。由于SD的可便携性,它可以在任何时间部署在任何地点。因此,当这些数据被云服务器处理后,一些人工智能(AI)应用程序可以用来做出决策,并通过其他设备或这些SDs与环境交互。例如,当某些有毒气体在化工厂泄露时,气体浓度等环境因素能很快的被事先部署或暂时部署的SDs收集并处理。然后这些数据被安装在边缘计算服务器上的基于AI的应用程序进一步处理。通过AI的支持,能在复杂环境工作的多功能机器人将会自动的定位气体泄漏的地点。为了实现这个任务,人们面临着一个挑战,即SD及其应用程序必须是计算密集型和延迟敏捷的。
最近,边缘计算被认为是一个能在各种情况下克服这些因素的可靠技术。在边缘计算中,SDs收集的原始数据传输被上传到边缘计算服务器上并由边缘计算服务器处理,边缘计算服务器安装在基站(BSs)而不是远程CDC中。边缘计算服务器的计算能力和储存能力远远弱于CDC,但在很多情况下可以在短时间内响应SDs。
通常,SDs在特定危险环境的探索中非常有用,比如处于危险中的工厂,南极,海底,但是这些地区并不存在BSs。此时,如果探索者希望将SDs部署到该位置并使用它们有效地实时监控环境,就可以部署车辆基站(VBS)。虽然VBS的覆盖面积比固定BS小很多,但是它比固定BS更容易移动和部署。
由于有限的电源和电池寿命时间,为了支持应用程序顺利完成任务,SDs不能在数据传输上存在过多能量消耗。
发明内容
本申请的目的是提供一种数据传输网的建立方法、***、一种计算机可读存储介质和一种服务器,能够提高数据传输的效率,降低数据传输的能耗。
为解决上述技术问题,本申请提供一种数据传输网的建立方法,具体技术方案如下:
确定智能设备分布和移动基站分布;
判断所述移动基站是否满足预设范围内所有智能设备的供应需求;
若是,根据所述智能设备分布和所述移动基站分布建立无向边权重图;其中,权重为智能设备与移动基站之间的通信成本;
求取无向边权重图中权重和的最优解;
根据所述最优解建立智能设备与移动基站的通信连接。
其中,根据所述智能设备分布和所述移动基站分布建立无向边权重图包括:
根据所述智能设备分布包括智能设备数量和智能设备相对位置数据,根据所述移动基站分布包括移动基站数量和移动基站相对位置数据;
根据所述智能设备数量、所述智能设备相对位置数据、所述移动基站数量和所述移动基站相对位置数据建立无向边权重图;
其中,所述无向边权重图为G=(V=D∪S,E,w),D代表所有智能设备的集合,S代表所有移动基站的集合,E代表边的集合,w为权重。
其中,求取无向边权重图中权重和的最优解包括:
在所述无向边权重图中增加最小权重边,以使所述无向边权重图中第一预设数量的节点均在同一生成树中;其中,所述节点为所述智能设备或所述移动基站;
利用Dijkstra算法将剩余的智能设备对应的节点添加至所述生成树中;其中,所述生成树中所述智能设备和所述移动基站各自对应的节点之间的连接关系为所述最优解。
其中,还包括:
利用有向树作为所述移动基站的通讯模拟树;其中,方向表述数据传输的方向。
本申请还提供一种数据传输网的建立***,包括:
确定模块,用于确定智能设备分布和移动基站分布;
判断模块,用于判断所述移动基站是否满足预设范围内所有智能设备的供应需求;
事件图建立模块,用于所述判断模块判断为是时,根据所述智能设备分布和所述移动基站分布建立无向边权重图;其中,权重为智能设备与移动基站之间的通信成本;
求解模块,用于求取无向边权重图中权重和的最优解;
建网模块,用于根据所述最优解建立智能设备与移动基站的通信连接。
其中,所述事件图建立模块包括:
数据确定单元,用于根据所述智能设备分布包括智能设备数量和智能设备相对位置数据,根据所述移动基站分布包括移动基站数量和移动基站相对位置数据;
事件图建立单元,用于根据所述智能设备数量、所述智能设备相对位置数据、所述移动基站数量和所述移动基站相对位置数据建立无向边权重图;
其中,所述无向边权重图为G=(V=D∪S,E,w),D代表所有智能设备的集合,S代表所有移动基站的集合,E代表边的集合,w为权重。
其中,求解模块包括:
第一求解单元,用于在所述无向边权重图中增加最小权重边,以使所述无向边权重图中第一预设数量的节点均在同一生成树中;其中,所述节点为所述智能设备或所述移动基站;
第二求解单元,用于利用Dijkstra算法将剩余的智能设备对应的节点添加至所述生成树中;其中,所述生成树中所述智能设备和所述移动基站各自对应的节点之间的连接关系为所述最优解。
其中,还包括:
通讯单元,用于利用有向树作为所述移动基站的通讯模拟树;其中,方向表述数据传输的方向。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的建立方法的步骤。
