An Optimized Lifetime Enhancement Scheme for Data Gathering in Wireless Sensor Networks
Ayon Chakraborty, Kaushik Chakraborty, Swarup Kumar Mitra, M. K. Naskar
由于方程1中的一个关键符号错误，本文已被作者撤回
This paper has been withdrawn by the author due to a crucial sign error in equation 1
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
1-bit Compressive Data Gathering for Wireless Sensor Networks
近年来，压缩感知被广泛应用于无线传感器网络的数据采集中，以减少通信开销。在本文中，我们首先表明，通过简单的修改，1位压缩感知也可以用于无线传感器网络中的数据收集，以进一步减少通信开销。我们还提出了一种新的盲1比特CS重建算法，该算法优于其他最先进的盲1比特CS重建算法。在真实传感器数据集上的实验结果证明了该方法的有效性。
A Survey on Mobile Data Gathering in Wireless Sensor Networks - Bounded Relay
大多数无线传感器网络由静态传感器组成，可以部署在广泛的环境中进行监测应用。传感器节点在将数据从源节点传输到静态宿节点的过程中，能量消耗量很大。一些无线传感器网络的体系结构已被提出基于移动元素。存在大量的方法来解决上述问题。发现了两种方法，即单跳数据收集问题（SHDGP）和移动数据收集，这是用来增加网络的生命周期。单跳数据收集问题用于实现均匀的能量消耗。移动数据收集算法用于寻找传感器网络中的最小点集，作为移动网络的数据收集点。即使经过几十年的研究，仍然存在一些未解决的问题，如非均匀的能耗，延迟增加，需要解决。
Designing an Energy Efficient Framework for Data Gathering in Wireless Sensor Network
无线传感器网络（Wireless Sensor Network，WSN）是一组节点的集合，这些节点可以在没有任何基础设施的情况下相互通信，并能够在以ad-hoc方式部署后自主有效地收集数据以监控给定区域。在数据收集无线系统中遇到的一个主要问题是在部署的节点的数量、能量效率和寿命之间获得最佳平衡，因为节点的能量不能被补充。在本文中，我们首先提出了一个计划，估计要部署在一个无线传感器网络的节点数量为一个预定的生命周期，使总的能量利用率和完整的连接，确保在所有情况下。该方案还保证了在每个数据收集周期中，每个节点都消耗了必要的能量，从而最大限度地减少了实现所需网络生命周期所需的节点数量。其次，本文提出了一种在无线传感器网络中进行数据收集的框架。在ns 2中进行了大量的模拟，以建立这个框架的有效性。
Multi-UAV Assisted Data Gathering in WSN: A MILP Approach For Optimizing Network Lifetime
在本文中，我们研究了从大规模的无线传感器网络收集数据的问题，使用多个无人机（UAV）收集数据在指定的renewses，其目标是最大限度地提高网络的生命周期。先前的提议通常考虑一种实际的方法，其中确定数据收集方案的问题被分解成2个子问题：i）将网络划分成集群，以用于确定作为这些获得的集群头的重定向点;以及ii）确定一组给定数量的UAV的路径，以分别在这些重定向点收集数据，这些重定向点已经在每个本地集群内收集数据。我们试图处理这个作为一个整体的优化问题，预计在计算复杂性的显着增加，这将带来新的挑战，在创建大规模的无线传感器网络的实际解决方案。我们引入两种替代混合整数线性规划（MILP）配方，即2-指数模型与$O(n^2)$变量和3-指数模型，有$O(n^3)$变量，其中$n$表示传感器节点的数量。我们表明，我们的最佳模型可以最佳地解决问题的情况下，多达50个传感器节点在不到30分钟。接下来，我们提出了一个启发式的想法，以减少在实现3-索引模型的变量的数量，以有效地处理更大规模的网络大小数百。实验结果表明，我们的启发式方法显着延长了网络的生命周期相比，现有的最有效的建议。
Flow Based Efficient Data Gathering in Wireless Sensor Network Using Path-Constrained Mobile Sink
在能量受限的无线传感器网络中，如何以最小的能量消耗最大化移动sink的数据汇集是一个具有实际挑战性的问题。在这篇文章中，我们考虑的问题，有效的数据汇集，以及一个预先指定的路径，使用一个恒定的速度移动汇。我们称之为一个最大化的数据收集与最小的能源消耗（MDGMEC）问题的问题。到目前为止，已有的作品MDGMEC问题的启发式算法。因此，基于网络流量优化方法，我们提出了一个确定性的算法，称为数据收集使用移动汇聚路径约束环境（DGAMSPCE）来处理MDGMEC问题。建议DGAMSPCE计划运行在多项式时间，是很容易扩展的网络与大量的节点。在此基础上，提出了一种基于单次访问的路径约束环境下移动汇聚数据收集算法（SADGAMSPCE）。我们评估建议的计划，并与现有的计划进行比较。在MATLAB中的仿真实验表明，我们提出的方案优于其他现有的计划，收集的数据量和网络的总能耗，显着。
An Algorithm to Determine Energy-aware Maximal Leaf Nodes Data Gathering Tree for Wireless Sensor Networks
针对无线传感器网络中周期性的数据汇集和传输问题，提出了一种能量感知的最大叶节点数据收集（EMLN-DG）算法。对于每一轮的数据收集，一个EMLN-DG树跨越整个传感器网络形成的基础上，剩余的能量水平在节点和未覆盖的邻居节点的数量在树的形成。只有具有相对较大数目的邻居以及较高能量水平的节点才被包括作为EMLN-DG树中的中间结点。通过最大化DG树中的叶子节点的数量，并考虑在形成树时节点处可用的能量水平，我们减少了每轮的能量消耗，并平衡了网络中所有节点的能量水平。这有助于显著更大的网络寿命，测量为由于电池电量耗尽而导致的第一个节点故障之前的轮数。与LEACH和PEGASIS等知名数据收集算法的性能比较研究表明，EMLN-DG可以帮助维持网络的轮数显著增加，同时产生较低的能量损失，延迟和每轮数据收集的能量损失 * 延迟。
Data Gathering Scheme for Wireless SensorNetworks Using a Single Mobile Element
