無線通信網絡非等間距節點負載部署研究仿真

張 耀，王珂琦

(河南工業大學漯河工學院，河南 漯河 462000)

1 引言

隨著無線技術的發展，無線網絡被頻繁地應用在人們的生產和生活中，節點負載部署成為無線網絡中至關重要的技術之一。當前網絡拓撲多采用隨機部署方式，導致網絡負載配備不合理，甚至影響無線網絡的計算處理效率，降低業務能力[1]。為此，研究人員不斷探索，在使系統的響應時間更低，無線資源利用率更高，網絡的可擴展性和穩定性更優良等方面[1]做出不斷努力。文獻[2]采用遺傳算法—蟻群算法解決無線網絡負載均衡的問題，采用蟻群算法對信息初始值進行優化提取，使用改進后的方法不僅具有更快的尋優能力，還擁有更快的收斂速度，降低了時間成本和能耗成本，然而節點的負載率還有待提高。文獻[3]根據用戶不確定等因素建立了基于模糊時間序列預測的網絡負載均衡模型，同時提出了基于反饋的被動調控和主動控制相互結合的調度機制，提高了無線通信網絡的整體性能，但是該方法在無線網絡均衡處理過程中，算法的復雜度并不是很理想。文獻[4]提出一種基于無線通信網絡信息節點的度量方法，將聚集系數和度指標相結合，對無線網絡中的節點進行度量，通過灰度相互關聯實現無線通信網絡信息節點的均衡配置，該方法能夠對無線網絡中的信息重要性進行度量，但精確性不是很高。

針對上述研究存在的問題，本文采用分數階達爾文粒子群算法，對無線通信網絡中非等間距節點進行能量均衡和動態調節，根據網絡節點的鏈路結構和相鄰性的特點計算節點間的能量和距離，從而對非等間距節點負載進行均衡配置，實現網絡節點的合理均衡配置能夠改善非等間距節點的覆蓋率，增加網絡運行的平穩性，同時有利于延長網絡的生命周期。

2 非等間距節點拓撲結構模型

針對不同的檢測區域，均可以采用簡化模型的方法，對非等間距節點進行負載部署，這種拓撲結構具有明顯的層次結構，假定網絡拓撲內存在的非等間距節點數量表示為M，對應的能量表示為E0，則該網絡拓撲的空間分布可以描述為M×N維，其非等間距節點分布如圖1所示。

圖1 非等間距節點分布圖

假設M×N個節點被非均勻的分布在半徑為r的二維空間內，其中存在一個中心節點位于圓心處，各個節點以非等間距方式形成鏈式的結構空間，且越靠近中心節點的位置，各節點間的距離會小。

在非等間距節點的分布中，所有節點在原始條件下的能量和為定值，且每個節點所具有的能量是平均的；全部節點不僅具有自己的坐標，還能夠根據各自的坐標進行彼此間距離的計算，而且能夠在一定的二維空間范圍內實現互相通信[5-6]。

根據上述分析，無線通信網絡節點之間的概率和節點間的距離存在關聯，在兩個節點相距的有效范圍內，兩個節點間可以構成通信鏈路。假設無線通信網絡的發射節點為a，接收節點為b，則a到b產生鏈路的概率描述為

Pab=e-R|sinα|

(1)

這里的R是網絡節點a與b的有效間距；α是a與b節點間形成的夾角。節點b不能夠被所有節點檢測到的概率為

(2)

其中，ζ表示概率的約束值，取值范圍0≤ζ≤1。

對無線通信網絡非等間距節點進行度量時，要按照階數中心性和接近中心性原則完成節點間重要性度量，則非等間距節點接近中心性可表示為

(3)

其中，uij表示非等間距發送節點i，j表示非等間距接受節點，N表示非等間距節點的個數。

當無線通信網絡中系統間存在連接和冗余的現象時，表示系統間存在阻塞行為，如果一個信息節點為無線通信網絡中的重要節點，則該節點在無線通信過程中起著至關重要的作用。非等間距節點在無線通信網絡中的約束系數可表示為

(4)

其中，q表示連接節點i和j的間接節點，Pij表示節點i在節點j上消耗的時間與節點j消耗的時間比值。當約束系數值Hi越小時，表示節點在無線通信網絡中占有的地位越重要。

3 粒子群優化算法

3.1 達爾文粒子群算法

如果有M個粒子組成的群落在一個R維空間中，假設針對第j個粒子進行研究，則第j個粒子的速度可以表示如下：

(5)

其中，yj=(yj1，yj2，…，yjH)表示為第j個粒子的位置向量，Vj=(Vj1，Vj2，…，VjH)表示為第j個粒子的速度向量，β表示慣性系數，e1和e2表示加速度系數，X1h和X2h表示[0，1]范圍內的隨機數。

第j個粒子的位置更新公式表示為

(6)

(7)

無線通信網絡正常工作時，必須保證所有節點間相互間距小于通信距離，即在一定范圍內才能檢測到對方[7-8]。為了能夠計算出各個節點的傳輸距離，需要將粒子之間的距離轉化成最大接收與傳輸距離。假設在理想條件下，各粒子能夠傳輸與接收的距離為Lty，由于在傳輸和接收過程中會損耗功率，因此傳輸和接收距離Lty可表示為

(8)

其中，l0表示參考距離，且l0≠0；γ表示功率損耗指數，且γ>1，D0表示在參考距離的位置接收的功率；LY表示接收功率的限制值。

在粒子群中，假設第j個粒子能夠傳輸與接收的最大半徑為Rj，可表達為

(9)

其中，GF表示第j個粒子傳輸與接收距離上限值，且LY>GF；系數η=1，2。

3.2 非等間距節點能量計算

在計算節點能量時，依據的是各節點能耗開銷與非等間距之間的關系，通過節點接收與傳輸距離對非等間距節點的能量進行計算，具體表示為

(10)

