[发明专利]一种无线传感器任务分配方法

摘要

本发明公开了一种无线传感器任务分配方法。本发明包括：建立无线传感器网络任务分配模型，并根据任务间通信关系，调整初始任务分配方案；结合任务负载和通信关系以及节点处理速度、故障概率等建立多目标优化函数；根据传感器节点数和任务完成期限设定动态多目标优化算法的约束条件；建立判断新任务是否到达的动态环境检测模型；利用动态多目标优化算法对任务分配方案进行更新，并实时检测动态环境，得出每一环境变化后的Pareto最优解集；选择Pareto最优解集中能耗最均衡的解，作为最佳的任务分配方案。本发明通过采用动态多目标任务分配方法对能耗、时间、可靠性等效用目标进行优化，得到任务完成时间最短、能耗最小、可靠性最高的综合最优方案。

主权项

1.一种无线传感器任务分配方法，其特征在于：步骤(1)，初始化任务分配方案，选定初始种群规模pop、最大进化代数MaxIt、加强的Pareto进化算法参数以及初始化空的外部档案A₀，将任务随机映射到无线传感器节点上，生成初始种群P₀，根据DAG图之间的任务通信关系和节点状态，调整初始的任务分配方案，将有多个后继任务的当前任务插入路由广播任务，选择距离最近的节点作为路由广播节点，形成种群P₀’，将剩余能量值小于某一设定的阈值e_th的节点标记，不再为其分配任务，并将其替换为其他代表传感器节点编号的随机实数；步骤(2)，根据种群P₀’的实数序列中每个任务分配的节点，结合任务的负载和通信关系以及节点处理速度、故障概率建立动态多目标优化的效用函数，得到任务分配的多目标优化模型；任务分配的动态多目标优化的效用函数包括的能耗目标函数、时间目标函数以及可靠性目标函数为：其中，m表示任务个数,n表示传感器节点个数,e_ij表示第i个任务在第j个节点上的完成的能耗,t_ij表示第i个任务在第j个节点上完成的时间,λ_j为初始化的第j个节点的异构故障概率，表示优化后的任务完成总能耗，表示优化后任务完成的总时间，表示优化后任务完成的总可靠性参数；步骤(3)，根据传感器节点数和所有任务完成期限设定动态多目标优化算法中决策变量的约束条件：其中，N_i表示第i个任务分配到序号为N_i的传感器节点上，并且N_i属于正整数，n表示共有n个传感器节点，为优化方案的任务总完成时间，deadline为系统要求的所有任务完成的最大期限；步骤(4)，建立动态多目标优化方法的动态环境检测模型：具体的，实时获取任务关系矩阵{r_ij}_m×m、通信负载数组{c_i}_1×m以及计算负载数组{p_i}_1×m，并与原数据进行对比，若发生变化，则检测到环境发生改变，那么当前的任务分配方案不再是该任务的最佳分配方案，需要重新根据新的任务关系矩阵进行初始化任务分配方案；其中，任务的关系矩阵的建立为：根据给定的DAG图之间的优先级关系，转化为任务的关系矩阵，矩阵大小为m×m的0‑1矩阵{r_ij}_m×m，m表示任务数量，r_ij＝1表示任务i的后继任务为任务j，任务j的前驱任务为任务i，意义为：任务i执行完成后才能执行任务j，有一定的优先级关系；其中，DAG图中任务的负载，包括通信负载C和计算负载P，分别用1×m的数组{c_i}_1×m、{p_i}_1×m表示，c_i、p_i分别表示任务i的通信负载和计算负载大小；步骤(5)，利用动态多目标优化算法对任务分配方案进行更新，具体的步骤为：步骤(5.1)：计算种群P_t’和外部档案A_t中的个体的每个适应度值，进行非支配排序，并进行二元锦标赛选择、交叉、变异，生成子代P_t+1’；步骤(5.2)：将种群P_t’和外部档案A_t非支配排序得到的非劣解个体放入A_t+1，A_t+1＝{xⁱ|xⁱ∈P_t∪A_t}，如果A_t+1的大小超过设定的档案大小C，则修剪A_t+1；如果A_t+1的大小小于C，则将P_t’和A_t中受支配的解加入到A_t+1；步骤(5.3)：检测环境是否发生变化，若没有则执行步骤(5.4)；否则，则将当前A_t+1中的非劣等级为1的解输出到当前时刻τ的Pareto解集L(τ)中，并更新剩余能量值，然后根据新的任务重新初始化方案，跳转到步骤(5.1)；步骤(5.4)：判断是否达到最大进化代数MaxIt，如果没有，则令t＝t+1，并转到步骤(5.1)；否则，将外部档案A_t+1中非劣等级为1的所有个体输出到Pareto最优解集，停止运行；步骤(6)，通过计算任务分配的能耗均衡度，从Pareto最优解集L(τ)中选择能耗最均衡的解作为最佳的任务分配方案l，并动态更新每个时刻的传感器节点剩余能量值，最后得出一组随时间变化的最优任务分配方案解集：l表示在τ时刻的最优解，L(τ)是在τ时刻的可行解集合，T表示任务分配的总时间；具体的，能耗均衡度的计算为：其中，Deviation(X^*)表示每个节点上消耗的总能耗的方差，值越小表明能量消耗越均衡，即节点上的负载均衡，将此函数作为决策函数，n为被分配的节点的数量，E_j为在节点j上消耗的能量。