本申请还提供一种服务器,包括存储器和处理器,所述存储器中存有计算机程序,所述处理器调用所述存储器中的计算机程序时实现如上所述的建立方法的步骤。
本申请所提供的一种数据传输网的建立方法,包括:确定智能设备分布和移动基站分布;判断所述移动基站是否满足预设范围内所有智能设备的供应需求;若否,根据所述智能设备分布和所述移动基站分布建立无向边权重图;其中,权重为智能设备与移动基站之间的通信成本;求取无向边权重图中权重和的最优解;根据所述最优解建立智能设备与移动基站的通信连接。
本申请考虑了叠加数据上传的能耗问题,通过获取确定智能设备分布和移动基站分布,建立相应的无向边权重图,从图论的角度,求得智能设备与移动基站的最小通信成本问题。同时还考虑到每个智能设备到相应移动基站的通信链路和SDs的数据传输顺序,使总通信成本最小化。本申请还提供一种数据传输网的建立***、一种计算机可读存储介质和一种服务器,具有上述有益效果,此处不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种数据传输网的建立方法的流程图;
图2为本申请实施例所提供的一种智能设备和移动基站的连接关系示意图;
图3为本申请实施例所提供的一种以s1为根节点的通信模拟树结构示意图;
图4为本申请实施例所提供的一种无向图结构示意图;
图5为本申请实施例所提供的增加节点后的无向图结构示意图;
图6为本申请实施例所提供的基于场景1的仿真结果图;
图7为本申请实施例所提供的基于场景2的仿真结果图;
图8为本申请实施例所提供的一种数据传输网的建立***的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参考图1,图1为本申请实施例所提供的一种数据传输网的建立方法的流程图,该建立方法包括:
S101:确定智能设备分布和移动基站分布;
S102:判断所述移动基站是否满足预设范围内所有智能设备的供应需求;若否,进入S103;
S103:根据所述智能设备分布和所述移动基站分布建立无向边权重图;其中,权重为智能设备与移动基站之间的通信成本;
S104:求取无向边权重图中权重和的最优解;
S105:根据所述最优解建立智能设备与移动基站的通信连接。
需要注意的是,本申请针对智能设备(以下亦简称“SD”)与移动基站(以下亦简称“VBS”)之间的数据传输网,而并非连接网。重点在于智能设备如何与移动基站进行怎样的通信传输,当然这里默认智能设备之间与移动基站之间均可以建立通信传输。
此外,容易理解的是,每个移动基站存在其可以对应传输通信的智能设备数量限制,换句话说,移动基站可以控制和连接有限数量的智能设备。
此外,VBS控制有限数量的SDs(“SDs”为“SD”的复数形式,意即至少两个SD),这意味着连接到某些VBS上的SDs的数量也是有限的。但需要注意的是,步骤S102中移动基站是否满足预设范围内所有智能设备的供应需求,其实是判断服务器(指边缘计算服务器)性能是否有限的过程,当某台服务移动基站中的边缘计算服务器可以满足一定范围内所有智能设备的供应需求,此时任务该移动基站的资源是无限资源,否则为有限资源。广义的理解,当移动基站中的服务器足以满足周围的智能设备需求,且资源存在剩余,或者该移动基站用于局域网内一定数量的智能设备,此时可以认为该服务器资源无限。否则,通常认为服务器资源有限。在此对于移动基站与智能设备的数量比例的预设值不作限定,应由本领域技术人员根据智能设备数量和数据传输性能等作设定。
由于连接到某些VBS上的SDs的数量也是有限的,一个SD可能不会以最小的成本将数据上传到VBS,因为这个VSB的受控SDs的数量已经达到了极限。此时,这个SD必须找到另外一个VBS的路径。如图2所示,是一个说明VBSs对SDs的控制能力有限的例子。SDa、SDb和SDc与VBS1和VBS2被部署在同一区域。位于连接两端的设备能够相互通讯。假设任意两个设备之间的花销为1单位,且VBS1和VBS2都最多可以控制2个SD。如图2所示,SDb的数据传输到SDc并融合SDc的数据,然后将融合数据上传到VBS1。在本文中,假设一个数据与其他数据融合后不能被恢复。因此对于SDa,它的数据首先传输到SDb(没有融合),然后通过SDc(没有融合),最后到达VBS2。三个SDs数据传输到VBSs的总成本为(1+1)+(1+1+1)=5。
SDs和VBSs之间数据传输的能量成本与它们之间的物理环境有关,由信号信息来评估。需要注意的是,两个SDs之间的距离并不是影响成本的唯一因素,因为地形在其中也起着重要的作用。例如,一堵墙可能会严重干扰信号,这使得两个SDs花费更多的能量来稳定数据传输。
假设通信成本是对称的,即,从一个SD/VBSA到另一个SD/VBSB的通信成本等于从B到A的通信成本。特别地,对于每一对SD/VBS,如果它们能够彼此通信,将在它们之间创建一个加权边缘。边缘的权值设置为它们之间的通信成本。
