Kết quả thử nghiệm với nhiều nút cảm biến

Một phần của tài liệu Nghiên cứu giải pháp tối ưu hóa hiệu quả sử dụng năng lượng trong mạng cảm biến (Trang 136 - 157)

Mục đích của thử nghiệm là tối ưu hóa lịch trình mạng bao gồm nhiều nút. Mục tiêu bài toán tối ưu hóa không thay đổi, vẫn nhằm tối đa hóa số lượng giá trị đo lường của mạng với ràng buộc tối đa tuổi thọ của các nút và đảm bảo thời gian giữa 2 lần đo liên tiếp không lớn hơn khoảng thời gian 𝑡 nào đó. Đồng thời so sánh hiệu suất giữa VLC-GA và FLC-GA.

Một kịch bản được cài đặt cho mạng gồm ba nút cảm biến giám sát nhiệt độ và độ ẩm môi trường. Các thông số môi trường được giả sử là giống nhau và được giám sát bởi ba nút cảm biến được gắn nhãn lần lượt là nút 1, nút 2 và nút 3. Các công việc được thực hiện tương tự như trong trường hợp với một nút cảm biến. Các thành phần của hàm mục tiêu và các thông số của các nút cảm biến, tham số chính sử dụng trong thuật toán vẫn giống như trong kịch bản với một nút.

Cấu hình của các nút tương tự như trường hợp một nút, ngoại trừ dung lượng pin tối đa của chúng sẽ được cài đặt khác nhau. Dung lượng pin của nút 1 là 3500mAh, nút 2 là 5250mAh (cao hơn 50% so với của nút 1) và nút 3 là 7000mAh (cao hơn 100% so với nút 1). Tất cả các thông số còn lại của VLC-GA không thay đổi. Việc so sánh hiệu suất cũng được thực hiện thông qua việc chạy một thuật toán di truyền với các khoảng thời gian cố định là 30 phút.

Kết quả khi chạy thuật toán di truyền bằng cả hai dạng thức với nhiễm sắc thể có chiều dài thay đổi và cố định được chỉ ra trên Hình 4.16.

Hình 4.16. Sự tiến triển của giá trị hàm mục tiêu tốt nhất khi sử dụng VLC-GA và FLC-GA trong trường hợp nhiều nút.

Kết quả nhận được giá trị hàm mục tiêu tốt nhất khi sử dụng VLC-GA là 3,680×104 và khi sử dụng FLC-GA với các khoảng thời gian cố định 30 phút là 6,795×106. Lịch trình mạng tốt nhất thu được trong cả hai trường hợp được thể hiện trong Hình 4.17. Khi sử dụng VLC-GA, thời lượng hoạt động trong một ngày của ba

124 nút riêng lẻ lần lượt là 41%, 46% và 43%, nhưng sự kết hợp của chúng tạo ra thời lượng hoạt động của mạng là 95% thời gian trong một ngày.

Hình 4.17. Lịch trình mạng tốt nhất mỗi ngày trong trường hợp ba nút cảm biến

Kết quả mô phỏng diễn biến năng lượng của các nút trong cả hai trường hợp sử dụng lịch trình là kết quả của VLC-GA và GA được biểu diễn như Hình 4.18.

Hình 4.18. Diễn biến năng lượng của các nút khi làm việc theo lịch trình tối ưu là các kết quả của VLC-GA và FLC-GA

Phần trăm dung lượng pin của các nút khi được mô phỏng với lịch trình từ kết quả của VLC-GA cho thấy không có nút nào trong số chúng có mức dung lượng cuối cùng trong ngày thấp hơn mức ban đầu. Trong khi đối với trường hợp hoạt động theo lịch trình từ kết quả của FLC-GA, các nút 2 và nút 3 có mức dung lượng cuối cùng trong ngày giảm lần lượt 25,5% và 2,8% so với giá ban đầu.

125 Số lượng giá trị đo lường tích lũy của mạng trong hai trường hợp hoạt động theo lịch trình của VLC-GA và FLC-GA được mô phỏng trong ba ngày (72h) được thể hiện trong Hình 4.19.

Hình 4.19. Số lượng giá trị đo lường theo thời gian của mạng gồm ba nút với lịch trình của VLC-GA và FLC-GA

Kết quả hoạt động theo lịch trình của VLC-GA, các nút thực hiện lần lượt là 315, 351 và 332 phép đo riêng lẻ, tổng cộng là 998 phép cho toàn mạng. Trong khi tổng số phép đo khi sử dụng lịch trình của FLC-GA với khoảng thời gian cố định 30 phút là 912. Bảng 4.6 tổng hợp kết quả giải bài toán tối ưu số lượng giá trị đo lường cùng các số liệu về năng lượng với VLC-GA và FLC-GA.

