elec 50nJ/bit f s 10pJ/bit/m2 mp 0.0013pJ/bit/m4 DA 5pJ/bit
1.4.3.2 Các nghiên cứu liên quan
Tối ưu hóa đóng một vai trò qua trọng trong WSNs. Bài toán tối ưu trong mạng WSNs có thể phân loại thành: bài toán tối ưu đơn mục tiêu và bài toán tối ưu đa mục tiêu [51]. Mục đích của tối ưu hóa đơn mục tiêu là cực tiểu hoặc cực đại một mục tiêu nào đó dưới các ràng buộc khác nhau. Trong khi tối ưu hóa đa mục tiêu, nhiều mục tiêu cần được tối ưu hóa một cách đồng thời. Các mục tiêu này có thể xung đột nhau, có nghĩa là việc tối ưu một mục tiêu có thể dẫn đến việc giảm tính tối ưu của các mục tiêu còn lại.
Bài toán tối ưu đa mục tiêu liên quan đến thời gian sống của mạng/năng lượng tiêu thụ đã được các nhà nghiên cứu quan tâm trong thời gian gần đây. Trong nghiên cứu [52, 53, 54], các tác giả đưa ra bài toán đa mục tiêu liên quan đến tối ưu thời gian sống, giảm năng lượng tiêu thụ và tối ưu vùng phủ sóng trong mạng. Trong nghiên cứu [55], các tác giả xây dựng một hàm tích hợp nhiều tiện ích (multi-utility) để biểu diễn hiệu suất của các thành phần khác nhau trong WSNs. Sau đó, các tác giả mô hình hóa bài toán gồm hai mục tiêu: tối đa hàm tiện ích và tối đa thời gian sống của mạng. Trước tiên, các tác giả đề xuất cách tiếp cận dựa trên biên Pareto được để tìm biên xấp xỉ với biên tối ưu. Sau đó, họ sử dụng phương pháp đối ngẫu Lagrange mở rộng để lựa chọn điểm “tốt” nhất trên biên Pareto (điểm này được lựa chọn dựa vào người quyết định (decision maker)). Việc tối đa phạm vi bao phủ và năng lượng tiêu thụ cũng được nghiên cứu trong tài liệu [56]. Các tác giả đã đề xuất thuật toán tiến hóa đa mục tiêu dựa trên phân rã để giải quyết bài toán này. Các bài toán đa mục tiêu liên quan đến việc tối ưu năng lượng tiêu thụ và giảm độ trễ khi truyền tin cũng được nghiên cứu trong các tài liệu [53, 57, 58, 59].
Một số nghiên cứu cho bài toán lựa chọn vị trí cho các nút chuyển tiếp để tối ưu hóa đồng thời một số tiêu chí, ví dụ như: phạm vi bao phủ, khả năng kết nối, và thời gian sống của mạng cũng được quan tâm nghiên cứu.
Trong nghiên cứu [60], đề xuất giải pháp đặt các nút chuyển tiếp để tối ưu hóa phạm vi phủ sóng và kết nối cho mạng WSNs. Các tác giả đề xuất thuật toán lặp hai pha: pha đầu tiên để giải quyết vấn đề bao phủ, pha thứ hai để giải quyết vấn đề kết nối. Trong [61, 62] các tác giả nghiên cứu bài toán triển khai số lượng các nút chuyển tiếp ít nhất để tối đa thời gian sống của mạng. Nghiên cứu [63] xem xét giải quyết đồng thời cả vấn đề bao phủ và kết nối. Các nút chuyển tiếp được sử dụng trong mô hình này để tăng tính kết nối giữa các cảm biến được triển khai. Trong nghiên cứu [64], các tác giả nghiên cứu bài toán triển khai các nút chuyển tiếp để đạt được hai mục tiêu: i) tối ưu hóa năng lượng tiêu thụ trung bình; ii) tối ưu độ in cậy của mạng. Các thuật toán tiến hóa đa mục tiêu được đề xuất để giải quyết bài toán trên. Trong nghiên cứu [65], các tác giả đã nghiên cứu bài toán triển khai các nút chuyển tiếp hiệu quả với ba mục tiêu: chi phí năng lượng trung bình, phạm vi bao phủ và độ tin cậy của mạng. Sáu thuật toán meta-heuristic được đề xuất để giải quyết bài toán này. Xu và các cộng sự [52] đã nghiên cứu bài toán tối ưu hóa phạm vi bao phủ của mạng WSNs với ba mục tiêu: năng lượng tiêu thụ, phạm vi phủ sóng và cân bằng năng lượng tiêu thụ. Thuật toán tiến hóa đa mục tiêu dựa trên phân rã được đề xuất để giải quyết bài toán.
