CC BY
74
Гибридный бионический алгоритм синтеза структуры беспроводной сенсорной сети
Ключевые слова: сенсорная сеть, синтез топологии сети, природные вычисления, пространственные ограничения.
В основе бионических алгоритмов лежат идеи самоорганизации и эволюции, которые человек перенимает у природы. Предложен бионический алгоритм ОУ-6 построения структуры самоорганизующейся беспроводной сенсорной сети (БСС), основанный на применении муравьиных, пчелиных и генетических алгоритмов. Приведена функциональная схема алгоритма ОУ-6 и по шагам рассмотрено выполнение основных функциональных блоков. С помощью предлагаемого муравьино-пчелино-генетического алгоритма оптимизации осуществляется удаление избыточных транзитных узлов с целью получения желаемой структуры БСС. Показатель "желаемости" каждого синтезируемого варианта структуры БСС оценивается с помощью нечеткой экспертной системы. Для рассматриваемой задачи предложена стратегия "Факториал" увеличения количества феромона на ребрах графа и стратегии вычисления видимости муравья. В предложенной модификации известного правила перемещения пчел реализуется симбиоз пчел с муравьями путем использования и модификации пчелами глобальной памяти хранимого феромона. Продемонстрированы результаты синтеза топологии БСС на объекте с пространственными ограничениями.
Мочалов В.А.,
к.т.н, доцент кафедры ИБиА МТУСИ, sensorlile@mail.ru
На функциональном уровне выделяются следующие виды узлов беспроводной сенсорной сети (БСС): (1) функциональные узлы (Ф-узлы). осуществляющие сбор информации в некоторой окрестности точки размещения данного узла; (2) транзитные узлы (Т-узлы), выполняющие управление маршрутизацией и передачу с помощью ретрансляции собранной Ф-узлами информации в центры сбора информации (ЦСИ) для ее дальнейшего использования; (3) центры сбора информации, осуществляющие управление БСС и обработку собранных БСС данных. В общем случае БСС может иметь несколько ЦСИ, и информация, поступившая в каждый из них, доступна для использования од-
ним или несколькими пользователями для принятия решений и выполнения определенных действий. Будем считать, что эта информация используется некоторым обобщенным «Конечным пользователем», например, отправляется от каждого ЦСИ в сеть Интернет [1 ].
В работе [2] рассматривается постановка задачи, метод и алгоритм синтеза структуры БСС в разнородном пространстве. В предлагаемом в [2] алгоритме на первом этапе область проектирования БСС избыточно покрывается транзитными узлами. После этого с помощью генетического алгоритма оптимизации осуществляется удаление избыточных транзитных узлов с целью получения желаемой отказоустойчивой структуры БСС.
На рисунке 1 показан один из вариантов наделения свойствами структуры БСС путем размещения Т-узлов таким образом, что при отказе любых п=Ъ Т-узлов каждый Ф-узел будет иметь возможность передавать информацию на К=1 ЦСИ.
а
9
& @
0 ФЧІМІПвИ-ИІ.ІІМІІ У»Л 0 - ТрШПИГНЫЙ у»М1 0 - Центр «6ор:і ПНффрШШШ
Рис. 1. Схематичная иллюстрация задачи синтеза структуры БСС в разнородном пространстве
В процессе синтеза структуры ЕСС появляется необходимость осуществить комплексную экспертную оценку очередного синтезированного варианта структуры БСС но критериям выполнения функциональных требований проектировщика {т.е. оценку требуемых свойств) [3]. Для создании экспертной системы оценки различных параметров БСС в алгоритме используется подход, основанный на применении коэффициентов достоверности, используемый как средство учета неопределенности, что дает результат в виде процента удовлетворения требований к синтезируемой БСС и обеспечивает мягкость в выборе структуры ЕСС [4].
Бионические алгоритмы моделируют процессы, происходящие в природе. Гибридные алгоритмы в эволюционных вычислениях заключаются в объединении генетического алгоритма е другими методами поиска [5]. На основе результатов анализа работы [6] в данной работе предлагается гибридный муравьино-пчелино-генетический алгоритм (ОУ-6) поиска последовательности удаления избыточных Т-узлов структуры БСС, применяемый на шестом шаге метода [2].
Ma рисунке 2 показана упрощенная функциональная схема рассматриваемого гибридного бионического алгоритма, реализованного на основе итерационного последовательного применения муравьиного (МЛ), пчелиного (ПА) и генетического (ГА) алгоритмов.