下面介绍建立无向边权重图的过程:
根据所述智能设备分布包括智能设备数量和智能设备相对位置数据,根据所述移动基站分布包括移动基站数量和移动基站相对位置数据;根据所述智能设备数量、所述智能设备相对位置数据、所述移动基站数量和所述移动基站相对位置数据建立无向边权重图;其中,所述无向边权重图为G=(V=D∪S,E,w),D代表所有智能设备的集合,S代表所有移动基站的集合,E代表边的集合,w为权重。
其实G也可以称为SDs和VBSs的事件图。对于e∈E,它的权重为w(e),表示相应SD和VBS的通信成本。另外,对于每一个VBSsi∈S,定义它的容量为c(si),表示能够控制SDs的数量。
由于无向边权重图实际上包括各智能设备和移动基站之间的连接关系,且隐含了权重,则所有边的权重和则为本数据传输网的总消耗成本,因此,为了使整体范围内的智能设备和移动基站的消耗成本最低,实际上也就是求解无向边权重图在何种通信连接时的消耗成本最低,当然,默认要求任何一个智能设备均与移动基站建立连接。
为了定义组合性优化问题,还需要S中点的通信模拟树概念。总的来说,一个移动基站si∈S的通信模拟树是一个用有向边来表示数据从SDs传输到si的有向树。特别的,有向树的下属树是G的一个子图,其形式化定义如下:
定义1.通信模拟树:si∈S是一个移动基站。si的通信模拟树cti满足下条件:
(1)点si是根节点。
(2)其他节点(除根节点以外)来自D。
(3)每个除了根节点以外的节点都被其他节点用一些有向边连接,边的方向表示数据传输的方向。
(4)每个节点可以有任意数量的孩子节点。没有孩子节点的节点被称为叶节点,有相同父母节点的节点称为兄弟节点。
(5)节点拥有两种状态中的一种:a)只从孩子节点发送数据到它的父母节点;b)从其孩子节点融合数据然后传给其父母节点。第二种状态的节点称为数据收集(DataCollrction,DC)节点。
定义cti的大小为s(cti),表示拥有DC节点的个数(不包含根节点)。注意当s(cti)为零时,此通信模拟树为空。另外,cti的权重为w(cti),所有边的权重之和为∑w(e),其中e是cti中的边。
如图3所示,显示出了一个s1为根节点的通信模拟树的例子。DC节点为固定点d1,d2,d3,d5和d6。因此,模拟树的大小为5,d4只将将数据从子节点d6转发给父节点d2,即d4是具有状态(a)的节点。这个模拟树的权重为13。
需要注意的是,任何通信模拟树都是有向且有根的。因此,对于任何通信模拟树,每个SD的数据传输有向路径就是从SD到根的唯一路径。因此,如果把通信准树看作是无向的、有根的树,就不会产生混淆。为了便于表达,本申请其余部分省略了通信模拟树边的方向。
明确的是,每个SD应该最终连接到一个VBS。因为以节约成本为目标,所以任何最优解都必须包含某种树结构。上文定义的通信模拟树就是一种优选方案。这个观察结果将所关心的模型转化为下面的组合优化问题:
可叠加数据传输问题(SDUP):给定一组SDs,一组VBSs和它们的事件图G=(V=(D,S),E);如上所述,利用边权重函数w,找出S中所有点的|S|通信模拟树,满足以下条件。
(2)所有D中的点都在S|通信模拟树中;
下面证明上述问题的NP难解性:
下文证明了可叠加数据传输问题SDUP是NP-hard的。而且,甚至在十分特殊的情况下说明它是具有NP难解性,具体证明是通过一个典型k-MST问题归约而来。
在k-MST问题中,有一个非负权重边的无向图G=(V,E),它的任务是找到一个正好经过k个点的最小权重树。考虑k-MST问题的一个变体,其中要求解必须经过一个固定顶点r。用k-MST*来表示这个变种问题。显然,这是一个从k-MST到k-MST*的图灵归约,表明k-MST*问题同样是一个NP-hard问题。
需要注意的是,SDUP在S中只有两个点且具有同样容量的情况下也是一个NP-hard问题。
证明:令(G(V,E),r)是k-MST*问题的一个实例。令n=|V|。假设k<n/2。
这个假设不会改变这个问题的NP困难性就如这个假设不会改变k-MST的困难性一样。用事件图生成了SDUP的一个特殊实例,该事件图由G按下面步骤得到:
在G中再添加一个顶点r’,并将其连接到除r之外的所有顶点;包含r’的边的权值设置为正的无穷小(或任何相当大的正数);
添加(n-2k+1)个新的顶点,每个顶点只连接到r,并设置这些边的权值为0。G中的点和新加入的(n-2k+1)个顶点与r连接的点都是SDs,r和r’是唯二的2个VBSs,最后r与r’的容量都是n-k。
图4和图5给了一个实例,其中r对应于G中k个节点的最小生成树,且r’连接到(虚线表示)剩下的n-k个节点(空心点表示)。
