專利名稱：基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種網(wǎng)格的任務(wù)調(diào)度方法，特別是一種基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法。
背景技術(shù)：
無(wú)線傳感器網(wǎng)絡(luò)由一系列的傳感器節(jié)點(diǎn)構(gòu)成，每個(gè)節(jié)點(diǎn)都具有環(huán)境感知、數(shù)據(jù)處理和無(wú)線通信能力。而網(wǎng)格是用于解決在動(dòng)態(tài)的、多機(jī)構(gòu)的虛擬中協(xié)調(diào)資源共享和協(xié)作的問題，核心思想是在一組參與節(jié)點(diǎn)(資源提供者和消費(fèi)者)中協(xié)商資源共享管理的能力，利用協(xié)商得到的資源池共同解決一些問題。無(wú)線傳感器網(wǎng)絡(luò)是傳感器之間在物理上和邏輯上的連接而形成的網(wǎng)絡(luò)，而網(wǎng)格則是用于有關(guān)傳感器節(jié)點(diǎn)及其感測(cè)數(shù)據(jù)的數(shù)據(jù)管理、計(jì)算管理、信息管理和知識(shí)發(fā)現(xiàn)管理。將傳感器網(wǎng)絡(luò)接入到網(wǎng)格中，接入后所形成的新的網(wǎng)格稱之為“傳感器網(wǎng)格”，傳感器網(wǎng)格可以利用網(wǎng)格的計(jì)算資源和數(shù)據(jù)存儲(chǔ)資源，存儲(chǔ)、分析和處理傳感器獲取的大量數(shù)據(jù)，無(wú)縫地訪問若干傳感器節(jié)點(diǎn)獲得所需的數(shù)據(jù)，使用戶能有效地共享這些傳感器。目前，關(guān)于無(wú)線傳感器網(wǎng)格的研究越來(lái)越多，而無(wú)線傳感器網(wǎng)格中任務(wù)調(diào)度的算法也引起了越來(lái)越多的關(guān)注。雖然網(wǎng)格技術(shù)以高性能的計(jì)算能力備受人們的關(guān)注，但是由于傳感器節(jié)點(diǎn)具有電池供電、計(jì)算存儲(chǔ)能力有限、通信帶寬低的缺點(diǎn)，這使其在處理和利用所得數(shù)據(jù)時(shí)受到了限制。

發(fā)明內(nèi)容
本發(fā)明目的就在提供一種基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法， 該方法通過(guò)減少無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)的計(jì)算任務(wù)，使傳感器節(jié)點(diǎn)專注于收集和傳輸信息，節(jié)省了電源的能量。此外，還通過(guò)利用網(wǎng)格技術(shù)處理所有的計(jì)算任務(wù)，提高計(jì)算的效率和準(zhǔn)確率。實(shí)現(xiàn)本發(fā)明目的采用的技術(shù)方案是一種基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法，在無(wú)線傳感器網(wǎng)絡(luò)中使用基于圖元神經(jīng)的模式匹配方法，以減少無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)的計(jì)算任務(wù)；和/或在網(wǎng)格中采用基于復(fù)制策略的遺傳算法，根據(jù)關(guān)鍵任務(wù)的優(yōu)先級(jí)，采用作業(yè)復(fù)制的策略實(shí)現(xiàn)關(guān)鍵任務(wù)的作業(yè)在最短的時(shí)間內(nèi)完成，以有效的降低任務(wù)之間的通信開銷從而最大限度地獲得最優(yōu)的時(shí)間跨度。