Các nghiên cứu trước tập trung vào việc triển khai các nút chuyển tiếp tại mọi điểm trên địa hình hai chiều (2D), trong đó mọi điểm được phân bố trong một mặt phẳng hai chiều. Giả định này hợp lý đối với các ứng dụng mà các nút mạng được triển khai trên địa hình tương đối đồng đều, chiều cao của các nút là không đáng kể so với bán kính truyền thông. Tuy nhiên, trong thực tế, cần tính cả ba chiều, đặc biệt là các ứng dụng mà các cảm biến được triển khai trên các địa hình không bằng phẳng. Ngoài ra, trong các địa hình đó cần xem xét một số ràng buộc vật lý về vị trí của các nút. Ngoài ra, các nghiên cứu đã có cũng bỏ qua vấn đề chi phí để triển khai các nút chuyển tiếp.
Từ những hạn chế ở trên, luận án xem xét bài toán triển khai các nút chuyển tiếp trong địa hình ba chiều với hai mục tiêu: i) giảm năng lượng của nút tiêu thụ năng lượng lớn nhất trong mạng để kéo dài thời gian sống của mạng; ii) giảm số lượng các nút chuyển tiếp được triển khai. Năng lượng tiêu thụ của các nút trong mạng sẽ được tính dựa trên mô hình suy hao năng lượng được trình
tuy nhiên, chưa nghiên cứu nào tối ưu hóa đồng thời cả hai loại mạng trên. Tác giả cho rằng, việc giải quyết đồng thời nhiều bài toán tối ưu hóa có thể mang lại các lợi ích cho kết quả chung. Từ đó, luận án xem xét giải quyết bài toán tối ưu hóa thời gian sống cho nhiều loại mạng với cấu trúc liên kết mạng khác nhau.
1.5 Kết luận chương
Chương này đã trình bày một số khái niệm về bài toán tối ưu, cách phân loại bài toán tối ưu dựa vào số lượng mục tiêu, bài toán tối ưu thời gian sống của mạng cảm biến không dây. Một số thuật toán tiến hóa để giải quyết bài toán tối ưu đơn mục tiêu và bài toán tối ưu đa mục tiêu cũng được trình bày.
Chương 2
TỐI ƯU HÓA THỜI GIAN SỐNG CỦA MẠNG CẢM BIẾN KHÔNG DÂY DỰA TRÊN MÔ
HÌNH TỔN THẤT TRUYỀN THÔNG
2.1 Đặt vấn đề
Mạng cảm biến không dây ngầm là mạng bao gồm các nút cảm biến được triển khai dưới lòng đất. Các nút này thu thập dữ liệu từ môi trường sau đó chuyển tiếp dữ liệu đến các nút ở phía trên (các nút ở trên có thể là nút cảm biến, nút chuyển tiếp hoặc trạm cơ sở). Ngày nay, mạng cảm biến không dây ngầm có nhiều ứng dụng trong thực tế. Một trong những ứng dụng nổi bật của mạng cảm biến không dây ngầm (WUSNs) là nông nghiệp chính xác. Nông nghiệp chính xác có thể được hiểu là việc thu thập dữ liệu thời gian thực về thời tiết, chất lượng không khí, đất, theo dõi sự trưởng thành của cây trồng,... sau đó phân tích các dữ liệu này để đưa ra được quyết định chính xác. Theo đó, mạng cảm biến bao gồm các nút cảm biến ở dưới mặt đất có thể được triển khai tại các cánh đồng để đo nhiệt độ, độ ẩm của đất và không khí xung quanh [66, 67]. Các cảm biến này thu thập và gửi dữ liệu đến trung tâm kiểm soát thu thập và xử lý dữ liệu ở phía trên mặt đất thông qua các kết nối không dây để xử lý các dữ liệu trong thời gian thực. Nhờ các dữ liệu này, người nông dân có thể đưa ra quyết định tốt nhất liên quan đến việc trồng, bón phân và thu hoạch cây trồng. Việc ứng dụng mạng cảm biến không dây để quản lý hoạt động trong nông nghiệp làm giảm đáng kể lượng phân bón, nước, thuốc trừ sâu,... được sử dụng khi chăm sóc cây trồng. Ngoài ra, mạng cảm biến không dây ngầm còn được sử dụng trong hệ thống tưới tiêu cho cây trồng [68, 69]. Mạng cảm biến không dây ngầm cũng có thể được triển khai ở trong đường ống dẫn khí, trong các đường hầm,... để thực hiện các nhiệm vụ như phát hiện kẻ xâm nhập, phát hiện việc dò rỉ khí, giám sát chất lượng không khí trong đường hầm [67].
