Các thuật toán xấp xỉ tìm đường xâm nhập có khả năng bị phát hiện nhỏ nhất trong mạng cảm biến dây (approximate algorithms for solving the minimal exposure path problems in wireless sensor networks) tt

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN THỊ MỸ BÌNH CÁC THUẬT TỐN XẤP XỈ TÌM ĐƯỜNG XÂM NHẬP CĨ KHẢ NĂNG BỊ PHÁT HIỆN NHỎ NHẤT TRONG MẠNG CẢM BIẾN KHÔNG DÂY Ngành: Khoa học Máy tính Mã số: 9480101 TĨM TẮT LUẬN ÁN TIẾN SĨ KHOA HỌC MÁY TÍNH Hà Nội − 2020 Cơng trình hồn thành tại: Trường Đại học Bách Khoa Hà Nội Người hướng dẫn khoa học: PGS.TS Huỳnh Thị Thanh Bình PGS.TS Nguyễn Đức Nghĩa Phản biện 1: Phản biện 2: Phản biện 3: Luận án bảo vệ trước Hội đồng đánh giá luận án tiến sĩ cấp Trường họp Trường Đại học Bách khoa Hà Nội Vào hồi , ngày tháng năm : Có thể tìm hiểu luận án thư viện: Thư viện Tạ Quang Bửu- Trường Đại học Bách khoa Hà Nội Thư viện Quốc gia Việt Nam GIỚI THIỆU CHUNG Ngày mạng cảm biến không dây (Wireless Sensor Networks- WSNs) phát triển mạnh mẽ sống hàng ngày nhân tố quan trọng cho hình thành giới vạn vật (Internet of Things) Một mạng cảm biến gồm hàng nghìn nút cảm biến triển khai vùng quan tâm (Region of Intersest- ROI) để thực nhiệm vụ giám sát theo dõi môi trường xung quanh nơi mà mạng triển khai Mỗi cảm biến có kích thước nhỏ, hạn chế khả tích trữ lượng, khả tính tốn khả lưu trữ liệu, cảm biến cộng tác với chúng làm việc vơ to lớn từ dự đốn thiên tai hay giám sát đến theo dõi sở hạ tầng quan trọng hóa chất độc hại WSNs coi cơng nghệ có tầm ảnh hưởng lớn kỷ 21 10 công nghệ thay đổi giới WSNs thu hút nhiều quan tâm nhà khoa học lĩnh vực khác khí, điện từ, cơng nghệ thơng tin v.v Bao phủ mạng cảm biến có ý nghĩa quan trọng thước đo để đánh giá khả cảm biến, nơi WSNs triển khai Đánh giá độ bao phủ mạng cảm biến liên quan trực tiếp đánh giá chất lượng dịch vụ (Quality of Service) mạng cảm biến Với kết đánh giá độ bao phủ WSNs biết vùng có độ bao phủ thấp (chất lượng bao phủ kém) khu vực có độ bao phủ cao (chất lượng bao phủ tốt) vùng mà WSNs triển khai Từ đưa chiến lược cải thiện hiệu xuất mạng cảm biến chất lượng bao phủ Tùy thuộc vào ứng dụng khác mà yêu cầu độ bao phủ khác Có nhiều cách để phân loại bao phủ tùy thuộc vào tính chất ứng dụng cụ thể Bao phủ thường phân chia thành loại: bao phủ điểm, bao phủ diện tích bao phủ rào chắn Bao phủ điểm Trong bao phủ điểm, điểm cần bao phủ mơ hình hóa dạng điểm rời rạc trường cảm biến Bao phủ điểm tập trung vào giải vấn đề làm để điểm (điểm rời rạc) bao phủ cảm biến Bao phủ diện tích Bao phủ diện tích có mục tiêu điểm ROI phải bao phủ sensor Trong bao phủ diện tích có vấn đề quan cần giải làm để có bao phủ hiệu toàn vùng cảm biến Bao phủ rào chắn Bao phủ rào chắn khác với bao phủ điểm bao phủ diện tích mục đích bao phủ Trong bao phủ rào chắn, đối tượng cần bao phủ đối tượng động trước vị trí đối tượng trước nút cảm biến triển khai Mục tiêu bao phủ rào chắn tối thiểu khả không bị phát đối tượng xâm nhập qua vùng quan tâm ROI Với mục tiêu mơ hình bao phủ diện tích giám sát phát đối tượng xâm nhập, gây tốn chi phí cho việc trì mạng Do mơ hình bao phủ rào chắn phù hợp với mục tiêu giám sát phát đối tượng xâm nhập vùng ROI, mang lại nhiều lợi ích kinh tế việc thiết kế, triển khai trì mạng cảm biến ứng dụng xây dựng hệ thống giám sát phát đối tượng xâm nhập Như vậy, nghiên cứu bao phủ rào chắn có nhiều tiềm ứng dụng hệ thống giám sát thông minh Có nhiều mơ hình khác cho lớp tốn bao phủ rào chắn, mơ hình đại diện cho ứng dụng nhu cầu thực tế Luận án tập trung nghiên cứu mơ hình tìm đường xâm nhập có khả bị phát nhỏ mạng cảm biến khơng dây, từ phát biểu mơ hình tốn tìm đường thâm nhập vùng cảm biến có khả bị phát thấp (Minimal Exposure Path- MEP) ngữ cảnh khác gần với thực tế để hướng tới kết nghiên cứu sớm mang áp dụng giai đoạn thiết kế, triển khai trì mạng Bài tốn MEP chứng minh tốn khó Do đó, luận án lựa chọn cách tiếp cận giải xấp xỉ, gần để giải toán đề xuất Hình Minh họa bao phủ diện tích (a), bao phủ điểm (b) bao phủ rào chắn (c) vùng quan tâm ROI Động nghiên cứu Hình Minh họa tốn điển hình bao phủ rào chắn Luận án nghiên cứu thuật toán xấp xỉ giải toán tối ưu bao phủ rào chắn mạng cảm biến không dây Đặc biệt, luận án sâu vào việc giải