论文部分内容阅读
[摘 要]以无人机组网监测为背景,为提高监测质量并延长寿命,将问题转化为负载均衡剖分问题,在确保无监测漏洞的前提下,基于Voronoi剖分和梯度法,提出一种分布式控制算法。针对非均匀的负载权值函数,采用基于逆函数法定义一种新的广义Voronoi图剖分。相比传统的Voronoi质心算法,部署结果明显更为均衡。
[关键词]负载均衡,移动传感器,Voronoi图,无人机组网
中图分类号:TP13 文献标识码:B 文章编号:1009-914X(2014)31-0305-01
1 引言
随着电子技术的持续快速发展,各类监测跟踪传感器如雷达、无人机等都朝着个体功能多元化,群体网络化、规模化方向发展。传感器组网使得大范围高动态监测成为可能[1-2]。网内各传感器的部署好坏,直接影响监测跟踪性能。
在无人机监测应用中,各无人机在监测区内巡航并作信息融合。为保证任务并行高效,首先就是对整个监测区进行划分,指派给每个无人机 [3]。因此讨论负载均衡的传感器部署,有很大的实际意义。
现有均衡剖分算法多数为集中式算法,不适合大规模传感器网络。Pavone等基于power图,讨论固定节点的负载均衡分布式算法[3]。算法扩展性好,但其未考虑节点监测、通信范围受限的情况。在[4]中,作者提出一种分布式任务均衡剖分算法,但在非均匀分布密度函数时,最优剖分不一定存在,本文通过建立基于逆函数法定义广义Voronoi剖分来解决此问题。
2 定义及问题描述
记网络内节点的Voronoi剖分为,其Voronoi邻居记为,有效监测集。节点的负载定义为。
建立如下目标函数:min (1)
s.t. (2)
3 分布式优化算法
3.1 均匀分布密度函数
分布密度函数均匀时,控制律为
(3)
其中其中,为惩罚因子,
(4)
具体推导及更多定义,可参见文献[4]。
3.2 非均匀分布密度函数
当分布密度函数非均匀时,严格的均衡剖分不一定存在[5]。可定义如下广义Voronoi剖分,结合控制律求得非均密度下的均衡剖分。
定义4 (广义Voronoi剖分) 对,映射,剖分称为广义Voronoi剖分,其中:
(5)
具体算法步骤为:
(1) 初始化;
(2) 获取单跳邻居节点相对位置等信息;
(3) 获取或估计分布密度函数并计算广义Voronoi剖分;
(4) 将Voronoi剖分及所有邻居节点位置信息映射到镜像区;
(5) 在镜像区内基于均匀权值的剖分算法求得控制量;
(6) 将控制量映射回原区域并执行控制指令;
(7) 检验是否满足终止条件,若满足,则重新计算广义Voronoi剖分并结束,否则转步骤(2)。
本文提出两个分布式映射。
一是分布密度函数在和轴方向上独立,变换为:
(6)
其中=arg,
二是分布密度函数关于某点对称,此时,存在,其中
(7)
此时,令变换 (8)
其中 (9)
4 仿真研究
(a) 初始分布 (b) 部署结果
图1 基于广义Voronoi剖分的负载均衡部署
控制律有效性已经在[4]中验证,只需验证基于广义Voronoi图非均匀分布密度下的剖分算法的有效性。10个节点的初始随机分布如图1(a)。分布密度函数,,。部署结果如图1(b),负载偏差,其中为负载平均值,由此可见算法能有效平衡各节点负载。
5 结束语
本文讨论了网络监测中的负载均衡剖分问题。针对非均匀分布密度函数情况,提出了一种新的广义Voronoi剖分,确保均衡剖分的存在性。与传统Voronoi质心算法相比,负载明显更加均衡。
参考文献(References)
[1] Le Ny, Jerome, and George J. Pappas. "Adaptive deployment of mobile robotic networks."?Automatic Control, IEEE Transactions on?58.3 (2013): 654-666.
[2] 涂志亮,王强,沈毅。 "移动传感器网络中目标跟踪与监测的同步优化."?自动化学报?38.3 (2012): 452-461.
[3] Pavone M, Frazzoli E, Bullo, F. Adaptive and Distributed Algorithms for Vehicle Routing in a Stochastic and Dynamic Environment[J]. IEEE Trans on Automatic Control, 2011, 56(6):1259 – 1274.
[4] 沈毅, 涂志亮, 王强. 一种分布式移动传感器负载均衡部署算法[J]. 控制工程, 2012, 19(006): 1051-1054.
[5] Pavone M, Arsie A, Frazzoli E, Bullo F. Distributed algorithms for environment partitioning in mobile robotic networks[J]. IEEE Trans on Automatic Control, 2011, 56(8): 1834-1848.