在本文中，我们研究的问题，收集数据的无线传感器网络中使用一个单一的移动元素。特别是，我们考虑的情况下，数据产生的测量，他们需要在一个给定的时间间隔内从测量发生的时间被传送到一个预定义的汇。移动单元在预定义的路径中行进网络，从节点收集数据，并通过单个长距离传输将它们传递到接收器。在这个问题中，移动元件路径的长度由预定长度限定。此路径将访问节点的子集。这些选定的节点将作为缓存点工作，并将聚合其他节点的数据。选择缓存点节点的目的是减少由于多跳转发的能量消耗。我们为这个问题提供了一个基于知识的解决方案。我们评估我们的算法的性能进行比较，从文献中最好的知名算法。
An Efficient Hybrid Data Gathering Scheme in Wireless Sensor Networks
由于方程1中的一个关键符号错误，本文已被作者撤回
An Energy Efficient Scheme for Data Gathering in Wireless Sensor Networks Using Particle Swarm Optimization
由于方程1中的一个关键符号错误，本文已被作者撤回
Efficient Data Gathering in Wireless Sensor Networks Based on Matrix Completion and Compressive Sensing
在无线传感器网络中以节能的方式收集数据是一个重要的设计挑战。在无线传感器网络中，传感器的读数往往表现出时间内和空间间的相关性。因此，在这封信中，我们使用低秩矩阵完成理论来探索空间间的相关性，并使用压缩感知理论来利用时间内的相关性。我们的方法，被称为MCCS，可以显着减少数据量，每个传感器必须通过网络发送到sink，从而延长整个网络的生命周期。使用真实数据集的实验证明了我们的MCCS方法的可行性和有效性。
Minimizing Flow Time in the Wireless Gathering Problem
我们解决的问题，有效的数据收集在无线网络中，通过多跳通信。我们专注于最小化数据包的最大流动时间的目标。我们证明了，没有多项式时间的算法，这个问题可以有近似比小于$Ω(m^{1/3)$时，$m$数据包必须发送，除非$P = NP$。然后，我们使用资源增加来评估FIFO类策略的性能。我们证明了这种策略是5速最优的，即，如果我们允许该算法以比我们比较的最优解高5倍的速度传输数据，则其成本保持在最优成本内。
EDAP: An Efficient Data-Gathering Protocol for Wireless Sensor Networks
针对定向扩散协议存在的延迟聚合和独立ED洪泛问题，提出EDAP协议，利用虚拟汇聚节点构建多路径，实现负载均衡，显著节省能量并延长网络寿命（比DD提升75%）。
Energy and Link Quality Based Routing for Data Gathering Tree in Wireless Sensor Networks Under TINYOS - 2.X
能量是无线传感器网络中最重要也是最稀缺的资源之一。无线传感器网络节点采用嵌入式操作系统TinyOS，解决了无线传感器网络节点处理能力、内存、能量等方面的限制，并采用收集树协议（CTP）从传感器节点收集数据。它使用四比特链路估计或链路估计交换协议（LEEP）来预测节点之间的无线链路的双向质量，并且下一跳候选是基于估计的链路质量。节点的剩余能量是一个重要的关键因素，它在网络的生存期中起着至关重要的作用，因此它必须作为父节点选择的度量之一。在这项工作中，我们考虑的剩余能量的节点作为度量之一，以决定除了链路质量指标的父。在每个节点转发的数据包数量和网络的数据包接收率（PRR）方面，该协议与CTP协议进行了比较。在TOSSIM仿真器中进行了仿真，并在Crossbow IRIS无线电测试台上进行了测试。结果表明，我们的算法在负载分布方面优于CTP，从而延长了生命周期
Node Failure Time and Coverage Loss Time Analysis for Maximum Stability Vs Minimum Distance Spanning Tree based Data Gathering in Mobile Sensor Networks
移动传感器网络是由任意移动的传感器节点组成的无线网络。在本文中，我们探讨了使用最大的稳定性生成树为基础的数据收集（最大稳定DG）算法和最小距离生成树为基础的数据收集（MST-DG）算法的移动传感器网络。我们分析了这两种算法对节点故障时间的影响，以及由于节点故障而导致的覆盖损失。最大稳定DG和MST-DG算法都是基于一个贪婪的战略，确定一个数据收集树时，需要和使用，只要它存在的树。最大稳定性DG算法假设未来拓扑变化的完整知识的可用性，并确定其对应的生成树将自当前时刻起存在最长时间的数据收集树;而MST-DG算法确定其对应的生成树是当前时刻的最小距离树的数据收集树。我们观察到的最大稳定DG树，以产生更长的网络寿命（时间断开的网络的活传感器节点，由于节点故障），一个更大的覆盖范围损失的时间为一个特定的分数的覆盖范围损失，以及在任何时候的覆盖范围损失的较低分数。权衡是，最大稳定DG树招致较低的节点寿命（第一个节点故障的时间），由于重复使用的数据收集树较长的时间。
Plane Sweep Algorithms for Data Collection in Wireless Sensor Network using Mobile Sink
在无线传感器网络（WSNs）中使用移动汇点进行数据收集在许多方面提高了WSNs的性能，例如功耗、寿命等。在一些应用中，移动汇点$MS$沿着预定义的路径行进以从附近的传感器（其被称为子汇点）收集数据。由于$MS$的速度慢，数据传送延迟高。然而，优化{ \em数据收集调度}，即优化子宿到$MS$的传输调度和$MS$的移动速度，可以减少数据收集延迟。我们制定了两个新的优化问题的数据收集在最短的时间。第一个问题通过控制数据传输调度和$MS$的速度来确定$MS$的最优数据收集调度，其中子宿的数据可用性被给定。第二个问题概括了第一个问题，其中子汇的数据可用性是未知的。平面扫描算法被提出来寻找最佳的数据收集时间表和子汇的数据可用性。所提出的算法的性能进行了评估，通过仿真。仿真结果表明，最优的数据收集时间表的子汇之间的数据的最佳分配，提高了数据收集时间。
Dynamic Vehicle Routing for Data Gathering in Wireless Networks