tốn tìm đường xâm nhập có khả bị phát nhỏ mạng cảm biến không dây với giả thuyết khác đặc tính mạng cảm biến mơi trường triển khai mạng cảm biến Bài tốn MEP thuộc lớp tốn NP-Hard có nhiều ý nghĩa quan trọng nghiên cứu lý thuyết thực nghiệm Giá trị exposure tỉ lệ thuận với độ bao phủ mạng cảm biến, thước đo hiệu để đo độ bao phủ WSNs, exposure sử dụng để đo lường chất lượng hệ thống giám sát chất lượng phủ sóng mạng cảm biến Thông qua việc giải tốn MEP, nhà thiết kế mạng ước tính mức độ bao phủ mạng trường hợp bao phủ tồi mạng cảm biến cung cấp, đối tượng di chuyển qua trường cảm biến dọc theo đường dẫn khó phát Do đó, thơng tin MEP mạng cảm biến sử dụng việc quản lý, tối ưu trì WSN Hơn nữa, việc giải tốn MEP khơng ứng dụng WSNs mà ứng dụng nhiều lĩnh vực khác đường cho Robot để nạp lượng, đánh giá chất lượng phủ sóng Radio Ngồi ra, nghiên cứu MEP xét môi trường mạng lý tưởng kết giải toán MEP chưa tối ưu, điều dẫn tới kết nghiên cứu khó đưa vào ứng dụng thực tế Vì nghiên cứu toán MEP mạng cảm biến cần quan tâm nghiên cứu Do vậy, luận án tập trung nghiên cứu kỹ lưỡng toán MEP với giả thuyết khác sau đây: ❼ Bài tốn tìm đường xâm nhập có khả bị phát nhỏ mạng cảm biến động vơ hướng ❼ Bài tốn tìm MEP mạng cảm biến vơ hướng với mơ hình bao phủ xác suất, tức tốn tìm đường xâm nhập có khả bị phát thấp mạng cảm biến có tính đến ảnh hưởng nhiễu môi trường đến khả cảm biến mạng ❼ Bài tốn tìm MEP mạng cảm biến hỗn hợp đa phương tiện ❼ Bài tốn tìm MEP mạng cảm biến có hướng tránh chướng ngại vật có hình dạng vị trí mơi trường triển khai mạng cảm biến Phương pháp nghiên cứu Phương pháp nghiên cứu luận án kết hợp song song phương pháp nghiên cứu lý thuyết phương pháp nghiên cứu thực nghiệm ❼ Nghiên cứu toán tối ưu bao phủ rào ❼ Phân tích kỹ lưỡng nghiên cứu liên quan đến toán bao phủ rào chắn, đặc biệt toán MEP ❼ Đề xuất mơ hình tốn MEP gần với thực tế ❼ Đề xuất thuật toán hiệu để giải toán MEP Tất kết nghiên cứu lý thuyết xác thực thông qua thực nghiệm Các thực nghiệm xây dựng dựa nhiều kịch khác để đánh giá tính hiệu mơ hình thuật tốn đề xuất Phạm vi nghiên cứu Luận án tập trung nghiên cứu thuật toán xấp xỉ giải toán tối ưu bao phủ rào chắn mạng cảm biến không dây Đặc biệt tốn tìm đường xâm nhập có khả bị phát nhỏ mạng cảm biến Cụ thể, phạm vi nghiên cứu luận án sau: ❼ Nghiên cứu toán bao phủ mạng cảm biến khơng dây, đặc biệt tốn tìm đường xâm nhập có khả bị phát nhỏ mạng cảm biến không dây ❼ Các yếu tố ảnh hưởng đến toán MEP mạng cảm biến không dây ❼ Nghiên cứu, tổng hợp, phân tích đề xuất mơ hình tốn MEP mạng cảm biến ❼ Nghiên cứu thuật toán xấp xỉ, đặc biệt, thuật toán heuristic metaheuristic để giải tốn tối ưu nói chung tốn tìm MEP mạng cảm biến khơng dây nói riêng ❼ Xây dựng kịch thực nghiệm để đánh giá độ tốt mơ hình tốn đề xuất thuật toán đề xuất để giải cho mơ hình tốn ❼ So sánh, đánh giá kết thực nghiệm theo tiêu chí xây dựng mạng so sánh với nghiên cứu cơng bố trước Các đóng góp luận án Luận án phát triển thuật toán xấp xỉ dựa giải thuật di truyền, giải thuật bầy đàn thơng minh giải thuật tìm kiếm cục giải biến thể tốn tìm đường xâm nhập có khả bị phát nhỏ mạng cảm biến không dây Cụ thể, luận án đạt đóng góp sau: ❼ Đề xuất mơ hình toán MEP mạng cảm biến động (MMEP) Dựa đặc tính tốn MMEP, hai thuật toán metaheuristic GAMEP HPSO-MMEP đề xuất Một loạt thực nghiệm xây dựng để đánh giá mơ hình tốn giải thuật đề xuất ❼ Đề xuất mơ hình MEP với mơ hình xác suất có tính đến ảnh hưởng nhiễu môi trường cảm biến triển khai (PM-based-MEP) Các giải thuật xấp xỉ GB-MEP GA-MEP đề xuất để giải hiệu toán PM-basedMEP Nhiều thực nghiệm nghiên cứu thực để đánh giá mơ hình tốn tính hiệu giải thuật đề xuất ❼ Đề xuất mô hình tốn MEP mạng hỗn hợp đa phương tiện (HM-MEP) Hai giải thuật metaheuristic đề xuất để giải toán HM-MEP Thuật toán thứ HEA, HEA thuật toán kết hợp thuật toán tiến hóa local search Với mục tiêu đề xuất thuật tốn tìm kiếm lời giải tối ưu (tốt giá trị đạt thời gian thực thuật toán nhanh hơn), thuật toán thứ đề xuất, thuật toán GPSO GPSO dựa ý tưởng PSO kết hợp với lực từ trường trái đất (gravity force) Rất nhiều thực nghiệm thực để đánh giá mơ hình tốn giải thuật đề xuất ❼ Với mơ hình toán MEP tránh chướng ngại vật, luận