所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

马奈的节能路由算法最大化网络的生命周期

Anjum Asma
信息技术系,CCIS, King Saud University, Riyadh, Kingdom of Saudi Arabia
相关文章Pubmed,谷歌学者

访问更多的相关文章国际期刊的创新在计算机和通信工程的研究

文摘

节点移动Ad Hoc网络(manet)是有限的电池供电。这就是为什么节能manet路由已成为一个重要的优化准则。传统的路由协议不考虑节点的能量而选择路线导致网络的节点和分区的早期疲劳。本文试图提供一个能源意识到路由算法。该算法发现节点之间的传输能量相对于距离和算法的性能分析两个指标总传输能量的路线和最大跳数。该算法显示了高效的能源利用和提高网络生命周期总传输能量的量度。

关键字

能量有效的算法;马奈;总传输能量;最大跳数;网络生命周期

介绍

移动Ad Hoc网络(manet)由移动节点的集合不受到任何基础设施的限制。节点在MANET可以相互通信,可以移动任何地方没有限制。这未限制流动性和容易部署马奈的特点使他们非常受欢迎和高度适用于突发事件、自然灾害和军事行动。
马奈的节点电池能量有限,这些电池不能更换或充电在复杂的场景。延长或最大化网络生命周期应该使用这些电池效率。每个节点的能耗变化根据其通信状态:传输、接收、听力或睡眠模式。研究人员和行业都是致力于机制延长节点的电池的寿命。但是路由算法中扮演一个重要的角色在提高能源效率,因为路由算法将决定哪个节点被选中进行交流沟通。
节能算法的主要目的是最大化网络生命周期。这些算法不仅是相关路线的能源消费总量最大化,也最大化网络中每个节点的寿命提高网络生命周期。节能算法可以基于两个指标:1)最小化总传输能量2)最大化网络的生命周期。第一个指标侧重于总传输能量用于发送数据包从源到目的地通过选择大量的啤酒花标准。第二个指标侧重于整个网络的剩余面糊能级或单个节点的电池能量[1]。

相关工作

[2]的作者使用平均剩余电池的整个网络,计算通过添加两个字段RREQ数据包报头的按需路由算法)平均残余节点的电池能量ii)的路径的跳数RREQ数据包通过。根据他们的重传时间正比于剩余电池能量方程。这些节点拥有更多的电池能量比一般的能量将被选中,因为它的重传时间将会更少。小跳数选择阶段的大多数节点具有相同的传输时间。单个节点的电池被认为是一个度量来延长网络寿命[3]。作者使用一个优化函数认为自然的数据包,数据包大小和节点之间的距离,啤酒花和传输时间也为优化考虑。在[4]对遗传算法的初始种群已经计算的多播组,一组路径从源到目的地的寿命计算每条路径。一生的路径作为适应度函数。适应度函数将选择最高的染色体有最高的一生。交叉和变异运算符用于提升的选择。 In [5] authors improved AODV protocol by implementing a balanced energy consumption idea into route discovery process. RREQ message will be forwarded when the nodes have sufficient amount of energy to transmit the message otherwise message will be dropped. This condition will be checked with threshold value which is dynamically changing. It allows a node with over used battery to refuse to route the traffic in order to prolong the network life. In [6] Authors had modified the route table of AODV adding power factor field. Only active nodes can take part in rout selection and remaining nodes can be idle. The lifetime of a node is calculated and transmitted along with Hello packets. In [7] authors considered the individual battery power of the node and number of hops, as the large number of hops will help in reducing the range of the transmission power. Route discovery has been done in the same way as being done in on-demand routing algorithms. After packet has been reached to the destination, destination will wait for time δt and collects all the packets. After time δt it calls the optimization function to select the path and send RREP. Optimization function uses the individual node’s battery energy; if node is having low energy level then optimization function will not use that node.

