无线传感器 执行器网络数据汇集及任务协作算法研究(txt+pdf+epub+mobi电子书下载)

作者：易军,唐云建,等

出版社：电子工业出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

无线传感器 执行器网络数据汇集及任务协作算法研究试读：

本书系统地阐述了无线传感器/执行器网络的研究前沿问题—数据汇集及任务协作技术。全书共9章：第1章介绍无线传感器/执行器网络的特点和面临的挑战；第2～5章针对无线传感器/执行器网络的节点通信开销、拥塞、能耗、碰撞等问题，给出了不同应用目标下的数据汇集算法；第6～9章围绕传感器节点/执行器节点（Sensor-Actor，SA）协作和执行器节点/执行器节点（Actor-Actor，AA）协作，探讨设计了不同的任务协作算法。

本书的适用对象为计算机科学、电子工程专业的科研人员和研究生，以及电信业的研究和开发人员。未经许可，不得以任何方式复制或抄袭本书之部分或全部内容。版权所有，侵权必究。版权页图书在版编目（CIP）数据无线传感器/执行器网络数据汇集及任务协作算法研究 / 易军，唐云建，李太福著. —北京：电子工业出版社，2014.1ISBN 978-7-121-22270-2Ⅰ. ①无…　Ⅱ. ①易…　②唐…　③李…　Ⅲ. ①无线电通信－传感器②执行器　Ⅳ. ①TP212 ②TH86中国版本图书馆CIP数据核字（2013）第321755号责任编辑：刘海艳　特约编辑：张晓雪印　　刷：三河市鑫金马印装有限公司装　　订：三河市鑫金马印装有限公司出版发行：电子工业出版社　　　　　北京市海淀区万寿路173信箱　邮编：100036开　　本：720×1000　1/16　印张：12.75　字数：243千字印　　次：2014年1月第1次印刷印　　数：2000册　　定价：45.00元

凡所购买电子工业出版社图书有缺损问题，请向购买书店调换。若书店售缺，请与本社发行部联系，联系及邮购电话：（010）88254888。

质量投诉请发邮件至zlts@phei.com.cn，盗版侵权举报请发邮件至dbqq@phei.com.cn。

服务热线：（010）88258888。前　言

无线传感器/执行器网络是一种新型信息获取和处理技术。在无线传感器/执行器网络中，传感器节点需要与执行器节点进行大量的紧密协作，共同完成对环境的监测和对事件的处理，因此出现了一种新的网络现象：传感器节点-执行器节点（SA）协作和执行器节点-执行器节点（AA）协作。本书面向无线传感器/执行器网络所涉及的理论与技术，针对传统的无线传感器网络相关协议和算法无法完全满足无线传感器/执行器网络新的需求，以节点之间的数据汇集和协同合作为研究手段，以提高网络实时性和能耗、负载均衡为目的，构建不同应用场景的SA协作和AA协作模型，基于最优化理论、群体智能优化、图论等计算方法展开理论与算法研究，并提供了最新的研究成果。

读者对象：

计算机科学、电子工程专业的科研人员和研究生，以及电信业的研究和开发人员。

本书特色：

1：对象新颖：无线传感器/执行器网络是一种新型无线传感器网络，代表了该领域的最新发展，尤其在物联网技术蓬勃发展的今天，作为其支撑技术的发展趋势，必将受到广大研究技术人员的关注。

2：视角独特：本书从传感器节点与执行器节点协同合作的视角，针对几种典型的应用场合，构建不同的协作模型，提出一系列数据汇集和任务协作算法，具有一定研究特色。

3：手段先进：本书将最优化理论，特别是群体智能优化技术引入无线传感器/执行器网络研究领域，提出了基于蚁群算法的动态负载均衡数据汇集算法、结合基于自适应学习策略的多邻域搜索策略与微粒群优化算法的多目标任务分派算法等，代表了未来的发展方向。

本书共9章，按如下方式组织：

第1章　绪论。阐述了本书的研究背景和意义，介绍了无线传感器/执行器网络基本理论知识，提出了本书的研究内容及成果、课题的来源和组织结构。

第2章　分析了碰撞退避机制对构造数据汇集树的影响，洪泛过程中的消息碰撞问题，以及数据汇集树的瘫痪问题，提出了动态交叉退避算法（DOBW算法），并对LDGT-CD算法进行了仿真分析。

第3章　针对无线传感器网络数据汇集应用，提出了一种基于拥塞控制的负载均衡数据汇集树生成算法（LDGT-SPT），并对算法的正确性和算法的性能分别进行了理论证明和仿真分析。

第4章　针对无线传感器网络数据汇集应用中，由于数据源产生数据的速率不一致，静态负载均衡算法不能达到负载均衡的问题，提出了一种基于蚁群优化的负载均衡数据汇集算法（LDG-ACO），并对算法的性能进行了仿真分析。

第5章　针对无线传感器网络移动执行器数据汇集应用，提出了一种支持移动执行器的负载均衡数据汇集算法（LDG-MS），并对算法的性能进行了仿真分析。对无线传感器/执行器网络协作算法进行了分类综述，提出了协作算法的优化目标。

第6章　面向无线传感器/执行器网络，提出一种基于SA协作的理想分簇模型，确定簇内SA协作通信的理想半径，以此为基础提出分簇算法（CASA），并对算法的性能进行仿真分析。

第7章　针对事件频发区域的执行器节点执行任务频繁，导致能耗过大，任务排队时间过长的问题，提出一种实时AA协作框架，并对算法的性能进行仿真分析。

第8章　针对AA协作中有工序限制的任务分派问题，研究并设计带能量约束的单目标任务分派算法，并对算法的性能进行仿真分析。

第9章　针对AA协作中有工序限制的任务分派问题，进一步提出一种多目标任务分派算法，并对算法的性能进行仿真分析。

本书由易军、唐云建、李太福著，其中易军负责第6～9章的编写并统编全书，唐云建负责第2～5章的编写，李太福负责第1章的编写。

本书出版获得以下基金项目资助：国家自然科学基金（51374268、51075418、61174015），重庆市自然科学基金计划重点项目（cstc2012jjB40006、cstc2013jjB40007），重庆市自然科学基金（cstc2012jjA90011），重庆市教委科学技术研究项目（KJ121410），重庆高校创新团队建设计划（KJTD 201324）。