án xây dựng mơ hình tốn học tổng qt cho toán MEP tránh chướng ngại vật (OE-MEP) Thuật toán tạo chướng ngại vật có hình dạng trình bầy Thuật tốn FEA đề xuất để giải toán OE-MEP với nhiều ý tưởng mới, khác với giải thuật di truyền trước Các thuộc tính cá thể quần thể đưa vào, cá thể giống thành viên gia đình, quần thể gồm nhiều gia đình xã hội lồi người Điều đặc biệt số lượng cá thể quần thể FEA khơng cố định Ngồi FEA đưa chế ghép cặp cập nhật phù hợp với hoạt động đời sống xã hội Cuối cùng, loạt thực nghiệm thực để đánh giá tính hiệu tổng quát giải thuật đề xuất Cấu trúc luận án Nội dung luận án trình bày sau: Giới thiệu chung: trình bày ý nghĩa, mục đích nghiên cứu luận án, phương pháp nghiên cứu, phạm vi nghiên cứu, đóng góp cấu trúc luận án Chương 1: trình bày kiến thức toán bao phủ rào chắn mạng cảm biến khơng dây, tốn tối ưu, giải thuật xấp xỉ, đặc biệt giải thuật metaheuristic Chương 2: trình bày tốn MEP mạng vơ hướng (omni-directional sensor networks) Chương trình bầy hai toán: phần 2.1 MEP mạng cảm biến động 2.2 Bài MEP với mơ hình cảm biến xác xuất Chương 3: MEP mạng hỗn hợp có hướng (directional sensor networks) trình bày Từ động đề xuất thuật toán, phát biểu toán, giải thuật đề xuất trình bầy kỹ lưỡng Phần thực nghiệm xây dựng mô tả để đánh giá mơ hình thuật tốn đề xuất Chương 4: trình bày MEP tránh chướng ngại vật mơi trường triển khai mạng cảm biến Mơ hình tốn học toán MEP tránh chướng ngại vật xây dựng tổng quát phần 4.2 Thuật toán FEA đề xuất trình bày phần 4.3, phần thực nghiệm để phân tích đánh giá thuật tốn trình bày phần 4.4 Cuối phần đánh giá kết đạt luận án đưa hướng nghiên cứu tương lai CHƯƠNG CƠ SỞ LÝ THUYẾT 1.1 Mạng cảm biến Mạng cảm biến không dây phát triển mạnh mẽ ngành công nghiệp IoT cách xây dựng hệ thống truyền thông đáng tin cậy hiệu Với cơng nghệ cảm biến phát triển nhanh chóng, WSN đóng vai trị quan trọng việc triển khai IoT Gần đây, truyền thơng khơng dây, điện tốn cơng nghệ cảm biến phát triển nhanh chóng nút cảm biến kích thước nhỏ, chi phí thấp tích hợp khả cảm biến, xử lý liệu truyền thông không dây Mặc dù nút cảm biến thường bị giới hạn tài nguyên dung lượng pin, khả lưu trữ khả tính tốn hạn chế, chúng cộng tác với để hoàn thành nhiệm vụ lớn cách hiệu Một WSN điển hình bao gồm hàng ngàn nút cảm biến triển khai vùng quan tâm, sử dụng để theo dõi tượng vật lý ROI 1.1.1 Cảm biến Cảm biến thiết bị, mơ-đun, hệ thống có mục đích phát kiện hay thay đổi môi trường xung quanh cảm biến triển khai (như nhiệt độ, ánh sáng, âm thanh, áp suất, từ tính, v.v.) gửi thơng tin đến thiết bị điện tử khác 1.1.2 Nút cảm biến Nút cảm biến nút mạng cảm biến có khả thực thu thập xử lý thông tin cảm biến giao tiếp (truyền thông) với nút cảm biến khác mạng Một nút cảm biến bao gồm đơn vị cảm biến, đơn vị truyền thông, đơn vị vi điều khiển, nhớ đơn vị lượng 1.1.3 Mơ hình bao phủ cảm biến Các mơ hình bao phủ cảm biến sử dụng để phản ánh khả chất lượng cảm biến node cảm biến Hầu hết các mơ hình cảm biến mơ hình dạng hàm tốn học gọi hàm cảm biến Các hàm cảm biến thường phụ thuộc vào khoảng cách hoặc/và góc node cảm biến đến đối tượng bị cảm biến Giả sử sensor si có vị trí (xi , yi ), đối tượng vị trí l(x, y), khoảng cách Euclidean sensor si điểm l là: d(si , l) = (xi − x)2 + (yi − y)2 (1.1) Mơ hình bao phủ nhị phân if d(si , l) ≤ r otherwise f (d(si , l)) = (1.2) đó, d(si , l) khoảng cách Euclidean sensor si điểm l, số r > bán kính cảm biến sensor Hình 1.1(a) minh họa mơ hình cảm biến nhị phân Mơ hình cảm biến suy giảm phân đoạn Độ bao phủ cảm biến đến đối tượng nhỏ khoảng cách cảm biến đối tượng xa Ce−αd(s,z) if d(si , l) ≤ r otherwise f (d(si , l)) = (1.3) đó, α tham số biểu diễn tham số vật lý đặc trưng cho cảm biến, r bán cảm biến Hình 1.1(b) minh họa mơ hình bao phủ suy giảm phân đoạn r r (a) (b) Hình 1.1 Minh họa mơ hình bao phủ nhị phân (a) mơ hình bao phủ suy giảm phân đoạn (b) 1.1.4 Mơ hình cường độ cảm biến Mơ hình cường độ cảm biến mạng cảm biến mơ hình cộng tác cảm biến sensor mạng cảm biến đến điểm Có mơ hình cường độ cảm biến phổ biến: Cường độ cảm biến tất sensor N I(l) = f (d(si , l)) (1.4) i=1 đó, N số lượng sensor mạng cảm biến, ví dụ, mạng gồm có N cảm biến biểu diễn {s1 , s2 , , sN }, Cường độ cảm biến sensor gần I(l) = f (d(s∗i , l)) |d(s∗i , l) ≤ d(sk , l) ∀k = 1, 2, , N (1.5) đó, s∗i cảm biến gần điểm l nhất, nghĩa khoảng cách Euclidean từ cảm biến s∗i đến điểm l nhỏ so với tất cảm biến trường cảm biến 1.1.5 Các thuật ngữ Vùng quan tâm Trong bao phủ rào chắn, vùng quan tâm (ROI) thường miền vành đai dài biên khu vực giám sát Các cảm biến triển khai ROI để phát kẻ xâm nhập cố gắng vượt qua ROI ROI chia làm loại, vùng đóng mở Vùng đóng mơ hình vùng khép kín vùng vành khăn ví dụ, xung quanh sân bay xung quanh nhà máy hạt nhận Vùng mở mơ hình chữ nhật, ví dụ biên giới quốc gia dọc ống dẫn khí ngầm đại dương Trong luận án vùng quan tâm xét vùng mở Đường thâm nhập Đường thâm nhập đường cắt ngang đường kết nối hai mặt đối diện ROI, nơi điểm vào điểm nằm hai phía đối diện vùng quan tâm Nút cảm biến tĩnh Nút cảm biến tĩnh có khả thu thập liệu cảm biến được, truyền nhận liệu tới nút cảm biến khác mạng Thông thường, nút cảm biến khơng có khả di chuyển sau chúng triển khai Nút cảm biến động Nút cảm biến động có tất đặc tính giống cảm biến tĩnh nút cảm động có khả di chuyển theo quỹ đạo 1.1.6 Các kịch mạng cảm biến không dây Các nút cảm biến triển khai ROI để theo dõi số tượng vật lý Một trường gọi trường cảm biến nút cảm biến tạo thành mạng cảm biến Có nhiều kịch bảng mạng tồn kiến trúc quản lý mạng cảm biến ❼ Mạng cảm biến hỗn hợp với mạng cảm biến đồng ❼ Mạng cảm biến động với mạng cảm biến tĩnh ❼ Mạng cảm biến đơn chặng với mạng cảm biến đa chặng 1.2 Bài toán tối ưu Các ứng dụng tối ưu hóa xuất mặt đời sống xã hội Giải tốn tối ưu đóng vai trị quan trọng Do vậy, phần luận án trình bày số lý thuyết toán tối ưu phương pháp tiếp cận giải toán tối ưu Các kiến thức trình bầy phần sử dụng xun suốt tồn luận án Bài tốn tối ưu chia làm hai loại: tối ưu liên tục tối ưu rời rạc ❼ Bài toán tối ưu hóa liên tục tốn mà biến thể hàm mục tiêu phải liên tục Một biến liên tục biến chọn từ tập hợp giá trị thực Đầu vào ❼ W , L: chiều rộng chiều dài vùng quan tâm ROI ❼ N : số lượng sensor động ❼ {s1 , s2 , , sN }: tập sensor động triển khai vùng ❼ si0 : vị trí khởi tạo cảm biến si ❼ Ri : quỹ đạo cảm biến si ❼ vs : vận tốc sensor (tất sensor có vận tốc) ❼ vI : vận tốc lớn đối tượng xâm nhập ❼ (0, yB ): tọa độ điểm đầu B ❼ (L, yE ) : tọa độ điểm cuối E Đầu ra: Đường ℘ vùng nối điểm nguồn B tới điểm đích E Hàm mục tiêu: Đường ℘ có giá trị exposure nhỏ nhất, nghĩa là: T/ ∆t N k=1 i=1 E(℘, T ) ≈ f (d(si (∆t), p(k.∆t)))∆t → Ràng buộc: ❼ Đối tượng di chuyển từ điểm nguồn B hướng sang điểm đích E ❼ Đối tượng xâm nhập ln với vận tốc lớn vI Hình 2.1 Minh họa liệu vào liệu toán MMEP 2.1.3 2.1.3.1 Các giải thuật đề xuất Thuật toán GAMEP Biểu diễn cá 11 (2.1) Khởi tạo quần thể Toán tử lai ghép Toán tử đột biến Chọn lọc 2.1.3.2 Thuật toán HPSO-MMEP Biểu diễn cá Khởi tạo quần thể kỹ thuật control-point Toán tử lai ghép Toán tử đột biến 2.2 Kết qủa thực nghiệm 2.2.1 Thiết lập thực nghiệm 2.2.2 Kết phân tích thực nghiệm 2.3 Bài tốn MEP với mơ hình cảm biến xác suất mạng cảm biến 2.3.1 Các định nghĩa phát biểu toán 2.3.1.1 Các định nghĩa 2.3.1.2 Phát biểu toán Cho tập cảm biến gồm N sensor, sensor triển khai ngẫu nhiên vùng quan tâm ROI Mỗi cảm biến bị ảnh hưởng nhiễu môi trường ηi Mục tiêu toán PM-based-MEP tìm đường thâm nhập ℘ qua vùng cảm biến, thỏa mãn điều kiên đối tương đường có khả bị phát thấp Đường thâm nhập ℘ phải điểm nguồn B đến điểm đich E, hai điểm đầu cuối nằm biên đối diện vùng quan tâm ROI Đầu vào ❼ W , L: chiều rộng chiều dài trường cảm biến ❼ N : số lượng cảm biến ❼ (0, yB ): tọa độ điểm nguồn B ❼ (L, yE ): tọa độ điểm đich E ❼ σi : độ lệch chuẩn nhiễu sensor si (i = 0, N ) ❼ A: ngưỡng phát ❼ C: hệ số sensor ❼ λ: hệ số suy giảm Đầu ra: Tập điểm L℘ có thứ tự ROI tạo thành đường ℘ nối điểm đầu cuối B E 12 Hàm mục tiêu: Đường ℘ có giá trị exposure nhỏ nhất, nghĩa là: − ln P l ds → E (℘) = (2.2) l∈℘ Ràng buộc: ❼ Đối tượng vùng B đến E với vận tốc không đổi (i) ❼ Đối tượng muốn qua vùng cảm biến nhanh (ii) 2.3.2 Các thuật toán đề xuất 2.3.2.1 Thuật toán GB-MEP 2.3.2.2 Thuật toán GB-MEP Biểu diễn cá Khởi tạo quần thể Toán tử lai ghép Toán tử đột biến Chọn lọc 2.4 Kết qủa thực nghiệm 2.4.1 Thiết lập thực nghiệm 2.4.2 