很容易证明k-MST*的最优解对应于上述构造实例的最优解。特别的,给定一个包含r的经过k个点的最小权重树,可以通过向r的通信模拟树中增加n-2k+1个点作为叶节点,让r’的通信模拟树成为一个以r’为中心的星状结构且让G中且不在T中的点作为叶节点来构造一个SDUP实例的最优解。类似的,给定一个SDUP的最优解,可以够构造出一个k-MST*的最优解。那么,通过k-MST*问题的NP困难性,上述归约证明了SDUP问题的NP困难性。
当步骤S102判断为是时,利用多项式时间的最优算法得到最优解,具体过程如下:
针对SDUP的简单版本,这里VBSs的容量是无限的,称之为SDUPI。在寻找最小生成树的传统普里姆算法的基础上,提出了一个SDUPI的多项式时间优化算法。此外,还提出了两个SDUP的启发式算法及相应的实施例。
对于SDUPI的一个实例G=(V=D∪S,E,w),为了使通信模拟树的总权重最小,一个合适的方法是在树中添加小权重边使得所有G中的点包含在一个树中。因此,首先用0权重边连接S中的顶点。然后,通过增加最小权重边来连接不在树中点的方式将每个点加入到一个树中。因此,普里姆算法可以作为求解SDUPI问题算法的一个组成部分。实施例1体现了这个算法。
实施例1
本实施例需要在所述无向边权重图中增加最小权重边,以使所述无向边权重图中第一预设数量的节点均在同一生成树中。需要注意的是,所述节点为所述智能设备或所述移动基站。下文中所述的“点”应视该点所在的集合确定其为智能设备或移动基站,不作说明则认为可替代智能设备或移动基站中的任意一种。具体的,可以采用如下实施过程:
输入:一个无向边权重图G=(V=D∪S,E,w)。
输出:G的一个子树|S|。具体过程如下:
1、向G中增加0权重边(记为E’)使得G’[S]是一个树结构,当G’=(V,E∪E’);
2、利用普里姆算法来获得G’的一个最小生成树T;
3、输出T-E’。
因此,实施例1实际上是SDUPI问题的一个多项式时间优化算法。
显然,实施例1中的步骤1和步骤3是可以在线性时间内执行的。因此,实施例1的时间复杂度取决于普里姆算法,其运行时间为O(mlogn)。
每个V\S中的点通过至少一条路径与S中的一个特定点连接。上面路径的集合与E’必须为一个包含G中所有点的连通子图。显然,包含G中所有点的连通子图的权重大于或等于最小生成树的权重。实施例1得出的花销是最小生成树T的权重(每条边的权重只算一次),因此实施例1是最优的。
由于实施例1实际上是SDUPI问题的一个多项式时间优化算法,因此SDUPI是P的B.SDUP的两个启发式算法。
上文已经证明了SDUP是一个NP-hard问题,这表明SDUP不存在多项式运行时间的优化算法,除非P=NP。基于此,根据一些简单的观察提出了两个SDUP的启发式算法。
对于给定的SD,将数据上传到附近的VBS的最节能的方式是找到一条到VBS的最短路径。另外,因为可叠加数据传输的特性,SDs通过路径传输数据到VBS是一个无价值的策略。根据这个观察,dijkstra算法能用于生成SD到一个VBS的通讯路径。这个算法在实施例2中给出,称为D-SDUP。
实施例2的主要过程如下:需要进行几轮,每轮让|S|子树以某种方式增长。特别的,该算法将S中的每个顶点初始化为一棵树,且点集D用来表示不在树中的点的集合。在每一轮中,算法随机选择一个顶点v2v∈D,并计算从v到某个树Tj的最短路径。其中,Tj中点的数目不大于Tj中唯一点vj∈S的容量。如果在这条路径上D中点的数目不超过d|c(vj)|-|V(Tj)|+1,则将这条路径添加到具有vj的树中,其中,V(Tj)是Ti所有点的集合。否则,从v开始,一个一个的移除路径上的一些点,直到剩余路径上不在D中的点的数量等于|c(vj)|-|V(Tj)|+1。然后把剩余路径加入到树Tj。之后,更新D,即从D中删除添加到树中的点。算法重复上述过程,直到所有点被分配到某个树中。下面是实施例2的具体实施过程:
实施例2 D-SDUP
输入:一个带权重的无向图G=(V=D∪S,E,w)。
输出:G的子树|S|
1、对于任何vi∈S,让子树Ti=vi,令D=V\S为不在任何子树中的DC点集合。
2.2、如果|V(P)∩D|<c(vj)-|V(Tj)|+1,则把P加入到Tj中,D=D\V(P),并将在V(P)∩D的点标记为DC点;
2.3、否则,将P’=(pq,...,pk)添加到Tj中,D=D\V(P′);
当pq∈D,|V(P′)∩D|=c(vj)-|V(Tj)|+1时,则将V(P′)∩D中的点标记为DC点。
3、输出T1,T2,...,T|S|。
虽然对任意一个SD而言,找到其通往VBS的最短路径是对其有益的,但是对于晚到的SDs是不公平的,且会进一步导致其他SDs的高花费。为了改善这种局部最优,必须在全局上降低成本。