由于作者水平有限，加之时间仓促，书中难免存在不足之处，敬请广大读者批评指正。第1章　概　　论1.1　无线传感器/执行器网络1.1.1　无线传感器/执行器网络概述

随着近年来微电子（microelectronics）和无线技术的发展，由尺[1]寸小、低成本、能量有限和具有无线通信能力的无线传感器节点构成的无线传感器网络（Wireless Sensor Networks，WSN）越来越受到重视。无线传感器网络由成百上千的传感器节点组成，用来监视多[2～3]种物理变量，如温度、湿度、声音、压力、振动等。无线传感器网络有着广泛的应用场景，包括环境监控、目标跟踪、自然灾害预测[2～4]（如地震、森林火灾）、家庭智能、智能交通控制和军事场合等。然而在一些复杂场景，为了支持特殊任务的执行，要求传感器节点与更高性能设备的协作。因此一种由无线传感器网络衍生而来的新型网络就应运而生，这就是无线传感器/执行器网络（Wireless Sensor [5]and Actor Networks，WSAN）。它的应用涵盖广泛，从温室或者建筑物的节能控制，到生化或者核子袭击的检测，从工业过程的自动化[6]到系统的通风量和温度的控制等。

无线传感器/执行器网络由大量的传感器节点和少量执行器节点构成。传感器节点负责从物理世界收集信息，而执行器节点负责根据[7～10]信息做出独立的判断，并执行相应任务。如图1.1所示，用户可以通过汇聚（执行器）节点远程监控和发出执行指令。在无线传感器网络中，传感器节点一旦部署完成，不再移动或者改变。而传感器节点本身的资源有限，延长网络的生存期成为无线传感器网络的主要目标。然而对于无线传感器/执行器网络来说，传感器节点一般固定，但在某些场合也具有移动性；执行器节点具有移动能力、更高的计算[8～11]能力、更强的传输能力和更多的电池能量。因此，无线传感器/执行器网络与无线传感器网络的相同点如下。（1）网络规模大。无线传感器/执行器网络依靠大量的传感器节点采集信息，需要在指定区域内部署相当数量的传感器节点。在一些场合，如森林防火和环境检测，传感器节点分布范围还相当广，所以需要解决网络的健壮性和容错性问题。（2）传感器节点资源有限。传感器节点作为一种微型嵌入式系统，体积微小，计算能力、存储能力十分有限，需要完成监测数据的采集和转换、数据的管理和处理、响应执行器节点的任务请求和节点控制等多种工作。因此，需要解决如何在有限计算能力的条件下进行分布式合作的信息处理问题。[8]图1.1　无线传感器/执行器网络物理结构图[8]Fig.1.1　The physical architecture of WSANs（3）节点能量有限。传感器节点由自身携带电池供电，大多部署在无人区或危险地带，无法更换电池；执行器节点相对传感器节点，虽然能量富裕得多，但是由于肩负执行任务，需要消耗更多的能量，因此同样存在能量有限问题。如何高效使用能量，达到网络能耗均衡，最大化网络生命周期是无线传感器/执行器网络面临的重要问题之一。（4）自组织。传感器节点往往随机部署后，节点之间相互通信联结，形成网络。要求传感器节点具有自组织能力，能够自动进行网络配置和数据管理，通过拓扑控制机制和分层协议自动形成多跳无线网络系统。（5）动态拓扑。无线传感器/执行器网络是一个动态网络，网络中节点的数目随时都在发生变化。节点可能因为电池能量耗尽或其他故障退出网络；也可以为了补偿失效节点增加监测精度而补充到网络中；执行器节点的移动同样会带来网络拓扑的动态变化。这都要求网络具有动态拓扑组织能力。

同时，由于少量异构节点—执行器节点的加入，与无线传感器网络相比，无线传感器/执行器网络具有以下几个特征：（1）实时性要求：一些应用场合要求网络对传感器数据进行快速响应。例如火灾应用中，网络必须对事件区域做出尽可能快的行动，事件的响应时间对控制事态进一步发展非常重要。此外，在执行过程中，传感器数据仍然可以有效地接收和发送，保持实时通信在无线传感器/执行器网络中也不可忽视。（2）协作。在无线传感器网络中，通常由执行器节点充当数据收集和协作的协调中心。与无线传感器网络不同，在无线传感器/执行器网络中，出现了一种被称为传感器节点-执行器节点协作（sensor-actor coordination）和执行器节点-执行器节点协作（actor-actor coordination）的新的网络现象。传感器节点-执行器节点协作主要完成将事件特征从传感器节点向执行器节点传输功能。在接收到事件信息后，执行器节点需要和其他执行器节点协同合作，以便做出正确的判断并采取行动。（3）异构性。无线传感器/执行器网络由传感器节点和执行器节点两种资源不同的设备构成，传感器节点间通信与执行器节点通信从方式和范围上都存在较大差异，因此需要不同的策略配合，才能克服异构带来的多样性和融合问题。（4）移动性。在无线传感器网络中，一般考虑节点是静止的。但在无线传感器/执行器网络中，节点特别是执行器节点，接收到信息后需要移动到事发区域，执行相应的行动。1.1.2　无线传感器/执行器网络体系结构及节点结构

1．无线传感器/执行器网络体系结构

无线传感器/执行器网络是一个分布式系统，根据传感器节点采集数据和报告给执行器节点的方式，分为两种体系结构：自动（automated）和半自动（semi-automated），如图1.2所示。

在自动体系结构中，数据由传感器节点采集并直接发送到执行器节点，后者在不需要执行器节点的协调下直接与其他执行器节点协作采取行动。这种结构的响应速度非常快，适合对实时性能要求高的场合。在半自动体系结构中，传感器数据直接发送到一个中央控制器如执行器节点，由执行器节点处理数据并决定由哪些执行器节点承担任务。

无线传感器网络的通信过程主要发生在传感器节点与执行器节点之间，而无线传感器/执行器网络的通信则主要发生在传感器节点与执行器节点之间。图1.2　无线传感器/执行器网络结构Fig. 1.2　Wireless sensor/actor network structure

2.无线传感器/执行器节点结构

无线传感器/执行器网络由传感器节点和执行器节点两种异构设备组成，具有不同的性能和资源。

如图1.3（a）所示，传感器节点由能量模块、通信子系统（无线接收器和发射器）、存储器和处理器、模数转换器（ADC）和感知单元组成。首先感知单元检测环境事件，然后数模转换器将模拟信号转化为数字信号，处理器再进行分析，并发送给附近的执行器节点。