Kết phân tích thực nghiệm 2.5 Kết luận chương Trong chương tập trung giải tốn MEP mạng cảm biến vơ hướng Các kết đật chương sau: Với toán MEP mạng cảm biến động (MMEP), hai thuật toán hiệu đề xuất để giải toán đặt Thuật toán thứ GAMEP dựa GA Để cải thiện chất lượng lời giải, thuật toán thứ đề xuất HPSO-MMEP, thuật toán kết hợp mạnh GA PSO Nhiều kịch thực nghiệm tạo với thay đổi số lượng cảm biến, thay đổi cách phân phối để triển khai cảm biến thay đổi quỹ đạo cảm biến để đánh giá thuật tốn Ngồi ra, thực nghiệm phân tích ảnh hưởng yếu tố đến mơ hình tốn tạo giải thích kỹ lưỡng Kết thực nghiệm cho thấy thuật toán đề xuất giải thành công hiệu toán MMEP Hơn nữa, hai thuật toán đề xuất khơng gaiir tốn MMEP mà cịn áp dụng cho nhiều mơ hình MEP chí áp dụng cho nhiều tốn tối ưu hóa tổng qt khác Đối với tốn MEP mơ hình bao phủ xác suất, luận án nghiên cứu ảnh hưởng yếu tố môi trường tiếng ồn, nhiệt độ, độ ẩm độ rung chấn v.v 13 làm ảnh hưởng đến khả cảm biến sensor mạng Luận án phát biểu tốn MEP với mơ hình bao phủ xác suất (PM-based-MEP) Vì PM-based-MEP tốn NP-khó, hai thuật toán xấp xỉ đề xuất GB-MEP dựa phương pháp chia lưới vùng quan tâm, kết toán bị giới hạn cạnh lưới Do vậy, khơng gian tìm kiếm GB-MEP bị thu hẹp đáng kể làm khơng tìm kiếm lời giải tối ưu Để khắc phục hạn chế GB-MEP, thuật toán GA-MEP dựa giải thuật di truyền đề xuất để mở rộng khơng gian tìm kiếm tìm lời giải tối ưu tồn cục Nhiều kịch thực nghiệm khác tạo để đánh giá tính hiệu thuật tốn đề xuất Kết cho thấy thuật toán đề xuất phù hợp với toán PM-based-MEP hiệu thuật tốn trước Kết thử nghiệm GA-MEP thường đưa lời giải tốt so với GB-MEP với chi phí thời gian tính tốn cao với giá trị Deltas Tùy thuộc vào nhu cầu sử dụng thuật toán (chất lượng tốt thời gian tính tốn nhanh hơn), định sử dụng thuật tốn Luận án giải thành cơng tốn PM-based-MEP với nhiễu môi trường Một số tham số quan trọng thuật tốn với mơ hình bao phủ độ chia Deltas ngưỡng A thử nghiệm Ngồi ra, thuật tốn đề xuất khơng cải thiện kết thời gian tính tốn mà cịn áp dụng cho WSN có quy mơ lớn Các kết nghiên cứu Chương công bố [1, 2, 5] danh sách cơng trình cơng bố 14 CHƯƠNG BÀI TỐN TÌM ĐƯỜNG XÂM NHẬP CĨ KHẢ NĂNG BỊ PHÁT HIỆN NHỎ NHẤT TRONG MẠNG CẢM BIẾN ĐA PHƯƠNG TIỆN HỖN HỢP Trong Chương nghiên cứu MEP mạng cảm biến vô hướng, Chương tập trung vào MEP mạng cảm biến có hướng Mạng cảm biến có hướng mạng điển hình mạng đa phương tiện 3.1 Động nghiên cứu Mạng cảm biến không dây đa phương tiện hỗn hợp (HeWMSN) nhận quan tâm đông đảo cộng đồng nghiên cứu năm gần lợi HeWMSN cho ứng dụng an ninh quân Mạng cảm biến không dây đa phương tiện điển hình mạng cảm biến có hướng (Wireless Directional Sensor network- WDSN) Cảm biến có hướng cảm biến cảm biến đối tượng theo hướng cụ thể cảm biến camera, cảm biến radio, cảm biến hồng ngoại v.v Mạng cảm biến có hướng thu thập liệu đa dạng chứa nhiều thông tin âm thanh, hình ảnh Tuy nhiên, WDSN có đặc trưng riêng góc cảm biến, hướng cảm biến, bán kính cảm biến v.v Các đặc trưng mạng cảm biến có hướng làm cho lý thuyết bao phủ mạng cảm biến vô hướng áp dụng trực tiếp để giải toán MEP nói riêng tốn bao phủ mạng cảm biến nói chung Mạng cảm biến hỗn hợp có hướng mạng gồm nhiều cảm loại biến có hướng khác góc cảm biến, bán kính cảm biến, lượng pin khác Mạng cảm biến hỗn hợp mang lại nhiều lợi ích kinh tế để trì mạng Tuy nhiên, với đặc tính mạng hỗn hợp có hướng làm cho việc giải toán bao phủ mạng cảm biến hỗn hợp phức tạp so với toán bao phủ mạng vô hướng Do vậy, giải MEP mạng vơ hướng khó khăn Hầu hết toán MEP nghiên cứu trước tập chung vào mạng cảm biến vô hướng hoặc/ đồng Do vậy, Chương tập trung giải tốn MEP mạng hỗn hợp có hướng (HM-MEP) 3.2 Các định nghĩa phát biểu toán 3.2.1 Các định nghĩa 3.2.2 Phát biểu toán Cho trước tập sensor S có T loại khác nhau, triển khai ngẫu nhiên vùng quan tâm , điểm nguồn điểm đích nằm biên đối diện trường cảm biến Mục tiêu tốn HM-MEP tìm đường thâm nhập ℘ từ điểm nguồn B 15 đến điểm đích E cho đối tượng đường ℘ khả bị phát thấp Đầu vào ❼ W , L: chiều dài chiều rộng trường cảm biến ❼ N : số lượng sensor ❼ T : số loại cảm biến ❼ ti : số lượng sensor thuộc vào loại i (i = 1, 2, , T ), cho: T ti = N i ❼ (xj , y j ): vị trí sensor