陳維興,蘇景芳,孟美含

(中國民航大學(xué) 電子信息與自動(dòng)化學(xué)院,天津 300300)

機(jī)坪感知網(wǎng)絡(luò)作為機(jī)場安全運(yùn)行保障核心區(qū)域,通過對眾多機(jī)坪運(yùn)行保障資源的持續(xù)深度感知來實(shí)現(xiàn)對地面航班運(yùn)行的管控.由于機(jī)坪面積廣闊,航班流密度和流向呈現(xiàn)一定隨機(jī)性,部分機(jī)位間距分散(特別是遠(yuǎn)機(jī)位),導(dǎo)致機(jī)坪感知網(wǎng)絡(luò)的弱連接現(xiàn)象,形成若干不連通子域.不連通網(wǎng)絡(luò)嚴(yán)重影響信息傳輸質(zhì)量.機(jī)坪作為被分割成若干不連通子域的網(wǎng)絡(luò)拓?fù)?近年來出現(xiàn)的機(jī)會(huì)網(wǎng)絡(luò)(opportunistic network,ON)理論為此提供了解決方法.不連通子域內(nèi)部構(gòu)成WSN(wireless sensor network),其間利用機(jī)坪移動(dòng)體構(gòu)建ON可帶來傳輸機(jī)會(huì),而移動(dòng)體的復(fù)雜和智能程度可影響ON網(wǎng)絡(luò)性能.以機(jī)坪特種車輛作為移動(dòng)智能體(M-agent),其豐富的傳輸資源足以完成存儲(chǔ)-攜帶-轉(zhuǎn)發(fā)的任務(wù),構(gòu)建間歇性路由[1].此外,信息從不連通子域(WSN)過渡到ON的邊界接入問題也是ON需解決的問題,如何選擇WSN邊界節(jié)點(diǎn),以及如何完成該節(jié)點(diǎn)與M-agent的數(shù)據(jù)交互,是提高ON的網(wǎng)絡(luò)品質(zhì),建立機(jī)坪感知物聯(lián)的關(guān)鍵之處.筆者針對機(jī)坪這一種典型不連通子域,著眼于WSN邊界節(jié)點(diǎn)和M-agent,利用ON束協(xié)議的方式,提出一種基于博弈論的WSN-ON邊界接入方法,即基于博弈論的簇首選舉方法(cluster head election method based on game theory,CEGT).

1 機(jī)坪感知網(wǎng)絡(luò)不連通性分析

1.1 機(jī)坪感知網(wǎng)絡(luò)的不連通性

由于機(jī)坪覆蓋區(qū)域廣,網(wǎng)絡(luò)基礎(chǔ)設(shè)施不完善,部分節(jié)點(diǎn)間距大,甚至超出節(jié)點(diǎn)通信范圍.此外,航班流驅(qū)動(dòng)旅客流、貨物流和設(shè)備流,使多種節(jié)點(diǎn)信息匯聚,但航班流受某些因素影響呈一定的隨機(jī)性,出現(xiàn)局部非均勻能耗的熱點(diǎn)問題.機(jī)坪地形與航班流特性共同作用,形成機(jī)坪感知網(wǎng)絡(luò)節(jié)點(diǎn)分布與路由的區(qū)域性分割,形成機(jī)坪感知網(wǎng)絡(luò)的不連通性.

1.2 WSN-ON邊界問題的提出

針對機(jī)坪感知網(wǎng)絡(luò)的不連通性問題,筆者引入機(jī)會(huì)網(wǎng)絡(luò)的路由傳輸方式,通過M-agent移動(dòng)產(chǎn)生傳輸機(jī)會(huì),從而進(jìn)行數(shù)據(jù)傳輸.由于靜態(tài)感知節(jié)點(diǎn)所采集數(shù)據(jù)的自身能量、功率等資源有限,無法進(jìn)行長距傳輸,其數(shù)據(jù)傳輸主要依靠M-agent,這就使得靜態(tài)感知節(jié)點(diǎn)產(chǎn)生的WSN與M-agent所形成的ON之間形成邊界問題.圖1為機(jī)坪感知網(wǎng)絡(luò)邊界問題示意圖.

