無線傳感器網絡能效模型的量化評價與優化

蔣文賢，程 光

(1.華僑大學計算機科學與技術學院，361021福建廈門;2.東南大學計算機科學與工程學院，211189南京; 3.東南大學計算機網絡和信息集成教育部重點實驗室，211189南京)

無線傳感器網絡 (wireless sensor networks，WSN)的特點決定其首要設計目標是有限能量的高效使用［1］，與此同時，隨著WSN應用的深入，如工業實時控制應用場景需要符合一定的數據包丟包率(可靠性)和延遲(實時性)等服務質量(quality of service，QoS)的要求，且其通信協議必須是靈活設計的參數，以充分滿足各種應用的諸多約束.然而，高可靠性和低延遲可能會顯著消耗網絡能量，從而減少WSN的生存時間.因此，作為面向工業實時控制等應用的無線傳感器網絡，其高效可靠系統的發展很大程度上依賴于如何更好地對通信協議進行調整優化來滿足有限能量條件下的服務質量約束［2］.

106 8 3 .78±8.20 13.60±0.95 14.38±1.07 13.70±4.11 12.65±1.22 13.94±3.19 11.25±1.58

節能研究的一個重要理論基礎是節能評價，特別是定量刻畫網絡系統的節能指標.清華大學林闖等［3］將能量看成一種系統資源，從資源分配和任務管理角度對綠色網絡的機制和策略進行了綜述，介紹了模型方法在綠色評價中的應用，提出了基于隨機模型的綠色評價框架;文獻［4］對WSN進展情況進行了綜合分析，其中WSN能量模型是對各種節能通信協議算法進行分析與評價的前提;文獻［5］采用馬爾科夫過程(Markov)對系統進行建模，進一步明確WSN的QoS和能效之間的取舍關系，解決如何降低QoS何種指標能帶來能量的明顯節約，如何以最小的能量代價換取QoS的提升等問題.

到目前為止，關于WSN服務質量和能量有效性還沒有被模型化和量化，定量分析網絡性能與協議參數間關系的研究還處于起步階段，大部分工作只針對特定系統，還沒有形成一套系統的理論方法.因此，針對面向應用的WSN在某些業務領域需要同時滿足性能及節能的需求，本文建立準確的能效模型，定量地描述能量效率與協議參數間的關系，平衡性能與協議參數之間的關系，具有實際應用價值.

1 WSN能效模型

1.1 能效函數定義

能效函數就是在性能約束下的能耗度量，是單位能量內完成的運算量［6］.能效函數的建立有助于更好地研究WSN節能技術，可通過數學表達式及其測量和計算方法，推導出能效最大值的發生條件，從而指導和評估能效的優化.

經歷了中國印刷產業的高速增長期、穩步發展期，利豐雅高歷盡千帆，歸來仍是強者，如今的行業地位，源自于其能夠在恰當的時機做出明智的決策，順市場而為之。

根據凸組合的原理可知，延遲和能耗兩個凸函數結合，其目標函數仍然是凸函數，采用求解凸規劃的方法，將獲得多項式復雜度時間內的最優解，在系統能耗和傳輸延遲之間做出權衡.

公路工程項目一旦立項，需進行施工方案設計，施工方案對施工材料、機械設備、人員配備、施工技術、市場價格等進行綜合考慮，以便為工程全過程造價管理提供數據支持。地方財政部門通過建立PPP模式綜合信息平臺，組建工程造價專家隊伍，落實PPP項目造價管理方式，為全過程造價管理提供技術支持與業務指導。隨著PPP項目的大批量落地，對PPP項目加強全過程造價管理和過程監管必將常態化。

為便于描述，采用網絡平均能耗指標對網絡能量效率進行表達.節點感知數據的平均能耗為

節點處理數據的平均能耗為

人家是七大姑八大姨介紹入谷，光明正大地進來，我們偏要走那由一行師父跟司徒先生鼓搗的鬼神莫測的萬花因。吳耕你在聾啞村還好嗎？

式中:t1、t2分別為對應節點感知和處理一次數據的平均時間.