sj − − → ❼ W d: hướng làm việc ❼ ri : bán kính cảm biến loại i (i = 1, 2, , T ) ❼ αi : góc cảm biến sensor loại i (i = 1, 2, , T ) ❼ (0, yB ): tọa độ điểm nguồn B ❼ (L, yE ): tọa độ điểm đích E Đầu ra: ❼ Tập điểm L℘ có thứ tự vùng tạo thành đường nối điểm nguồn B điểm đích E Hàm mục tiêu: Giá trị exposure đường ℘ nhỏ nhất, i.e E(I, ℘) = I(P )dl → ℘ (3.1) N f (d(si , O))dl → E(I, ℘) = ℘ i=1 Ràng buộc ❼ Đối tượng vùng từ điểm đầu B đến điểm cuối E với vận tốc không đổi (*) ❼ Đối tượng di chuyển theo hướng từ điểm nguồn B đến điểm đich E (**) 16 Hình 3.1 Minh họa tốn tìm đường xâm nhập có khả bị phát nhỏ mạng cảm biến đa phương tiện hỗn hợp 3.3 Các thuật toán đề xuất 3.3.1 Biểu diễn cá thể 3.3.2 Khởi tạo quần thể 3.3.2.1 Khởi tạo quần thể thuật toán HEA 3.3.2.2 Khởi tạo quần thể thuật tốn GPSO 3.3.3 Các tốn tử tiến hóa 3.3.3.1 Tốn tử tiến hóa HEA 3.3.3.2 Tốn tử tiến hóa GPSO 3.4 Các kết thực nghiệm 3.4.1 Dữ liệu thực nghiệm 3.4.2 Tham số thực nghiệm 3.4.3 Phân tích thực nghiệm 3.4.3.1 Thực nghiệm tham số HEA 3.4.3.2 Thực nghiệm tham số GPSO 3.4.3.3 So sánh HEA với GPSO 3.4.3.4 So sánh GPSO với thuật toán HPSO 3.5 Kết luận chương Chương toán MEP mạng có hướng hỗn hợp (HM-MEP) Bài tốn HM-MEP với đặc trưng mạng hỗn hợp có hướng nên giải toán MEP hiệu khó khăn Với đặc điểm tốn, hai thuật toán metaheuristic đề xuất để giải HM-MEP Nhiều kịch thực nghiệm xây dựng để đánh giá tính hiệu 17 thuật tốn Các tham số quan trọng thuật toán Deltas, c1 , c2 c3 thử nghiệm Kết thực nghiệm thuật toán đề xuất phù hợp với mơ hình tốn Kết thực nghiệm thuật toán HEA đạt kết tốt so với GPSO với chi phí thời gian tính tốn cao với giá trị Deltas Tùy vào nhu cầu sử dụng thuật toán cần thuật tốn có kết tốt hay cần thuật toán chạy nhanh mà lựa chọn thuật toán cho phù hợp Các kết nghiên cứu chương công bố [4] danh sách cơng trình cơng bố 18 CHƯƠNG BÀI TỐN TÌM ĐƯỜNG XÂM NHẬP CĨ KHẢ NĂNG BỊ PHÁT HIỆN NHỎ NHẤT VÀ TRÁNH CHƯỚNG NGẠI VẬT TRONG MẠNG CẢM BIẾN 4.1 Động nghiên cứu Môi trường triển khai mạng cảm biến thực tế thường có cối, hồ ao v.v, toán MEP nghiên cứu môi trường triển khai lý tưởng không tính đến chướng ngại vật mơi trường triển khai mạng Với mục tiêu giải toán MEP gần với điều kiện thực tế, để mang kết nghiên cứu ứng dụng thiết kế mạng mà khơng tốn chi phí triển khai thực nghiệm mạng Chương nghiên cứu toán MEP tránh chướng ngại vât cách tổng quát (OE-MEP) Vì chướng ngại vật thực tế có hình dạng bất kỳ, thuật toán toán xây dựng chướng ngại vật với hình dạng để xây dựng liệu thực nghiệm đề xuất Thêm nữa, để giải toán OE-MEP, thuật toán FEA dựa hệ thống gia đình xã hội đề xuất 4.2 Các định nghĩa phát biểu toán 4.2.1 Các định nghĩa 4.2.2 Phát biểu toán Cho tập gồm N cảm biến có hướng S = {s1 , s2 , , sN } triển khai ngẫu nhiên vùng quan tâm , tập chướng ngại vật Z = {ZO1 , ZO2 , , ZOH } nằm vùng tâm hai điểm tùy ý tương ứng điểm bắt đầu B điểm kết thúc E nằm biên đối đối diện Mục tiêu tốn OE-MEP tìm đường thâm nhập qua trường cảm biến điểm B kết thúc điểm E, cho đối tượng xâm nhập đường ℘ có khả bị phát thấp (đường ℘ có giá trị exposure nhỏ nhất) mà lại tránh chướng ngại vật có hình dạng kích thước Đầu vào ❼ W , L: chiều rộng chiều dài vùng cảm biến ❼ N : số lượng cảm biến có hướng ❼ Mỗi cảm biến si (i = 1, 2, , N ): – (xi , yi ): vị trí sensor si − − → – W di : hướng làm việc sensor si – ri : bán kính cảm biến sensor si – αi : góc cảm biến sensor si 19 ❼ H: số lượng chướng ngại vật ❼ Mỗi chướng ngại vật ZOl (l = 1, 2, , H): – Danh sách điểm GOl chướng ngại vật ZOl – νl : hệ số hấp thụ sóng đối tượng ZOl ❼ (0, yB ): tọa độ điểm bắt đầu B ❼ (L, yE ): tọa độ điểm kết thúc E Đầu ra: ❼ Tập điểm có thứ tự L℘ vùng quan tâm tạo thành đường nối điểm đầu B điểm cuối E Hàm mục tiêu: Đường ℘ có giá trị exposure nhỏ K N E(I, ℘) ≈ f (si , Tj )∆s → M in (4.1) j=0 i=1 K tập điểm đường ℘ Ràng buộc: ❼ Các đối tượng di chuyển vùng cảm biến từ điểm đầu B tới điểm cuối E với vận tốc xác định (i) ❼ Đường thâm nhập không qua chướng ngại vật (ii) Hình 4.1 Minh họa tốn tìm đường xâm nhập có khả bị phát nhỏ tránh chướng ngại vật mạng cảm biến 20 4.3 Giải thuật đề xuất 4.3.1 Biểu diễn cá thể 4.3.2 Khởi tạo quần thể 4.3.3 Cơ chế ghép cặp 4.3.4 Toán tử lai ghép 