圖1 機(jī)坪感知網(wǎng)絡(luò)邊界問題示意圖

針對上述問題,研究人員針對ON與束協(xié)議方面進(jìn)行了研究.文獻(xiàn)[2]提出基于移動(dòng)agent的機(jī)坪機(jī)會(huì)傳輸控制方法,并結(jié)合機(jī)坪特點(diǎn)提出基于機(jī)會(huì)轉(zhuǎn)發(fā)的路由算法.文獻(xiàn)[3]和[4]分別介紹了束協(xié)議在DTN網(wǎng)絡(luò)和深空網(wǎng)絡(luò)中的應(yīng)用.文獻(xiàn)[2-5]的研究結(jié)果表明:機(jī)坪感知網(wǎng)絡(luò)中,在不連通子域間接入ON可改善網(wǎng)絡(luò)連通性;在接入過程中,使用束協(xié)議可以支持在具有長時(shí)間數(shù)據(jù)傳輸、間歇式的鏈路連通、機(jī)會(huì)式的節(jié)點(diǎn)接觸等特征的不同子網(wǎng)間實(shí)現(xiàn)互聯(lián)和通信[5].高質(zhì)量接入決定了網(wǎng)絡(luò)的高性能,其關(guān)鍵環(huán)節(jié)是接入點(diǎn)的選擇及接入?yún)f(xié)議的設(shè)計(jì).

針對WSN-ON邊界接入點(diǎn)問題,一方面是WSN邊界點(diǎn),即簇首(cluster head)的選取十分重要,例如文獻(xiàn)[6-8]提出了不同的簇首選取規(guī)則.為減少接入點(diǎn)對網(wǎng)絡(luò)生命周期的影響,筆者在節(jié)點(diǎn)分簇階段的簇首選取環(huán)節(jié)中引入博弈論,以合理有效地選取簇首節(jié)點(diǎn).另一方面,如何規(guī)劃M-agent的運(yùn)動(dòng)方式、緩存、數(shù)據(jù)交互方式等也是關(guān)鍵問題.筆者在WSN-ON邊界接入中設(shè)計(jì)了控制束協(xié)議,使ON有效接入WSN,進(jìn)一步擴(kuò)大邊界,使邊界不斷相融,增強(qiáng)機(jī)坪網(wǎng)絡(luò)的連通性.

2 基于博弈論的WSN-ON邊界接入

2.1 博弈論在機(jī)坪WSN-ON中的應(yīng)用

博弈論數(shù)學(xué)模型為Γ=(p,S,Ui).博弈行為主要包括以下3個(gè)要素:① 局中人(博弈參與者p),機(jī)坪子域所有網(wǎng)絡(luò)節(jié)點(diǎn)都是局中人.② 策略空間S,其中策略是指局中人在給定信息集下的行動(dòng)規(guī)則,每個(gè)局中人策略形式為Si:pi→si,其中si為局中人pi采取的策略.在機(jī)坪網(wǎng)絡(luò)的分簇路由協(xié)議中,簇內(nèi)節(jié)點(diǎn)負(fù)責(zé)發(fā)送數(shù)據(jù),簇首節(jié)點(diǎn)負(fù)責(zé)轉(zhuǎn)發(fā)接收到的數(shù)據(jù),并且發(fā)送自身數(shù)據(jù).因此簇首節(jié)點(diǎn)的選取至關(guān)重要,在節(jié)點(diǎn)競爭中,每個(gè)節(jié)點(diǎn)都有可能競選為簇首.Si={si1,si2,…,sin}為節(jié)點(diǎn)i自身的策略集合.③ 效用函數(shù)Ui,為第i個(gè)參與者希望達(dá)到的最大利益函數(shù).Ui=Wi-Fi,其中Wi指局中人pi在特定的策略組合{S1,S2,…,Sn}中獲取的收益;Fi為此博弈中的代價(jià).