我们考虑一个动态车辆路由问题在无线网络中的消息到达随机的时间和空间被收集的移动接收器（车辆或收集器）。收集器负责通过动态调整其在网络中的位置来经由无线通信接收这些消息。我们的目标是利用无线传输和受控的移动性相结合，以提高在这样的网络中的延迟性能。我们证明了这样一个系统稳定的充要条件（在有界平均消息数意义下）由ρ<1给出，其中ρ是系统的平均负载.我们推导出系统中延迟的基本下界，并开发出对所有负载ρ<1都稳定且具有渐近最优延迟缩放的策略。此外，我们将我们的分析扩展到网络中有多个收集器的情况。我们表明，移动性和无线传输的组合的结果在延迟缩放的Θ（1/（1- ρ））与系统负载ρ，这是一个因子的Θ（1/（1- ρ））小于的延迟缩放在相应的系统中的收集器访问每个消息的位置。
Distributed Algorithm for Dynamic Data-Gathering in Sensor Network
在WSN中，每个传感器负责感测环境条件并将其发送到一个或多个基站。电池供电的传感器受到传输这些感测数据所花费的能量的严重限制。然而，在中间传感器处的数据聚合（包括去除冗余数据）和聚合数据的转发降低了无线传感器网络中的总体能量消耗。通常，数据收集是指从各种传感器到一个或多个基站（BS）的感测数据的周期性收集的过程。能量有效的数据收集调度是提高无线传感器网络生命周期的关键。在本文中，我们提出了一种分布式算法来计算数据收集的时间表，旨在提高生命周期的无线传感器网络通过适当地选择能源效率的数据流路径从各种传感器的基站。对于一个多跳无线传感器网络与$n$传感器，该算法首先计算的时间步长$O(n^2)$的时间表，然后这个时间表定期更新的基础上的剩余能量和从BS收到的反馈。系统执行大约$\log(\mathcal{L})$时间表更新，其中$\mathcal{L}$是以数据收集轮数表示的系统的预期寿命。此外，每个更新过程都使用现有的活动计划（数据流路径）-因此仅消耗单个数据收集轮活动的一小部分。因此，这样的算法可以精确地结合由于更新和相关活动而导致的能量消耗。此外，我们的算法不假设任何全局知识的拓扑结构或各种传感器的位置。通过仿真研究，我们发现，我们提出的算法实现了显着更高的网络寿命相比，现有的数据流调度的基础上最小生成树（MST），最短路径树（SPT），加权根树（WRT）。
A Survey on Delay-Aware Network Structure for Wireless Sensor Networks with Consecutive Data Collection Processes
无线传感器网络（WSN）由空间分布的自主传感器组成，以监测物理或环境条件，如温度，声音，压力等。在传感应用中，数据包从传感器节点流向基站。在数据汇集过程中，使用自自底向上的的方法。在自自底向上的的方法中，所有节点将其感测到的数据分组直接发送到基站。在这种方法将导致增加延迟，这将导致更高的能源消耗。为了降低传感器节点的能量消耗，分簇算法和低能量自适应分簇层次（LEACH）被使用。在无线传感器信息系统中，正在使用传感器信息系统中的功率高效收集（PEGASIS）。无线传感器网络中存在着诸如时延、网络生命周期、能量耗散等问题需要解决。
Online Estimation of Battery Lifetime for Wireless Sensors Network
电池是无线传感器网络的主要硬件组成部分。大多数没有电源，一般部署时间较长。研究了电池物理模型及其对传感器的适应性。我们提出了一个实现一个真正的传感器操作系统和如何架构的约束已被假定。已经进行了实验，以测试一些参数的影响，如应用程序的吞吐量，对电池寿命。
Energy Efficient Multi-Level Clustering To Prolong The Lifetime of Wireless Sensor Networks
无线传感器网络中的分簇技术是一种简化网络拓扑管理和路由选择的重要技术。分簇为延长无线传感器网络的生命周期提供了一种有效的方法。本文提出了能量有效的无线传感器网络的多级分簇方案。无线传感器节点是非常有限的传输范围的能量约束。由于大面积的部署，网络需要有一个多层次的集群协议，将使遥远的节点与基站进行通信。通过仿真分析了所提出的协议，并与现有的协议EEMC进行了性能比较。仿真结果表明，我们提出的协议是有效的，在延长网络的生命周期。
Extend the lifetime of wireless sensor networks by modifying cluster-based data collection
无线传感器网络有很大的潜力，以提高我们的能力，以查看和控制的物理环境，但在这些网络的功耗问题已成为一个重要的参数，在其可靠性，因为在许多应用的网络。无线传感器需要保证端到端的质量参数，在这些网络中对服务质量的支持至关重要。在无线传感器网络中，最重要的问题之一是每个网络的生命周期，它直接关系到网络传感器的能量消耗。增加网络寿命是这些类型网络中最具挑战性的要求之一。提出了一种降低无线传感器网络功耗的分簇方法，该方法是传感器网络可扩展性和降低能耗的最有效方法。仿真结果表明，该算法能够有效降低无线传感器网络的能量消耗，显著提高网络的生存时间。
A Probability Model for Lifetime of Wireless Sensor Networks
针对节点随机分布于给定区域的无线传感器网络，给出了网络生存期的概率模型。使用这个模型，并假设数据包的产生遵循泊松分布，互补累积密度函数（ccdf）的生命周期的解析表达式。使用这个ccdf，可以准确地找到网络达到给定生存期的概率。它还表明，当传感器的数量，$N$，是大的，与$N$指数衰减的错误，可以预测是否可以实现一定的寿命。本文的研究结果在多跳和单跳无线传感器网络中得到了验证，并通过计算机模拟进行了验证。本文的方法被证明是适用于其他数据包生成模型和区域形状的影响也进行了研究。
A simulation model for the lifetime of wireless sensor networks
在本文中，我们提出了一个无线传感器网络的生命周期模型。该模型考虑了几个参数，如传感器的总数，网络规模，汇聚节点的百分比，传感器的位置，传感器的移动性和功耗。基于三个不同的标准的网络的生命时间的定义：可用功率的百分比，总功率，百分比的活着的传感器的总传感器，和百分比的活着的汇传感器的总汇传感器。一个基于Matlab的仿真器开发的模型。一些无线传感器网络的情况下，提出和讨论。
A Heuristic for Maximizing the Lifetime of Data Aggregation in Wireless Sensor Networks