采用Inum和Iavg分別表示節點 /s可運行的指令條數和節點處理數據平均執行的指令條數，則t2=Iavg/Inum，因此，節點處理數據的平均能耗表示為

凸組合可以保持兩個目標原有的凹凸性，因此可以使組合后的問題與原問題用相同的方法求解.設計調節參數α可以獲得不同的問題描述:

羅蘭·巴特(Roland Barthes)在1986年發表了“The Death of Author”(《作者之死》)一文，該文集中探討了作者、讀者及文本之間的關系，并提出了帶有反主體性質的“作者之死”這一略顯極端的論斷。巴特要表達的是作者并非優先于文本，任何以全知全能的視角試圖控制文本寫作的意圖，最終將妨礙作品內涵的擴散。正是由于巴特這一對于作者權威地位的嘗試性顛覆行為，最終使得文本創作的作者和文本意圖的作者得以區分。

式中:l為分組長度，Rb為數據速率，Etran為單跳分組傳輸能耗.

設T時間內系統處理的任務L(T)和能耗E(T)，則定義T時刻內能效η(T)為

式中:L(T)為T時間內系統處理的任務，U;E(T)為T時間內的能耗，J;η為能效單位.

WSN涵蓋了數據的感知、處理和傳輸功能并面向應用的任務型網絡，其QoS參數除了包括一系列傳統的性能參數，還涉及網絡生存周期、覆蓋度、連通度等更為廣泛的QoS指標.文獻［7］列出了能源有效性、生命周期、時間延遲、感知精度、可靠性、可擴展性等6大性能指標，這些指標不僅是評價WSN的標準，也是WSN設計的優化目標.通過衡量WSN在滿足一定QoS的能耗來進行評價.如指標度量ECR、ERP等.例如，文獻［8］將能耗與時延綜合考慮，采用能耗(E)與時延(D)的乘積ED來衡量系統的性能.

1.2 能量與性能之間的映射關系

WSN的QoS指標主要包括生命周期、時延延遲、感知精度、可靠性和可拓展性.這5類最高層抽象指標不僅互相耦合、制衡，而且會引發連鎖反應.依次考察感應能量、處理能量、通信能量模塊內的相關映射指標及能量均衡指標之間的因果和制約聯系，可以得到相對應的能量與QoS的映射，如圖1所示.

1.3 能效模型構建

從網絡的觀點來看，網絡的目標是在最大化資源利用率的同時提供QoS服務保障［9］.基于上述分析，把QoS引入到能量有效度量中，建立能效模型，該模型以數據采集流量為自變量，以最大化網絡性能和最小化網絡能耗為目標，設計基于各項指標之間的關聯和制衡，并采取反饋控制的思想，如圖2所示.

然而相比前蘇聯、美、德、英、法等工業化國家在鈦合金行業取得的成就，我國鈦合金材料的研究及應用都起步的較晚。目前美國約有112項AMS航空用鈦合金材料標準，而我國單從標準數量方面來看就遠比不上美國，另外還有約40%的鈦合金材料牌號未能納入GB、GJB當中。同時，我國還存在標準質量要求低、試驗方法實用性較差等問題。

圖1 能量與服務質量的映射關系

圖2 基于反饋控制的能效模型

以休眠機制為例，首先考察時間延遲要求、休眠周期與處理能耗節點之間的關系，并與事先設定的閾值進行比較，做出“正調”或者“負調”方案;然后對照圖1的約束條件，聯合流量控制和速率控制，作為能量均衡，實現在能量控制的基礎上保障WSN的服務質量.

由于節點相互協作進行數據傳輸，因此，WSN在數據處理時，需兼顧能耗和性能兩方面因素.多目標參數在均衡網絡能耗、優化能效方面與單目標參數相比具有明顯優勢，多目標參數可以最大限度地滿足服務質量的需求.為此，采用反饋方式來實現網絡傳輸能耗和能耗均衡特性的雙重優化.通過構建權衡量化評價函數將多目標整合為單目標，降低模型的求解難度.

2 量化評價機制

2.1 評價方法

層次模型、組合模型和隨機模型等分析方法［10］已經廣泛應用在各種系統的性能評價中.本文量化評價采用層次分析方法(analytic hierarchy process，AHP)建立形式化的數學模型.如圖3所示為WSN的基于服務質量約束的能效模型評價方法.