所述基于圖元神經(jīng)的模式匹配方法包括以下步驟(2-1)不斷查看是否有新的任務(wù)到來(lái)，如果沒有任務(wù)到來(lái)則一直處于等待狀態(tài)；(2-2)執(zhí)行任務(wù)得到的任務(wù)和結(jié)果信息組成的模式離散地存儲(chǔ)在傳感器節(jié)點(diǎn)上；(2-3)傳感器節(jié)點(diǎn)在獲取任務(wù)主題信息之后，利用模式匹配程序把任務(wù)主題和本地存儲(chǔ)的模式進(jìn)行匹配，如果匹配成功，喚起該傳感器節(jié)點(diǎn)，并計(jì)算出一個(gè)針對(duì)該任務(wù)的局部結(jié)果；(2-4)把被喚起的傳感器節(jié)點(diǎn)組織成一個(gè)匹配集合，如果匹配集合中節(jié)點(diǎn)的個(gè)數(shù)小于Num，此次任務(wù)匹配失敗，算法結(jié)束；如果匹配集合中節(jié)點(diǎn)的個(gè)數(shù)不小于Num，則進(jìn)入步驟0-5)，其中Num為多次試驗(yàn)得到一個(gè)最好的經(jīng)驗(yàn)值；(2-5)根據(jù)匹配集合中各個(gè)節(jié)點(diǎn)的匹配模式與任務(wù)主題信息的匹配程度，計(jì)算出各個(gè)匹配模式的影響因子Inf =…..Ni = 1其中，Infi為被喚醒節(jié)點(diǎn)Ni中匹配模式的影響因子，Mi為Ni節(jié)點(diǎn)中匹配模式與查詢?nèi)蝿?wù)的匹配程度，Mj為節(jié)點(diǎn) 中匹配模式與查詢?nèi)蝿?wù)的匹配程度，Nj表示第j個(gè)節(jié)點(diǎn)；(2-6)根據(jù)匹配集合中各節(jié)點(diǎn)匹配模式的局部結(jié)果和影響因子，通過(guò)下式計(jì)算出全局結(jié)果D = Σ、Ir-f、<，其中，D為匹配集合中的每個(gè)傳感器節(jié)點(diǎn)將它們各自得出的局部結(jié)果進(jìn)行綜合后得到全局結(jié)果，Cli為傳感器節(jié)點(diǎn)Ni中匹配模式得出的局部結(jié)果。所述基于遺傳算法的復(fù)制策略包括任務(wù)的優(yōu)先級(jí)對(duì)關(guān)鍵任務(wù)進(jìn)行作業(yè)復(fù)制的策略，作業(yè)復(fù)制數(shù)隊(duì)。 為”?！? ι ν - ·巧‘其中，α是復(fù)制比例，用以根據(jù)具體無(wú)線傳感器網(wǎng)格環(huán)境調(diào)整任務(wù)的復(fù)制比例； PRI (Vi)是任務(wù)節(jié)點(diǎn)Vi的任務(wù)調(diào)度優(yōu)先級(jí)，由下式計(jì)算得出
- % 5 、.， ’-A” = il-S!...............................................H(Vi)為執(zhí)行計(jì)算任務(wù)節(jié)點(diǎn)Vi的高度，為執(zhí)行計(jì)算任務(wù)節(jié)點(diǎn)、的高度，N為執(zhí)行計(jì)算子任務(wù)的個(gè)數(shù)。所述遺傳算法包括以下步驟(4-1)生成初始群種(4-2)計(jì)算適應(yīng)度；(4-3)選取遺傳算法終止時(shí)種群中適應(yīng)值最好的個(gè)體作為任務(wù)調(diào)度的最優(yōu)解，并將該最優(yōu)解作為禁忌搜索的初始解，禁忌表置為空；(4-4)設(shè)定最大迭代數(shù)maxL和maxBest，如果迭代次數(shù)達(dá)到maxL或某個(gè)禁忌對(duì)象出現(xiàn)了 maxBest次，則終止算法，否則進(jìn)入步驟(4- ，終止算法后通過(guò)染色體解碼并根據(jù)任務(wù)優(yōu)先級(jí)以一定的概率進(jìn)行任務(wù)復(fù)制；(4-5)由當(dāng)前解產(chǎn)生領(lǐng)域解，根據(jù)藐視準(zhǔn)則，如果某個(gè)禁忌候選解的目標(biāo)函數(shù)小于CurBestFit狀態(tài)，則解禁該候選解為當(dāng)前狀態(tài)，并更新CurBestFit狀態(tài)；如果所有的候選解都是禁忌候選解，且都大于CurBestFit，解禁最小的候選解為當(dāng)前狀態(tài)，并更新 CurBestFit狀態(tài)，進(jìn)入步驟0-4)；如果某個(gè)禁忌候選解的目標(biāo)函數(shù)不小于CurBestFit狀態(tài)，則進(jìn)入步驟(4-6)；(4-6)將非禁忌對(duì)象對(duì)應(yīng)的最佳解作為當(dāng)前解，并用該對(duì)象替換最早進(jìn)入禁忌表的對(duì)象，進(jìn)入步驟(4-4)循環(huán)操作。