Рис. 2. Упрощенная функциональная схема гибридного бионического алгоритма поиска последовательности удаления избыточных Т-узлов
Описание предлагаемого алгоритма ОУ-6. основанного на выполнении шагов метода [2] и применении бионичеч-ских алгоритмов.
Шаги 1-3: В соответствии с методом синтеза в разнородном пространстве структуры БСС и по аналогии с алгоритмом ОУ-4 [2] выберем: функцию Р(.Н(А,В) оценки вероятности наличия беспроводного канала с требуемыми свойствами в разнородном пространстве между двумя произвольными узлами, находящимися в точках А ч В соответственно; функции
принадлежности нечетких множеств, характеризующих критерии выполнения различных функциональных требований проектировщика (в данной работе это структурная надежность и стоимость); функции расчета требуемых параметров ЕСС и нечеткую экспертную систему для получения итогового коэффициента достоверности (КД) удовлетворения функциональных требований проектировщика.
Шаг 4: Покрыть объект размещения БСС ячеистой сеткой из Т-узлов (рисунок 3) по аналогии с шагом 4 алгоритма ОУ-4 [2]. Создать пустое множество Пт и добавить в него все Т-узлы ячеистой сетки.
Рис. 3. Объект размещения БСС покрыт ячеистой сеткой из Т-узлов
Шаг 5: Микеланджело говорил, что в каждом камне заключена статуя и нужно только уметь убрать все лишнее и извлечь ее на свег. ©формировав исходный “камень" (на шаге 4), назначим каждому Т-узлу уникальный целочисленный индекс и осуществим поиск последовательности удаления избыточных Т-узлов с целью получения желаемой структуры БСС [2].
■ Hat- 6: Выполнить гибридный муравьино-пчелиногенетический алгоритм поиска последовательности удаления избыточных Т-узлов структуры ЕСС, упрощенная функциональная схема которого показана на рис. 2. Рассмотрим реализацию следующих функциональных блоков: МА, ПА и ГА.
Применение муравьиных алгоритмов
в рассматриваемой задаче
В последние годы активно развивается научное направление Natural Computing — «Природные вычисления», объединяющее математические методы, в которых заложены принципы природных механизмов принятия решений [7]. Одним из направлений природных вычислений являются муравьиные алгоритмы. Автором идеи моделирования взаимодействия муравьев для решения оптимизационных задач является Марко Дориго [8]. Взаимодействие определяется через химическое вещество - феромон, откладываемый муравьями на пройденном пути. При выборе направления движения муравей исходит из опыта других муравьев, информацию о котором получает через концентрацию феромона на ребрах графа. С течением времени происходит процесс испарения феромона, что является отрицательной обратной связью [9],
Для хранения феромона следует построить полносвязный неориентированный взвешенный граф (ГПIВГ), узлами которого являются Т-узлы. Дтя хранения ребер графа в
памяти компьютера потребуется _ yV(jV — I) ячеек [1амя.
2
ги типа float, где N - это количество Т-узлов, Программный код выделения памяти для хранения феромона на ребрах ГГНВГ на языке Java приведен ниже:
lloat (егоmoneNet work]][] = new float[N - l][|; for(int і = 0; і < N; i++) feromoneNetwork[i] = new float[N - (і + I )]; Инициализировать значение следа феромона на всех ребрах графа единицей. Дія доступа к значению следа феромона на ребре (у) следует использовать следующую функцию: float getFemmone(mt і, intj){ float ret = -];
Щі>І)
vet — feromoneNcf\vork[j ||і - j - 1]; else ifij > i) tot fcromoncN'ctwork[i][j - і -1]; return ret; }
Используем известное вероятностное-
пропорциональное правило перемещения муравьев[ 10J:
[г,ДОГ -(Т,;Г
p,¡., (OS
X |г„(ОГ -Inи!
РцЛ (<)'= о, если / 1 хц
где р (;)- вероятность перехода £-го муравья из узла I в узел / на /-Й итерации; г (!) - след феромона на ребре (/,/); а и /? - э го параметры, задающие веса следа феромона и видимости при выборе маршрута; I] - видимость муравья; л — множество узлов, которые еще необходимо посетить
муравью к, находящемуся в узле /.
В данной работе представлены следующие стратегии вычисления видимости муравья в решаемой задаче:
1. «Подальше от ЦСИ» - чем дальше находится от
ЦСИ Т-узелУ, тем лучше его видит муравей, находящийся в узле г (т.е. _ , где л расстояние между
= Шг.,ю ^
Т-узлому и ЦСИ. а МАХ т _>Д5 - расстояние от самого удаленного Т-узла к (вк» заменить на «да») ЦСИ);
2. «Подальше от узла» - чем дальше муравей находится от Т-узла /, тем лучше муравей его видит, находясь в
узле і (т.е.