2.2 研究現(xiàn)狀分析

機(jī)坪感知網(wǎng)絡(luò)WSN-ON接入點(diǎn)的選擇,本質(zhì)上是對某個(gè)不連通子域(WSN)與M-agent(ON移動(dòng)節(jié)點(diǎn))動(dòng)態(tài)連接和機(jī)會(huì)傳輸時(shí)進(jìn)行的簇首(WSN邊界節(jié)點(diǎn))優(yōu)選,是關(guān)系到接入過程的重要因素.但區(qū)別于傳統(tǒng)的WSN分簇管理思想,機(jī)坪感知網(wǎng)絡(luò)WSN-ON接入點(diǎn)的選擇既要考慮靜態(tài)WSN的簇首優(yōu)化特征,更要充分考慮由于簇首連接ON節(jié)點(diǎn)所帶來的動(dòng)態(tài)約束,確保不連通子域向ON的投遞成功率和能耗水平,維持最優(yōu)的機(jī)坪感知網(wǎng)絡(luò)WSN-ON信息傳輸過程.

目前已有不少有關(guān)簇首選擇算法的研究成果,但是針對筆者所討論的WSN-ON接入過程的研究尚鮮見報(bào)道.與本研究有一定相關(guān)性的文獻(xiàn)[6]和[7]分別提出了使用樸素貝葉斯分類器或者建立Secham算法模型的簇首選取方法,但是都忽略了節(jié)點(diǎn)的社會(huì)屬性,脫離了節(jié)點(diǎn)的存在和進(jìn)行信息傳輸?shù)恼鎸?shí)環(huán)境,不能反映機(jī)坪上部分節(jié)點(diǎn)形成熱點(diǎn)或盲區(qū)的實(shí)際情況.文獻(xiàn)[8]雖然提及類似研究方法,但其基于網(wǎng)格聚類,區(qū)域內(nèi)隨機(jī)遍布節(jié)點(diǎn),通過拆分高密度區(qū)域和合并低密度區(qū)域,進(jìn)行簇首選取,與機(jī)坪航班流驅(qū)動(dòng)形成的實(shí)際邊界區(qū)域網(wǎng)絡(luò)嚴(yán)重不相符.

文獻(xiàn)[9]建立了博弈模型,其收益函數(shù)主要考慮傳輸可靠度,代價(jià)函數(shù)主要考慮剩余能量和距離.針對機(jī)坪網(wǎng)絡(luò),由于節(jié)點(diǎn)隨機(jī)性及信息優(yōu)先級(jí),可能在很短距離產(chǎn)生較大能耗,因此不能僅考慮節(jié)點(diǎn)的剩余能量.文獻(xiàn)[10]基于節(jié)點(diǎn)的功率建立了博弈模型,主要考慮了功率、信道條件和信噪比對傳輸?shù)挠绊?缺少對節(jié)點(diǎn)距離的考慮.為將機(jī)坪環(huán)境中節(jié)點(diǎn)運(yùn)行結(jié)構(gòu)進(jìn)行公式化,在多標(biāo)準(zhǔn)的非概率簇首選取中使用博弈論思想[11],并參考上述已有博弈模型.針對機(jī)坪網(wǎng)絡(luò)的弱連接性及容遲容錯(cuò)特性,在不連通網(wǎng)絡(luò)邊界的ON接入點(diǎn)選取中,基于節(jié)點(diǎn)的能耗、剩余能量、距離和節(jié)點(diǎn)中心度等社會(huì)屬性建立了博弈模型.

2.3 CEGT及其控制思想

1) 定義:能夠與節(jié)點(diǎn)i建立通信關(guān)系的節(jié)點(diǎn)個(gè)數(shù)作為節(jié)點(diǎn)i的節(jié)點(diǎn)中心度.

在博弈論算法中引進(jìn)獎(jiǎng)勵(lì)懲罰機(jī)制:

(1)

2) 博弈模型建立:首先確定博弈規(guī)則.區(qū)域內(nèi)所有節(jié)點(diǎn)均可以參與簇首競爭,且每輪簇首均與上一輪不同,假設(shè)總共進(jìn)行k輪,總計(jì)n個(gè)節(jié)點(diǎn),以n為周期,則k≥n.每輪中性能優(yōu)異的節(jié)點(diǎn)競爭成為簇首,在博弈中以M-agent接收到的數(shù)據(jù)量衡量收益,代價(jià)是消耗節(jié)點(diǎn)能量,降低節(jié)點(diǎn)中心度.圖2為CEGT方法流程圖.