上述步驟G-1)中生成初始群種包括以下步驟(5-1)計(jì)算任務(wù)圖中每個(gè)任務(wù)的高度H(Vi)；(5-2)計(jì)算每個(gè)任務(wù)的優(yōu)先級(jí)及任務(wù)復(fù)制數(shù)，根據(jù)任務(wù)復(fù)制數(shù)復(fù)制每個(gè)任務(wù)。(5-3)所有任務(wù)按高度升序排列，同樣高度的任務(wù)按隨機(jī)順序排列，生成任務(wù)序列；(5-4)將每個(gè)任務(wù)按步驟(5- 得到的順序，逐個(gè)隨機(jī)映射到m個(gè)網(wǎng)格計(jì)算資源中的一個(gè)，生成染色體；(5-5)按照設(shè)定的種群大小pSize，重復(fù)步驟(3) (4)pSize次，生成初始種群。上述步驟0-3)中遺傳算法終止迭代的最大迭代次數(shù)L，當(dāng)?shù)螖?shù)超過(guò)L時(shí)，迭代終止；在沒有達(dá)到L時(shí)，設(shè)終止代數(shù)G和終止閾值T，如果連續(xù)G代， Fit (i + 1) —<T時(shí)，迭代終止。遺傳算法不滿足終止條件時(shí)，則依次通過(guò)選擇、交叉、變異操作直至遺傳算法終止。所述的選擇操作是采用輪盤賭的選擇方式，按照染色體的適應(yīng)度確定染色體被選擇的概率。交叉操作是隨機(jī)選擇兩個(gè)染色體，再隨機(jī)選擇某個(gè)高度， 交換這兩個(gè)染色體中該高度上的所有任務(wù)順序和任務(wù)所對(duì)應(yīng)的計(jì)算資源的順序。變異操作是根據(jù)設(shè)定的變異概率決定本次是否會(huì)發(fā)生變異，如果會(huì)發(fā)生變異，隨機(jī)選擇某個(gè)染色體上的某個(gè)位置，隨機(jī)映射到新的網(wǎng)格計(jì)算資源上。本發(fā)明方法把無(wú)線傳感器網(wǎng)格的任務(wù)拆分為兩個(gè)階段在無(wú)線傳感器網(wǎng)絡(luò)的數(shù)據(jù)收集階段和網(wǎng)格中數(shù)據(jù)分析計(jì)算階段，具有以下優(yōu)點(diǎn)(1)在無(wú)線傳感器網(wǎng)絡(luò)數(shù)集階段中，采用基于圖元神經(jīng)的模式匹配算法，充分利用已知的任務(wù)和其執(zhí)行結(jié)果來(lái)估計(jì)當(dāng)前任務(wù)的結(jié)果，不但可以很快地做出決策，而且降低了無(wú)線傳感器節(jié)點(diǎn)感知數(shù)據(jù)的能量開銷，并且減少了通信和計(jì)算的能量開銷。通過(guò)減少無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)的計(jì)算任務(wù)，使無(wú)線傳感器節(jié)點(diǎn)專注于收集和傳輸信息，有效降低傳感器節(jié)點(diǎn)環(huán)境感知、數(shù)據(jù)傳遞、計(jì)算等任務(wù)消耗的能量，節(jié)省了電源的能量，延長(zhǎng)節(jié)點(diǎn)壽命。(2)在網(wǎng)格中，本發(fā)明考慮真實(shí)的網(wǎng)格環(huán)境任務(wù)之間具有相互的依賴關(guān)系、網(wǎng)格資源之間是普遍異構(gòu)的、任務(wù)之間存在一定的通信開銷，而不是簡(jiǎn)單的假定任務(wù)是相互獨(dú)立的、資源節(jié)點(diǎn)是同構(gòu)的、相互之間不存在通信開銷。因此，本發(fā)明在網(wǎng)格中的計(jì)算任務(wù)調(diào)度考慮任務(wù)間的通信開銷，采用基于遺傳算法的復(fù)制策略，根據(jù)關(guān)鍵任務(wù)的優(yōu)先級(jí)，采用作業(yè)復(fù)制的策略對(duì)關(guān)鍵任務(wù)在多個(gè)資源節(jié)點(diǎn)進(jìn)行部署。采用作業(yè)復(fù)制的策略可以有效減小任務(wù)之間的通信開銷、并能夠保證關(guān)鍵任務(wù)的成功執(zhí)行，在獲取最優(yōu)時(shí)間跨度的情況下，還具有一定的容錯(cuò)功能。