算法

答:设计注意事项:
吗?最初的电池能量(IBE)是50 jules为每个节点。
吗?节点可以计算它的剩余电池能量(RBE)。
吗?跟踪以前使用的路径。
吗?考虑所有可能的路径开始。
吗?接收能量是不考虑。
吗?当没有可用路径传输数据包被认为是网络生命周期。
b算法的描述:
该算法的目的是最大化网络生命通过最小化总传输能源使用节能路由传输数据包。该算法包括三个主要步骤。
第一步:计算传输能量:
每个节点的传输能量(TEnode)相对于与另一个节点的距离计算通过使用eq。(1) [8]。
图像eq。(1)
k是常数和n之间的路径损耗因子一般(2 - 4)[8]。
步骤2:选择标准:
节点应该有更多的剩余电池能量(RBE)比所需的传输能量(TEnode)传输数据包路由到下一个节点。中的所有节点路由将检查这种情况即使一个节点的路由不满足这个条件那么这条路不会被视为一个可行的解决方案。所有其他路线的所有节点有足够的能量是可行的解决方案。和这些节点有平等的RBE比(TEnode)进入睡眠模式。这个选择标准有助于延长网络寿命,避免破损的链接。我们试图避免重复使用的路径。但在一个阶段,我们必须与能源效率当我们有一个妥协路线用更少的能源消耗,但已经被使用和溃败最大消耗的能量是不习惯。所以直到这个时候,我们避免了重复使用的路径,试图增加网络生活。节点到节点的传输能量溃败计算根据距离和传输的总能量(水獭)的溃败,计算使用(2)式。
图像
m是啤酒花的数量的路线,TE = TEnode节点之间的传输能量。路线有最低总传输能量即min(水獭)将被选为节能路线。
步骤3:计算剩余电池能量(RBE):
传输数据包后,剩余为每个节点电池能量的路由计算使用eq。(3)与初始电池能源(IBE)和TEnode参数。
图像

伪代码

第一步:生成所有可能的路线。
步骤2:计算每个节点的路由使用的TEnode eq。(1)。
步骤3:检查以下条件为每一个路由到没有可用路由传输数据包。
如果(RBE < = TEnode)让其他节点进入睡眠模式选择所有活跃节点的路由
第四步:计算所有选定的路线的总传输能量,使用(2)式。
第五步:选择节能路由的基础上最低总传输能量的路线。
第六步:计算每个节点的RBE所选的路线使用eq。(3)。
第七步:进入第三步。
第八步:结束。

仿真结果

仿真研究涉及到确定性小与5节点网络拓扑结构,如图1所示。提出的节能算法是用MATLAB实现。我们传播同样大小的数据包从源节点1到目标节点5。算法比较两个指标总传输能量和最大跳数的数据包总数的基础上传播,网络的生命周期,每个节点能耗。我们认为仿真时间作为一个网络寿命和网络生命周期是没有路线可用传输数据包。仿真计算时间通过CPUTIME MATLAB的函数。我们的结果表明,该指标总传输能量执行比的最大跳数的网络寿命、能耗和总数量的数据包通过网络传播。
网络显示在图1可以传输22包如果使用总传输能量指标和17包如果使用最大跳数指标。和网络的生命周期也更总传输能量。它清楚地显示在图2指标总传输能量消耗更少的能量比最大跳数。随着网络是马奈节点移动和他们改变他们的位置。后节点已经改变了他们的位置Fig。3所示的新拓扑结构和能源消费的每个节点图4所示。我们的结果表明,该指标总传输能量执行比的最大跳数的网络寿命、能耗和总数量的数据包通过网络传播。

结论和未来的工作

仿真结果表明,该算法性能更好的总传输能量比的最大跳数度量指标。该算法为数据传输提供节能路径和最大化整个网络的生命周期。作为该算法的性能进行了分析两个指标与一些修改在未来设计考虑算法的性能可以与其他能源相比,高效的算法。我们使用非常小的5网络节点,随着节点数量增加的复杂性会增加。我们可以增加节点的数量和分析性能。

数据乍一看

图1 图2 图3 图4
图1 图2 图3 图4

引用