4.3.5 Toán tử đột biến 4.3.6 Cơ chế cập nhật 4.3.7 Chọn lọc 4.4 Các kết thực nghiệm 4.4.1 Dữ liệu thực nghiệm 4.4.2 Tham số thực nghiệm 4.4.3 Phân tích thực nghiệm 4.4.3.1 Đánh giá hiệu suất thuật toán FEA thay đổi tham sô A D 4.4.3.2 Đánh giá hiệu suất thuật toán FEA thay đổi tham sô Pmax Pmin 4.4.3.3 So sánh FEA với thuật toán trước 4.5 Kết luận chương Chương giải toán MEP tránh chướng ngại vật WSN (OE-MEP) Bài tốn OE-MEP có ý nghĩa quan trọng việc xác định điểm yếu bao phủ mạng cảm biến, từ triển khai thêm cảm biến để cải thiện chất lượng bao phủ mạng cảm biến cần thiết Vì chướng ngại vật mơi trường triển khai mạng có hình dạng bất kỳ, nên luận án đề xuất giải thuật để tạo chướng ngại vật với hình dạng kích thước Mục tiêu vấn đề OE-MEP tìm đường thâm nhập qua trường cảm biến với với giá trị exposure nhỏ mà tránh tất chướng ngại vật Giải toán OE-MEP mang lại nhiều lợi ích cho nhà thiết kế mạng, họ áp dụng kết nghiên cứu toán để đánh giá chất lượng bao phủ WSN mà khơng tốn chi phí triển khai thử nghiệm OE-MEP xây dựng dạng mơ hình tốn học tổng qt Vì OE-MEP tốn NP-Khó, nên thuật tốn tiến hóa dựa hệ thống gia đình xã hội (FEA) đề xuất để giải toán cách hiệu Nhiều kịch thực nghiệm xây dựng để đánh giá tính hiệu thuật toán đề xuất Kết thực nghiêm cho thấy thuật toán FEA phù hợp để giải toán OE-MEP hiệu phương pháp trước 21 KẾT LUẬN CHUNG VÀ HƯỚNG NGHIÊN CỨU TƯƠNG LAI Các đóng góp luận án Luận án nghiên cứu thuật toán gần để giải toán bao phủ rào cản mạng cảm biến khơng dây Luận án có mục tiêu khám phá thuật toán gần hiệu để giải toán bao phủ rào chắn, đặc biệt tốn MEP mạng cảm biến khơng dây Bài toán MEP mạng cảm biến toán toán bao phủ rào chắn Vì tốn MEP đóng vai trị quan trọng trình thiết kế, triển khai trì mạng cảm biến MEP độ đo hữu hiệu để đánh giá chất lượng bao phủ mạng cảm biến, MEP ứng dụng nhiều lĩnh vực khác Luận án nghiên cứu đề xuất mô hình tốn MEP gần với điều kiện thực tế triển khai mạng Điều giúp cho nhà thiết kế mạng cảm biến khơng tốn chi phí để triển khai đánh giá chất lượng mạng cảm biến trước tiến hành triển khai mạng thực tế Luận án đạt kết nghiên cứu mặt lý thuyết thực nghiệm sau: Đối với mạng cảm biến không dây động vô hướng, toán MEP nghiên cứu (MMEP) đạt kết sau: ❼ Phát biểu toán MMEP mạng cảm biến động với mơ hình cảm biến suy giảm mơ hình cảm biến phân đoạn ❼ Đề xuất hai giải thuật metaheuristic hiệu quả: GAMEP, HPSO-MMEP Thuật toán GAMEP thuật toán di truyền HPSO-MMEP tích hợp mạnh GA vào thuật toán PSO để cải thiện chất lượng lời giải so với PSO GAMEP ❼ Thiết kế cách biểu diễn cá thể phương pháp khởi tạo hiệu HPSO-MMEP để mở rộng khơng gian tìm kiếm ❼ Xây dựng thực nghiệm để đánh giá GAMEP HPSO-MMEP Kết thực nghiệm phân tích kỹ lưỡng để tính hiệu thuật tốn đề xuất Đối với mạng cảm biến vô hướng tĩnh, tốn MEP với mơ hình xác xuất có tính đến ảnh hưởng nhiễu môi trường lên khả cảm biến sensor đề xuất (PM-based-MEP) ❼ Phát biểu tốn MEP theo mơ hình bao phủ xác suất có xét đến ảnh hưởng nhiễu môi trường triển khai WSNs (PM-based-MEP) Định nghĩa exposure mơ hình cảm biến xác suất đề xuất ❼ Đề xuất thuật toán GB-MEP dựa phương pháp chia lưới truyền thống vầ kết hợp với số cải tiến Để tăng cường khơng gian tìm kiếm giải toán PM-based-MEP hiệu hơn, thuật toán GA-MEP đề xuất với cách biểu diễn cá thể đặc phù hợp với toán với tốn tử tiến hóa hiệu 22 ❼ Nhiều kịch thực nghiệm xây dựng để đánh giá tính hiệu thuật tốn đề xuất Đối với mạng vơ hướng hỗn hợp, mơ hình tốn MEP nghiên cứu đạt kết sau: ❼ Phát biểu mơ hình tốn học cho toán HM-MEP ❼ Hai giải thuật metaheuristic được đề xuất để giải toán HM-MEP: HEA GPSO Trong đó, HEA kết hợp giải thuật di truyền với local search; GPSO xây dựng giải thuật bầy đàn thơng minh (PSO) có tính đến trọng lực hấp dẫn từ trường (gravity force) ❼ Các kịch thực nghiệm xây dựng để đánh giá tính hiệu thuật toán đề xuất Đối với tốn MEP mơi trường triển khai mạng có chướng ngại vật, luận án đạt số kết sau: ❼ Phát biểu mơ hình tốn học cho toán MEP tránh chướng ngại vật (OE-MEP) ❼ Xây dựng thuật toán hiệu để tạo chướng ngại vật có hình dạng kích thước ❼ Đề xuất giải thuật di truyền dựa hệ thống gia đình xã hội người (FEA) ❼ Xây dựng kịch thực nghiệm để đánh giá tính hợp lý