Bài toán tối ưu thời gian sống của mạng cảm biến không dây ngầm được các nhà nghiên cứu trong thời gian gần đây do các nút cảm biến được triển khai ở
cách tiếp cận để kéo dài thời gian sống của mạng cảm biến không dây ngầm là sử dụng các nút chuyển tiếp ở phía trên mặt đất để chuyển tiếp dữ liệu cho các nút cảm biến. Tuy nhiên, việc truyền tín hiệu trong hai môi trường (đất - không khí) sẽ dẫn đến việc tín hiệu bị suy giảm do sự hấp thụ của các thành phần trong đất và sự phản xạ, khúc xạ ở bề mặt. Chương này đi sâu vào giải quyết bài toán triển khai các nút chuyển tiếp trong mạng cảm biến không dây ngầm để kéo dài thời gian sống của mạng. Thời gian sống được đánh giá dựa trên mô hình tổn thất truyền thông (được trình bày trong phần 1.4.2.1).
Những đóng góp chính của chương này như sau:
Mô hình hóa bài toán về mô hình quy hoạch nguyên để tìm được cận của lời giải.
Đề xuất thuật toán dựa trên tìm kiếm chùm tia với hàm phân phối Genitor (BGS) để giải bài toán. Nội dung của đóng góp này được công bố trong công trình 1.
Đề xuất thuật toán di truyền với khởi tạo phân cụm để cải thiện kết quả của thuật toán BGS. Nội dung của đóng góp này được công bố trong công trình 2.
Đề xuất phương pháp dựa trên sự kết hợp của tìm kiếm chùm tia và lựa chọn dựa trên phân phối Boltzmann để tạo ra các phương án khả thi cho bài toán tối ưu hóa thời gian sống của mạng. Các cặp kết nối giữa các nút cảm biến và các nút chuyển tiếp sẽ được tìm chính xác bằng cách đưa về bài toán tìm cặp ghép trên đồ thị. Nội dung của đóng góp này được công bố trong công trình 4.
2.2 Phát biểu bài toán
Mô hình mạng hai lớp được xem xét tương tự như trong tài liệu [7]. Trong đó, các cảm biến ngầm sẽ truyền dữ liệu trực tiếp cho các nút chuyển tiếp ở phía trên mặt đất. Dữ liệu sau đó sẽ được chuyển tiếp đến các trạm cở sở hoặc các nút nguồn (sink). Bài toán đặt các nút chuyển tiếp kéo dài thời gian sống của mạng và đảm bảo cân bằng tải (Min-Max Relay Placement Problem - MRP) được phát biểu như sau:
Bài toán 1 (MRP). Cho một tập các cảm biến S ={s1, s2, ..., sn} và tập các vị trí khả thi để đặt các nút chuyển tiếp L={l1, l2, ..., lm}. Bài toán yêu cầu tìm y
vị trí đặt các nút chuyển tiếp để tối ưu hóa thời gian sống của mạng thỏa mãn các ràng buộc:
Mỗi nút cảm biến chỉ kết nối đến duy nhất một nút chuyển tiếp.
Mỗi nút chuyển tiếp tải đúng ny cảm biến (giả sử n chia hết cho y).
2.2.1 Mô hình hóa bài toán
Đầu vào:
S ={s1, s2, ..., sn} là tập các nút cảm biến.
L={l1, l2, ..., lm} là tập các vị trí khả thi để đặt các nút chuyển tiếp.
y là số lượng các nút chuyển tiếp được triển khai y < m.
T = (tij)n×m là ma trận tổn thất truyền thông giữa các cặp nút cảm biến và các nút chuyển tiếp. Tổn thất truyền thông của hai nút được tính như sau:
TU G−AG =TU G+TAG+TR. (2.1) trong đó:
– TU G là tổn thất truyền thông trong môi trường ngầm. Giá trị này phụ thuộc vào là khoảng cách truyền tín hiệu của sóng điện từ trong đất và không khí và một số thuộc tính của đất.
– TAG là tổn thất truyền thông trong môi trường không khí. Giá trị này phụ thuộc vào hệ số suy giảm trong không khí, khoảng cách truyền thông của nút cảm biến và nút chuyển tiếp trong không khí.
– TR là tổn hao khi khúc xạ từ đất lên không khí. Giá trị này gần như bằng 0 vì hằng số điện môi trong đất lớn hơn trong không khí.
Chi tiết cách tính tổn thất của các kênh truyền được trình bày trong phần 1.4.2.1.
Đầu ra:
A = (aij)n×m là tập các biến quyết định, aij = 1 nếu si chuyển dữ liệu đến nút chuyển tiếp ở vị trí lj, aij = 0 nếu ngược lại.
Z = (zj)m×1 là tập các biến quyết định: zj =
1, nếu một nút chuyển tiếp được triển khai tại lj ∈L,
0, ngược lại.
