CPS传感器网络节点调度设计

龙源期刊网 https://www.wendangku.net/doc/845320704.html,

CPS传感器网络节点调度设计

作者：宋玉亭

来源：《物联网技术》2019年第03期

摘要：针对CPS系统中能否高效调度传感器节点资源，提出一种基于混合蛙跳算法的任务调度算法。混合蛙跳算法兼具模因演化算法和粒子群算法的特点，同时也存在容易陷入局部最值、收敛速度不佳的缺点。针对这些问题，结合CPS传感器任务调度的特点，提出了相应

的优化策略，利用混合蛙跳算法求得最优解。

关键词：CPS;传感器节点;任务调度;混合蛙跳算法;优化策略;粒子群算法

中图分类号：TP273 文献标识码：A 文章编号：2095-1302（2019）03-00-02

0 引言

信息物理融合系统（Cyber-Physical System，CPS）是一个集传感器系统、嵌入式网络系统和计算机系统等众多子系统于一体的复杂系统，各子系统相互协作，共同完成CPS任务要

求。CPS通过传感器系统获取物理世界的信息。传感器系统是由众多传感器节点构成的具有一定自组织能力的无线传感器网络，各传感器节点相互协作完成特定的感知任务。通常传感器节点的电源模块携带能量较少，因此合理分配和管理传感器资源，实现对传感器节点的有效调度已成为目前CPS研究的热点问题。混合蛙跳算法是一种全新的群智能化算法，利用该算法可

满足简单、收敛速度快、算法参数少、寻优速度快等要求。本文将混合蛙跳调度算法融入CPS 传感器节点调度中，提出了一种基于混合蛙跳多目标优化调度算法。

1 任务调度模型

假设有N个独立的任务竞争使用传感器网络中的M个节点，传感器网络任务调度的实质是将N个相互独立的任务合理分配到M个异构可用传感器资源上执行[1]。

图1所示为用DAG图表示的传感器网络节点的任务调度模型。在DAG图中需要为节点

和边添加属性来表示任务信息[2]。DAG=（T，E），其中，T表示执行任务传感器节点集合;E 表示传感器节点通信边集合，。根据文献[3]，传感器节点传输能量损耗描述如下：

式中：d0为常量;d为发送节点与目标节点的距离;Eelec为发送或接收每比特数据消耗的能量;εfs和εmp代表在自由空间和多路衰减信道模型上的放大器能量损耗系数[4]。

2 适应度函数

在传感器网络任务调度中，任务与资源之间的映射关系可用如下矩阵表示：