Vấn đề được đưa ra trong thử nghiệm là tối ưu hóa lịch trình mạng cho lớp bài toán ứng dụng có mục tiêu tối đa hóa số giá trị đo thông số môi trường và khoảng thời gian giữa hai lần đo liên tiếp càng nhỏ càng tốt với ràng buộc là đảm bảo duy trì hoạt động của mạng.
Một kịch bản được cài đặt cho mạng gồm 3 nút cảm biến bao gồm nút1(), nút2 () và nút3 (), thực hiện đo nhiệt độ và độ ẩm môi trường. Vùng cần kiểm soát thông số môi trường của mạng được biểu thị bởi nét liền và vùng bao phủ của mỗi nút được xác định bởi vùng tròn nét đứt được mô tả như Hình 4.3.
�
Hình 4.3. Vùng kiểm soát trong kịch bản tối ưu lịch trình mạng.
Trong kịch bản này, các nút cảm biến nút1, nút2 và nút3 được giả định trọng số về thông tin theo diện tích vùng phủ sóng là như nhau. Tuy nhiên, thực tế có thể các trọng số này khác nhau. Trọng số thông tin càng lớn thì khả năng kiểm soát diện tích vùng bao phủ càng lớn và khi đó việc tối ưu hóa lịch trình cũng phải quan tâm đến trọng số về diện tích vùng bao phủ của các nút cảm biến.
Mỗi nút cảm biến trong kịch bản cần phải biết trước các thông số về năng lượng tiêu thụ của nút như dung lượng lớn nhất của pin, tốc độ sạc pin, năng lượng tiêu thụ của từng chế độ làm việc. Trong bài toán ví dụ này ràng buộc là đảm bảo duy trì hoạt động của mạng nên vấn đề năng lượng tiêu thụ được đặc biệt quan tâm. Vì vậy, để đơn giản hóa mỗi nút sẽ được xem xét với hai chế độ là chế độ ngủ tiêu thụ năng lượng ở mức thấp ( � ) và chế độ hoạt động tiêu thụ năng lượng ở mức cao (�) như đã trình bày trong mục (4.2), có nghĩa là �� ∈ { � , }� . Giả sử chia thời gian của lịch trình thành các khoảng bằng nhau và mỗi khoảng là , khi đó �. �� = �, với ��
là
số trạng thái của nút �.
Để cho thực nghiệm được đơn giản hóa, trong chạy mô phỏng giả sử rằng các nút có cấu hình tương tự nhau và có sự khác biệt về dung lượng lớn nhất của pin. Các tham số cơ bản của các nút trong mạng được cài đặt như trong Bảng 4.1. Ngoài ra, trong kịch bản mô phỏng này các nút còn có thể thu năng lượng mặt trời. Vì vậy, vị trí và tọa độ của nút trong không gian cũng là tham số cần quan tâm.
Bảng 4.1. Tham số các nút mạng của kịch bản
Tham số Nút1 Nút2 Nút3
Dung lượng pin tối đa (mAh) 3500 5250 7000
Tốc độ sạc pin (W) 0,8 0,8 0,8
Công suất tiêu thụ ở chế độ ngủ (W) 0,05 0,05 0,05 Công suất tiêu thụ năng lượng trung bình ở chế độ
chờ (W) 0,17 0,17 0,17
Năng lượng tiêu thụ trung bình cho một lần đo
lường (Ws) 0,22 0,22 0,22
Năng lượng tiêu thụ trung bình ở một lần truyền
thông (Ws) 13,27 13,27 13,27
Tần suất thực hiện phép đo �(phút) 5 5 5
Thời gian mô phỏng �(ngày) 3 3 3
Kết quả thực thi FLC-GA sau 100 thế hệ nhận được giá trị hàm mục tiêu tốt nhất là 3,754×104. Kết quả sự tiến triển của giá trị hàm mục tiêu được chỉ ra trên Hình 4.4, và lịch trình mạng tương ứng với giá trị hàm mục tiêu có tính tối ưu tốt nhất này được hiển thị trong Hình 4.5.