作者简介
涂志亮 男,1983年生于湖北孝感,工程师,博士,控制科学与工程专业,主要研究方向为雷达总体设计、传感器网络优化部署、多智能体分布式控制。
[关键词]负载均衡,移动传感器,Voronoi图,无人机组网
中图分类号:TP13 文献标识码:B 文章编号:1009-914X(2014)31-0305-01
1 引言
随着电子技术的持续快速发展,各类监测跟踪传感器如雷达、无人机等都朝着个体功能多元化,群体网络化、规模化方向发展。传感器组网使得大范围高动态监测成为可能[1-2]。网内各传感器的部署好坏,直接影响监测跟踪性能。
在无人机监测应用中,各无人机在监测区内巡航并作信息融合。为保证任务并行高效,首先就是对整个监测区进行划分,指派给每个无人机 [3]。因此讨论负载均衡的传感器部署,有很大的实际意义。
现有均衡剖分算法多数为集中式算法,不适合大规模传感器网络。Pavone等基于power图,讨论固定节点的负载均衡分布式算法[3]。算法扩展性好,但其未考虑节点监测、通信范围受限的情况。在[4]中,作者提出一种分布式任务均衡剖分算法,但在非均匀分布密度函数时,最优剖分不一定存在,本文通过建立基于逆函数法定义广义Voronoi剖分来解决此问题。
2 定义及问题描述
记网络内节点的Voronoi剖分为,其Voronoi邻居记为,有效监测集。节点的负载定义为。
建立如下目标函数:min (1)
s.t. (2)
3 分布式优化算法
3.1 均匀分布密度函数
分布密度函数均匀时,控制律为
(3)
其中其中,为惩罚因子,
(4)
具体推导及更多定义,可参见文献[4]。
3.2 非均匀分布密度函数
当分布密度函数非均匀时,严格的均衡剖分不一定存在[5]。可定义如下广义Voronoi剖分,结合控制律求得非均密度下的均衡剖分。
定义4 (广义Voronoi剖分) 对,映射,剖分称为广义Voronoi剖分,其中:
(5)
具体算法步骤为:
(1) 初始化;
(2) 获取单跳邻居节点相对位置等信息;
(3) 获取或估计分布密度函数并计算广义Voronoi剖分;
(4) 将Voronoi剖分及所有邻居节点位置信息映射到镜像区;
(5) 在镜像区内基于均匀权值的剖分算法求得控制量;
(6) 将控制量映射回原区域并执行控制指令;
(7) 检验是否满足终止条件,若满足,则重新计算广义Voronoi剖分并结束,否则转步骤(2)。
本文提出两个分布式映射。
一是分布密度函数在和轴方向上独立,变换为:
(6)
其中=arg,
二是分布密度函数关于某点对称,此时,存在,其中
(7)
此时,令变换 (8)
其中 (9)
4 仿真研究
(a) 初始分布 (b) 部署结果
图1 基于广义Voronoi剖分的负载均衡部署
控制律有效性已经在[4]中验证,只需验证基于广义Voronoi图非均匀分布密度下的剖分算法的有效性。10个节点的初始随机分布如图1(a)。分布密度函数,,。部署结果如图1(b),负载偏差,其中为负载平均值,由此可见算法能有效平衡各节点负载。
5 结束语
本文讨论了网络监测中的负载均衡剖分问题。针对非均匀分布密度函数情况,提出了一种新的广义Voronoi剖分,确保均衡剖分的存在性。与传统Voronoi质心算法相比,负载明显更加均衡。
参考文献(References)
[1] Le Ny, Jerome, and George J. Pappas. "Adaptive deployment of mobile robotic networks."?Automatic Control, IEEE Transactions on?58.3 (2013): 654-666.
[2] 涂志亮,王强,沈毅。 "移动传感器网络中目标跟踪与监测的同步优化."?自动化学报?38.3 (2012): 452-461.
[3] Pavone M, Frazzoli E, Bullo, F. Adaptive and Distributed Algorithms for Vehicle Routing in a Stochastic and Dynamic Environment[J]. IEEE Trans on Automatic Control, 2011, 56(6):1259 – 1274.
[4] 沈毅, 涂志亮, 王强. 一种分布式移动传感器负载均衡部署算法[J]. 控制工程, 2012, 19(006): 1051-1054.
[5] Pavone M, Arsie A, Frazzoli E, Bullo F. Distributed algorithms for environment partitioning in mobile robotic networks[J]. IEEE Trans on Automatic Control, 2011, 56(8): 1834-1848.
作者简介
涂志亮 男,1983年生于湖北孝感,工程师,博士,控制科学与工程专业,主要研究方向为雷达总体设计、传感器网络优化部署、多智能体分布式控制。