近年来，许多研究人员研究了在无线传感器网络中有效地收集数据，以最大限度地减少总能量消耗时，固定数量的数据被允许聚集到一个数据包。然而，最小化总能耗并不意味着网络寿命最大化。在本文中，我们研究的问题，调度数据聚合树工作在不同的时间段，以最大限度地提高网络的生命周期时，一个固定数量的数据被允许聚合到一个数据包。此外，我们提出了一个启发式的平衡数据聚合树中的节点的生命周期，使网络的生命周期最大化。仿真结果表明，该启发式算法具有良好的性能。
Distributed Optimal Rate-Reliability-Lifetime Tradeoff in Wireless Sensor Networks
在能量受限的无线传感器网络中，传输速率、传输可靠性和网络生命周期是三个相互冲突的基本设计目标。在本文中，我们讨论了最优的速率-可靠性-寿命权衡与链路容量约束，可靠性约束和能量约束。通过引入权重参数，我们将速率、可靠性和生命周期的目标组合成一个单一的目标，以表征它们之间的权衡。然而，率可靠性可靠性权衡的优化配方既不是可分离的，也不是凸的。通过一系列的变换，导出了一个可分离的凸问题，并提出了一种有效的分布式次梯度对偶分解算法（SDD）。数值算例证实了其收敛性。数值算例分析了权重参数对网络速率效用、可靠性效用和网络生命周期的影响，为根据实际应用的要求合理设置权重参数提供了指导。
Data Gathering from Path Constrained Mobile Sensors Using Data MULE
在无线传感器网络中，传感器节点被部署用于从环境中感知有用的数据。传感器是能量受限的设备。为了延长传感器网络的生命周期，现在使用移动机器人（有时称为数据汇，数据骡子或数据收集器）来收集传感器的传感数据。在这种环境中，传感器节点直接将其感测到的数据传输到数据骡子。传感数据有时对时间敏感;因此，应在预定义的时间段内收集数据。因此，根据数据骡子的速度，数据骡子的轨迹长度具有上限。本文提出了一种近似算法，用于移动数据采集器从移动传感器采集数据
A New Model of the Lifetime of Wireless Sensor Networks in Sea Water Communications
在本文中，我们提出了一个新的模型用于海水通信的无线传感器网络的生命周期。用于功率通信的新模型考虑了诸如活动模式的功耗、睡眠方式的功耗、瞬态模式的功耗、传输周期、瞬态模式持续时间、睡眠方式持续时间和活动模式持续时间的参数。电力通信模型被纳入无线传感器网络的生命周期模型。生命周期模型考虑了几个参数，如传感器的总数，网络规模，汇聚节点的百分比，传感器的位置，传感器的移动性，节点移动时的功耗和通信的功耗。新的模型在通信中的功耗显示更准确的结果的传感器网络的生命周期相比，以前公布的结果。
AMHRP: Adaptive Multi-Hop Routing Protocol to Improve Network Lifetime for Multi-Hop Wireless Body Area Network
本文提出AMHRP自适应多跳路由协议，通过泊松分布和均衡模型，采用多跳拓扑与随机节点部署，以延长WBAN网络寿命并改善吞吐量、路径损耗和剩余能量。
Increasing Wireless Sensor Networks Lifetime with New Method
无线传感器网络中最重要的问题之一是严格的能量限制。由于传感器网络的性能对网络生命周期有很强的依赖性，研究人员寻求一种有效利用节点能量供应，增加网络生命周期的方法。因此，使用路由算法来降低能耗和提高带宽利用率是至关重要的。本文的目的是使用LEACH算法来增加无线传感器网络的生命周期。因此，在分簇之前，先将网络环境划分为两个虚拟层（利用传感器节点到基站的距离），然后根据每一层中传感器的位置，利用传感器节点的剩余能量和节点到基站的距离进行分簇。在这篇文章中，我们比较了该算法与著名的LEACH和ELEACH算法在同构环境（所有传感器的能量相等）和异构环境（一半的传感器的能量加倍），以及基站的静态和动态情况。结果表明，我们提出的算法提供了改进的性能。
Distributed Lifetime Optimization in Wireless Sensor Networks using Alternating Direction Method of Multipliers
由于无线传感器网络中传感器节点的能量有限，延长网络的生命周期是一个主要的挑战，可以制定为一个优化问题。本文提出了一种基于交替方向乘法（ADMM）的分布式迭代算法，目标是最大化传感器网络的生命周期。该算法的特点是利用局部信息，消息传递开销小，计算复杂性低，收敛速度快，从而降低了能耗。在这项研究中，我们提出的收敛结果和实现停止标准所需的迭代次数。此外，问题的大小（传感器节点的数量）的解决方案和约束违反的影响进行了研究，最后，该算法相比，一个著名的基于子梯度的算法。
k-DAG Based Lifetime Aware Data Collection in Wireless Sensor Networks
无线传感器网络需要进行有效的数据汇集和生命周期最大化的组织。在本文中，我们提出了一种新的路由结构，即k-DAG，以平衡负载的基站的邻居，同时提供最坏情况下的延迟保证数据汇集，和一个分布式算法的基础上构建一个k-DAG的最短路径DAG（SPD）。在k-DAG中，每个传感器节点到基站的最长路径和最短路径的长度最多相差k。通过添加兄弟边缘的SPD，我们的分布式算法允许关键节点有更多的路由选择。仿真结果表明，我们的方法显着优于基于SPD的数据汇集方法在网络寿命和负载平衡。
Decentralized Lifetime Maximizing Tree with Clustering for Data Delivery in Wireless Sensor Networks
无线传感器网络具有广泛的应用领域，每天都在扩大，他们已经部署了有关其应用领域。一个独立的应用程序的方法是尚未来与正在进行的开发无线传感器网络的条款。在本文中，我们提出了一个分散的生命周期最大化树的应用程序无关的数据聚合方案，使用的数据传输在无线传感器网络的聚类。所提出的树将最大限度地减少能源消耗，这一直是一个阻力因素，在无线传感器网络的顺利工作，以及最小化的子汇的控制下，进一步通信和传输数据到汇节点的通信节点之间的距离。
Clustering Based Lifetime Maximizing Aggregation Tree for Wireless Sensor Networks
