基于增强学习的无线传感器网络自组织方法研究

摘要

在无线传感器网络中，传感器节点在电源能量、计算能力、通信能力等方面具有局限性，节点间如何相互协作并发挥其整体综合作用，是设计无线传感器网络自组织的重点和难点。同时，针对无线传感器网络能量有限的特点，如何延长网络生存期也是设计无线传感器网络的另一个重点。本文以无线传感器网络自组织方法作为主要研究对象，分析了几种国内外比较典型的无线传感器网络自组织的方法，以及在此基础上提出了两种基于增强学习的自组织方法。
　　 从现有的自组织方法可以看出，无线传感器网络的自组织是通过路由协议和拓扑控制实现的。针对这个两个解决途径，本文将增强学习算法运用到自组织系统中，分别提出了基于Q 学习的自组织策略（QLSOP，Q-Learning Self-Organization Policy）和基于TD 能量预测的最小生成树的自组织方法（TD-MST，Temporal Differences Minimum Spanning Tree）。QLSOP充分利用了Q-Learning 算法的动态适应性，综合考虑了距离、跳数、通讯能耗、剩余能耗的因素，使得节点可以利用值函数来寻找最优路径，找到传感器节点的能量消耗和剩余能量之间的平衡点。TD-MST 利用TD 算法进行节点能量预测，计算出能量消耗和剩余能量之比，以此作为权值，以sink 节点为根构建最小生成树。值得指出的是，利用TD 算法预测邻居节点的能量消耗，避免了节点间发送大量的告知信息，减少控制信令的能耗。
　　 通过仿真实验结果可以看出，上述的两种自组织方法可以把网络平均时延控制在一个较低的层次，同时还能延长网络生存周期。本文的研究成果主要适用于对自组织性要求较高的小规模场景，也有助于对新自组织方法的探索。

目录

文摘

英文文摘

论文说明:缩略词

声明

第一章 绪论

第二章 无线传感器网络自组织技术概述

第三章 基于Q 学习的无线传感器网络自组织方法

第四章 基于TD 能量预测的无线传感器网络自组织方法

第五章 总结与展望

致谢

参考文献

发表论文