图1.3（b）所示的决策单元（控制器）读取由传感器输入的数据并输出执行命令。这些执行命令由数模转换器（DAC）转换为模拟信号，发送给执行单元执行。在一些应用中，传感器和执行器被整合到一个执行器节点上，这样的节点同时具有感知和执行能力，则图1.3（b）的结构图中还应有感知单元和ADC。图1.3　无线传感器/执行器节点结构Fig. 1.3　Wireless sensor/actor node structure[8]

机器人是一个集传感器和执行器于一体的好例子。如图1.4（a）所示，由Robotics Research Laboratories 设计的低空直升飞机平台可[12]以完成地图绘制任务并可与自动移动机器人进行空地协作，而且将来会具有更多的执行功能，如洒水、气体处理等。这使得无线传感器/执行器网络更加有效。图1.4（b）是为军队设计的名为机器驴的[13]自动战场机器人，由Space and Naval Warfare Systems Command[14]和Defense Advanced Research Projects Agency (DARPA)研制成功。这些机器人能探测和标记地雷，运送武器，甚至在未来取代士兵进行作战。图1.4（c）显示的SKITs是一组通过UHF频率以4800 kb/s[15]的数据传输率进行通信的组网机器人。这些机器人能够通过无线通信进行协作，执行由应用程序决定的任务。图1.4（d）可能是世界上最小的智能机器人。[12～15]图1.4　集传感器和执行器于一体的机器人例子[12～15]Fig.1.4　Examples of robots as not only sensor but also actor1.1.3　无线传感器/执行器网络协议栈

无线传感器网络和无线传感器/执行器网络目前还不存在一个标准的协议栈。一般认为传感器节点和执行器节点协议栈基本由三个平[16]面组成：通信平面、协作平面、管理平面，如图1.5所示。[16]图1.5　无线传感器/执行器网络协议栈[16]Fig. 1.5　WSAN protocol stack

1．管理平面（management plane）

管理平面的功能主要有三个方面：（1）功率管理平面（power management plane）：管理功率如何使用。当节点的能量变低时，该平面通知协作平面，本节点不再参与感知、中转、执行等任务。（2）移动管理平面（mobility management plane）：监视和注册节点的移动，以便保持网络的连通。（3）容错管理平面（fault management plane）：负责节点出现故障的监控和解决。当感知单元或者执行单元失效，该平面立即把这一情况报告给协作平面。

2．协作平面（coordination plane）

协作平面负责根据从通信平面和管理平面接收到的数据进行判断，并做出决策。当事件发生后，传感器节点相互通信，并报告给协作平面进行决策。传感器节点之间的协作决定哪些低能量的节点不参与转发数据，哪些节点参与多跳路由和数据汇集。更重要的是执行器节点需要与其他节点协作完成适当的动作。当事件发生后，所有执行器节点的目的都是做出正确的反应，决定由哪些执行器节点参与处理事件。因此执行器节点必须具备发起协作和谈判的能力，这些必要的[17]社交能力在协作平面内定义。

3．通信平面（communication plane）

通信平面负责从协作平面接收命令，并根据命令利用通信协议建立与其他节点的链路关系，包括通信信道的建立、路由的选择等。（1）物理层

物理层提供无线介质的接口，主要负责无线收发器的激活和休眠，能量检测，链路质量保证，空闲信道评估，信道选择和消息包的发送和接收等。此外，该层还负责位调制和解调的无线链路，以及发送器[18]与接收器之间的同步。（2）传输层（transport layer）

在无线传感器/执行器网络中，不但要求传统的可靠性，还必须支持实时性要求。为ad-hoc网络和无线传感器网络开发的传输层协议[18～20]已经出现。由于传感器节点-执行器节点的通信与执行器节点-执行器节点的通信是同时连续出现的，一个统一的传输层协议需要在两种情况下都能良好工作。然而，到目前为止，针对无线传感器/执行器网络，还没有一个将可靠性和实时性兼顾的传输层协议。（3）路由层（routing layer）

在无线传感器/执行器网络中，路由层的主要挑战是按照能量有效性的原则，为源传感器节点选择一个执行器节点。当数据通过中转节点向执行器节点传输时，需要进行汇集处理以便获得高有效性，路由协议应当支持实时通信，兼顾到不同的优先级，保证在时限内送达[21,22]到执行器节点。（4）媒体访问控制层（MAC layer）

媒体访问控制层的主要功能是负责事件信息从大量传感器节点向执行器节点的有效传输。此外，在某些应用场合，执行器节点可能移动，保持传感器节点与移动执行器节点的连通也是其另一功能。另外，[23～25]信息的及时监测、发布和处理也是该层的应用要求。（5）应用层（application layer）

负责网络载荷的管理，并将携带一定信息的数据按照某种可理解格式或发送要求进行转换，以便为不同的应用提供服务。该层根据不同领域不同应用，可为军事、医疗、环境、农业等领域提供多种特定[24,25]的服务。（6）跨层设计

目前的无线传感器网络和无线传感器/执行器网络大多是按分层思想设计的。然而这种设计由于不够灵活和不够优化导致性能低下，为了获得低能耗和低时延，跨层设计显示出比分层设计的优越性。在无线传感器/执行器网络中，一个导致事件监控低可靠性的因素就是网络拥塞。当传输层通过降低传感器节点的传输速率进行重新发送时，MAC层也通过指数回退方式重新传输，由于两层独立而重复的功能设计会导致效率低下。通过跨层设计，每层协议共同分享数据，效率明显提高。跨层设计还可以用于数据包的大小优化上，还广泛应用于[19,20,22]功率控制、QoS性能保证上。1.1.4　无线传感器/执行器网络的应用领域

无线传感器/执行器网络作为无线传感器网络的重要延伸，继承了无线传感器网络随机布设、自组织、自适应的特点，可广泛应用于军事、环境、医疗、家庭和办公等领域；同时增加了执行器节点，使得网络功能更加强大，为下一代网络—物联网提供了支撑技术。基于传感与/或执行能力的节点，并结合计算与通信功能，无线传感器/执行器网络可以实现各种类型的应用。

1．环境监测

传感器节点的低成本、易布设使得人们对室内外大面积进行监控成为可能，将网络化传感器节点部署在灾害事故频发区域，及时对物[26～理结构变化做出反应，为人们预防与决策提供重要的数据参考28]。环境监测方面的应用场合包括鸟类、动物、昆虫的迁徙跟踪，大[29]面积地质结构监控，精准农业，森林火灾、水灾、化学污染的预报[30～35]检测等。[36～41]