由于普里姆算法在寻找最小生成树的过程中具有全局最优性。利用普里姆算法的边选择算法来分配尽量多的DC点到VBSs。然后利用实施例2分配剩下的点到VBSs。下文为实施例3,可称之为P-SDUP。
对于一个边权重无向图G=(V=D∪S,E,w),算法初始化Ti中的每个点vi∈S,且用D保存没有分配到任何树中的点。如果D中某些点与邻接的某些树Tj满足条件V(Ti)≤c(vi),则可以先利用普里姆算法的选边策略来使树增长。详细地,选择一条最小权重的边并将其加入一棵树,其两个端点分别在D中和某一树中。当然,这个操作必须保证对于任意树Ti有|V(Ti)|-1≤c(vi)。否则,所有边都不能直接加入到某一树中。面临两种情况,第一种是D中所有点都被加入到某一树中,即已经解决了这种情况。第二种是仍然有D中的点没有被加入到任何树中。对于这种情况,本实施例基于实施例2的策略实现增长树。进一步在实施例3中描述细节。
实施例3:P-SDUP
输入:一个边权重无向图G=(V=D∪S,E,w)。
输出:G的子树|S|
1、对于任何vi∈S,设Ti=vi,且令D=V\S为不在任何子树中DC点的集合。
2.1、选择G中最小权重的边(u,w),
u∈V(Tj),w∈D,c(vj)-|V(Tj)|>0,1≤j≤|S|,将边(u,w)加入到Tj中,D=D\w,
且标记w为DC点;
3.3否则,将P’=(pq,...,pk)加入到Tj中,D=D\V(P′);
当pq∈D,|V(P′)∩D|=c(vj)-|V(Tj)|+1时,将V(P′)∩D中的点标记为DC点。
4、输出T1,T2,...,T|S|。
本申请实施例考虑了叠加数据上传的能耗问题,通过获取确定智能设备分布和移动基站分布,建立相应的无向边权重图,从图论的角度,求得智能设备与移动基站的最小通信成本问题。同时还考虑到每个智能设备到相应移动基站的通信链路和SDs的数据传输顺序,使总通信成本最小化。
下面通过比较某些具有代表性的场景下的通信成本,来评估D-SDUP和P-SDUP的性能。考虑将SDs随机部署在某个区域的场景。使用概率p来确定2个节点(SD-SD或SD-VBS)是否能够通信。如果2个节点能够互相通讯,一个消耗值(G中相应节点的权重)会赋给它们的边。多功能VBS随机分布在区域中,任何两个VBSs之间不能进行直接通讯。考虑两个场景:
第二个场景中,设定所有服务器的容量总数比SDs的数量要多。有n=200个SDs。服务器数量k在[10,15,20,25]中取值。当k=10,容量在[20,30,...,120]中取;当k=15,容量在[20,30,...,120]中取;当k=20,容量在[10,20,...,100]中取;当k=25,容量在[10,20,...,100]中取。令p=0.20。
A场景1
仿真结果显示如图6所示。在场景1中,所有服务器的总容量几乎等于SDs的数量。从图中可以看出,当p相对较小时,算法D-SDUP在一定程度上优于P-SDUP。但是,随着p的值增大,两中算法的性能差距越来越小。当p的值为0.5,D-SDUP的性能与P-SDUP基本一致。导致这种结果的原因是p的值与图的密度直接相关。当p增大时,图的密度增大。此外,通过普里姆算法加入到树中的顶点数目增加。
B场景2
仿真结果如图7所示。很容易发现,当容量c不小于某一特定值时,算法P-SDUP的性能优于D-SDUP。这与场景1中的模拟结果不同。原因是当c值达到某一阈值时,每个VBS的子树大小几乎不受其容量的约束。在这种情况下,普里姆算法能找到这个问题几乎所有的局部最优边(或顶点)。
下面对本申请实施例提供的数据传输网的建立***进行介绍,下文描述的建立***与上文描述的数据传输网的建立方法可相互对应参照。
参见图8,图8为本申请实施例所提供的一种数据传输网的建立***的结构示意图,本申请还提供一种数据传输网的建立***,包括:
确定模块100,用于确定智能设备分布和移动基站分布;
判断模块200,用于判断所述移动基站是否满足预设范围内所有智能设备的供应需求;
事件图建立模块300,用于所述判断模块判断为是时,根据所述智能设备分布和所述移动基站分布建立无向边权重图;其中,权重为智能设备与移动基站之间的通信成本;
求解模块400,用于求取无向边权重图中权重和的最优解;
建网模块500,用于根据所述最优解建立智能设备与移动基站的通信连接。
基于上述实施例,作为优选的实施例,所述事件图建立模块300包括:
数据确定单元,用于根据所述智能设备分布包括智能设备数量和智能设备相对位置数据,根据所述移动基站分布包括移动基站数量和移动基站相对位置数据;
事件图建立单元,用于根据所述智能设备数量、所述智能设备相对位置数据、所述移动基站数量和所述移动基站相对位置数据建立无向边权重图;
其中,所述无向边权重图为G=(V=D∪S,E,w),D代表所有智能设备的集合,S代表所有移动基站的集合,E代表边的集合,w为权重。