圖1是無(wú)線傳感器網(wǎng)格的構(gòu)示意圖。圖2是基于圖元神經(jīng)的模式匹配流程圖。圖3是基于遺傳算法的復(fù)制策略流程圖。
具體實(shí)施例方式下面結(jié)合具體的實(shí)施例和說(shuō)明書附圖對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步的說(shuō)明。無(wú)線傳感器網(wǎng)格的結(jié)構(gòu)如圖1所示，用戶訪問層提供了網(wǎng)格入口或者是工作流程管理工具的一個(gè)網(wǎng)格接口，用戶通過(guò)該接口提交應(yīng)用到無(wú)線傳感器網(wǎng)格上去執(zhí)行，首先在傳感器網(wǎng)絡(luò)中去收集任務(wù)調(diào)度所需要的數(shù)據(jù)，然后在網(wǎng)格上對(duì)這些傳感器數(shù)據(jù)進(jìn)行分析計(jì)算。網(wǎng)格元調(diào)度根據(jù)作業(yè)在無(wú)線傳感器網(wǎng)絡(luò)端所請(qǐng)求的資源來(lái)對(duì)任務(wù)進(jìn)行調(diào)度和路由；網(wǎng)格代理將網(wǎng)格查詢轉(zhuǎn)換為簡(jiǎn)單的無(wú)線傳感器格式并且將它提交給相應(yīng)的無(wú)線傳感器網(wǎng)關(guān)。無(wú)線傳感器網(wǎng)關(guān)分析這個(gè)查詢將它們轉(zhuǎn)換為模式，并且將它們提交給相應(yīng)的無(wú)線傳感器節(jié)點(diǎn)。運(yùn)行于傳感器節(jié)點(diǎn)的圖元神經(jīng)GN(Graph Neuron)完成相關(guān)的GN應(yīng)用步驟，對(duì)查詢產(chǎn)生單一的響應(yīng)；結(jié)果最終由無(wú)線傳感器網(wǎng)關(guān)提交給網(wǎng)格代理；網(wǎng)格代理整合無(wú)線傳感器網(wǎng)絡(luò)產(chǎn)生的結(jié)果以產(chǎn)生最終的結(jié)果，并由網(wǎng)格代理傳遞給網(wǎng)格系統(tǒng)進(jìn)行分析計(jì)算。本實(shí)施例對(duì)無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度分為兩個(gè)階段數(shù)據(jù)收集階段和數(shù)據(jù)分析計(jì)算階段。數(shù)據(jù)收集階段就是在無(wú)線傳感器網(wǎng)絡(luò)中，使用基于圖元神經(jīng)的模式匹配算法，有效降低傳感器節(jié)點(diǎn)環(huán)境感知、數(shù)據(jù)傳遞、計(jì)算等任務(wù)消耗的能量，延長(zhǎng)節(jié)點(diǎn)壽命。基于圖元神經(jīng)的模式匹配算法，包括以下步驟首先，把執(zhí)行任務(wù)得到的任務(wù)和結(jié)果信息組成的模式離散地存儲(chǔ)在傳感器節(jié)點(diǎn)上，模式和傳感器節(jié)點(diǎn)有多對(duì)一的關(guān)系，一個(gè)傳感器節(jié)點(diǎn)可以存儲(chǔ)多個(gè)模式，但一個(gè)模式只能存儲(chǔ)在一個(gè)傳感器節(jié)點(diǎn)之上，利用離散存儲(chǔ)的方法可以防止個(gè)別節(jié)點(diǎn)負(fù)荷過(guò)重。其次，傳感器節(jié)點(diǎn)中的模式匹配程序使用基于圖元神經(jīng)的模式匹配算法把當(dāng)前節(jié)點(diǎn)中存儲(chǔ)的每個(gè)模式和下一個(gè)要執(zhí)行的任務(wù)主題進(jìn)行匹配，如果匹配成功，該傳感器節(jié)點(diǎn)被喚起，根據(jù)模式主題與任務(wù)主題匹配的相似程度產(chǎn)生一個(gè)局部結(jié)果。最后，被喚起的傳感器節(jié)點(diǎn)被組織成一個(gè)匹配集合，匹配集合中節(jié)點(diǎn)的個(gè)數(shù)達(dá)到預(yù)定的數(shù)目時(shí)，匹配集合中的每個(gè)傳感器節(jié)點(diǎn)將它們各自得出的局部結(jié)果進(jìn)行綜合后得到全局結(jié)果，否則，此次匹配失敗，即無(wú)法找到足夠的任務(wù)主題信息。