由于无线传感器网络能量供应的有限性和不可补充性，能量效率是无线传感器网络（WSNs）运行各个方面中最重要的问题。数据聚合机制是延长传感器节点寿命的可能解决方案之一，另一方面也有助于消除数据冗余，提高信息收集的准确性，是无线传感器网络必不可少的。在本文中，我们提出了一个基于聚类的生命周期最大化聚合树（CLMAT），我们创建的聚合树，旨在减少能源消耗，最大限度地减少遍历的距离，并最大限度地减少能源消耗方面的成本。在CLMAT中，具有最大可用能量的节点被用作父结点/聚合器节点。我们得出结论，最好的聚合树最大限度地减少能源利用，最大限度地减少成本，从而最大限度地延长网络寿命。
Network Lifetime Maximization in Wireless Mesh Networks for Machine-to-Machine Communication
在本文中，我们提出了新的优化配方，以最大限度地提高网络寿命的无线网状网络进行数据聚合和传播的机器对机器的通信在物联网。我们专注于异构网络中，多个应用程序共存，节点可能会采取不同的角色，为不同的应用程序。此外，我们解决网络重构作为一种手段，以增加网络的生命周期，在保持与当前的趋势，软件定义的网络和网络功能虚拟化。为了测试我们的优化公式，我们使用随机生成的10到30个节点的网状网络进行了数值研究，结果表明，使用网络重新配置，网络寿命可以比单个最小能量配置增加75%。此外，我们的解决方案在实际场景中实现是可行的：仅需要很少的配置，因此对于独立网络需要很少的存储，并且切换配置所需的同步和信令相对于每个配置的操作时间是低的。
Energy-efficient topology to enhance the wireless sensor network lifetime using connectivity control
无线传感器网络在工业、军事、医学、农业、教育等领域有着广泛的应用，引起了人们的广泛关注。此外，人们也在为扩大其应用范围和提高其效率而进行了大量的研究。然而，在提高该网络的不同部分的效率方面仍然存在许多挑战。在无线传感器网络中，提高网络生命周期是一个重要的环节。由于传感器节点通常由电池供电，因此在这些类型的网络中要考虑的最重要的问题是以这样的方式降低节点的功耗，从而将网络寿命增加到可接受的水平。本文的贡献是使用拓扑控制，在节点的剩余能量的阈值，和两个元算法，包括模拟退火（SA）和可变邻域搜索（VNS），以增加剩余的能量在传感器。此外，使用低成本的生成树，在网络中创建节点之间的适当连接控制，以增加网络的生命周期。仿真结果表明，该方法提高了传感器的寿命，降低了能量消耗。
Centralized Lifetime Maximizing Tree For Wireless Sensor Networks
为了实现无线传感器网络中事件源之间的数据聚合并降低通信成本，需要在任何给定的事件区域内建立覆盖的树结构，以允许数据报告在传输到网络之前在单个处理点处被聚合。在本文中，我们提出了一种新的技术来创建一个这样的树，最大限度地提高了生命周期的事件源，而他们不断传输的数据聚合。我们使用术语集中式生命周期最大化树（CLMT）来表示这种树。CLMT的特点是在给定的一组节点中识别瓶颈节点。该节点通过具有最高分支能量的路由从每个其他节点收集数据，条件环路未被创建。通过这种方式构建树，协议能够减少树重构的频率，最小化延迟，并通过最小化树重构所涉及的额外能量来最大化源节点的功能寿命。
Clustering Based Topology Control Protocol for Data Delivery in Wireless Sensor Networks
由于传感器节点能量有限且不可再生，直接影响网络的寿命，因此如何优化传感器节点的能量一直是无线传感器网络研究的热点。现有的技术用于优化能量消耗是基于利用节点冗余，自适应无线电传输功率和拓扑控制。拓扑控制协议对网络的生命周期、可用能量和连通性有着重要的影响。在本文中，我们将传感器节点分为强节点和弱节点的基础上，他们的剩余能量以及操作寿命，并提出了一个基于分簇的拓扑控制协议（CTCP），延长网络的生命周期，同时保持最小的连接。在Java-Simulator（J-Sim）中进行的大量仿真表明，该协议在网络生命周期、平均延迟和能量利用率等性能指标上均优于现有协议。
Evaluation of Lifetime Bounds of Wireless Sensor Networks
在本文中，我们估计的网络的生命周期界限的微尘相互通信，使用IEEE 802.15.4标准。研究了IEEE 802.15.4不同的帧结构以及CSMA/CA介质访问机制，分析了信道捕获开销、数据帧的头和尾开销以及数据包传输的可靠性。该开销构成线性方程的固定分量，并且数据有效载荷构成线性方程的增量分量，以估计在每个分组传输期间消耗的功率。最后，我们将每个数据包的功耗输入到一个数学模型中，该模型估计了网络中路由的上下限。我们还实施了一系列的测量CC 2420无线电用于广泛的传感器微尘，找到固定和增量组件，并最终使用此无线电的微尘组成的网络的寿命。
Decentralized Lifetime Minimizing Tree for Data Aggregation in Wireless Sensor Networks
为了满足无线传感器网络（WSNs）的需求，其中数据通常是聚集在一个单一的源之前，发送到任何远程用户，有必要建立一个树结构内的任何给定的事件区域。在本文中，我们提出了一种新的技术来创建一个这样的树，它保留了能量，并最大限度地减少了事件源的生命周期，而他们不断发送数据聚合在未来的无线传感器网络。我们使用术语分散生命周期最小化树（DLMT）来表示这棵树。具有较高能量的节点中的DLMT特征倾向于被选择为数据聚合父节点，使得检测第一个断开的树链路的时间可以被延长，并且在树维护中涉及较少的能量。此外，通过这种方式构建树，该协议还能够减少树重构的频率，最小化数据丢失量，最小化数据汇集过程中的延迟，并保存能量。选择了转发定向扩散协议作为路由平台。
Designing a brown planthoppers surveillance network based on wireless sensor network approach
提出了一种利用省级褐飞虱监测网监测褐飞虱的新方法。该网络的拓扑结构被识别为无线传感器网络（WSN），其中每个节点是一个真正的光阱，每个边描述了两个节点之间的影响，允许收集BPH信息。不同的通信范围进行评估，以选择合适的网络。实验是在越南湄公河三角洲地区典型的水稻大省后江省的光诱监测网上进行的。
A new scheme for maximizing the lifetime of heterogeneous wireless sensor networks