基于上述实施例,作为优选的实施例,求解模块400包括:
第一求解单元,用于在所述无向边权重图中增加最小权重边,以使所述无向边权重图中第一预设数量的节点均在同一生成树中;其中,所述节点为所述智能设备或所述移动基站;
第二求解单元,用于利用Dijkstra算法将剩余的智能设备对应的节点添加至所述生成树中;其中,所述生成树中所述智能设备和所述移动基站各自对应的节点之间的连接关系为所述最优解。
基于上述实施例,作为优选的实施例,还包括:
通讯单元,用于利用有向树作为所述移动基站的通讯模拟树;其中,方向表述数据传输的方向。
本申请还提供了一种计算机可读存储介质,其上存有计算机程序,该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请还提供了一种服务器,可以包括存储器和处理器,所述存储器中存有计算机程序,所述处理器调用所述存储器中的计算机程序时,可以实现上述实施例所提供的步骤。当然所述服务器还可以包括各种网络接口,电源等组件。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例提供的***而言,由于其与实施例提供的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (8)
1.一种数据传输网的建立方法,其特征在于,包括:
确定智能设备分布和移动基站分布;
判断所述移动基站是否满足预设范围内所有智能设备的供应需求;
若否,根据所述智能设备分布和所述移动基站分布建立无向边权重图;其中,权重为智能设备与移动基站之间的通信成本;
求取无向边权重图中权重和的最优解;
根据所述最优解建立智能设备与移动基站的通信连接;
其中,求取无向边权重图中权重和的最优解包括:
在所述无向边权重图中增加最小权重边,以使所述无向边权重图中第一预设数量的节点均在同一生成树中;其中,所述节点为所述智能设备或所述移动基站;
利用Dijkstra算法将剩余的智能设备对应的节点添加至所述生成树中;其中,所述生成树中所述智能设备和所述移动基站各自对应的节点之间的连接关系为所述最优解。
2.根据权利要求1所述的建立方法,其特征在于,根据所述智能设备分布和所述移动基站分布建立无向边权重图包括:
根据所述智能设备分布包括智能设备数量和智能设备相对位置数据,根据所述移动基站分布包括移动基站数量和移动基站相对位置数据;
根据所述智能设备数量、所述智能设备相对位置数据、所述移动基站数量和所述移动基站相对位置数据建立无向边权重图;
其中,所述无向边权重图为G=(V=D∪S,E,w),D代表所有智能设备的集合,S代表所有移动基站的集合,E代表边的集合,w为权重。
3.根据权利要求1所述的建立方法,其特征在于,还包括:
利用有向树作为所述移动基站的通讯模拟树;其中,方向表述数据传输的方向。
4.一种数据传输网的建立***,其特征在于,包括:
确定模块,用于确定智能设备分布和移动基站分布;
判断模块,用于判断所述移动基站是否满足预设范围内所有智能设备的供应需求;
事件图建立模块,用于所述判断模块判断为是时,根据所述智能设备分布和所述移动基站分布建立无向边权重图;其中,权重为智能设备与移动基站之间的通信成本;
求解模块,用于求取无向边权重图中权重和的最优解;
建网模块,用于根据所述最优解建立智能设备与移动基站的通信连接;
其中,所述求解模块包括:
第一求解单元,用于在所述无向边权重图中增加最小权重边,以使所述无向边权重图中第一预设数量的节点均在同一生成树中;其中,所述节点为所述智能设备或所述移动基站;
第二求解单元,用于利用Dijkstra算法将剩余的智能设备对应的节点添加至所述生成树中;其中,所述生成树中所述智能设备和所述移动基站各自对应的节点之间的连接关系为所述最优解。
5.根据权利要求4所述的建立***,其特征在于,所述事件图建立模块包括:
数据确定单元,用于根据所述智能设备分布包括智能设备数量和智能设备相对位置数据,根据所述移动基站分布包括移动基站数量和移动基站相对位置数据;
事件图建立单元,用于根据所述智能设备数量、所述智能设备相对位置数据、所述移动基站数量和所述移动基站相对位置数据建立无向边权重图;
其中,所述无向边权重图为G=(V=D∪S,E,w),D代表所有智能设备的集合,S代表所有移动基站的集合,E代表边的集合,w为权重。
6.根据权利要求4所述的建立***,其特征在于,还包括:
通讯单元,用于利用有向树作为所述移动基站的通讯模拟树;其中,方向表述数据传输的方向。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-3任一项所述的建立方法的步骤。