2．药品管理与卫生保健

无线传感器/执行器网络在医疗方面的应用：（1）对人类生理数据的无线监测。无线传感器网络可以长期地收集人类的生理数据，供给医学研究应用。安装在身体上的传感器节点可以监控人类的行为，使医生尽早地发现病症。（2）在医院对医护人员和患者进行追踪和监控。可以让每个患者佩戴可以完成特殊任务的微型传感器。这些传感器可以实时监测患者的心率、血压等生命指标。医生也可以佩戴微型传感器来保持与患者和其他医护人员的联络。（3）医院的药品管理。由于每个患者佩戴了标志病症和治疗药物的传感器节点，与药品上的电子标签对照一致，可以大大降低给患者误用药物的概率。[42]

3．军事应用

由于无线传感器网络具有密集型、随机分布的特点，使其非常适用于恶劣的战场环境中，包括监控兵力、装备和物资，目标追踪，战争损伤评估，核、生物和化学攻击的探测与侦察等。（1）用于跟踪敌人的军事行动，收集、处理、发射敌方信息。美[43]国Dust公司研制的智能微尘（smart dust）是一个具有计算机功能的超微型传感器，它由微处理器、无线电收发装置和使它们能够组成一个无线网络的软件共同组成。将一些微尘散放在一定范围内，它们就能够相互定位、收集数据并向基站传递信息。（2）用于目标定位。目标定位网络嵌入式系统技术（Network Embed System Technology）是美国国防高级研究计划局主导的一个项目，它将实现系统和信息处理融合。2003年该项目成功验证了能够准确定位敌方狙击手的传感器网络技术，它采用多个廉价音频传感协同定位敌方射手并标志在所有参战人员的个人计算机中，三维空间的定位精度可达到1.5m，定位延迟仅2s，甚至能显示出敌方射手采用跪姿和站姿射击的差异。[44]（3）防核生化袭击。美国Cyrano Sciences公司已将化学剂检测和数据解释组合到一种专有的芯片技术中，称为Cyrano NoseChip。基于这一技术可创建一个低成本的化学传感器系统，捕获和解释数据，并提供实时告警，以应付恐怖分子使用化学武器进行的攻击。（4）战场环境侦察与监视。美国陆军最近确立了“战场环境侦察与监视系统”项目。该系统是一个智能化传感器网络，可以更为详尽、准确地探测到精确信息，如一些特殊地形地域的特种信息（登陆作战中敌方岸滩的翔实地理特征信息，丛林地带的地面坚硬度、干湿度）等，为更准确地制定战斗行动方案提供情报依据。该系统组由撒布型微传感器网络系统、机载和车载型侦察与探测设备等构成。

无线传感器/执行器网络用于军事场合的应用还有很多，直接推动了以网络技术为核心的新军事革命，诞生了网络中心战的思想和体系。传感器网络将会成为C4ISRT（Command，Control Communication，Computing，Intelligence，Surveillance，Reconnaissance and Targeting）系统不可或缺的一部分。

4．空间探索

探索外部星球一直是人类梦寐以求的理想，借助航天器布撒的传感器网络节点实现对星球表面长时间的监测，应该是一种经济可行的方案。NASA的JPL（Jet Propulsion Laboratory）实验室研制的[45]Sensor Webs就是为将来的火星探测进行技术准备的，已在佛罗里达航天中心周围的环境监测项目中进行测试和完善。[46～51]

5．家庭及办公自动化（1）随着技术的进步，智能的传感器和执行器可以嵌入吸尘器、微波炉、冰箱等家用电器中。这些家电中的传感器节点可以彼此交互或通过Internet与外部网络交互，使用户可以方便地对家电进行远程监控和操作。（2）智能办公是指在室内进行目标定位，如书、重要物品等的定位。将传感器放于物品中，用户就可以知道保存在什么地方。[52]

6．物流与运输

在物流与运输方面的应用中，可以在货物（如私人包裹）中安置简易的传感器，在运输过程中对目标货物进行简单跟踪或者对商店及库存货物进行方便的管理。这是实现物联网的关键技术。[53]

7．其他商业应用

自组织、微型化和对外部世界的感知能力是传感器网络的三大特点，这些特点决定了传感器网络在商业领域应该也会有不少的应用机会。例如，嵌入家具和家电中的传感器与执行机构组成的无线网络与Internet连接在一起将会为我们提供更加舒适、方便和具有人性化的智能家居环境；文献[54]中描述的城市车辆监测和跟踪系统中成功地应用了传感器网络；德国某研究机构正在利用传感器网络技术为足球裁判研制一套辅助系统，以降低足球比赛中越位和进球的误判率。此外，在灾难拯救、仓库管理、交互式博物馆、交互式玩具、工厂自动化生产线等众多领域，无线传感器网络都将会孕育出全新的设计和应[55]用模式。1.1.5　无线传感器/执行器网络实验仿真平台

任何一项算法都需要对其性能进行分析与评估验证，目前主要的验证方式分为实验验证与仿真验证。

1．网络测试平台

通过传感器节点建立网络测试平台，可以在实际应用过程中验证测试网络的协议和算法，不仅比较全面地包含了影响网络状态的各个因素，而且也避免了因模型简化导致的理论误差。因此无线传感器网络的平台测试技术以及测试平台的搭建越来越被人们所关注。国内外对于测试平台搭建技术的研究还处于初始阶段，现有的一些如[56][57]MoteWorks和Kansei等无线传感器网络平台，虽然支持网络测试的功能，但都局限于特定的节点和应用，测试内容也比较单一。国内外许多研究者都致力于开发通用的测试平台或者针对单一应用（如定位、通信协议）开发专用测试平台。如何形成系统化、标准化的测试评估体系以及如何使测试平台无论在网络规模及应用范围上具有更好的扩展性，将成为无线传感器网络平台测试技术研究的重点。

2．仿真平台

网络测试平台可以分析算法在小规模网络中的性能，却难以评估算法在大规模网络环境下的性能，特别是包含大量节点的大规模无线传感器网络，很难通过实验来实现（实际上，上百个节点的实验已经比较难以管理与实现）。为了实现无线传感器网络的仿真，研究人员设计开发了许多仿真平台（或在现有平台建立无线传感器网络模[58][59][60][61][62]型），如NS-2、OPNET、SensorSim、EmStar、OMNet++、[63][64]GloMoSim、TOSSIM等。这些仿真平台各有特点，目前大规模无线传感器网络的算法仿真验证大多是在这些平台上进行的。1.2　数据汇集算法研究现状1.2.1　数据汇集算法的设计目标