在綜合結(jié)果時(shí)，模式主題與任務(wù)主題匹配的相似程度會(huì)影響該模式的局部結(jié)果對(duì)全局結(jié)果的影響程度。但是如果匹配集合中節(jié)點(diǎn)的個(gè)數(shù)過(guò)少，全局結(jié)果可能會(huì)受某一個(gè)或少數(shù)幾個(gè)模式的影響較大，容易引起較大的誤差。只有匹配集合中節(jié)點(diǎn)的個(gè)數(shù)達(dá)到一定數(shù)目時(shí)，才可用局部結(jié)果產(chǎn)生全局結(jié)果，所述基于圖元神經(jīng)的模式匹配算法具體流程如圖2所示，具體包括以下步驟(2-1)不斷查看是否有新的任務(wù)到來(lái)，如果沒有任務(wù)到來(lái)則一直處于等待狀態(tài)；(2-2)執(zhí)行任務(wù)得到的任務(wù)和結(jié)果信息組成的模式離散地存儲(chǔ)在傳感器節(jié)點(diǎn)上；(2-3)傳感器節(jié)點(diǎn)在獲取任務(wù)主題信息之后，利用模式匹配程序把任務(wù)主題和本地存儲(chǔ)的模式進(jìn)行匹配，如果匹配成功，喚起該傳感器節(jié)點(diǎn)，并計(jì)算出一個(gè)針對(duì)該任務(wù)的局部結(jié)果；(2-4)把被喚起的傳感器節(jié)點(diǎn)組織成一個(gè)匹配集合，如果匹配集合中節(jié)點(diǎn)的個(gè)數(shù)小于Num，此次任務(wù)匹配失敗，算法結(jié)束；如果匹配集合中節(jié)點(diǎn)的個(gè)數(shù)不小于Num，則進(jìn)入步驟0-5)，其中Num為多次試驗(yàn)得到一個(gè)最好的經(jīng)驗(yàn)值；(2-5)根據(jù)匹配集合中各個(gè)節(jié)點(diǎn)的匹配模式與任務(wù)主題信息的匹配程度，計(jì)算出各個(gè)匹配模式的影響因子= ；:.................N, = 1
—s- ·丄其中，Infi為被喚醒節(jié)點(diǎn)Ni中匹配模式的影響因子，Mi為Ni節(jié)點(diǎn)中匹配模式與查詢?nèi)蝿?wù)的匹配程度，Mj為節(jié)點(diǎn) 中匹配模式與查詢?nèi)蝿?wù)的匹配程度，Nj表示第j個(gè)節(jié)點(diǎn)；(2-6)根據(jù)匹配集合中各節(jié)點(diǎn)匹配模式的局部結(jié)果和影響因子，通過(guò)下式計(jì)算出全局結(jié)果D = Σν=_ Ιη . +' ·±，其中，di為傳感器節(jié)點(diǎn)Ni中匹配模式得出的局部結(jié)果。本發(fā)明在無(wú)線傳感器網(wǎng)絡(luò)中使用基于圖元神經(jīng)的模式匹配算法可以充分利用已知的任務(wù)和其執(zhí)行結(jié)果來(lái)估計(jì)當(dāng)前任務(wù)的結(jié)果，在任務(wù)重復(fù)性比較大或相似任務(wù)比較多的情況下，不但可以很快地做出決策，而且降低了傳感器節(jié)點(diǎn)感知數(shù)據(jù)的能量開銷，并且減少了通信和計(jì)算的能量開銷。在無(wú)線傳感器網(wǎng)絡(luò)中使用該算法不僅節(jié)省了傳感器節(jié)點(diǎn)的能量，而且提高了任務(wù)的執(zhí)行速度。本實(shí)施例在網(wǎng)格任務(wù)調(diào)度的數(shù)據(jù)分析計(jì)算階段使用的方法是在網(wǎng)格中，通過(guò)采用基于遺傳算法的復(fù)制策略，有效地降低任務(wù)之間的通信開銷從而最大限度的獲得最優(yōu)的時(shí)間跨度。具有依賴任務(wù)的網(wǎng)格任務(wù)調(diào)度算法主要基于有向無(wú)環(huán)圖模型，因此依賴任務(wù)調(diào)度也就是對(duì)應(yīng)的DAG調(diào)度。與獨(dú)立的任務(wù)調(diào)度不同，依賴任務(wù)調(diào)度不僅需要解決任務(wù)到處理機(jī)的分配還需要解決任務(wù)在處理機(jī)上的時(shí)間安排。不同的前驅(qū)任務(wù)調(diào)度策略會(huì)對(duì)后繼任務(wù)的調(diào)度造成很大的影響。