其中，φ表示為發送與接收節點的比特數；D表示當前節點的距離；EΔ表示發送與接收過程中每個節點的損耗；μ1和μ2分別表示自由空間功率的損耗系數和衰落功率損耗因子。

當節點處于接收狀態時，可以忽略不計由空間功率帶來的開銷問題，因此可以將處于接收狀態的節點能耗表示如下

(11)

3.3 負載部署預測

在利用本文提出的達爾文粒子群算法進行優化負載均衡性的同時，也需要對無線通信網絡的其它方面采取相應的改善處理。保證對原始網絡不存在額外干擾的前提下，采取提前估算出由信息流量與數據請求所產生的能量開銷，并據此作出相應的資源配置。最常見的預測算法有神經網絡、灰度預測和關于時間序列的預測等等[9-10]。針對特殊情況，負載的預測模型可以表示為

A(t+1)=a1A(t)+a2A(t-1)+a3A(t-2)

(12)

其中，a1，a2，a3表示常數，通常取值為0.5，0.3，0.2。本文使用的負載預測模型根據時間的先后順序配置權重，利用無線通信網絡的當前狀態和前兩個時刻的狀態，預測無線通信網絡的下一時刻狀態。并利用達爾文粒子進化，對網絡中產生的所有請求信息進行連續統計處理，將其制作為包含負載情況的參數集。然后對負載參數集的請求分類，統計其數量，根據式(12)的定義，配置負載權重，得到最終的預測結果。最終根據預測結果，對無線通信網絡下一時刻中心節點配置合適的節點，從而當有無線通信網絡請求的時候，不需要逐一尋找網絡節點，

可直接進行配置。一旦發現網絡請求信號，系統便會檢查這種類型的信號是否已存在預分配的記錄。如果存在預分配記錄，系統會根據這條記錄的指示節點進行命令處理；如果不存在預分配記錄，系統根據達爾文粒子群算法進行運算處理。最后將這條記錄統計到無線通信網絡的統計器中，便于對下一個時刻的請求進行預測判斷，這種方法大大緩解了中心節點的分配問題，從而大幅度地改善了無線通信網絡的工作效率。

4 仿真與結果分析

為了證明所提方法在非等間距網絡節點負載部署方面的實際效果，仿真選擇50000次發送請求作為一組數據，即無線網絡請求每秒發送100次，總計送發送500秒。通過仿真，將本文提出采用達爾文粒子群算法的負載部署預測方法與文獻[4]方法進行比較，驗證各個節點的負載平衡情況。為了使非等間距節點能量不造成過多的損失，要求每個網絡請求都應該在一定時間內處理完成，該時間應該滿足N(0.2，0.1)條件，即均值為0.2，方差為0.1的正態分布，這樣便可以在節點上形成固定的負載。在無線通信網絡系統中，任意時刻能夠得到響應的請求數量為15000，對于超出部分的35000各個請求只能對其進行阻塞。為了使仿真結果更加準確，對測試的結果進行了多次取平均值的方法，文獻方法和本文方法對各個節點的負載部署仿真結果如圖2所示。

圖2 負載部署結果對比

對比實驗結果數據可知，本文提出的算法比文獻算法在負載部署上面更加穩定，且負載最高節點與最低節點的負載相比，差值不超過5%。本文選擇50000次發送請求為一組數據，其中文獻算法的最低節點和最高節點的均值分別為4512和4881，差值為369；采用本文算法的最低節點和最高節點的均值分別為4631和4718，差值為81。因此，在本文所提出的算法下，無線通信網絡最高節點與最低節點間差值相對更低，節點負載相對更加均衡，系統運行更加流暢?？梢?，基于達爾文粒子群算法的負載部署方法大大提高了無線通信網絡的非等間距節點承受能力和運行效率，從而能夠有效減少系統的響應時間，增強了無線通信網絡的穩定性。

除此之外，為了研究本文算法的實際工作效率，分別測試了1000、2000、3000、4000和5000個請求到來時，負載處理所需要的時間。由于系統在測試過程中可能會產生時間短板現象，因此這里采用網絡中具有最大負載的節點時間來作為實驗結果，得到時間隨節點變化的曲線如圖3所示。

圖3 負載個數處理時間結果對比

從仿真結果來看，本文采用的算法和文獻算法相比，平均處理時間更短，使無線通信網絡的效率提高了15%左右。隨著所采集數據集的增大，無線通信網絡分配方式的隨機性也更加突出，大大提高了各個網絡節點的負載均衡能力，在滿足無線網絡通信的情況下，能夠有效減少能量損耗，延長無線通信網絡的使用壽命。綜合仿真結果，驗證了達爾文粒子群算法能夠有效的改善負載部署問題，且節約了更多的時間成本和功耗成本，有利于提高無線通信網絡的效率。

5 結束語

為了保障無線通信網絡的工作效率，降低工作成本，使網絡負載配備更加合理。本文采取不同的檢測區域，對非等間距節點進行負載部署，采用達爾文粒子群算法將粒子之間的距離轉化成最大接收與傳輸距離求解。針對無線通信網絡非等間距節點的距離與能量損耗的特點對節點能量進行處理，保證對原始網絡不存在額外干擾的前提下，采取提前估算出由信息流量與數據請求所產生的能量開銷，并據此作出相應的資源配置，最終引導網絡節點實現負載合理配置操作。通過仿真，驗證了本文提出的算法不僅加快了節點間的收斂速度，還提升了無線網絡跳出局部最優解的能力，從而有效提高了非等間距節點負載部署的均衡程度，明顯提升了負載處理的效率，對于非等間距網絡節點的負載部署具有顯著優勢。