圖3 服務質量約束的能效模型評價方法

首先，在滿足WSN網絡拓撲結構、覆蓋度、連通度和移動性等的基礎上，定義生命周期、時間延遲、感知精度、吞吐量等QoS量化指標;其次，分析低能耗的應用層、網絡層和MAC層間傳遞負載信息和控制信息，然后通過調整WSN協議參數、節點通信功率、收發速率和休眠周期等配置屬性(如在數據處理中研究節點的自適應休眠模式，進而通過設計合適占空比等方式)減少計算量，實現最小能耗;在系統有限資源的約束下，如功率控制、拓撲測量、感應范圍、空間復雜度等限制，通過層次分析模型、馬爾科夫過程等數學工具進行建模，在滿足一定QoS前提下，研究能效擬合函數機制，減少傳輸量，實現參數優化;最后，通過一個循環的過程:模型-評價-優化-實施-評價-再優化，逐步實現WSN的QoS和能效之間的權衡.

2.2 量化指標

針對WSN面向應用的特點，構建網絡優化模型元素如圖5所示.

如圖7(a)所示，支撐梁受繞x軸的扭轉力矩T和沿x軸的軸向壓力p。梁為狹長矩形截面薄壁梁，可忽略翹曲影響。選取三角級數的前2項作為轉角函數的試函數[16]，為：

圖4 服務質量約束的網絡性能指標模型

針對WSN不同的應用場景，可采用不同的方法確定量化指標的權重.具體量化步驟如下:

1)建立QoS評價體系結構［12］.

2)找出與每一個QoS評價指標關聯的QoS參數.

3)確定與各個QoS參數的權重.主要確定QoS評價指標兩兩比較的值以及一個QoS評價指標下相關的QoS參數兩兩比較的值，如

式中:K為整個QoS決定因子，由WSN業務應用類型而定;L為生命周期;Wl為生命周期權重;D為延遲;Wd為延遲的權重;J為感知精度;Wj為感知精度的權重;U為可拓展性;Wu為可拓展性的權重;R為可靠性;Wr為可靠性的權重.

由于WSN環境的復雜性、應用場景的多樣性，每種場景用戶所關注的性能指標的權重不盡相同，如在惡劣的環境中，能量消耗和生命周期就比較重要;在實時性要求較高的環境下，傳輸延遲和可靠性就比較重要.因此，可采用基于加權和的綜合量化評估方法計算服務的可用性.

假設Rij為評估目標指標的量化值，其對應的權重為，則評估目標的量化值為

這段話的意思就是：“道”如果可以用言語來表述，那它就是常“道”；“名”如果可以用文辭去命名，那它就是常“名”。“無”可以用來表述天地渾沌未開之際的狀況；而“有”，則是宇宙萬物產生之本原的命名。因此，要常從“無”中去觀察領悟“道”的奧妙；要常從“有”中去觀察體會“道”的端倪。無與有這兩者，來源相同而名稱相異，都可以稱之為玄妙、深遠。它不是一般的玄妙、深奧，而是玄妙又玄妙、深遠又深遠，是宇宙天地萬物之奧妙的總門。

要以體育產業作為依托重心，體育特色小鎮的建造對經濟投入有著很高的要求，這就需要體育產業有著持續穩定的增長額，為體育特色小鎮提供經濟支撐。體育特色產品的推出以及體育特色服務的提供是體育產業中的重要組成部分，而特色產品和特色服務的差異也是體育特色小鎮中小鎮和小鎮之間的競爭所在。如依托特色旅游小鎮建設，繁榮了花腰傣族民族體育文化的思路[13]。由此，凸顯體育本質，明確每個小鎮的定位就顯得尤為重要。

按照指標的分層模型，量化評估 ERA與NRA的指標權重設計如表1、2所示，進行自底向上的依次計算可得總體評估目標的量化值.

基于QoS約束的網絡性能指標分層模型確定了服務可用性量化的指標，而指標的量化方法將數據轉化為［0，1］區間內的指標值.

另外，量化指標要能夠實時地反映真實的環境狀況，而多目標綜合量化評估法具有數學模型簡單、對多因素多層次的復雜問題評估效果好的優點.在對影響WSN服務可用性因素進行分析并建立量化評估分層模型的基礎上，可采用多目標綜合量化評估法對服務的可用性進行量化評估.