圖2 CEGT方法流程圖

其次為博弈初始化,需要各個(gè)節(jié)點(diǎn)廣播,明確節(jié)點(diǎn)中心度及剩余能量;各節(jié)點(diǎn)進(jìn)行博弈,并選出簇首,其余節(jié)點(diǎn)通過之前競爭,各自選擇最佳路徑,當(dāng)所有需要轉(zhuǎn)發(fā)的信息匯集到簇首,此次博弈結(jié)束.

最后為策略集合.所有節(jié)點(diǎn)都有機(jī)會(huì)當(dāng)選為簇首,或者成為簇內(nèi)節(jié)點(diǎn).假設(shè)其中一組策略組合為S={Si,Si-},節(jié)點(diǎn)i當(dāng)選簇首,在該策略下其收益函數(shù)為

(2)

式中:Di為節(jié)點(diǎn)i自身的數(shù)據(jù)量;q為i節(jié)點(diǎn)的節(jié)點(diǎn)中心度.

以M-agent將要接收到的數(shù)據(jù)量為收益衡量標(biāo)準(zhǔn),α是常數(shù),根據(jù)節(jié)點(diǎn)的能耗和初始能量對收益加權(quán).初始能量高,能耗較少,α相對比較大,增加博弈收益.

隨著傳輸距離增加,能耗增大,通信距離R與發(fā)射功率、接收靈敏度和工作頻率f有關(guān),R,f與無線傳輸損耗Los的關(guān)系為

Los=32.44+20lg(Rf)，

(3)

式中:Los為無線通信損耗,dB.

簇內(nèi)節(jié)點(diǎn)與簇首通信后,由于能耗增大,其通信范圍減小,使本輪簇首的節(jié)點(diǎn)中心度進(jìn)一步降低.假設(shè)節(jié)點(diǎn)中心度減少了a個(gè),則有如下博弈代價(jià):

(4)

能耗大,剩余能量少的β值大,增加博弈代價(jià),使得初始能量低,能耗大的節(jié)點(diǎn)獲取的博弈效用減少,在此β僅代表本次傳輸產(chǎn)生的代價(jià)加權(quán).則本次博弈的效用函數(shù)為

(5)

無線網(wǎng)絡(luò)中工作頻率一般是固定的,因此由式(5)可推斷，網(wǎng)絡(luò)中節(jié)點(diǎn)自身剩余能量越高,節(jié)點(diǎn)能耗越小,傳輸距離越短,節(jié)點(diǎn)中心度減少量越小的節(jié)點(diǎn)當(dāng)選為簇首時(shí)，本次博弈獲取效用最大.

3 基于CEGT的WSN-ON控制束協(xié)議

3.1 ON的束協(xié)議

為有效解決WSN中接入ON時(shí)產(chǎn)生的邊界問題,提出WSN-ON控制束協(xié)議.束協(xié)議是多數(shù)據(jù)包融合形成的協(xié)議單元,可以與不同的底層協(xié)議相互配合.束協(xié)議可應(yīng)用于長延時(shí)、高差錯(cuò)率、低速率、頻繁中斷和資源受限的網(wǎng)絡(luò)中,是ON的一個(gè)重要部分.針對ON與WSN之間邊界問題的接入,束協(xié)議傳輸機(jī)制如圖3所示.

將束協(xié)議置于傳輸層之上,傳輸間斷時(shí),可將信息存儲(chǔ),并迅速尋找下一個(gè)傳輸點(diǎn).當(dāng)傳輸重新建立時(shí),可將信息重新發(fā)送.發(fā)送中由于存在束協(xié)議,能夠使信息更加完整,降低丟包率,提高投遞成功率.