8.一种服务器,其特征在于,包括存储器和处理器,所述存储器中存有计算机程序,所述处理器调用所述存储器中的计算机程序时实现如权利要求1-3任一项所述的建立方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910816606.5A CN110516385B (zh) | 2019-08-30 | 2019-08-30 | 一种数据传输网的建立方法、***及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910816606.5A CN110516385B (zh) | 2019-08-30 | 2019-08-30 | 一种数据传输网的建立方法、***及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110516385A CN110516385A (zh) | 2019-11-29 |
CN110516385B true CN110516385B (zh) | 2023-04-25 |
Family
ID=68629690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910816606.5A Active CN110516385B (zh) | 2019-08-30 | 2019-08-30 | 一种数据传输网的建立方法、***及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110516385B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105450741A (zh) * | 2015-11-16 | 2016-03-30 | 苏州大学 | 分布式存储***中供应服务器选择和修复数据传输方法 |
CN108235272A (zh) * | 2017-12-18 | 2018-06-29 | 华南理工大学 | 一种基于移动基站的无线传感器网络数据收集方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3002914B1 (en) * | 2014-10-01 | 2018-09-05 | Huawei Technologies Co., Ltd. | A network entity for programmably arranging an intermediate node for serving communications between a source node and a target node |
-
2019
- 2019-08-30 CN CN201910816606.5A patent/CN110516385B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105450741A (zh) * | 2015-11-16 | 2016-03-30 | 苏州大学 | 分布式存储***中供应服务器选择和修复数据传输方法 |
CN108235272A (zh) * | 2017-12-18 | 2018-06-29 | 华南理工大学 | 一种基于移动基站的无线传感器网络数据收集方法 |
Non-Patent Citations (1)
Title |
---|
一种改进的无线传感器网络最小加权分簇算法;徐晶晶等;《南京邮电大学学报(自然科学版)》;20161031(第05期);第56-63页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110516385A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8527457B2 (en) | Arrangement for autonomous mobile network nodes to organize a wireless mobile network based on detected physical and logical changes | |
Banfi et al. | Asynchronous multirobot exploration under recurrent connectivity constraints | |
Banfi et al. | Strategies for coordinated multirobot exploration with recurrent connectivity constraints | |
KR101634585B1 (ko) | 드론 네트워크에서 드론의 지리적 위치 정보를 기반으로 한 데이터 전달 방법 | |