大多數(shù)早期的DAG調(diào)度算法針對(duì)同構(gòu)的計(jì)算平臺(tái)，現(xiàn)在的大多數(shù)針對(duì)異構(gòu)環(huán)境的 DAG調(diào)度算法只是將任務(wù)的執(zhí)行時(shí)間和通信時(shí)間分別簡(jiǎn)單的去進(jìn)行加權(quán)平均，然后使用同構(gòu)的平臺(tái)調(diào)度算法進(jìn)行調(diào)度。本專利就是在進(jìn)行任務(wù)調(diào)度時(shí)考慮真實(shí)的網(wǎng)格調(diào)度環(huán)境，而不是僅僅考慮計(jì)算開銷而忽略通信開銷。本實(shí)施例進(jìn)行如下假設(shè)和定義有向無(wú)環(huán)圖包含四個(gè)元素，通常定義為G = (V, E，C，M)；其中_ r— \代表一個(gè)任務(wù)，‘■ ‘ - i表明任務(wù)Vi 與\之間存在著先后關(guān)系，并且\應(yīng)該在Vi結(jié)束之后才能執(zhí)行；C(Vi)代表任務(wù)Vi的計(jì)算代價(jià)；M(Vi，Vj)代表任務(wù)Vi向任務(wù)\發(fā)送數(shù)據(jù)的通信代價(jià)。如果Vi，Vj被分配到同一個(gè)處理單元那么它們之間的通信代價(jià)為0。如果，Vi到Vj存在一條路徑，那么Vi稱為Vj前驅(qū)， Vj稱為Vi的后繼；如果(Vi，Vj) e E，那么Vi稱為Vj的直接前驅(qū)，定義為Vi e IPred(Vj)， Vj稱為Vi的直接后繼，定義為Vj e iSucc (Vi)。由DAG表示的任務(wù)圖是分層的，每層都有一個(gè)深度值，深度值越小，任務(wù)調(diào)度的優(yōu)先級(jí)就越高，在任務(wù)調(diào)度的過(guò)程中就要優(yōu)先保證任務(wù)的成功執(zhí)行。深度值用公式表示如下
--‘ .〕■二 -‘ = 廣
「nn^ql 4 ‘ —… ’ . .
L \J\J \J \J J3 1 ‘.- “ -1 * S aaiaa iWfe- - * ^ R ￡ ■ =
ι - · “ "· ‘ ·, - I- ·其中，IPred(Vj)代表Vj的前驅(qū)節(jié)點(diǎn)的集合，H(Vj)代表Vj的高度。定義S(G)為基于有向無(wú)環(huán)圖的任務(wù)調(diào)度，S(G)用來(lái)將任務(wù)分配到合適的處理單元并為每一個(gè)任務(wù)分配一個(gè)合適的開始時(shí)間。定義ST (V，P)為任務(wù)V在處理單元P上的開始執(zhí)行時(shí)間，那么任務(wù)ν在處理單元ρ上的完成時(shí)間FT(v，p)可以表示為Π' ■ ’ = ST ”，ρ = - ^r7",其中 comp (ρ)為資源 ρ 的計(jì)算能力。任務(wù)調(diào)度的跨度makespan⑶用公式表示如下makespan (S) = max {FT (ν, ρ) | ν e V, ρ e P}對(duì)于一個(gè)給定的有向無(wú)環(huán)圖，無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度的目標(biāo)就是得到一個(gè)最優(yōu)的時(shí)間跨度，即找到S,吃,makespan的計(jì)算公式如下當(dāng)iPre(Vj) = Φ 時(shí)FT , , ν ...::當(dāng)ν” Vj, vk e V, Vi e iPred (Vj)，pri (vk) < pri (Vi)時(shí)
8
權(quán)利要求
1.一種基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法，其特征在于在無(wú)線傳感器網(wǎng)絡(luò)中使用基于圖元神經(jīng)的模式匹配方法，以減少無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)的計(jì)算任務(wù)；和/或在網(wǎng)格中采用基于復(fù)制策略的遺傳算法，根據(jù)關(guān)鍵任務(wù)的優(yōu)先級(jí)，采用作業(yè)復(fù)制的策略實(shí)現(xiàn)關(guān)鍵任務(wù)的作業(yè)在最短的時(shí)間內(nèi)完成，以有效的降低任務(wù)之間的通信開銷從而最大限度地獲得最優(yōu)的時(shí)間跨度。