无线传感器/执行器网络数据汇集算法在无线传感器/执行器网络数据汇集应用中起着至关重要的作用，决定了无线传感器/执行器网络数据汇集应用的性能优劣，因此，其设计思路非常重要。一个良好的无线传感器/执行器网络数据汇集算法通常需要综合考虑以下设计目标。

1．简洁性

由于无线传感器网络规模大，节点通常一次性部署使用，因此要求节点低成本，导致节点资源严格受限，所以需要无线传感器/执行器网络数据汇集算法设计简洁，尽可能减少算法的存储和计算开销。

2．能量高效性

对于电池供电的无线传感器网络节点，利用有限的能量高效地完成数据汇集任务是无线传感器网络数据汇集算法设计的关键。

3．可靠性

无线传感器网络通常应用于煤矿瓦斯监控、核反应堆安全监控、工程爆破和军事防御等领域，这类应用要求无线传感器/执行器网络数据汇集算法能够非常可靠地运行。

4．自适应性

无线传感器/执行器网络通常工作于比较恶劣的环境，节点容易发生故障，甚至部分网络被破坏。部分旧节点失效后，可能会随时补充新节点。同时，在某些应用环境中，节点位置可能发生较频繁的移动，网络拓扑经常变化。因此，需要无线传感器/执行器网络数据汇集算法能够自适应网络环境的各种变化。

5．可扩展性

无线传感器/执行器网络的应用范围可大可小，比如，智能家居和社区安全的网络规模较小，森林防火和水系流域检测的网络规模则较大。因此，要求无线传感器/执行器网络数据汇集算法能够满足不同网络规模的应用和正在运行的网络的扩展需求。

6．服务质量保证（QoS）

服务质量是网络性能好坏的最终体现，用户总是希望得到数据丢包少、传输延时低（响应及时）的网络服务质量。因此，QoS在无线传感器/执行器网络的部分应用中要求很高。

7．安全性

对于要求信息安全的无线传感器/执行器网络数据汇集应用，需要无线传感器/执行器网络数据汇集算法具有信息认证、信息加密、[65][66,67]入侵检测、防止敌意攻击（如Sybil攻击和DoS攻击）等手段。

由于无线传感器/执行器网络的应用相关性，不同的应用环境对网络性能有不同的要求，因此，无线传感器/执行器网络数据汇集算法通常侧重于以上设计目标的部分内容。1.2.2　数据汇集算法面临的挑战

无线传感器/执行器网络节点的固有特征，如节点能量供应、计算和存储能力有限，链路带宽有限等，使得无线传感器/执行器网络数据汇集算法的设计非常困难。加之应用环境恶劣、情况复杂多变，使得其数据汇集算法的设计极具挑战性，主要表现在以下几个方面。

1．开销问题

由于无线传感器网络节点的硬件资源非常有限，主要表现为计算和存储能力有限。因此，需要严格控制无线传感器网络数据汇集算法对硬件资源的开销，其中包括选择合理的网络结构、设计简洁的路由建立和维护算法等。

2．能耗问题

在无线传感器网络中，每个节点都可能扮演双重角色（数据采集器和路由器），而绝大部分情况下依靠电池供电，能量资源十分有限。通信部分在无线传感器网络节点能量消耗比例中占据主要部分。因此，为了节约能量，必须减少在数据汇集过程中不必要的通信开销，严格控制数据汇集算法在路由建立、路由维护过程中的额外能耗。这就要求数据汇集算法能够合理规划数据汇集的路径，减少因碰撞、拥塞等造成的丢包和重发，以及数据传输路径绕行时的不必要能耗。所以，能耗问题是无线传感器网络数据汇集算法重点考虑的因素之一。

3．拥塞问题

在节点大量部署的无线传感器网络应用环境中，每个节点都是数据源，数据产生的频率较高时，网络不可避免地会发生拥塞，怎样缓解网络拥塞是数据汇集算法面临的重要问题。拥塞通常在两种情况下产生：一种是由于节点的随机部署造成网络各个部分的节点密度不一致，在密度较高的区域往往数据产生量大、信道竞争激烈，造成频繁的丢包，拥塞情况显著；另一种是由于不合理的数据传输路径规划，导致数据过分集中在某些转发节点上，不但使得这些节点的能耗加大，还造成在这些路径上严重的拥塞。拥塞不但会严重影响网络的服务质量，还会造成节点的能耗加剧，节点提前“死亡”，缩短网络寿命。所以，拥塞控制也是无线传感器网络数据汇集算法重点考虑的因素之一。

4．碰撞问题

由于无线电信道（绝大多数无线传感器网络采用的通信方式）的开放特性，隐藏终端、暴露终端问题不可避免。特别是在大规模网络环境中，节点通信半径较小的情况下，隐藏终端导致的碰撞问题非常明显。在实际的应用中，环境对无线电的衰减不一致导致通信半径不规则，碰撞问题更严重。碰撞不但会导致丢包，造成能量浪费，严重时还会影响路由工作。因此，无线传感器/执行器网络数据汇集算法的设计需要考虑碰撞避免，以及跨层设计等问题。

5．移动问题

在无线传感器网络的部分应用中，节点存在移动情况。节点移动包括三种场景：第一种是执行器节点固定不动，而其他节点在检测环境中移动，如野生动物生存情况监控、病人生理情况监控等；第二种是传感器节点固定不动，而执行器节点在检测环境中移动，如社区保安在监控区域巡逻、士兵在防御区巡逻等；第三种是所有节点都处于移动环境中，如海军通过安装有传感器的机器鱼群监测舰队周围的敌情，这时机器鱼群（传感器节点）和舰船（执行器节点）都处于不断的位置变化中。当前，PDA、3G手机等手持设备的快速发展，第二种方式的移动数据汇集方式将会得到大量应用，因此本书针对该类型移动数据汇集方式做了尝试性研究。1.2.3　典型的数据汇集算法