圖3 邊界區(qū)域內(nèi)束協(xié)議傳輸機(jī)制

3.2 WSN-ON邊界接入控制協(xié)議

機(jī)坪網(wǎng)絡(luò)中,簇首節(jié)點(diǎn)基于ON束協(xié)議,利用與M-agent的相遇機(jī)會(huì)通信,從而轉(zhuǎn)發(fā)WSN內(nèi)部數(shù)據(jù),簇首和M-agent是WSN-ON邊界接入點(diǎn).筆者提出一種基于CEGT的控制束協(xié)議,使得簇首節(jié)點(diǎn)與M-agent在束協(xié)議下能耗均勻、高效地實(shí)現(xiàn)信息傳輸,且降低時(shí)延.其執(zhí)行步驟如下所示：

① 建立節(jié)點(diǎn)博弈模型Γ=(p,S,Ui).由博弈模型可知,一個(gè)邊界內(nèi)部有m個(gè)簇.簇內(nèi)使用CEGT方法進(jìn)行簇首選舉,是束協(xié)議中的核心關(guān)鍵算法和步驟.偽碼如下:

Initial:energy of each node:E0

location of each node:(xj,yj)

transferred datum:Dj

the degree of node centrality reduction:a

the total number of node of this cluster:jmax

the total number of round:kmax

Begin to choose the cluster header:

Procedure CEGT (α,β,Los,a,Dj)

fork← 0 tokmax;j← 0 tojmax

doα=Ei/ΔEi

Los=32.44+20lg(R*f)

Then calculate the gain of this round:Wj

calculate the cost of this round:Fj

doUj=Wj-Fj

choose the biggest one:Ui

k←k++;j←j++

end for

outputi

那么一個(gè)邊界會(huì)有m個(gè)簇首需要與M-agent通信,要考慮優(yōu)先級(jí).給邊界A內(nèi)部的簇首按優(yōu)先級(jí)編號(hào)為A1,A2,…,Am.

③ 當(dāng)M-agent進(jìn)入邊界區(qū)域,首先要與簇首建立連接.優(yōu)先級(jí)為A1的簇首要傳輸?shù)膬?nèi)容,本邊界內(nèi)部數(shù)據(jù)包總數(shù)為m個(gè),M-agent接收到每個(gè)數(shù)據(jù)包的大小、傳輸順序以及發(fā)送請求等信息后,判斷自身的緩存容量和定時(shí)器時(shí)間,并按照時(shí)間確定M-agent移動(dòng)速度,給出回應(yīng),初始化結(jié)束,定時(shí)器開始計(jì)時(shí).

④ 當(dāng)A1發(fā)送完畢,M-agent發(fā)送托管確認(rèn)消息,若A1未接收到托管確認(rèn)消息,則重傳數(shù)據(jù)包,直至完成數(shù)據(jù)包的托管.

⑤ 此時(shí)M-agent準(zhǔn)備與A2建立連接.由于M-agent已知發(fā)送傳輸順序,直接給A2發(fā)送傳輸順序,然后確認(rèn)連接,直至第m個(gè)簇首節(jié)點(diǎn)全部發(fā)送完畢.邊界A與M-agent通信結(jié)束.

⑥ 當(dāng)M-agent與邊界B節(jié)點(diǎn)x、邊界C節(jié)點(diǎn)y,或者其他的M-agentx進(jìn)行數(shù)據(jù)傳輸時(shí),忽略時(shí)延,只要連接建立,就可以發(fā)送其存儲(chǔ)的數(shù)據(jù).

4 CEGT的雙平臺(tái)仿真驗(yàn)證

4.1 Matlab中簇首選取仿真

在靜態(tài)WSN中,利用Matlab仿真對比CEGT與Leach算法性能.表1為簇首選取仿真參數(shù)設(shè)置.

表1 簇首選取仿真參數(shù)設(shè)置

圖4為第300輪仿真后,區(qū)域內(nèi)CEGT可能存活的簇首節(jié)點(diǎn).其中足夠的簇首存活量表明CEGT有能力完成持續(xù)的WSN-ON接入.