2.根據(jù)權(quán)利要求1所述基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法，其特征在于，所述基于圖元神經(jīng)的模式匹配方法包括以下步驟(2-1)不斷查看是否有新的任務(wù)到來(lái)，如果沒有任務(wù)到來(lái)則一直處于等待狀態(tài)； (2-2)執(zhí)行任務(wù)得到的任務(wù)和結(jié)果信息組成的模式離散地存儲(chǔ)在傳感器節(jié)點(diǎn)上； (2-3)傳感器節(jié)點(diǎn)在獲取任務(wù)主題信息之后，利用模式匹配程序把任務(wù)主題和本地存儲(chǔ)的模式進(jìn)行匹配，如果匹配成功，喚起該傳感器節(jié)點(diǎn)，并計(jì)算出一個(gè)針對(duì)該任務(wù)的局部結(jié)果；(2-4)把被喚起的傳感器節(jié)點(diǎn)組織成一個(gè)匹配集合，如果匹配集合中節(jié)點(diǎn)的個(gè)數(shù)小于 Num，此次任務(wù)匹配失敗，算法結(jié)束；如果匹配集合中節(jié)點(diǎn)的個(gè)數(shù)不小于Num，則進(jìn)入步驟 0-5)，其中Num為多次試驗(yàn)得到一個(gè)最好的經(jīng)驗(yàn)值；(2-5)根據(jù)匹配集合中各個(gè)節(jié)點(diǎn)的匹配模式與任務(wù)主題信息的匹配程度，計(jì)算出各個(gè)匹配模式的影響因子
3.根據(jù)權(quán)利要求1或2所述基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法，其特征在于，根據(jù)關(guān)鍵任務(wù)的優(yōu)先級(jí)，對(duì)關(guān)鍵任務(wù)采用基于遺傳算法的作業(yè)復(fù)制策略，作業(yè)復(fù)
4.根據(jù)權(quán)利要求3所述基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法，其特征在于，所述基于復(fù)制策略的遺傳算法包括以下步驟 (4-1)生成初始群種(4-2)計(jì)算適應(yīng)度；(4-3)選取遺傳算法終止時(shí)種群中適應(yīng)值最好的個(gè)體作為任務(wù)調(diào)度的最優(yōu)解，并將該最優(yōu)解作為禁忌搜索的初始解，禁忌表置為空；(4-4)設(shè)定最大迭代數(shù)maxL和maxBest，如果迭代次數(shù)達(dá)到maxL或某個(gè)禁忌對(duì)象出現(xiàn)了 maxBest次，則終止算法，否則進(jìn)入步驟(4_5)，終止算法后通過(guò)染色體解碼并根據(jù)任務(wù)優(yōu)先級(jí)以一定的概率進(jìn)行任務(wù)復(fù)制；(4-5)由當(dāng)前解產(chǎn)生領(lǐng)域解，根據(jù)藐視準(zhǔn)則，如果某個(gè)禁忌候選解的目標(biāo)函數(shù)小于最佳狀態(tài)，則解禁該候選解為當(dāng)前狀態(tài)，并更新最佳狀態(tài)；如果所有的候選解都是禁忌候選解， 且都大于最佳狀態(tài)，解禁最小的候選解為當(dāng)前狀態(tài)，并更新最佳狀態(tài)，進(jìn)入步驟(4-4)；如果某個(gè)禁忌候選解的目標(biāo)函數(shù)不小于最佳狀態(tài)，則進(jìn)入步驟G-6)；(4-6)將非禁忌對(duì)象對(duì)應(yīng)的最佳解作為當(dāng)前解，并用該對(duì)象替換最早進(jìn)入禁忌表的對(duì)象，進(jìn)入步驟(4-4)循環(huán)操作。