mơ hình tính hiệu thuật toán đề xuất FEA Hạn chế luận án Luận án nghiên cứu thành cơng tốn tìm đường xâm nhập có khả bị phát nhỏ mạng cảm biến không dây giả thuyết khác gần với thực tế, luận án số tồn sau: ❼ Bài toán MEP chưa nghiên cứu giải mơ hình cảm biến đại mạng camera video mơ hình bao phủ full-view mơ hình bao phủ (k-ω) ❼ Bài tốn MEP chưa nghiên cứu giải môi trường triển khai khơng gian chiều ❼ Bài tốn MEP chưa nghiên cứu giải mạng cảm biến khơng dây đa phương tiện có khả quay cảm biến Hướng nghiên cứu tương lai Mặc dù bao phủ rào nhà khoa học quan tâm nghiên cứu nhiều, khoảng cách kết nghiên cứu lý thuyết với ứng dụng thực tế Vì vậy, hướng nghiên cứu tập trung vào việc nghiên cứu áp dụng kết nghiên cứu bao phủ rào chắn vào hệ thống giám sát thực tế 23 Bao phủ rào chắn không gian chiều Hầu hết nghiên cứu trước bao phủ rào chắn giả sử không gian hai chiều Khoảng cách lý thuyết thực tế khiến kết nghiên cứu phịng thí nghiệm khơng thể áp dụng hệ thống thực tế quy mô lớn Tuy nhiên, nhiều kịch thực tế, cảm biến triển khai khí quyển, nước biển khơng gian bên ngồi cần đảm bảo hàng rào bao phủ không gian ba chiều Không đơn giản để mở rộng cách tiếp cận bao phủ rào chắn từ không gian chiều sang không gian ba chiều chiều, hệ thống sở lý thuyết thuật toán cần phải thiết kế Mơ hình bao phủ thực tế Hầu hết giải pháp cho bao phủ rào cản có dựa mơ hình mơ hình bao phủ đơn giản lý tưởng hướng mơ hình bao phủ nhị phân, mơ hình bao phủ suy yếu, v.v mang lại phản ánh giác ngộ cho việc thiết kế giải pháp bao phủ rào cản Gần đây, số mơ hình bao phủ thực tế được quan tâm mơ hình bao phủ full-view, mơ hình bao phủ (k-ω) đưa cách tiếp cận với vấn đề bao phủ rào chắn mạng cảm biến không dây Cảm biến có khả quay Trong mơ hình bao phủ có hướng sensor, sensor cảm nhận theo hướng (camera sensor) Một sensor có khả quay sensor có khả quay quanh truc thay đổi hướng cảm biến tốc độ quay định để cung cấp vùng bao phủ tốt Khi cảm biến triển khai ngẫu nhiên ROI, vấn đề thú vị làm để chọn cảm biến hướng quay phù hợp hướng làm việc chúng để đảm bảo bao phủ rào chắn Đây vấn đề mở cần quan tâm nghiên cứu để đưa giải pháp tối ưu 24 DANH SÁCH CÁC CƠNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN [1] Binh, N.T.M., Thang, C.M., Nghia, N.D and Binh, H.T.T., 2017, Genetic algorithm for solving minimal exposure path in mobile sensor networks In 2017 IEEE Symposium Series on Computational Intelligence (SSCI) (pp.1-8) [2] Binh, H.T.T., Binh, N.T.M., Ngoc, N.H., Ly, D.T.H and Nghia, N.D., 2019 Efficient approximation approaches to minimal exposure path problem in probabilistic coverage model for wireless sensor networks Applied Soft Computing, 76, pp.726-743 (SCIE, Q1, IF 4.873) [3] Binh, N.T.M., Binh, H.T.T., Le Loi, V., Nghia, V.T., San, D.L and Thang, C.M., 2019, An efficient approximate algorithm for achieving (k − ω) barrier coverage in camera wireless sensor networks In Artificial Intelligence and Machine Learning for MultiDomain Operations Applications (Vol 11006, p 1100613) International Society for Optics and Photonics [4] Binh, N.T.M., Binh, H.T.T., Van Linh, N and Yu, S., 2020, Efficient meta-heuristic approaches in solving minimal exposure path problem for heterogeneous wireless multimedia sensor networks in Internet of Things Applied Intelligence, 50, pp 1889–1907 (SCIE, Q2, IF 3.325) [5] Binh, N.T.M., Abdelhamid Mellouk, Binh, H.T.T., Loi, L.V, San, D.L, Anh, T.H, 2020, An elite hybrid particle swarm optimization for solving minimal exposure path problem in mobile wireless sensor networks Sensors, 20(9), p.2586-2611 (SCIE, Q1, IF 3.275) ... nghiên cứu mơ hình tìm đường xâm nhập có khả bị phát nhỏ mạng cảm biến khơng dây, từ phát biểu mơ hình tốn tìm đường thâm nhập vùng cảm biến có khả bị phát thấp (Minimal Exposure Path- MEP) ngữ cảnh... trường cảm biến nút cảm biến tạo thành mạng cảm biến Có nhiều kịch bảng mạng tồn kiến trúc quản lý mạng cảm biến ❼ Mạng cảm biến hỗn hợp với mạng cảm biến đồng ❼ Mạng cảm biến động với mạng cảm biến. .. ĐƯỜNG XÂM NHẬP CÓ KHẢ NĂNG BỊ PHÁT HIỆN NHỎ NHẤT TRONG MẠNG CẢM BIẾN ĐA PHƯƠNG TIỆN HỖN HỢP Trong Chương nghiên cứu MEP mạng cảm biến vô hướng, Chương tập trung vào MEP mạng cảm biến có hướng Mạng