异构无线传感器网络由具有不同能力的无线传感器节点组成，如不同的计算能力和不同的初始能量。本文提出了一种新的方案，最大限度地提高异构无线传感器网络的生命周期。该方案采用两种类型的传感器节点命名（符合IEEE 802.15.4标准）全功能设备（FFD）和减少功能设备（RFD）。FFD是具有高功率和计算能力的昂贵的传感器节点，相比之下，RFD是具有有限电源的廉价传感器。该方案将网络划分为更小的子网（区域），这些子网由扇区和轨道组成。本研究的目的是通过使用有限数量的FFD来平衡和减少RFD上的通信负载，减少延迟，并增加连接性和生命周期。我们调查我们的计划通过数值模拟的性能，并将其与其他相关计划，如Pegasis，Epegasis和Chiron的链拓扑结构的同质无线传感器网络。除了延长生命周期，我们的计划还导致减少数据传输延迟相比，相关的计划。此外，该方案通过防止与基站（BS）的直接通信来增加网络安全性并降低RFD功耗。FFD是RFD和BS之间的通信桥梁。FFD通过其它FFD使用单跳方法或多跳方法与BS通信。
A Novel Trajectory Clustering technique for selecting cluster heads in Wireless Sensor Networks
无线传感器网络（WSNs）存在热点问题，即距离基站最近的传感器节点比距离基站较远的节点需要转发更多的数据包。因此，感觉网络的寿命取决于这些最近的节点。分簇方法被用来延长无线传感器网络的生命周期。然而，目前的分簇算法通常采用两种技术：选择具有更多剩余能量的簇头，并周期性地轮换簇头，以在每个簇内的节点之间分配能量消耗，延长网络的生命周期。大多数算法使用随机选择来选择簇头。在这里，我们提出了一种新的轨迹聚类技术选择簇头在无线传感器网络。我们的算法选择簇头的流量和周期性旋转的基础上。它提供了第一个基于轨迹的分簇技术选择簇头，并减轻热点问题，延长网络的生命周期。
Performance Comparison of Proposed Lifetime Maximizing Trees for Data Aggregation in Wireless Sensor Networks
在本文中，数据包级模拟器被用来探讨在各种交通条件下的建议DLMT和CLMT算法的性能。所提出的算法的性能进行了比较，已经存在的E-Span树结构。这些算法倾向于延长节点的生命周期，以增加树根收集的信息量。分散式寿命最大化树（DLMT）的特征在于选择具有较高能量的节点作为数据聚集父节点，而集中式寿命最大化树（CLMT）的特征在于识别瓶颈节点以集中方式在给定的节点集合中收集数据。通过选择前向扩散作为我们的底层路由平台进行模拟J-Sim。我们的模拟结果表明，事件源的功能寿命可以提高最大的147%，当数据通过DLMT聚合和139%，当数据通过CLMT聚合。我们提出的DLMT算法已经显示出最大的13%的额外寿命节省而不增加延迟。当在这些建议的树结构中考虑树深度时，分组投递率也显示出显著的增加。此外，与E-Span相比，使用DLMT和CLMT也减少了延迟。
Routing Algorithms for Wireless Sensor Networks
在本文中，我们的贡献是e3D，扩散为基础的路由协议，延长系统的生命周期，均匀分布在整个网络的功耗，并招致最小的开销同步通信。我们比较e3D与其他算法的系统寿命，功耗分布，同步成本，算法的简单性。
Cooperative Topology Control with Adaptation for Improved Lifetime in Wireless Sensor Networks
拓扑控制算法允许无线多跳网络中的每个节点调整其进行传输的功率，并选择与其直接通信的邻居集合，同时保持全局目标，例如连接性或覆盖范围。这允许每个节点节省能量并有助于增加网络的寿命。在本文中，与大多数以前的工作相比，我们考虑（i）通信的能量成本以及每个节点处的可用能量的量，（ii）不同节点处的能量消耗率不同的现实情况，以及（iii）节点之间的合作，其中一些节点通过增加能量消耗来牺牲以帮助其他节点减少其消耗，可用于延长网络寿命。本文介绍了一种新的分布式拓扑控制算法，称为自适应协同拓扑控制（CTCA），基于博弈论的方法，映射到一个有序的潜在游戏的问题，最大化网络的生命周期。我们证明了博弈的纳什均衡的存在性。我们的仿真结果表明，CTCA算法延长了超过50%的网络的寿命相比，以前已知的最好的算法。我们还研究了分布式CTCA算法的性能相比，最佳的集中式算法作为节点的通信范围和节点密度的函数。
CMIP: Clone Mobile-agent Itinerary Planning Approach for Enhancing Event-to-Sink Throughput in Wireless Sensor Networks
为了缓解无线传感器网络中数据拥塞、延迟增加和高能耗的问题，移动代理（MA）已被证明是传统客户端-服务器数据收集模型的可行替代方案。MA具有基于所分配的路线在网络节点之间迁移的能力，所述路线可以经由单路线规划（SIP）或多路线规划（MIP）形成。基于MIP的数据收集方法解决了与SIP相关的任务持续时间，能耗和可靠性方面的问题。然而，大多数现有的MIP方法只关注减少能耗和任务持续时间，而事件到宿吞吐量没有被考虑。在本文中，克隆移动代理行程规划方法（CMIP），提出了减少任务持续时间，同时提高事件到汇吞吐量的实时应用，特别是当MA被分配访问大量的源节点。仿真结果表明，CMIP方法优于中心位置为基础的MIP（CL-MIP）和最大信息最大内存为基础的MIP（GIGM-MIP）在减少约56%和16%的任务持续时间方面，分别。此外，与CL-MIP和GIGM-MIP方法相比，CMIP分别将事件到宿吞吐量提高了约93%和22%。
A multipath energy-conserving routing protocol for wireless ad hoc networks lifetime improvement
adhoc网络是一种无线移动网络，它可以在没有基础设施和集中式网络管理的情况下运行。传统的路由技术不能很好地适应。事实上，它们对网络变化的可变性缺乏反应性，这使得它们难以使用。此外，节约能源是一个关键问题，在设计的Ad Hoc网络的路由协议，因为大多数移动节点操作有限的电池容量，一个节点的能量耗尽不仅影响节点本身，而且整个网络的生命周期。在所有提出的单路径路由方案，一个新的路径发现过程中，一旦路径故障被检测到，这个过程会导致延迟和浪费节点资源。多路径路由方案是最大化网络生命周期的替代方案。在本文中，我们提出了一种能量有效的多路径路由协议，称为AOMR-LM（Ad hoc按需多路径路由与生命周期最大化），它保留了节点的剩余能量和平衡消耗的能量，以增加网络的生命周期。为了实现这一目标，我们使用节点的剩余能量来计算节点的能量水平。多路径选择机制使用该能量水平来对路径进行分类。分析了两个参数：能量阈值β和系数α。需要这些参数来对节点进行分类并确保节点能量的保存。我们的协议通过延长网络的生命周期来提高移动ad hoc网络的性能。并与AOMDV和ZD-AOMDV进行了比较。协议的性能进行了评估，在网络寿命，能源消耗，和端到端的延迟。