5.根據(jù)權(quán)利要求4所述基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法，其特征在于，生成初始群種包括以下步驟(5-1)計(jì)算任務(wù)圖中每個(gè)任務(wù)的高度H(Vi)；(5-2)計(jì)算每個(gè)任務(wù)的優(yōu)先級(jí)及任務(wù)復(fù)制數(shù)，根據(jù)任務(wù)復(fù)制數(shù)復(fù)制每個(gè)任務(wù)。(5-3)所有任務(wù)按高度升序排列，同樣高度的任務(wù)按隨機(jī)順序排列，生成任務(wù)序列；(5-4)將每個(gè)任務(wù)按步驟(5- 得到的順序，逐個(gè)隨機(jī)映射到m個(gè)網(wǎng)格計(jì)算資源中的一個(gè)，生成染色體；(5-5)按照設(shè)定的種群大小pSize，重復(fù)步驟C3) G) pSize次，生成初始種群。
6.根據(jù)權(quán)利要求4所述基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法，其特征在于步驟(4- 中遺傳算法終止迭代的最大迭代次數(shù)L，當(dāng)?shù)螖?shù)超過(guò)L時(shí)，迭代終止； 在沒有達(dá)到L時(shí)，設(shè)終止代數(shù)G和終止閾值T，如果連續(xù)G代，F(xiàn)it +<T時(shí)，迭代終止，其中Fit(i)表示種群中第i個(gè)染色體的適應(yīng)度。
7.根據(jù)權(quán)利要求4或6所述基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法，其特征在于遺傳算法不滿足終止條件時(shí)，則依次通過(guò)選擇、交叉、變異操作直至遺傳算法終止。
8.根據(jù)權(quán)利要求7所述基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法，其特征在于所述的選擇操作是采用輪盤賭的選擇方式，按照染色體的適應(yīng)度確定染色體被選擇的概率。
9.根據(jù)權(quán)利要求7所述基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法，其特征在于所述的交叉操作是隨機(jī)選擇兩個(gè)染色體，再隨機(jī)選擇某個(gè)高度，交換這兩個(gè)染色體中該高度上的所有任務(wù)順序和任務(wù)所對(duì)應(yīng)的計(jì)算資源的順序。
10.根據(jù)權(quán)利要求7所述基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法，其特征在于所述的變異操作是根據(jù)設(shè)定的變異概率決定本次是否會(huì)發(fā)生變異，如果會(huì)發(fā)生變異，隨機(jī)選擇某個(gè)染色體上的某個(gè)位置，隨機(jī)映射到新的網(wǎng)格計(jì)算資源上。
全文摘要
本發(fā)明公開了一種基于能量和通信開銷的無(wú)線傳感器網(wǎng)格任務(wù)調(diào)度方法，屬于通信技術(shù)領(lǐng)域。該方法將無(wú)線傳感器網(wǎng)格的任務(wù)調(diào)度方法分為在無(wú)線傳感器網(wǎng)絡(luò)的數(shù)據(jù)收集階段和網(wǎng)格中數(shù)據(jù)分析計(jì)算階段，在無(wú)線傳感器網(wǎng)絡(luò)中使用基于圖元神經(jīng)的模式匹配方法，以減少無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)的計(jì)算任務(wù)，有效降低傳感器節(jié)點(diǎn)環(huán)境感知、數(shù)據(jù)傳遞、計(jì)算等任務(wù)消耗的能量，節(jié)省了電源的能量，延長(zhǎng)節(jié)點(diǎn)壽命；在網(wǎng)格中采用基于復(fù)制策略的遺傳算法，根據(jù)關(guān)鍵任務(wù)的優(yōu)先級(jí)，采用作業(yè)復(fù)制的策略有效減少任務(wù)之間的通信開銷，實(shí)現(xiàn)作業(yè)在最短的時(shí)間內(nèi)完成。
文檔編號(hào)H04W72/12GK102256369SQ20111017699
公開日2011年11月23日 申請(qǐng)日期2011年6月28日 優(yōu)先權(quán)日2011年6月28日
發(fā)明者李春林, 樊銀濤 申請(qǐng)人:武漢理工大學(xué)