Bảng 4.6. Kết quả tối ưu hóa mạng của VLC-GA và FLC-GA

Kết quả VLC-GA FLC-GA (30’)

Giá trị hàm mục tiêu tốt nhất 3,680×104 6,795×106

Số lượng giá trị đo lường 998 912

Dung lượng pin cuối ngày giảm thấp hơn so với mức ban đầu (%)

Nút 1 Nút 2 Nút 3 Nút 1 Nút 2 Nút 3

0 0 0 0 25,5 2,8

Dung lượng pin lớn nhất ngày 1 (%) 98 98 93 98 100 92 Dung lượng pin lớn nhất ngày 2 (%) 100 99 96 100 93 92 Dung lượng pin lớn nhất ngày 3 (%) 100 100 100 100 83 89 Dung lượng pin nhỏ nhất ngày 1 (%) 26 50 43 28 53 42 Dung lượng pin nhỏ nhất ngày 2 (%) 34 51 46 39 43 41 Dung lượng pin nhỏ nhất ngày 3 (%) 36 51 51 42 34 40 Kết quả của thử nghiệm này cũng cho thấy rằng giá trị hàm mục tiêu tốt nhất khi sử dụng VLC-GA giảm theo cấp số nhân so với sử dụng FLC-GA. Lịch trình mạng thu được từ kết quả của VLC-GA tốt hơn so với FLC-GA, thể hiện ở số lượng giá trị đo cao hơn 9,4% và không có nút nào dung lượng pin cuối ngày thấp hơn so với mức

126 ban đầu. Trong khi, mạng hoạt động với lịch trình của FLC-GA có hai nút dung lượng pin cuối ngày bị thấp hơn mức ban đầu, đặc biệt là nút 2 thấp hơn 25,5%. Hơn nữa, kết quả mô phỏng cũng cho thấy các dung lượng pin lớn nhất của nút 2 khi hoạt động theo lịch trình của FLC-GA cũng giảm dần theo các ngày, từ 100% ở ngày đầu xuống còn 83% ở ngày thứ 3. Điều này có thể dẫn đến nút 2 sẽ nhanh chóng bị rơi vào trạng thái hết pin trước khi trời sáng và dừng hoạt động. Khi nút 2 dừng hoạt động số lượng giá trị đo của mạng sẽ giảm, gây ảnh hưởng xấu đến chất lượng mạng.

4.6. Kết luận chương

Tối ưu hóa lịch trình rất quan trọng đối với việc triển khai các mạng cảm biến và là một vấn đề không nhỏ với không gian tìm kiếm có quy mô lớn và phức tạp. Bài toán này không phù hợp để sử dụng phương pháp xác định mà thay vào đó là phương pháp suy nghiệm và siêu mô phỏng như các phương pháp trí tuệ bầy đàn hoặc phương pháp tiến hóa. Thuật toán di truyền (GAs) là thuật toán cơ bản và nổi tiếng nhất của phương pháp tiến hóa trong lĩnh vực giải các bài toán tối ưu hóa đa mục tiêu và nhiều ràng buộc. Tuy nhiên, thuật toán di truyền với nhiễm sắc thể có chiều dài cố định muốn có lời giải hiệu quả lại thể hiện một số hạn chế như đòi hỏi dung lượng bộ nhớ lớn, tốn nhiều thời gian và tài nguyên khi chạy thuật toán. Hơn nữa, việc cải thiện kết quả cho bài toán tối ưu hóa lịch trình bằng cách chia nhỏ các khoảng thời gian cố định sẽ làm tăng độ dài nhiễm sắc thể theo cấp số nhân. Điều này tạo ra một gánh nặng rất lớn cho thuật toán.

Giải thuật VLC-GA được giới thiệu và thực hiện trong luận án là một đề xuất mở rộng các GAs cổ điển để giải quyết vấn đề khi cấu trúc lịch trình thay đổi và nghiên cứu của luận án đã giải quyết các vấn đề cơ bản sau:

▪ Đặt vấn đề cho bài toán tối ưu hóa lịch trình mạng cảm biến dựa trên quan điểm nhìn nhận về năng lượng tiêu thụ của các nút mạng. Mục tiêu tối ưu hóa mạng cảm biến được đưa ra với các ràng buộc quan tâm khía cạnh năng lượng, vùng phủ sóng và tuổi thọ mạng.

▪ Nghiên cứu thực hiện mô hình hóa bài toán tối ưu hóa lịch trình mạng theo thuật toán di truyền trong cả hai trường hợp với nhiễm sắc thể có chiều dài cố định và nhiễm sắc thể có chiều dài thay đổi nhằm so sánh khả năng linh hoạt cũng như tính vượt trội của VLC-GA so với GA cổ điển.