圖5為Leach與CEGT的單節(jié)點(diǎn)平均剩余能量對比.由圖5可知:由于CEGT引入了以初始能量、傳輸能量和剩余能量為衡量標(biāo)準(zhǔn)的獎(jiǎng)勵(lì)懲罰機(jī)制,使其在博弈中更加注重網(wǎng)絡(luò)負(fù)載均衡,避免了熱點(diǎn)和盲區(qū)的出現(xiàn),從而節(jié)點(diǎn)平均剩余能量下降緩慢;到第299輪時(shí),節(jié)點(diǎn)平均剩余能量為0.026 J,且走向平滑;Leach在第152輪中節(jié)點(diǎn)剩余能量迅速衰減趨近0.

圖4 第300輪仿真結(jié)果圖

圖5 Leach與CEGT的單節(jié)點(diǎn)平均剩余能量對比

圖6為Leach與CEGT死亡節(jié)點(diǎn)數(shù)對比.由圖6可知:仿真起始階段,即前28輪中,Leach的死亡節(jié)點(diǎn)數(shù)低于CEGT,但是Leach死亡節(jié)點(diǎn)數(shù)增長速率遠(yuǎn)高于CEGT,第164輪僅剩1個(gè)節(jié)點(diǎn);CEGT在第299輪結(jié)束時(shí)死亡節(jié)點(diǎn)數(shù)為171個(gè),死亡率為57%,這是由于其采用多標(biāo)準(zhǔn)非概率的博弈方式,每一輪博弈產(chǎn)生的簇首節(jié)點(diǎn)在前一輪的博弈中不會(huì)出現(xiàn),降低了局部非均勻能耗節(jié)點(diǎn)出現(xiàn)的可能.

圖6 Leach與CEGT死亡節(jié)點(diǎn)數(shù)對比

綜上,CEGT通過改善簇首的選舉方案,使網(wǎng)絡(luò)中節(jié)點(diǎn)進(jìn)行能耗均勻地通信,有效延長了網(wǎng)絡(luò)特別是簇首節(jié)點(diǎn)的生命周期.

4.2 機(jī)會(huì)網(wǎng)絡(luò)仿真器中ON接入仿真分析

在ON仿真環(huán)境中,模擬機(jī)坪區(qū)域邊界網(wǎng)絡(luò)環(huán)境,區(qū)域內(nèi)存在靜態(tài)、動(dòng)態(tài)等多種節(jié)點(diǎn),重點(diǎn)針對M-agent的特征設(shè)置進(jìn)行仿真.一類設(shè)置區(qū)域內(nèi)可移動(dòng)節(jié)點(diǎn),如旅客、工作人員或保障設(shè)施,移動(dòng)模型為Cluster Movement,其節(jié)點(diǎn)資源、移動(dòng)模式和存在數(shù)量等特征均不同于M-agent;另一類設(shè)置M-agent節(jié)點(diǎn),移動(dòng)模型為Map Route Movement,即沿固定路線行駛的機(jī)坪特種車輛,且分別設(shè)置不同的緩存、移動(dòng)速度等節(jié)點(diǎn)特征值.

仿真中,與M-agent通信的節(jié)點(diǎn)是通過CEGT選取的簇首節(jié)點(diǎn).為對比不同節(jié)點(diǎn)數(shù)和不同緩存容量下ON的接入效果,在機(jī)坪網(wǎng)絡(luò)ON接入中,使用機(jī)會(huì)網(wǎng)絡(luò)環(huán)境模擬器(THE ONE)進(jìn)行仿真.表2 為接入節(jié)點(diǎn)M-agent仿真場景參數(shù)設(shè)置.

表2 接入節(jié)點(diǎn)M-agent仿真場景參數(shù)設(shè)置

圖7-9分別為簇首節(jié)點(diǎn)緩存容量為2,5和10 MB時(shí)機(jī)坪網(wǎng)絡(luò)一個(gè)邊界區(qū)域內(nèi)有無移動(dòng)節(jié)點(diǎn)M-agent下的投遞率.由仿真結(jié)果可知:當(dāng)簇首節(jié)點(diǎn)緩存區(qū)為10 MB下節(jié)點(diǎn)總數(shù)為60個(gè)，以及5 MB下節(jié)點(diǎn)數(shù)為40,80個(gè)時(shí)的投遞率低于無M-agent的邊界;緩存區(qū)為2 MB,節(jié)點(diǎn)數(shù)為100個(gè)時(shí)投遞率重合；其余有M-agent的邊界區(qū)域投遞率均高于無M-agent.