Hình 4.4. Giá trị hàm mục tiêu tốt nhất sau 100 thế hệ.
Hình 4.5. Lịch trình mạng tương ứng giá trị hàm mục tiêu tốt nhất.
Theo lịch trình tối ưu thu được, lượng thời gian hoạt động trong một ngày cho ba nút riêng lẻ là 40,5%, 41,6% và 44,8% nhưng sự kết hợp của chúng tạo ra mức độ bao phủ 94,9% thời gian trong ngày.
Kết quả diễn biến dung lượng pin của các nút khi được mô phỏng với lịch trình tối ưu được biểu diễn như trong Hình 4.6. Các đường biểu diễn dung lượng pin của nút1, nút2 và nút3 lần lượt là đường nét liền đậm, nét đứt mảnh và nét liền mảnh.
Hình 4.6. Dung lượng pin của 3 nút với lịch trình tốt nhất.
Kết quả quá trình năng lượng của các nút khi làm việc theo lịch trình tối ưu hóa được mô phỏng trong 3 ngày (72h) cho thấy mức độ sử dụng năng lượng giữa các nút tương đối đồng đều. Dung lượng pin của tất cả các nút đều không bị giảm xuống dưới 40% dung lượng lớn nhất trước khi nút có thể thu thập được năng lượng mặt trời. Mức thu thập năng lượng mặt trời của các nút đến ngày thư 3 đều đạt dung lượng pin 100% và các mức thấp nhất đều trên 40%. Điều này thể hiện mạng có thể làm việc ổn định lâu dài theo lịch trình với điều kiện các nút luôn có thể thu thập năng lượng mặt trời một cách ổn định.
Số lượng lần đo đã thực hiện của từng nút và toàn mạng theo lịch trình được biểu diễn trong Hình 4.7. Các nút thực hiện số lượng các lần đo riêng lẻ cho từng nút lần lượt là 312, 314 và 326 và tổng số phép đo của toàn mạng là 952 phép đo. Kết quả có thể được tổng hợp như trong Bảng 4.2.
Bảng 4.2. Kết quả mô phỏng mạng theo lịch trình tối ưu trong 3 ngày
Kết quả mô phỏng Nút1 Nút2 Nút3 Toàn mạng
Thời lượng hoạt động trong ngày (%)
40,6% 41,6% 44,8% 95%
Dung lượng pin nhỏ nhất
(%Qmax) 40,1% 44,5% 41,2% 41,9%
Hình 4.7. Số phép đo tối đa trong kịch bản mô phỏng.
Theo hướng tiếp cận ứng dụng thuật toán di truyền cho bài toán tối ưu hóa lịch trình mạng cảm biến. Luận án đưa ra mô hình hóa toán học cho bài toán tối ưu lịch trình mạng theo thuật toán di truyền. Kết quả chạy mô phỏng với kịch bản thử nghiệm cho thấy giải thuật di truyền thể hiện tính hiệu quả trong việc tìm ra giải pháp gần tối ưu lịch trình mạng cảm biến. Tuy nhiên, Sau khi thực hiện giải bài toán tối ưu với thuật toán di truyền có độ dài nhiễm sắc thể cố định, còn một số hạn chế:
- Các giải thuật di truyền với độ dài nhiễm sắc thể cố định muốn có lời giải hiệu quả thì cần kích thước của nhiễm sắc thể phải lớn, dẫn đến đòi hỏi dung lượng bộ nhớ lớn và máy tính mạnh hơn.
- Mặc dù độ dài nhiễm sắc thể lớn nhưng thực chất trong khi chạy thuật toán chỉ một số gen thực sự được sử dụng còn các gen khác không hoạt động, điều này gây lãng phí tài nguyên và thời gian.
Từ đó, có thể thấy thuật toán di truyền có chiều dài nhiễm sắc thể cố định thể hiện các hạn chế trong bài toán tối ưu hóa mạng cảm biến. Để khắc phục, luận án đề xuất hướng tiếp cận khác, sử dụng thuật toán di truyền với độ dài nhiễm sắc thể thay đổi cho bài toán tối ưu hóa mạng cảm biến.