表1 ERA指標權重計算

表2 NRA指標權重計算

3 優化設計

3.1 優化模型

WSN的優化問題往往是在滿足一定性能要求和系統有限資源約束下的最小能耗問題.網絡QoS優化模型一般包含4個元素:優化目標、決策變量、約束條件和固定參數［13］.優化問題需要對目標函數和約束條件進行形式化描述，可以通過評價網絡系統中QoS特定指標和能耗的關系，來構造優化的目標函數和約束條件中的變量.

最通用的目標函數定義為效用函數，效用函數可以嚴格地使用數學表達式定義，如網絡吞吐量、分組平均延遲、感知精度以及網絡能源使用量等，通過構建合理的數學模型，來定量分析網絡性能與協議參數間的關系.網絡優化問題的目標函數有max-min的形式.

例如，通用的優化形式可以表達為

量化分析是性能評價前提，建立可量化和可操作的能耗評價指標系統是關鍵［11］.由于WSN節點的資源限制、易變的網絡拓撲結構、有限的傳輸帶寬等特點，使得QoS的可用性隨時在發生變化.根據上述所提到評價方法，提出一種分層的基于服務質量約束的網絡性能指標可用性分析和量化評估模型.如圖4所示，第1層是目標層，反映了量化的對象.根據對影響WSN服務可用性因素的分析，將服務可用性劃分為能量資源可用性(ERA)和網絡資源可用性(NRA)兩個一級指標層，然后對一級指標層進行再分解，組成二級指標層，二級指標按照圖4中自左至右的順序依次為R11，R12，R13，R21，R22，R23，R24，R25.

路由協議則選用低能耗自適應分簇層次協議LEACH［20］，它是WSN分簇路由協議的經典代表，簇頭的功能主要是收集簇內信息并進行數據融合處理，減少通信量，同時采用隨機選舉的方式避免簇頭太早耗盡能量，以延長網絡生命周期.

圖5 無線傳感器網絡優化模型

3.2 多度量目標優化

仿真中MAC協議采用SMAC協議［19］，它是在IEEE802.11 MAC協議的基礎上，繼續使用CSMA/CA原理，并采用了低占空比的周期性睡眠和喚醒模式.

本文根據WSN資源限制的特點，研究服務質量約束的MAC協議和路由協議設計的優化問題:并行考慮多個度量指標，如同時將最小網絡延遲和節省能量作為網絡設計度量，設計雙度量的目標函數，即將協議參數α引入到目標函數，利用凸組合的方式將延遲和能量兩個目標結合起來，設計一種基于多項式系數的能效算法，使之在較低延遲的情況下，可得到較高的能量節省.優化設計步驟如下:

1)將WSN拓撲結構抽象為一個無向圖G= (V，E)，其中:V為傳感器節點;E為網絡鏈路.假設每個傳感器節點都有一個能耗函數f(x)，則定義該節點傳輸流量x所消耗的能量.

2)設G中每條鏈路e都有一容量值Ce，則能耗函數fe(x)為鏈路e上的流量為x時消耗的能量.另外，可定義流量矩陣T，其中Ti，j表示點i與點j之間的網絡流量.

首聯中瀑布從“元化”之中來，尾聯又使瀑布成為落入人間的銀河，再一次給人留下想象的空間。而頸聯和頷聯短短四句話中寫如同白練的水幕，如雷的水聲，又有松桂樹木和云霞的襯托、點綴。幾個簡單的物像就將整一個瀑布勾勒出來，好似一幅寫意山水。這樣的寫法雖非精細的描摹但已經將清新秀麗的江南山水刻畫出來，可以說是唐代山水詩最后一抹余暉。

3)α作為協議參數，對能量消耗和網絡延遲兩個目標進行凸組合，則總的消耗可表示為Cost=α×能量消耗 +(1-α)×網絡延遲代價.

調整傳感器節點的發射功率，可計算出單跳時端到端網絡能耗.忽略節點空閑狀態下的能耗，單跳網絡的平均端到端能耗可表示為

①當α=1時，模型退化成最小能耗問題;

②當α=0時，模型退化成最短路徑的路由問題;

③當α(0，1)之間時，成為獲得能耗和延遲的折中考慮.

4)對能量模型進行擴展可作為網絡延遲代價的形式化描述.在圖G的每條鏈路上引入一個新的特征參數le代表鏈路e的延遲，即鏈路e所抽象的網絡節點延遲.則總消耗表示為

式中:Pi為給請求i分配的路徑，C(P1，P2，…，Pk)為所有請求的路由路徑的延遲代價.