▪ Thực hiện giải bài toán tối ưu hóa lịch trình mạng bằng phương pháp kết hợp giữa thuật toán di truyền và nền tảng mô phỏng mạng cảm biến quan tâm yếu tố năng lượng. Phương pháp đã giúp giải lớp bài toán tối ưu hóa mạng cảm biến xem xét đến vấn đề năng lượng đạt được hiệu quả nhất định thể hiện trong các kết quả thử nghiệm với bài toán cụ thể.

▪ Thực hiện thử nghiệm với bài toán cụ thể là tối ưu hóa lịch trình mạng nhằm mục tiêu tối đa hóa số lượng giá trị đo lường của mạng với các ràng buộc phải đảm bảo về năng lượng, tuổi thọ của nút và vùng bao phủ của toàn mạng. Bài toán tối ưu hóa lịch trình mạng được giải bằng cả hai dạng thức của thuật toán di truyền với nhiễm sắc thể có chiều dài cố định và nhiễm sắc thể có chiều dài thay đổi nhằm mục đích đánh giá hiệu quả của thuật toán VLC-GA.

127 Các trường hợp thử nghiệm được trình bày với các kết quả cho thấy rõ ràng rằng phương pháp giải bài toán tối ưu mạng cảm biến quan tâm đến năng lượng với sự kết hợp giữa nền tảng mô phỏng tính đến yếu tố năng lượng và giải thuật VLC-GA được đề xuất là hiệu quả. Các kết quả thử nghiệm hứa hẹn giải quyết vấn đề cho các lớp bài toán ứng dụng và triển khai mạng cảm biến. Kết quả với sự sai lệch của các đường cong nhất quán giữa các lần thực hiện và có dạng hàm mũ. Kết quả mô phỏng cho thấy rằng nhờ khả năng linh hoạt, thích ứng cao hơn của thuật toán di truyền với nhiễm sắc thể có chiều dài thay đổi VLC-GA nên các lịch trình mạng thu được tốt hơn so với các lịch trình thu được khi sử dụng thuật toán di truyền với nhiễm sắc thể có chiều dài cố định.

Kỹ thuật được giới thiệu trong chương này cùng các thử nghiệm là một công việc không khó khăn và phức tạp nhưng là tiền đề và thể hiện nhiều tiềm năng để phát triển hơn nữa như có thể mở rộng kỹ thuật để ứng dụng trong các nút cảm biến có nhiều trạng thái hơn mà không gặp khó khăn, hoặc thậm chí giải quyết bài toán tối ưu hóa lịch trình mạng với các lịch trình động trong đó mỗi nút có thể thay đổi trạng thái của nó không chỉ dựa trên thời gian mà còn dựa trên các điều kiện, sự kiện khác trong quá trình hoạt động của mạng. Hơn nữa, có thể rất thú vị nếu áp dụng kỹ thuật tương tự cho các thuật toán tối ưu hóa dựa trên trí tuệ bầy đàn và tiến hóa khác đã nói ở trên, để chúng có thể làm việc với mảng tham số có cấu trúc thay đổi. Một quan điểm đầy hứa hẹn khác là kết hợp kỹ thuật được đề xuất này với các phương pháp cải thiện hiệu suất như các mô hình phản hồi thông tin.

128

Kết luận và hướng phát triển Kết luận

Mạng cảm biến không dây ngày càng trở nên không thể thiếu trong các ứng dụng thực tế với những tính năng vượt trội so với hệ thống cảm biến truyền thống. Một vấn đề lớn cần quan tâm và giải quyết là đảm bảo năng lượng để mạng hoạt động ổn định và lâu dài. Các giải pháp năng lượng cho mạng cảm biến hiện chưa đáp ứng được nhu cầu về năng lượng của mạng. Tối ưu hóa mạng cảm biến là hướng nghiên cứu nhằm tối ưu hóa mục tiêu mạng thỏa mãn các ràng buộc và gắn liền nhiệm vụ đảm bảo năng lượng duy trì hoạt động mạng.

Tối ưu hóa lịch trình là một bài toán phổ biến trong phát triển và ứng dụng mạng cảm biến không dây. Tối ưu hóa lịch trình có mục đích tìm ra lịch hoạt động của mạng nhằm tối ưu mục tiêu mạng với các ràng buộc. Đây là bài toán tối ưu hóa tổ hợp đa mục tiêu nhiều ràng buộc phức tạp và luôn cần quan tâm đến vấn đề năng lượng để đảm bảo duy trì hoạt động mạng. Các bài toán sẽ có nhiều giải pháp khả thi và mục đích là cần tìm ra giải pháp gần tối ưu. Vấn đề này thường rất phức tạp, các tham số có thể luôn biến động nên rất khó khăn thậm chí là không thể giải quyết bằng các phương pháp thống kê hoặc phương pháp xác định. Các nghiên cứu thường giải quyết cho các bài toán đơn lẻ với mục tiêu và ràng buộc cụ thể nên việc sử dụng các kết quả cho các bài toán ứng dụng khác là rất khó khăn thậm chí không thể. Mặt khác, các nghiên cứu về mạng cảm biến rất cần có phần mềm mô phỏng quan tâm đến quá trình năng lượng, mức tiêu thụ của từng nút mạng. Tuy nhiên, vấn đề năng lượng lại chưa được quan tâm thích đáng trong các phần mềm sẵn có.