圖7 緩存容量為2 MB的投遞率曲線

圖8 緩存容量為5 MB的投遞率曲線

綜上所述,有無M-agent的投遞率隨著節(jié)點(diǎn)數(shù)的增加所呈現(xiàn)的曲線趨勢均相同;由于機(jī)坪網(wǎng)絡(luò)的特性,消息是由仿真中事件發(fā)生器隨機(jī)產(chǎn)生,在個(gè)別節(jié)點(diǎn)數(shù)處有M-agent的邊界區(qū)域投遞率低于無M-agent;不同緩存區(qū)時(shí),隨著節(jié)點(diǎn)數(shù)目增加,有M-agent的邊界區(qū)域投遞率優(yōu)于無M-agent,這是由于M-agent的移動(dòng)帶來相遇機(jī)會(huì),進(jìn)行數(shù)據(jù)的傳輸,此外,ON中的束協(xié)議保證了數(shù)據(jù)包的完整性,降低了丟包率,提高了網(wǎng)絡(luò)投遞率.

圖9 緩存容量為10 MB的投遞率曲線

圖10-11分別為不同緩存容量的投遞率和網(wǎng)絡(luò)協(xié)議開銷曲線.

圖10 不同緩存容量的投遞率曲線

圖11 不同緩存容量的網(wǎng)絡(luò)協(xié)議開銷曲線

由圖10-11可知:有M-agent時(shí)緩存區(qū)越大,投遞率也越高,且網(wǎng)絡(luò)協(xié)議開銷也越大;緩存為2 MB時(shí)的平均投遞率為0.333 4,5 MB時(shí)為0.564 6,10 MB 時(shí)為0.698 1,可知隨著緩存空間的增大,投遞率增加緩慢,而網(wǎng)絡(luò)協(xié)議開銷在同等條件下增加的更多.仿真結(jié)果表明:束協(xié)議下,在機(jī)坪網(wǎng)絡(luò)的邊界區(qū)域使用M-agent,通過其移動(dòng),產(chǎn)生與邊界內(nèi)節(jié)點(diǎn)傳輸信息的機(jī)會(huì),使機(jī)坪網(wǎng)絡(luò)實(shí)現(xiàn)了有效的WSN-ON的接入,且緩存區(qū)容量和節(jié)點(diǎn)數(shù)目等因素影響接入質(zhì)量.

5 結(jié) 論

針對基礎(chǔ)設(shè)施薄弱造成的不連通網(wǎng)絡(luò),提出一種基于CEGT算法的WSN-ON邊界控制束協(xié)議.主要通過機(jī)坪弱連通網(wǎng)絡(luò)進(jìn)行仿真驗(yàn)證,考慮ON接入質(zhì)量影響后續(xù)網(wǎng)絡(luò)的品質(zhì).其中CEGT是一個(gè)網(wǎng)絡(luò)博弈模型,有效地提高了節(jié)點(diǎn)利用率,延長了網(wǎng)絡(luò)生命周期;同時(shí)在ON接入方面,基于CEGT的束協(xié)議,使WSN數(shù)據(jù)更加高效地接入ON.在ON接入過程仿真中,發(fā)現(xiàn)M-agent緩存區(qū)容量越大,網(wǎng)絡(luò)投遞率越高,但是網(wǎng)絡(luò)協(xié)議開銷也增大.隨著進(jìn)入ON的數(shù)據(jù)量增加會(huì)出現(xiàn)這種現(xiàn)象,同時(shí)也考慮可能是由于路由模型造成的.此外,在仿真過程還發(fā)現(xiàn),為緩慢增長的投遞率需付出更多的路由開銷代價(jià).