Пи ■■
D,
, где D расстояние между Т-
ШХ,
Пв = -
V.4X
(т.е.
МАХ Т
Для выбора начального расположения колонии муравьев могут быть использованы следующие стратегии [1 ] ]: «Дробовик», «Одеяло». «Блуждающая колония» и «Фокусировка».
Каждый агент-муравей работает с копией структуры БСС, которая будет изменяться при выполнении функции оценки приспособленности маршрута (последовательности удаления Т-узлов). Для оценки функции приспособленности маршрута, по которому прошел муравей выполнить следующий алгоритм:
1. создать пустое множество Т-узлов Мсеь в которое будут помещаться удаленные Т-узлы;
2. создать массив Т-узлов МТ, отсортированный в соответствии с маршрутом прохождения муравья;
3. а цикле каждый Т-узел '!', Є Mj временно изъять из структуры БСС, после чего осуществить нечеткую экспертную оценку всех функциональных требований проектировщика кроме денежной стоимости (на которую влияет количество размещенных Т-узлов). Если без временно изъятого Т-узла Тс оценка структуры БСС удовлетворяет требованиям проектировщика, то добавить в MDEL Т-узел Тс и удалить Тс из структуры БСС навсегда. В противном случае вернуть Тс в структуру БСС. После проверки возможности удалений каждого Т-узла осуществить вычисление итогового коэффициента достоверности KD удовлетворения всех требований проектировщика с учетом стоимости.
4. R результате выполнения 3-го шага из структуры БСС было удалено г =\ МЫ1 | Т-узлов. Исходя из логики выполнения 3-го шага любой маршрут следования муравья, начинающийся с MDF.L Т-узлов и результате выполнения функции оценки приспособленности маршрута будет давать одну и ту же структуру БСС. В классических работах по применению муравьиных алгоритмов для решения задачи коммивояжера феромон обновляется на ребрах найденного маршрута. В данной работе предлагается стратегия «Факториал» увеличения количества феромона на ребрах
графа, связывающих г^г ~ ^ уникальных пар удаленных 2
Q
Т-узлов на величину равную:
ДГ,.(0 =
К,-
где Arw(í)
узлами / и /. а МАХ, - расстояние от Т-узла I до самого
удаленного от него Т-узла);
3. «Поближе к ЦСИ» - чем ближе находится к ЦСИ Т-узел у, тем лучше его видит муравей, находящийся в узле / (т.е. МАХ , _ ,_..);
4. «Поближе к узлу» - чем ближе муравей находится к Т-узлу у, тем лучше муравей его видит, находясь в узле / МАХ, . - О.
- количество феромона, откладываемого муравьем к на ребре (/. /), а - количество феромона, выделяемого муравьем. Таким образом, агент-муравей увеличивает количество феромона на г! возможных маршрутах.
После того как все муравьи колонии выполнят оценку приспособленности найденных маршрутов, обновить феромон в соответствии со следующим правилом [10]:
г^ + 1) = (1-/?>т„(') + АМ'>’ гле Дг;у(0 = ЁАг«(')’ т -
к* I
количество муравьев, а ре[0,1] - коэффициент испарения. Для усиления промежуточных лучших решений следует использовать «элитных» муравьев [11].
Выполнить обновление текущего множества лучших решений Па£ТГ (рис. 2). Под решением понимается пара (С1Х,Кп), где 1.Э - множество оставшихся после удаления Т-узлов (п 5 =п?. \МШ1 ). а К„ - коэффициент достоверности удовлетворения всех требований проектировщика.
5. «Отсутствует», т.е. q - |.
Применение алгоритмов колонии пчел в рассматриваемой задаче
Различные модели и алгоритмы поведения пчелиной колонии приведены в работе [12]. В большинстве моделей повеления пчелиной колонии выделяются следующие понятия: пчелы-разведчики, фуражиры (рабочие пчелы) и нектар.
Пчелы-разведчики формируют множество перспективных областей поиска решений. Фуражиры осуществляют исследование окрестностей перспективных областей, найденных пчелами-разведчиками. Цель пчелиной колонии -найти источники, содержащие как можно больше нектара. Найденное количество нектара представляет собой значение целевой функции [ 13].
В работе [14] предложены следующие правила перемещения фуражиров, применяемые для решения задачи коммивояжера:
.где
л,.„ »
л
1-лЦ
а
,je Я.„.