在众多的无线传感器/执行器网络数据汇集算法或协议（包括路由算法）中，存在一部分算法可以应用于数据汇集场景，本节仅讨论与数据汇集相关的典型算法或协议。在无线传感器/执行器网络的数据汇集算法中，网络的结构扮演了重要角色。基于不同网络结构的协议或算法有不同的适应环境，数据汇集的性能也不同。本书将无线传感器/执行器网络的网络结构分为平面、分簇和网格三种，并分别展开叙述。

1．基于平面网络的数据汇集算法

在平面网络中，除汇聚节点外的每个传感器节点都具有相同的通信能力和相同的电池电量供应，每个传感器节点在网络中的地位相同，形成完全意义上的对等网络，这给网络的部署带来了极大的方便。相对于其他网络结构，平面网络没有任何中心，个别节点的失效也不会对其他节点的数据传输造成严重的影响，因此这种网络结构具有较强的鲁棒性。以下为几种典型的平面网络数据汇集算法或协议。（1）洪泛（flooding）

洪泛是一种最简单的路由算法，它不要求维护网络的拓扑结构和计算相关路由，仅要求接收到信息的节点以广播方式转发数据包。例如，源节点希望发送一段数据给目标节点。源节点首先通过广播方式将数据副本传送给它的每个邻居节点，每个邻居节点再将数据以广播方式传送给周围其他节点，如此继续下去，直到数据传送到目标节点或者设定的生存期限（Time To Live，TTL）为止。如果生存期限足够长，可以使数据传遍整个网络，从而保证将数据传输给目的节点。在洪泛消息中加入了序列号等其他信息，可以使节点不重复广播已广播过的数据。在节点高速移动环境中，洪泛算法非常有效。但在通常的无线传感器网络应用环境中，洪泛算法无目的性的数据传输方式，会造成资源的严重浪费。[68]（2）定向扩散（Directed Diffusion，DD）

DD作为查询型数据收集的典型代表，其模型采用基于属性的命名机制来描述数据，并加入了数据融合和缓存机制。DD在运行过程中包括路径建立、数据发送和路径增强三个阶段。路径建立阶段主要是通过汇聚节点以广播、多跳方式向网络中的所有节点发布兴趣（interest）消息，每个节点缓存接收到兴趣消息，建立从源节点到汇聚节点的梯度。数据发送阶段主要是源节点将采集到的匹配数据通过梯度路径发送到汇聚节点，中间结点通过本地化规则实现数据融合。而路径增强阶段主要是汇聚节点在收到数据后向数据到达最快的邻居节点发送增强消息，依此类推，建立一条从源节点到汇聚节点的主路径。DD的工作流程如图1.6所示。图1.6　定向扩散机制Fig 1.6　Scheme of direct diffusion

当被查询的数据源节点为多个或者全部传感器节点时，形成“多对一”的数据流，数据收集就变为数据汇集。DD引入了网络梯度的概念，可以找到从源节点到目标节点的最优路径，并使用了本地化算法，能够很好地满足无线传感器网络对鲁棒性和可扩展性的要求。但由于DD仅仅将传输延时和可靠性作为路径增强阶段考虑的因素，没有考虑节点的负载均衡，容易导致网络寿命的缩短。（3）ACQUIRE（Active Query forwarding In sensoR nEtworks）

[69]算法

ACQUIRE作为一种查询型数据收集算法，它将整个无线传感器网络看作一个分布式数据库，该数据库可以执行比较复杂的查询条件，如“报告区域X最近7天的温度数据”，“是否当前温度超过了35℃？”等。ACQUIRE的原理为：执行器节点发出查询消息，每个传感器节点收到查询消息后，根据查询内容从自身预先缓存的数据中反馈部分结果，并转发查询消息给其他节点。如果在预先缓存的数据中没有足够新的数据，传感器节点就请求d跳的邻居节点获取信息。一旦查询完成任务，就将查询结果按照最短的路线返回给执行器节点。所以，ACQUIRE算法通过允许多个节点发送响应信息，从而可以处理复杂的查询任务。ACQUIRE算法通过调整参数d值，从而提供有效的查询。当d等于网络直径时，算法的查询行为类似于洪泛。然而，若d值太小，查询将不得不传输更多的跳数。不难看出，为查询消息选择下一跳的策略是ACQUIRE算法优劣的关键，这可以借鉴基于信[70][71]息增益选择下一跳节点算法（CADR和IDSQ）和谣传路由的思想。如果网络中的多个或者全部节点满足ACQUIRE的查询条件，则数据收集变为数据汇集。同样，ACQUIRE算法没有在负载均衡上做任何优化。[72]（4）GEAR（Geographic and Energy Aware Routing）路由

采用洪泛方式将查询消息传播到整个网络的开销很大。而数据查询内容经常包含地理位置属性，因此GEAR路由算法利用能量感知和地理信息传输数据包到目标区域。其核心思想就是通过某一区域而不是整个网络，限制兴趣消息的扩散范围，以节省路由建立过程中的能耗。

GEAR路由算法假设每个节点能够获取自身的位置和剩余能量，通过邻居发现知道邻居的位置和剩余能量。查询消息的传播包括两个阶段。首先，执行器节点发出查询消息，网络节点根据事件区域的地理位置将查询消息传输到区域内距执行器节点最近的节点，然后该节点再将查询消息传播到区域内的其他所有节点。监测数据沿查询消息的反向路径向执行器节点传输。

GEAR路由算法用实际代价（learned cost）和估计代价（estimate cost）两种代价表示路径代价。当没有建立从执行器节点到事件区域的路径时，中间节点使用估计代价来决定下一跳节点。估计代价包括节点到事件区域的归一化距离以及节点的剩余能量两部分。当监测数据沿着查询路径反向传输时，附带计算每跳节点到事件区域的时间能量消耗值，该值即为实际代价，主要用于调整路径，优化路由。

节点计算自身到事件区域的估计代价计算公式：式中，c(N,R)为节点N到事件区域R的估计代价；d(N, R)为节点N到事件区域R的距离；e(N)为节点N的剩余能量α为比例参数。d(N, R)和e(N)都是归一化的参数值。

GEAR路由算法在路径的建立过程中采用了贪婪算法，如果节点的所有邻居节点到事情区域的路径代价都比自身大，则会陷入路由空洞（routing void）。GEAR路由算法采用反向通知的方法避免路由空洞。如图1.7所示，节点S要将数据传输给节点D，由于节点B距离节点D更近，因此选择下跳节点B。而节点B发现其邻居节点的代价都比自身大（可以假设图中黑色节点故障或者不存在了），故选取邻居中代价最小的节点A作为下跳节点，并将节点B到节点A的代价增加到自身的代价上，同时通知节点S。当节点S再转发查询消息到节点D时就会选择节点A而不是节点B作为下一跳了。图1.7　路由空洞Fig. 1.7　Routing void