普通傳感器節點平均能耗分為:1)數據感知和處理模塊消耗的功率，其功率可表達為Psens和Pproc;2)節點發射模塊在空閑、發送和接收數據狀態下所消耗的功率，可表示為Pidle、Ptran和Precv;3)收發機電路由睡眠狀態轉入活躍狀態時所消耗的功率，因為每個周期T只發生一次狀態切換，所以這部分功率Pstart可表示為Estart/T，其中Estart為啟動能耗.

4 實驗驗證

4.1 仿真環境

采用網絡仿真方法對以上多度量目標函數進行驗證，分析網絡能量效率和QoS性能折中與網絡協議參數(如占空比、簇頭數量)之間的變化關系，以確定優化設計參數α，為協議參數優化設計提供指導.

網絡優化常常是對某一QoS指標而言，將其他的QoS屬性作為限制，也就是常見的單目標優化，例如，傳統網絡路由協議一般采用單度量方式，盡量使延遲最小而忽略其他能量等因素［16］，如Dijkstra路由算法等.如果考慮的性能指標有多個，就需要用多目標優化建模.WSN對數據傳輸有一定的時延限制，因而在滿足時延需求的前提下提高端到端能量使用效率是WSN協議優化設計的重要指標.例如，文獻［17］研究了WSN多對一傳輸模式中的多目標TDMA調度模型，考慮了平均延遲和能量消耗兩個目標的帕累托前沿(pareto frontie).文獻［18］對多跳網絡端到端分組成功傳輸概率、延遲、能耗進行了統計分析，導出了單位能耗所支持的平均數據速率的表達式，提出了一種新的即滿足時延要求，又能提高能量效率的WSN性能評價及優化方法.

文獻［14］將WSN節能問題表達為一個連通性的圖論問題，在給定的一個傳感器集合中，計算每個傳感器的傳輸功率，使得每對傳感器都是連通的，且盡可能使總傳輸功率最小.這個問題是一個典型的帶約束最優化問題.除資源約束外，由于網絡中數據傳輸的有序性保證需要，也會對任務時序關系強加約束條件，例如WSN的數據聚合對數據時序的限制，文獻［15］在該約束下試圖最大化性能和能量效率.

具體仿真配置環境如下:網絡仿真器: NS2.34;相關工具:Gawk、Gnuplot-3.8j、Nam-1.11、Matlab7.8;仿真場景為100 m×100 m的范圍，100個節點隨機分布在該區域中，節點最大覆蓋半徑為r=30 m，基站坐標(0，0)，初始能量2J.

4.2 參數優化

4.2.1 占空比參數優化

從能量消耗的角度看，傳感器節點的收發是能量消耗的主要部分，關閉收發機可帶來能量的節省，SMAC協議采取的周期性睡眠/活躍機制能有效提高能量效率.將節點可分為兩種工作狀態:睡眠狀態S(sleep)和活躍狀態A(active)，節點的占空比定義為節點活躍期在一個周期內所占的比例.如圖6所示.

圖6 占空比參數優化情況

圖6(a)中可以看出，隨著α的增大，節點睡眠時間減少，網絡平均能耗增加，而數據包平均延遲則下降，即兩者之間應該存在一個性能折中，因此可以對占空比進行有效的優化選擇，這里當占空比α=0.3時為最優參數設置，當α∈［0.3，0.7］時，能夠保證在較低的延遲下獲得較高的能量節省.圖6(b)中可以看出，隨著α的增大，節點的睡眠時間減少，隊列緩存數據相應減少，網絡平均丟包率也降低，當占空比α＞50%時，網絡平均丟包率的性能曲線趨于0，這里當占空比α= 0.5時為最優參數設置，當α∈［0.5，0.7］時，能保證在較少網絡丟包率下獲得較多的能量節省.

因此，可以對WSN能量、延遲和丟包率分配不同的權重，如能量為0.5，延遲為0.25，丟包率為0.25，綜合考慮能量效率和QoS性能折中關系，則α=0.4為最優化量化參數.