Olsson et al. | Generating UAV communication networks for monitoring and surveillance | |
Popa et al. | Robotic deployment of sensor networks using potential fields | |
CN109005108B (zh) | 一种空间网络路由规划方法及*** | |
Boukerche et al. | DV-Loc: a scalable localization protocol using Voronoi diagrams for wireless sensor networks | |
US20090034433A1 (en) | Method for Rebuilding an Ad Hoc Network and the Nodes Thereof | |
Shirani | Reactive-greedy-reactive in unmanned aeronautical ad-hoc networks: A combinational routing mechanism | |
Skiadopoulos et al. | Impact of drone route geometry on information collection in wireless sensor networks | |
Chen et al. | A fast coordination approach for large-scale drone swarm | |
CN110516385B (zh) | 一种数据传输网的建立方法、***及相关装置 | |
Mohamed et al. | Middleware challenges for cyber-physical systems | |
Magadán et al. | Clustered wsn for building energy management applications | |
Saadaoui et al. | Communication and energy optimization of local PSO-assisted multi-UAVs for moving targets exploration | |
Sreejith et al. | Partition discovery and connectivity restoration in wsn using mobile relays | |
Bergelt et al. | An event-based local action model for queriable wireless sensor actuator networks | |
Behnke et al. | Comparison of distributed ad-hoc network planning algorithms for autonomous flying robots | |
CN116980881B (zh) | 一种多无人机协作数据分发方法、***、电子设备及介质 | |
US10091069B2 (en) | Method for modelling information transmission network having hierarchical structure and apparatus thereof | |
CN106899926B (zh) | 一种无线传感网的角色分配参数确定方法和装置 | |
Sokolov et al. | Instrumental supporting system for developing and analysis of software-defined networks of mobile objects | |
Skiadopoulos et al. | A Distributed Method to Organize Terrestrial Nodes to Facilitate Short Drone Routes in WSNs | |
Yamamoto et al. | A Localization Algorithm Based on Availability of Direct Signal from Neighbor Anchor Nodes in a Sensor Networks |
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 |