Có chính xác y nút chuyển tiếp được triển khai
m
X
j=1
zj =y. (2.3)
Mỗi nút cảm biến được kết nối đến một nút chuyển tiếp duy nhất
m
X
j=1
aij = 1 ∀i∈ {1, ..., n}. (2.4)
Mỗi nút chuyển tiếp tải chính xác n/y cảm biến
n
X
i=1
aij =zj· n
y ∀j ∈ {1, ..., m}. (2.5) Mục tiêu: tối ưu hóa thời gian sống của mạng.
Như đã phân tích ở trên, thời gian sống của mạng được tính theo định nghĩa 1.16 là khoảng thời gian từ khi khởi tạo mạng đến khi nút đầu tiên trong mạng hết năng lượng. Do đó, bài toán tối ưu hóa thời gian sống của mạng sẽ được chuyển về bài toán tối ưu năng lượng tiêu thụ trong mạng. Hơn nữa, năng lượng tiêu thụ của các nút cảm biến trong mạng cảm biến không dây ngầm tỉ lệ thuận với tổn thất truyền thông. Như vậy, mục tiêu tối ưu hóa thời gian sống sẽ được chuyển về tối ưu giá trị tổn thất truyền thông lớn nhất trong mạng.
Tc =maxn i=1( m X j=1 tij ×aij)→min. (2.6)
2.2.2 Mô hình quy hoạch nguyên
Phần này sẽ trình bày mô hình toán học của bài toán dưới dạng mô hình quy hoạch nguyên.
Ràng buộc: m X j=1 zj =y. (2.7) n X i=1 aij = n y ·zj, ∀j ∈ {1, ..., m}. (2.8) m X j=1 aij = 1, ∀i∈ {1, ..., n}. (2.9) n X i=1 aij −zj·n ≤0, ∀j ∈ {1, ..., m}. (2.10) n X i=1 aij −zj ≥0, ∀j ∈ {1, ..., m}. (2.11) m X j=1 tij ·aij ≤C, ∀i∈ {1, ..., n}. (2.12) aij ∈ {0,1}, zj ∈ {0,1}. (2.13) C ∈R, C ≥0. (2.14)
Các ràng buộc (2.7), (2.8) và (2.9) giống như được đưa ra trong công thức bài toán ban đầu. Hai ràng buộc bổ sung, (2.10) và (2.11), được thêm vào để thực thi bất biến trong (2.2). Hàm mục tiêu được chuyển đổi thành một biến mớiC∈R, đóng vai trò là giới hạn trên của tổn thất truyền được sử dụng (được tính trong (2.12)). Do đó, tối thiểuC cũng làm tối thiểu hàm mục tiêu ban đầu. Mô hình bài toán về mô hình quy hoạch nguyên có thể tìm được chính xác lời giải cho bài toán. Tuy nhiên, độ phức tạp để giải mô hình này là cấp số nhân. Phương pháp này chỉ phù hợp với những bộ dữ liệu có kích thước nhỏ. Trong thực nghiệm, luận án sử dụng phương pháp này để tìm cận của lời giải, từ đó có thể đánh giá được kết quả của các thuật toán đề xuất.
Trong [7], tác giả Bo Yuan cùng các cộng sự đề xuất phương pháp hai pha để giải quyết bài toán MRP:
Pha đầu tiên thực hiện việc lựa chọn các nút chuyển tiếp không đảm bảo cân bằng tải (Load Unrestricted Relay Nodes Selection - LURNS). Trong pha này, các tác giả đề xuất hai thuật toán tham lam (LURNS-1 và LURNS-2)
Pha thứ hai thực hiện việc gán kết nối cho các nút cảm biến đảm bảo cân bằng tải (Load Balanced Sensor Node Assignment - LBSNA). Trong pha này, các tác giả đề xuất ba thuật toán tham lam (LBSNA-1, LBSNA-2, và LBSNA-3) để gán lại các nút cảm biến cho các nút chuyển tiếp đảm bảo ràng buộc cân bằng tải giữa các nút chuyển tiếp.
Tuy nhiên, thuật toán của tác giả Bo Yuan có một vài hạn chế:
Thứ nhất, hai pha trong thuật toán được giải quyết độc lập. Các nút chuyển tiếp được chọn trong pha thứ nhất sẽ quyết định chủ yếu tổn thất truyền thông trong mạng. Hơn nữa, việc lựa chọn vị trí của các nút chuyển tiếp ở pha đầu tiên sẽ không được thay đổi trong pha thứ hai. Do đó, nếu lựa chọn các vị trí “tồi” cho các nút chuyển tiếp có thể dẫn đến một lời giải có chất lượng chưa tốt.
Thứ hai, việc sử dụng thuật toán tham lam trong cả hai pha, có thể dẫn