GEAR路由算法定义估计代价为节点到事件区域的距离和节点剩余能量，并利用“捎带”机制获取实际代价进行数据传输的路径优化，从而形成能量高效的数据传输路径。GEAR路由算法采用的贪婪算法是一种局部优化策略，适用于节点只知道局部拓扑信息的情况。其缺点是由于缺乏足够的拓扑信息，路由过程中可能遇到路由空洞，反而降低了路由效率。GEAR路由算法中假设所有节点的位置固定不变或变化不频繁，适用于节点移动性不强的应用环境。

EAR路由算法在事件区域内由于采用洪泛方式或者迭代方式转发查询消息，形成“多对一”的反向数据传输路径，而在事件区域外反向数据传输收敛到一条路径，容易造成该路径上的负载过重，能量快速消耗，这不符合负载均衡的要求。

2．基于分簇网络的数据汇集算法

分簇路由是一种通信效率高、扩展性较好的数据汇集手段。分簇网络数据汇集过程由一系列的簇首选择过程和数据收集过程组成。分簇网络数据汇集算法的核心在于分簇算法和调度算法等，而非多跳路由功能。在分簇结构中，根据功能不同，节点分为簇首节点和簇内节点。簇首节点用于管理簇内节点和收集簇内节点的数据。簇内节点主要负责采集环境数据，并接受簇首节点的调度。簇首节点与簇内节点之间采用单跳方式直接通信，簇首节点和簇首节点之间采用多跳方式通信，簇首节点最终与执行器节点相连。在网络中占据多数的簇内节点接受簇首节点的调度，因此可以在没有任务时进入深度睡眠状态，这对延长网络寿命有极大的好处。通常情况下，簇首节点还可以执行数据融合算法，以减少传输到执行器节点的冗余数据量，进一步有利于网络节能。由于簇首节点的任务量比簇内节点重，因此簇首需要经常更替以均衡网络节点的能量消耗。（1）LEACH（Low Energy Adaptive Clustering Hierarchy）协议[73,74]

LEACH协议作为无线传感器网络分簇网络数据收集的典型代表，采用一种分布式聚类技术。该协议的基本思想是：以循环的方式随机选择簇首节点，将整个网络的能量负载平均分配到每个传感器节点中，从而达到降低网络能源消耗、延长网络整体生存周期的目的。LEACH协议采用基于TDMA/CDMA的MAC层机制来减少簇内和簇间的冲突，并在簇首节点进行数据融合，然后将融合后的数据发送给执行器节点以减少数据传输数量。W. Heinzelman的仿真实验表明，LEACH协议仅需要占总数5%的节点充当簇首节点，并且与一般的平面多跳路由协议和静态分层算法相比，可以将网络生命周期延长15%。

LEACH协议在运行过程中不断地循环执行簇的重构过程，每个簇重构过程可以用回合（round）的概念来描述。每个回合可以分成两个阶段：簇的建立阶段（setup phase）和传输数据的稳定阶段（steady state phase）。为了节省资源开销，稳定阶段的持续时间要大于建立阶段的持续时间。簇的建立可分成4个过程：簇首的选择、簇首节点的广播、簇首节点的建立和调度机制的生成。簇首节点的选择过程为：每个节点选择一个从0到1之间的随机数，如果随机数小于某个阈值T(n)，那么，该节点称为当前这个回合的簇首节点。阈值T(n)的计算公式为：式中，N为网络中传感器节点的总数；k为一个回合网络中簇首节点的数目；r为已完成的回合数，G为在剩余的（N/k – r）个回合中为r成为簇首节点的集合。

选定簇首后，簇首节点通过广播方式告知整个网络，所有非簇首节点收到该消息后，根据信号强度决定是否加入到相应的簇中，并发送消息，通知相应的簇首节点。最后，簇首节点采用TDMA方式为簇内中的每个节点分配时隙。

在LEACH协议传输数据的稳定阶段，每个节点周期性地占用信道传输数据，这与数据汇集应用的特点非常契合，因此非常适合连续监控的数据汇集应用。簇首节点的不断更替使得网络能量均衡消耗，体现了负载均衡的思想。但是，由于LEACH协议要求每个节点都能够与执行器节点通信，并且每个节点都具备支持不同MAC协议的计算能力，因此该协议不适合在大规模的无线传感器网络中应用。另外，该协议没有说明簇首节点怎样分布才能够较均匀地遍及整个网络，所以存在多个簇首节点集中于网络的某个区域，而其他区域没有任何簇首节点的情况。最后，LEACH协议假定在最初的簇首选择回合中，所有节点都携带相同的能量，并且成为簇首的节点在每个回合中消耗的能量大致相同。因此，该协议不适合节点能量不均衡的网络。（2）PEGASIS（Power-Efficient Gathering in Sensor Information [75]Systems）协议

PEGASIS协议是在LEACH协议基础上改进的链式路由协议。其基本思想是：为了延长网络寿命，节点仅需与最近的邻居通信，节点轮流承担链首节点，并且轮流与执行器节点通信，当所有节点都与执行器节点通信后，所有节点再进行新一回合的轮流通信。由于这种机制使得能量消耗能够均匀地分布到每个节点上，因此延长了网络寿命。不同于LEACH协议的多簇结构，PEGASIS协议采用链式结构，每次选择链中的一个节点作为链首向执行器节点传输数据。这种链式结构给人感觉像是平面网络结构，但由于每个节点都能够与执行器节点直接通信，相当于将多个簇首转化为一个簇首，因此本书仍将PEGASIS协议作为一种分簇网络协议来讨论。

PEGASIS的链形成过程如图1.8所示：节点C被选为链首后，将链首标志向周围节点广播，收到链首标志的节点A将数据传输给节点B，节点B融合节点A和自身产生的数据后，将数据传输给链首节点C。同理，节点E将数据传输给节点D，节点D融合节点E和自身数据后，将数据传输给链首节点C。节点C融合节点B、节点D和自身产生的数据，最后将数据传输给执行器节点。PEGASIS协议中的每个节点运用信号强度测量与所有邻居节点的距离，并调整信号强度以便仅一个邻居节点可以接收到信号，从而定位最邻近节点。那些彼此最接近的节点构成PEGASIS的链路，形成一条通往链首节点的路径。链路中的节点向靠近执行器节点方向的节点发送数据，节点收到数据后与自身数据进行融合处理。最后，由链首节点将数据传输给执行器节点。链路的构造按照贪婪方式进行。图1.8　PEGASIS的链式结构Fig.1.8　Chain structure of PEGASIS