Luận án đã tập trung giải quyết hai vấn đề chính là phát triển nền tảng mô phỏng mạng cảm biến có tính đến yếu tố năng lượng và phát triển phương pháp kết hợp giữa thuật toán di truyền và mô phỏng để giải bài toán tối ưu hóa lịch trình mạng cảm biến cho lớp bài toán ứng dụng.

Luận án trình bày phương pháp giải bài toán tối ưu hóa lịch trình mạng bằng cách kết hợp sử dụng thuật toán di truyền với nhiễm sắc thể có chiều dài thay đổi (VLC- GA) và mô phỏng năng lượng. Thuật toán VLC-GA sẽ thực hiện tìm lời giải tối ưu với sự trợ giúp của nền tảng mô phỏng có tính đến năng lượng của mạng cảm biến. Nền tảng mô phỏng có vai trò thiết lập và mô phỏng mạng vật lý với các tham số, thông số theo yêu cầu của bài toán. Sau mỗi thế hệ VLC-GA sẽ cho ra một tập kết quả tương ứng các lịch trình mạng và được đưa vào chạy mô phỏng để tính toán các thông số cần thiết liên quan đến hàm mục tiêu trong đó có các thông số về năng lượng. Kết quả mô phỏng sẽ là tập thông số đầu vào cho VLC-GA tính toán tập giá trị hàm mục tiêu và tiếp tục thực hiện quá trình tiến hóa ở thế hệ tiếp theo cho đến khi xảy ra điều kiện dừng hoặc tìm ra giá trị tối ưu của hàm mục tiêu. Luận án đã thực hiện nghiên cứu với các kết quả cơ bản sau:

• Thực hiện khảo sát về nhu cầu năng lượng của mạng cảm biến. Bên cạnh đó, thực hiện một số khảo sát về các giải pháp năng lượng cho nút cảm biến không dây và toàn mạng. Những kết quả của việc khảo sát có ý nghĩa trong quá trình nghiên cứu và thực hiện các nhiệm vụ đề tài, các mô hình toán học được sử dụng trong phát triển nền tảng mô phỏng. Ngoài ra, việc khảo sát về các phần mềm mô phỏng đã chỉ ra rằng vấn đề mô phỏng năng lượng thực sự cần thiết cho nghiên cứu phát triển mạng cảm biến không dây nói chung và tối ưu hóa mạng cảm biến nói riêng.

129 ▪ Đề xuất và phát triển nền tảng mô phỏng mạng cảm biến không dây với mối quan tâm đến năng lượng. Nền tảng có khả năng mô phỏng hoạt động của mạng cảm biến đồng thời tính toán, giám sát và mô phỏng quá trình năng lượng, mức tiêu thụ năng lượng ở từng chế độ làm việc của từng nút và toàn mạng. Nền tảng mô hình hóa nút cảm biến gồm 5 mô đun tương đồng với nút thực. Điều này giúp dễ ràng xem xét nút với các chế độ hoạt động nên thuận lợi trong việc hỗ trợ thực hiện giải bài toán tối ưu hóa lịch trình mạng. Nền tảng đã được chạy thử nghiệm và so sánh kiểm chứng cho độ chính xác và độ tin cậy khá cao, đồng thời thực hiện mô phỏng mạng cảm biến theo một số kịch bản với kết quả khả quan hứa hẹn nhiều khả năng ứng dụng và phát triển trong nghiên cứu mạng cảm biến, đặc biệt các vấn đề liên quan năng lượng. Một số kết quả thử nghiệm với nền tảng mô phỏng như sau:

- Thử nghiệm mô phỏng quá trình sạc và xả của pin Panasonic BK-60AAAH và so sánh kết quả với dữ liệu được công bố bởi hãng sản xuất cho độ chính xác và độ tin cậy cao.

- Thử nghiệm mô phỏng năng lượng tiêu thụ của nút cảm biến và so sánh kết quả

Một phần của tài liệu Nghiên cứu giải pháp tối ưu hóa hiệu quả sử dụng năng lượng trong mạng cảm biến (Trang 136 - 157)

Tải bản đầy đủ (PDF)

(157 trang)