i i i 7 8 9
Hình 4.10. Hoạt động đột biến gen của nhiễm sắc thể
Cơ chế chọn lọc, trao đổi chéo và đột biến như đã trình bày ở trên giúp thuật toán khám phá bất kỳ khả năng nào của lịch trình mạng bằng cách đa dạng hóa thế hệ gen khi các cá thể tiến hóa, đồng thời ưu tiên các gen tốt tạo nên các cá thể tương ứng
vượt trội. Hơn nữa, các phần tử si trong � không phải chịu các phép toán lai ghép và đột biến, nhưng sau các phép toán này thì độ dài của Ci có thể thay đổi nên nó được cập nhật do việc áp dụng các phép toán này trên các phần tử Citương ứng trong �.
4.5.2. Giải bài toán tối ưu hóa lịch trình mạng
Đối với bất kỳ phương pháp tối ưu hóa nào, một yêu cầu bắt buộc là với bất kỳ giá trị biến nào x X , có thể đánh giá hàm mục tiêu f x . Bài toán tối ưu hóa lịch trình mạng cảm biến, về nguyên tắc để đánh giá hàm mục tiêu, cần phải chạy mạng trong các điều kiện yêu cầu và đo các thông số cần thiết. Sau đó có thể phải điều chỉnh để hướng đến sự phù hợp. Việc này sẽ khó khăn, phức tạp và mất rất nhiều thời gian thậm chí không thể thực hiện được bài toán với đa mục tiêu, nhiều ràng buộc và số lượng nút mạng lớn. Hơn nữa, các phương pháp suy nghiệm như GAs thường cần
5 6 3 4 7 8 M M t t t t t t , M M t t t t
phải đánh giá hàm mục tiêu rất nhiều lần. Do đó cách đánh giá mục tiêu ở trên không thực tế. Để giải quyết vấn đề, luận án đã thực hiện một nền tảng mô phỏng mạng cảm biến có khả năng tính toán và giám sát về năng lượng nhằm hỗ trợ việc đánh giá hàm mục tiêu như đã trình bày trong chương 3 của luận án.
Quy trình làm việc để tối ưu hóa lịch trình với sự trợ giúp của nền tảng mô phỏng tính đến yếu tố năng lượng được mô tả trong Hình 4.11. Đối với các nút cảm biến vật lý đã cho, cơ chế hoạt động của chúng cũng như các đặc tính tiêu thụ điện năng được tái tạo bởi các nút mô phỏng trong nền tảng. Mô hình tiêu thụ điện năng ở mỗi chế
độ của các nút cảm biến được giả định là có thể dự đoán được. Khi trình mô phỏng được thiết lập, thuật toán VLC-GA được đề xuất sẽ có thể gọi nó cho bất kỳ lịch trình nào và nhận lại kết quả cần thiết để đánh giá hàm mục tiêu. Khi kết thúc thuật toán di truyền, kết quả lịch trình tối ưu được đưa ra và triển khai vào các nút vật lý, cũng là kết thúc công việc giải bài toán tối ưu hóa lịch trình mạng cảm biến cho ứng dụng.
Hình 4.11. Quy trình thực hiện tối ưu hóa lịch trình mạng
Trong nghiên cứu của luận án, nhằm chứng minh VLC-GA được đề xuất, luận án đã thực hiện giải bài toán tối ưu hóa lịch trình mạng cảm biến được thử nghiệm với hai kịch bản là trường hợp thực hiện bài toán đơn giản với lịch trình của một nút cảm biến và với nhiều nút cảm biến.