4.2.2 簇頭數量參數優化

家長與幼兒對該活動認為好的占總數的 82%，較好的占12%，一般的占5%，較差的占1%。因此，可以看出該活動得到了家長與幼兒的好評。

LEACH協議采用分簇方式，簇頭數量多少將直接影響網絡能量消耗和QoS，因此，編寫驅動仿真腳本，通過改變簇頭節點個數并收集數據，以確定LEACH協議的最優簇頭數.簇頭參數α設置范圍［3，10］，使用gawk腳本處理收集到的數據. energy、.data等文件，并用 matlab繪制圖形，如圖7和圖8所示.

圖7 簇頭數變化與能量消耗情況

圖7(a)中可以看出，隨著簇頭個數增多，能量消耗越來越緩慢，當簇頭個數為5時，它的能量消耗曲線最為平緩，此后隨著簇頭個數增多，網絡能量消耗又開始增多.圖7(b)可以明顯看出，當簇頭個數α=5時，網絡能耗最小，當α∈［4，9］時，網絡能量消耗較小.

圖8反映的是Sink節點接收到數據包個數的情況，可以看出簇頭個數α=5時，Sink節點接收到的數據包個數達到了最大，當α∈［5，7］時，接收到數據包個數較多.通過對圖7和圖8的分析，可以得出LEACH協議最優簇頭節點個數為α=5時的路由效果最好，次優簇頭節點個數為6.

選擇和使用時，明確圖畫書是與課文、其他文學作品不同的課程資源，嘗試用同一個圖畫書文本應用于不同的課程計劃。

因此，確定設計參數α(占空比和簇頭個數等)，尋找能量效率與QoS性能折中，為選擇適合的網絡協議參數提供設計依據.

圖8 簇頭數變化與接收數據包情況

4.3 評估方法分析

LEACH算法的簇頭選擇使用概率機制，雖然其復雜性低，但缺少能效方面的考慮.在實際應用中，是否成為簇頭還受到其他服務質量的要求，如:節點存活數量和網絡吞吐量等，因此，簇頭選擇可以視為多目標優化問題.

本文AHP算法采用集中式簇頭選擇機制，利用多目標決策方法選擇最佳的簇頭，以剩余能量和服務質量作為主準則，根據性能指標的權重賦值計算，構建生存周期和可靠性等多屬性評價方法.本實驗將AHP的多度量目標函數應用于簇頭的選舉過程中，簇頭根據節點存活數量和網絡接收數據包數自適應地進行，使簇頭選擇過程更加合理.通過與LEACH協議以及經典平面路由協議-最小傳輸能量 (minimum transmission energy，MTE)的仿真對比，如圖9所示，可以說明AHP算法在能量效率和服務質量上的優越性.

惠水縣在易地扶貧搬遷后續扶持金融服務工作中的“四個加”做法突出了政府主導和人民銀行牽頭的組織作用，首創推出有針對性的信貸產品和服務方式，強化金融對遷入點產業和搬遷移民自我發展的信貸支持，探索出一條易地扶貧搬遷后續金融服務問題的相對有效途徑。但該創新模式仍在探索之中，在組織體系建設、政策支持體系、評估體系等方面還需進一步完善。

圖9 AHP和LEACH、MTE評價方法分析情況

圖9(a)中可以看出，MTE開始時的能量消耗比較迅速，LEACH的能量消耗一直很穩定，在540 s左右網絡能量耗盡，而AHP的能量消耗和LEACH協議幾乎相同，不過更加平滑一些，說明能量消耗更加均勻，網絡能量維持到580 s.圖9 (b)中可以看出，MTE在70 s就出現了死亡節點，LEACH在410 s時出現了死亡節點，而AHP在將近480 s時候才出現了死亡節點.圖9(c)中可以看出，在530 s時，MTE成功收到數據包數才接近20萬，LEACH成功接收到140萬個數據包;AHP成功接收數據包數接近240萬，而且在同一時刻，AHP接收包數總是比LEACH多.因此，從實驗結果中可以看出AHP在能量利用率、節點存活個數和成功接收數據包數都比LEACH和MTE的表現要好，說明在能量消耗、延長網絡生存時間以及數據傳輸可靠性等指標，AHP都具有較好的表現.

5 結論

1)定義能效函數及映射關系，建立基于反饋控制的能效模型，模型以數據采集流量為自變量，以最大化網絡性能和最小化網絡能耗為目標，設計基于各項指標之間的關聯和制衡，解決網絡性能和能量效率的平衡問題.

