Bài toán tối ưu năng lượng (MEM) trên mạng cảm biến không dây nói chung đã được nghiên cứu rất lâu và chứng minh thuộc lớp NP-khó [14-17]. Một số các giải thuật xấp xỉ cho bài toán MEM cũng đã được đưa ra trong [14-17]. Tuy nhiên, các phương pháp trên chỉ áp dụng cho các mạng mà các nút luôn hoạt động. Các nghiên cứu về bài toán MEM trong DC-WSN nói riêng được đưa ra trong [3, 6], và các bài toán này cũng thuộc lớp NP-khó. Năm 2009, L. Su và các cộng sự [6] đề xuất các giải thuật tối ưu oCast và BD-oCast để giải quyết bài toán MEM trong mô hình DC- WSN thu hẹp với các khe thời gian hoạt động của mỗi nút là liên tục. Tuy nhiên, độ phức tạp của các giải thuật này là hàm mũ theo số lượng các nút đích. Do đó, giải thuật chỉ giải quyết được bài toán trên các mạng có số lượng nút nhỏ. Năm 2013, Han [3] đã đưa ra bốn giải thuật SPT, AMST, MNT và TCS để giải bài toán MEM trên mô hình DC-WSN tổng quát. Các giải thuật SPT, AMST, và MNT đều thực hiện tìm lời giải qua hai bước: Bước 1, tìm một cây multicast dựa trên cấu trúc đồ thị của mạng cảm biến. Bước 2, tìm lịch truyền cho các nút trên cây multicast tìm được ở bước 1. Do quá trình tìm cây và tìm lịch truyền của các giải thuật được thực hiện riêng lẻ nên kết quả thu được chưa tốt. Giải thuật TCS xây dựng đồ thị mở rộng dựa vào đồ thị mạng ban đầu và lịch hoạt động của các nút, sau đó tìm cây Steiner nhỏ nhất trên đồ thị mở rộng và cuối cùng ánh xạ vào cây Steiner này sẽ được lời giải của bài toán. Chất lượng lời giải của giải thuật TCS khá tốt, nhưng vẫn phụ thuộc khá nhiều vào chất lượng của cây Steiner tìm được trên đồ thị mở rộng.Năm 2014,nhóm nghiên cứu của T. B. Huynh [20] đề xuất hai giải thuật R- TCS và GS-MEM dựa trên mô hình đồ thị mở rộng. Giải thuật R-TCS phát triển từ giải thuật TCS cho chất lượng cây multicast tốt hơn. Giảithuật GS-MEM đưa bài toán về dạng Group Steiner Tree và áp dụng các giải thuật heuristic tốt nhất được
biết đến để giải bài toán này [15-19]. Tuy nhiên các giải thuật này đòi hỏi thời gian tính toán lớn do số nút trên đồ thị mở rộng là rất lớn.
Luận văn này đề xuất một giải thuật tìm kiếm địa phương nhằm mang lại lời giải có mức năng lượng tốt hơn cho bài toán MEM trên DC-WSN so với các phương pháp trước đây. Giải thuật đề xuất được thử nghiệm trên bốn bộ dữ liệu tương tự trong [3] và được so sánh với giải thuật hai giải thuật R-TCS và GS-MEM. Kết quả thực nghiệm cho thấy giải thuật đề xuất cho kết quả tối ưu hơn về mặt năng lượng so với giải thuật hai giải thuật R-TCS và GS-MEM, đồng thời giải thuật đề xuất cũng có thời gian thực hiện nhanh hơn giải thuật GS-MEM.