Stability of routing strategies for the maximum lifetime problem in ad-hoc wireless networks
我们解决了一个一维的，规则的ad-hoc无线网络的最大寿命问题，其中一个数据收集器$L_N$对于任何数据传输成本能量矩阵，其中元素$E_{i,j}$是超加性函数，即，满足不等式$\forall_{i\leq j\leq k}\;E_{i,j}+E_{j,k}\leq E_{i,k}$。我们分析了两组参数，$Q_i$，$i\in [1,N]$由每个节点和网络中的节点的位置产生的数据量的修改下的解决方案的稳定性。我们假设，数据传输成本能量矩阵$E_{i,j}$是网络节点之间的距离的函数，因此节点位置的改变引起$E_{i,j}$的改变。如果数据流矩阵$q(t)$是任意$t\in U(t_0)$的最大网络生存期问题的解，则在稳定区域$U(t_0)$中，在给定参数$t_0$的修改下，该问题的解$q(t_0)$是稳定的.在本文中，我们估计了$L_N$网络在点$Q^0_i=1$，$d^0_i=0$的邻域中的最大网络寿命问题的解的稳定区域$U(Q^0,d^0)$的大小，其中$d_i\in (-1,1)$描述了节点从其初始位置$x_i^0=i$的移动，即，$x_i=i-d_i$。
Distributed Charging Control in Broadband Wireless Power Transfer Networks
无线功率传输（WPT）技术提供了一种经济高效的解决方案，以实现无线网络中的可持续能源供应，其中支持WPT的能源节点（EN）可以在不中断使用的情况下远程为无线设备（WD）充电。然而，在具有分布式EN和WD的异构WPT网络中，一些WD可能由于缺乏EN的及时无线电力供应而快速耗尽它们的电池，从而导致短的网络操作寿命。在本文中，我们利用频率分集在宽带WPT网络和研究分布式计费控制的EN最大限度地提高网络的生命周期。特别是，我们提出了一个实用的基于投票的分布式充电控制框架，其中每个WD简单地估计宽带信道，投下它的票（S）的一些强大的子信道（S），并发送到EN连同其电池状态信息，基于该EN独立地分配其发射功率的子信道，而不需要集中控制。在此框架下，我们的目标是设计寿命最大化的功率分配和有效的基于投票的反馈方法。为此，我们首先推导出WPT网络的期望寿命的一般表达式，并得出寿命最大化的充电控制的一般设计原则。基于分析，然后，我们提出了一个分布式计费控制协议与基于投票的反馈，其中分配给子信道的功率在每个EN是一个函数的加权和投票收到所有WD。此外，WD所投的票数和每张票的权重与其当前电池状态有关。仿真结果表明，在宽带WPT网络中，在严格的发射功率约束条件下，该分布式计费控制协议能够显著延长网络的生存时间。
Survey on Variants of Distributed Energy efficient Clustering Protocols in heterogeneous Wireless Sensor Network
无线传感器网络是由低成本和极端功率受限的传感器节点组成的，这些节点分散在一个区域内形成自组织网络，使能量消耗成为一个关键的设计问题。因此，有限的网络生命周期被广泛认为是一个基本的性能瓶颈。这些网络用于各种应用，例如现场监控、家庭自动化、医疗数据汇集或监视。研究表明，分簇是一种有效的方法来管理能量消耗，延长网络的生命周期。异构性的存在提高了网络的生命周期和可靠性。本文借鉴分布式节能分簇协议的思想，提出了分布式节能分簇协议。我们的工作的目的是分析这些扩展的路由协议如何工作，以优化网络的生命周期和路由协议是如何改进的。我们强调的问题所经历的各种协议，以及如何解决这些问题的其他增强协议。这提供了一个调查的工作做分布式能源效率的协议
Energy efficient prediction clustering algorithm for multilevel heterogeneous wireless sensor networks
在设计无线传感器网络时，减少能量消耗、延长网络寿命是一个重要的问题。针对异构无线传感器网络，提出了一种新的能量和监测对象异构的模型。提出了一种适用于异构模型的节能预测聚类算法。该算法使节点根据能量和通信代价等因素选择簇头，从而使剩余能量较高的节点比剩余能量较低的节点有更高的概率成为簇头，使网络能量得到均匀耗散。为了减少分簇阶段广播时的能耗，延长网络生存时间，建立了规则数据采集节点的能耗预测模型。仿真结果表明，与现有的分簇算法相比，该算法能够获得更长的传感器网络生命周期、更高的能量效率和更优的网络监测质量。
Robots-Assisted Redeployment in Wireless Sensor Networks
连通性和覆盖是无线传感器网络的两个关键问题。一些研究集中在提出解决方案，以改善和调整无线传感器网络的初始部署，以满足这两个标准。在我们的工作中，我们提出了一个新的层次结构的传感器网络，有利于收集冗余信息的拓扑结构。然后，几个移动机器人必须以优化的方式重新定位冗余传感器，以实现网络的最佳连接和覆盖。移动机器人必须相互合作，协调它们的运动。一个性能评估进行研究所需的机器人的数量和它的网络连接率和覆盖率的影响之间的权衡。
On the Analysis of Adaptive-Rate Applications in Data-Centric Wireless Ad-Hoc Networks
在多跳无线ad-hoc网络中，自适应应用的数据率具有固有的挑战性。数据包冲突、信道竞争和队列建立会导致数据包丢失，但在传统的TCP/IP体系结构中很难管理。这项工作探讨了一种以数据为中心的方法，基于名称数据网络（NDN）架构，这被认为是更适合于无线ad-hoc网络。我们发现，默认的NDN传输提供了更好的性能，在线性拓扑结构，但斗争在更广泛的网络，由于高的冲突和竞争造成的过度利益无序的数据检索和冗余数据传输从不正确的兴趣寿命设置以及在网络缓存。为了解决这些问题，我们使用往返跳数来限制利息率和动态利息生命周期，以最大限度地减少不当利息生命周期的负面影响。最后，我们分析了网络缓存对传输性能的影响，以及哪些场景可能会从中受益或受到影响。
Maximizing the Lifetime of Multi-chain PEGASIS using Sink Mobility