2)運用層次分析法構建了基于服務質量約束的能效模型評價方法，采用加權和的綜合量化指標權重計算服務的可用性，給出了基于效用函數的優化模型并設計了一種多度量目標優化算法.

3)通過網絡仿真工具對經典SMAC協議和分簇LEACH協議進行實驗分析，尋找占空比和簇頭數等最優參數設置，同時與LEACH和MTE協議進行性能評估的對比，進一步證明了能效模型評價方法和量化結果的正確性.

［1］羅俊，蔣鈴鴿，何晨.一種多跳無線傳感器網絡中基于SMAC協議的性能分析模型［J］.中國科學:信息科學，2010，40(11):1464-1472.

［2］PANGUN P，di MARCO P，FISCHIONE C，et al. Modeling and optimization oftheIEEE 802.15.4 protocol for reliable and timely communications［J］. IEEE Transactions on Parallel and Distributed Systems，2013，24(3):550-564.

［3］林闖，田源，姚敏.綠色網絡和綠色評價:節能機制、模型和評價［J］.計算機學報，2011，34(4):593-612.

［4］李建中，高宏.無線傳感器網絡的研究進展［J］.計算機研究與發展，2008，45(1):1-15.

［5］di MARCO P，PANGUN P，FISCHIONE C，et al. Analyticalmodeling ofmulti-hop IEEE 802.15.4 networks［J］. IEEE Transactions on Vehicular Technology，2012，61(7):3191-3208.

［6］宋杰，李甜甜，閆振興，等.一種云計算環境下的能效模型和度量方法［J］.軟件學報，2012，23(2):200-214.

［7］李建中，李金寶，石勝飛.傳感器網絡及其數據管理的概念、問題與進展［J］.軟件學報，2003，14(10): 1717-1727.

［8］劉星成，袁東升，梁平元，等.基于代價函數的WSN能效路由協議性能分析［J］.通信學報，2011，32(6):132-140.

［9］俞靚，王志波，駱吉安，等.面向移動目標追蹤的無線傳感器網絡QoS指標體系設計［J］.計算機學報，2009，32(3):441-462.

［10］顧軍，羅軍舟，曹玖新，等.基于排隊Petri網的服務系統性能建模與分析方法［J］.計算機學報，2011，34(12):2435-2455.

［11］王文彬，孫其博，楊放春.MANET下環境感知的服務可用性量化評估模型［J］.計算機研究與發展，2012，49(3):558-564.

［12］林闖，胡杰，孔祥震.用戶體驗質量(QoE)的模型與評價方法綜述［J］.計算機學報，2012，35(1):1-15.

［13］林闖，李寅，萬劍雄.計算機網絡服務質量優化方法研究綜述［J］.計算機學報，2011，34(1):1-14.

［14］CHENG Xiuzhen，NARAHARI B，SIMHA R，et al. Strong minimum energy topology in wireless sensor networks:NP-completeness and heuristics［J］.IEEE Transactions on Mobile Computing，2003，2(3):248-256.

［15］CHIPARA O，LU Chenyang，STANKOVIC J.Dynamic conflict-free query scheduling for wireless sensor networks［C］//Proceedings of the 14th IEEE International Conference on Network Protocols(ICNP’06).Santa Barbara， California:IEEE Computer Society，2006:321-331.

［16］張法，ANTA A F，王林，等.網絡能耗系統模型及能效算法［J］.計算機學報，2012，35(3):603-615.

［17］WANG Tao，WU Zhiming，MAO Jianlin.A new method for multi-objective TDMA scheduling in wireless sensor networks using Pareto based PSO and fuzzy comprehensive judgement［C］//Proceedings of the Third International Conference on High Performance Computing and Communications(HPCC’07).Berlin，Heidelberg:Springer-Verlag，2007:144-155.

［18］王紹青，聶景楠.一種無線傳感器網絡性能評估及優化方法［J］.電子學報，2010，38(4):882-886.

［19］YE Wei，HEINEMANN J，ESTRIN D.Medium access control with coordinated adaptive sleeping for wireless sensor networks［J］.IEEE Transactions on Networking. 2004，12(3):493-506.

［20］HEINZELMAN W，CHANDRAKASAN A，BALAKRISHNAN H.An application-specific protocol architechture for wireless microsensor networks［J］.IEEE Transactions On Wireless Communications，2002，1(4):660-670.