PEGASIS协议的优点是减少了LEACH协议在簇重构过程中产生的开销，并且通过数据融合降低了数据传输量，从而降低了能量的消耗。仿真结果表明，与LEACH协议相比，PEGASIS协议能够提高网络的生存周期近2倍。但是，PEGASIS协议假设每个传感器节点能够直接与执行器节点通信，而在实际情况中，这样的假设很难成立。与LEACH协议一样，PEGASIS协议假定所有的传感器节点都具有相同级别的能量，这不适合能量异构的网络情况。尽管PEGASIS协议避免了构建簇的开销，但协议要求节点动态地调整网络拓扑结构，这仍会带来较大程度的能量开销。最后，PEGASIS协议的链式结构会使得距离链首远的节点产生较大的数据传输延时，且唯一的链首节点会成为网络瓶颈。

Lindsey等人在PEGASIS协议的基础上进行扩展，提出了分层[76]PEGASIS协议，其目的是为了降低数据传输过程中的延时。为此，协议采取了数据并行传输的机制，并提出了两种方法来避免节点间的冲突和可能存在的信号干扰，即结合了信号编码方式的CDMA机制和空间分割的节点同时传输数据。基于CDMA的分层PEGASIS协议采用树状分层结构的方式，每一层选择的节点向更高一级的节点传输数据。该协议要求在每个回合的数据采集过程中，给定层的节点都向附近的邻居发送数据，所以接收数据的节点被提升为上一层节点。以此类推，顶层只有一个节点被保留下来并成为链首节点，最后形成一棵层次化的树状图，如图1.9所示。这种方法使得数据并行传输，大大减少了数据传输延时。仿真实验表明层次化的PEGASIS协议比原PEGASIS协议的性能更好。图1.9　分层PEGASIS的数据收集机制Fig.1.9　Data gathering scheme of PEGASIS（3）TEEN（Threshold-sensitive Energy Efficient sensor Network [77]protocol）协议

TEEN协议采用了与LEACH协议相同的多簇结构。为了减少数据的传输量，TEEN协议簇首节点向簇内节点广播两个重要参数：硬阈值（Hard Threshold，HT）和软阈值（Soft Threshold，ST）。当节点首次采集到的数值大于HT时，便打开射频收发器传输数据，同时将此数值存入一个内部变量（Sensed Value，SV）中。节点再次采集到的数据如果大于HT，并且与SV的差值大于或等于ST时，则发送数据，否则丢弃。节点每次发送数据后，用当前采集到的值更新SV。因此，TEEN协议的数据触发机制可以理解为：当数据处于用户感兴趣范围内，且有一定的变化时传输数据。较小的ST值可以较为精确地描述监测对象的变换，但会增加数据传输量和能耗，而较大的ST值，会使得监测精度不够。因此，ST值的选择很关键。TEEN协议的优点在于降低了数据传输数量，比LEACH协议节能，阈值可以动态改变，可以在准确性和节能性上做出平衡。TEEN缺点在于，一旦阈值信息丢失，节点将不会工作，容易造成监测空白；如果监测对象变化不明显，或是节点停止数据传输，用户则无法判断节点是否出现故障。

针对TEEN协议的缺点，APTEEN（Adaptive Periodic Threshold-[78]sensitive Energy Efficient sensor Network protocol）协议对其进行了扩展。APTEEN协议通过加入最大发送报告周期，用于强迫传感器节点向执行器节点传输数据，从而使得用户可以判断节点是否出现故障。

综上所述，分簇网络的簇首动态更替和簇首数据融合使得其具有能量有效性，但是分簇网络有其自身的缺陷。分簇网络需要节点具有功率控制功能和复杂的功率控制算法才能保证节能效果，分簇网络也不适合不能或无须进行数据融合的网络应用。分簇网络的功率控制策略，虽然减少了节点的能耗，但其节点的不对称通信半径，导致出现更多的隐藏终端。

3．基于网格网络的数据汇集算法

在分簇网络结构中，通常以簇的形式将大规模网络的数据汇集问题划分成小单位网络的数据汇集问题，属于分而治之的思想。如果节点能够知道自身的位置信息，就可以利用位置信息将网络划分成小单位，这样划分出来的网络单位的大小更加平均，这就是网格（grid）网络的思想。[79]（1）TTDD（Two-Tier Data Dissemination）算法

TTDD是一个典型的基于网格的数据收集算法，主要针对传感器节点静止，执行器节点移动，而且有多个执行器节点的应用场景。TTDD算法的基本思想是：当多个传感器节点探测到事件时，选择一个节点作为发送数据的源节点，源节点以自身作为网格的一个交叉点构造格状网。源节点首先计算出四个相邻的交叉点位置，然后请求邻近交叉点位置上的节点成为转发节点，转发节点继续该过程直到网络的边缘。这样就形成一个如图1.10所示的网格。在网格构造过程中，转发节点记录了相关的时间信息和源节点信息。执行器节点在本地通过洪泛方式查询事件信息，当网格交叉位置节点收到查询消息后，将查询消息沿着网格交叉节点传输，最终使数据源节点收到查询消息。这种让查询消息仅在网格交叉点传输的思想大大减少了洪泛消息的数据量。根据TTDD算法的原理，可知该算法是一个事件类型的数据传输算法，本不属于数据汇集算法范畴，但是如果我们将构造网格的事件节点变成执行器节点，即以执行器为起始网格交叉点构造网格，传感器节点的数据通过网格交叉节点传输数据给执行器节点，就形成一种网格状“多对一”的数据流，因此从这个角度理解，可以将TTDD算法的思想作为一种数据汇集思想。[79]图1.10　一个源节点B和一个执行器节点S的TTDD网格[79]Fig. 1.10　One source B and one actor S of TTDD

TTDD算法需要解决怎样构造网格和怎样选取交叉节点。该算法假设网络中的每个节点都知道自身的位置，对于图1.10所示的网格构造发起节点B，假设其坐标为（x, y），网格变长为α，那么以B为起点

试读结束[说明：试读内容隐藏了图片]

下载完整电子书