在本文中，我们提出了一种改进的能量有效的基于PEGASIS协议（IEEPB）的移动性，以提高无线传感器网络（WSNs）的网络生命周期。多头链、多链概念和sink移动性对提高无线传感器网络的生存时间有很大影响。因此，我们建议移动sink改进的节能PEGASIS-based路由协议（MIEEPB），一个多链模型具有sink的移动性，以实现熟练的无线传感器的能量利用。由于移动汇的机动运动是由汽油或水流引导的，因此需要将这种运动限制在边界内，并且移动汇的轨迹应该是固定的。在我们的技术中，移动汇沿其轨迹移动，并停留在逗留时间逗留位置，以保证完整的数据汇集。我们开发了一个算法的移动汇的轨迹。我们最终进行了广泛的实验，以评估所提出的方法的性能。结果表明，所提出的出路是接近最优的，也优于IEEPB的网络寿命。
TRASA: TRaffic Aware Slot Assignment Algorithm in Wireless Sensor Networks
在无线传感器网络的典型应用模式--数据收集应用中，传感器节点可能有不同的流量需求。对每个节点的不均等信道访问可能导致拥塞、带宽的低效使用和应用性能的降低。本文证明了当p跳节点不被分配相同的时隙时，时隙分配问题是NP-完全的，其中对任意严格正整数h，1 <= p <= h.我们提出了TRASA，一个TRAffic意识时隙分配算法能够分配时隙的传感器成比例的需求。我们评估的性能TRASA为不同的物流，并证明它提供了一个优化的空间重用和最小化的周期长度。
Ameliorate Threshold Distributed Energy Efficient Clustering Algorithm for Heterogeneous Wireless Sensor Networks
在异构无线传感器网络中，由于传感器节点的资源能量有限，提高其生存时间是一个重要的任务。提高无线传感器网络生命周期的最佳方法是基于分簇的算法，其中每个簇由称为簇头的领导者管理。每个其他节点必须与该CH通信以发送数据感测。最近的基站节点也必须将其数据发送给其领导者，这会导致能量损失。在本文中，我们提出了一种新的方法来改善一个阈值分布式能量有效的异构无线传感器网络的分簇协议，在分簇过程中排除最近的节点到基站。通过MATLAB仿真表明，与TDEEC协议相比，该方法明显增加了接收到的分组消息的数量，延长了网络的生存时间。
Maximum Lifetime Convergecast Tree in Wireless Sensor Networks
研究了无线传感器网络中周期性汇聚广播应用的最大生存期数据汇集树构建问题。我们通过实验观察到，如果两个节点发送相同数量的数据包，即使发送的数据包的有效载荷长度不同，节点的能量消耗量也大致相同。这是因为分组传输期间的主要能量消耗来自无线电启动和介质访问控制开销。我们制定的生命周期最大化问题捕获的能量消耗，由于消息传输/接收的数据包发送/接收的数量方面，与以前的作品，考虑发送/接收的数据单元（由节点生成的传感器数据量）的数量。无线电的可变发射功率水平和占传感器的能量消耗是其他因素，使我们的问题制定不同于那些在以前的工作。我们证明了该问题是NP完全的，并提出了一种算法来解决该问题，在一个由20个传感器节点组成的实际测试床上，以Jain的公平性指标为度量，对该算法的性能进行了实验评估，并与广泛使用的最短路径树（SPT）和随机数据汇集树（RDCT）算法进行了比较。实验结果表明，与SPT和RDCT算法相比，该算法下不同节点的能耗更加均衡。此外，该算法在大型网络中的性能进行了研究，通过仿真，并与最先进的RaSMaLai算法，SPT，最小生成树，RDCT的数据汇集计划。我们的模拟表明，该算法提供了一个显着更高的网络寿命相比，所有其他考虑的数据汇集方法。
Sensors Lifetime Enhancement Techniques in Wireless Sensor Networks - A Survey
无线传感器网络基本上用于收集智能环境所需的信息，但它们在无人值守的情况下特别有用，其中地形，气候和其他环境限制可能会阻碍有线/传统网络的部署。与传统网络不同，这些传感器网络没有连续的电源。相反，各个传感器是电池供电的，并且各个传感器的寿命以及因此整个网络在很大程度上取决于这些传感器的占空比。对无线传感器网络的分析表明，通信模块是消耗传感器能量最多的部分，这就是为什么节能是主要的优化目标。由于路由协议和MAC协议直接访问通信模块，因此这两个域的协议设计应考虑节能目标。在本文中，我们讨论了不同的国家的最先进的协议，在MAC和路由域已提出的无线传感器网络，以实现延长网络寿命的总体目标。无线传感器网络中的路由协议通常分为三组-以数据为中心，分层和基于位置的，但我们只关注前两类，因为基于位置的路由协议通常需要有关传感器位置的先验知识，大多数时候是不可用的，由于随机部署的传感器。然后，我们将讨论如何基于调度和基于竞争的MAC协议可以有助于实现有限的能源资源的最佳利用，避免或减少冲突的机会，从而需要重传。
A New Sentinel Approach for Energy Efficient and Hole Aware Wireless Sensor Networks
随着微型传感器和通信技术的发展，无线传感器网络（Wireless Sensor Networks，WSN）应运而生。无线传感器网络是近年来兴起的一种远程或恶劣环境监测的关键解决方案，具有广泛的应用前景。这些网络都面临着许多挑战，如能源效率的使用，拓扑结构的维护，网络寿命最大化等经验表明，传感和通信任务消耗能源，因此明智的电源管理可以有效地延长网络寿命。此外，传感器设备的低成本将允许部署可以允许高冗余度的大量节点。在本文中，我们专注于在密集部署的网络环境中的能源效率和拓扑维护的问题。因此，我们提出了一个能量感知的睡眠调度和快速拓扑愈合方案的长寿命无线传感器网络。我们的计划是一个强大的节点调度的机制，在无线传感器网络中的生命周期最大化，并有一个快速的维护方法，以覆盖节点故障。我们的哨兵计划是基于概率模型，它提供了一个分布式的睡眠调度和拓扑控制算法。仿真和实验结果验证了我们的方法和我们的机制的性能。
Lifetime Maximization of Wireless Sensor Networks with a Mobile Source Node
我们研究了传感器网络中的路由问题，其目标是最大限度地提高网络的生命周期。以前的工作已经考虑了固定拓扑网络的这个问题。在这里，我们添加移动性的源节点，这需要一个新的定义的网络寿命。特别是，我们重新定义的生命周期的时间，直到源节点耗尽其能量。当移动节点的轨迹是未知的提前，我们制定了三个版本的最优控制问题，针对这个生命周期最大化。我们表明，在所有情况下，解决方案可以减少到一个序列的非线性规划（NLP）的问题解决线上的源节点轨迹的演变。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。