* І/.п
Г*?
■г*?
¡К»!=|
■ это вероятность перехода пчелы из узла г в узел у на и-ом переходе, X- вероятность перехода пчелы на предпочитаемый узел, Аг — множество доступных непосе-
шенных узлов на п-ом переходе, ^¡.п - множество, состоящее из одного узла, который определяет предпочтение пчелы по движению на п-ом переходе от узла а а и р- настраиваемые весовые параметры.
В данной работе предлагается модификация приведенного выше правила перемещения пчел, которая позволяет пчелам для вычисления р использовать не только предпочитаемый маршрут перемещения, но и текущую глобальную память муравьев (феромон), т.е, р _ \Pij\n Пг,> 1/? , где след феромона на ребре (у).
На рис. 4 приведена аналогия того, как в предлагаемой модификации пчелы “подсматривают1" за маршрутами следования муравьев.
Для каждой рабочей пчелы следует выбрать стартовую точку полета (место установки улья) и предпочитаемый маршрут полета, который формируется на основе одного из текущих лучших решений множества о,,.., . Для выбора
одного решения из Олкт адаптировать либо рассмотренные в ¡14] вероятностные правила выбора перспективного решения (основанные на выполнении пчелами «виляющего танца»), либо основанный на принципе колеса рулетки метод селекции для генетических алгоритмов [15] (т.е. вероятность выбора одного решения из £їшя пропорциональна коэффициенту достоверност и К;) этого решения).
Рис, 4. Аналоги* "подсмагривання" пчелами за перемещением муравьев
После того как одно из лучших решений выбрано установить в случайный Т-узел из множества
Мш = ог стартовую точку полета пчелы и сформировать предпочитаемый марш рут облета пчелы следующим образом: I, создать массив Т-узлов \/ для хранения предпочитаемой последовательности Т-узлов маршрута пчелы;
2. добавить в М, случайным образом перемешанные элементы множества I/ . = П г \il j-; 3. добавить в Мг слу-
чайным образом перемешанные элементы множества Пл.
После совершения пчелой облета всех узлов выполнить рассмотренную ранее функцию оценки приспособленности маршрута и если в текущем множестве лучших решений имеются решения, которые хуже, чем найденное пчелой, то обновить текущее множество лучших решений.
Для сохранения результата облета пчелы в глобальной памяти хранимого феромона (обеспечения «взаимовыгодного симбиоза» между пчелами и муравьями), осуществить в соответствии со стратегией «Факториал» увеличение количества феромона на ребрах графа, связывающих ГА1 иЯ
2
уникальных пар удаленных Т-узлов на величину равную:
дг _ 0кп: . где - количество феромона, выделяе-
* Кв-Щ мое пчелой.
Применить генетические алгоритмы (ГА) по аналогии с шагом 6 алгоритма ОУ-4 [2]. По аналогии с предыдущими шагами увеличить на ребрах графа количество феромона в соответствии со стратегией «Факториал».
Если пе выполнен критерий останова, то перейти к следующей итерации выполнения алгоритма в соответствии с функциональной схемой, изображенной на рисунке 2.
Для сокращения числа Т-узлов в текущем покрытии (уменьшения пространства поиска решений) следует на каждой 1-й итераций работы алгоритма удалять из покрытия те Т-узлы, которые не входят ни в одно из множеств £1, лучших решений и решений, полученных в результате
применения муравьиных, пчелиных и генетических алгоритмов за последние! итераций.
Результаты работы программно-реализованного бионического алгоритма синтеза структуры беспроводной сенсорной Сеги
Предложенный в работе бионический алгоритм ОУ-б программно реализован в виде модуля к системе [16]. Ре-
Hybrid bionic algorithm for designing wireless sensor network structure
Mochalov V.A., Associate Professor of IB&A, sensorlife@mail.ru
Abstract
Bionic algorithms simulate natural processes of self-organization and evolution. The proposed bionic algorithm OU-6 based on the use of ant, bee and genetic algorithms allows the construction of self-organizing wireless sensor network (WSN). Fitness function performs multiobjective fuzzy expert evaluation of various WSN parameters. In the context of the problem this paper presents the "Factorial" strategy to increase pheromone, strategies for calculating visibility of ant and modification of the well-known rules for the movement of bees. All considered algorithms modify global pheromone. The paper shows the results of the synthesis of sensor network topology on an object with space constraints.
Keywotdx sensor network, the network topology synthesis, natural computing, space constraints.
