MIP-BSM：基于基站移动的最大化网络寿命方案

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (13): 147-151.

MIP-BSM：基于基站移动的最大化网络寿命方案

刘潇1，常建平2

1.江苏第二师范学院数学与信息技术学院，南京 210000
2.南京航空航天大学电子信息工程学院，南京 210000

出版日期:2016-07-01 发布日期:2016-07-15

MIP-BSM：maximize network life scheme based on base station of mobile

LIU Xiao1, CHANG Jianping2

1.College of Mathematics and Information Technology, Jiangsu Second Normal University, Nanjing 210000, China
2.College of Electronic and Information Engineering, Nanjing University of Aeronatics and Astronatics, Nanjing 210000, China

Online:2016-07-01 Published:2016-07-15

摘要/Abstract

摘要： 为了最大化延长无线传感网络寿命，设计最优的基站移动模型，提出了基于混合整数规划MIP（Mixed Integer Programming）的高斯移动方案MIP-BSM（MIP-based Gaussian Base Station Mobility）。该方案首先选择较大的标准方差，并依据此方差和零均值产生基站的候选位置，然后使用这些候选位置执行MIP模型，获取基站移动的最优位置。仿真结果表明，与随机移动模型相比，MIP-BSM能够获取更长的网络寿命。

关键词: 无线传感网, 网络寿命, 基站移动, 混合整数规划, 方差

Abstract: In order to take advantage of base station mobility for prolonging WSN lifetime and determining the optimal mobility pattern, Mixed Integer Programming-based Gaussian Base Station Mobility（MIP-BSM） scheme is proposed in this paper. The paper firstly chooses a fairly large standard deviation value and generates the candidate base station positions according to this standard deviation and zero mean. Secondly it runs the MIP model for the network lifetime optimization by using the candidate base station positions. Simulation results show that MIP-BSM gives the longer network lifetime values than random mobility.

Key words: Wireless Sensor Network（WSN）, network lifetime, Base Station Mobility（BSM）, Mixed Integer Programming（MIP）, deviation

刘潇1，常建平2. MIP-BSM：基于基站移动的最大化网络寿命方案[J]. 计算机工程与应用, 2016, 52(13): 147-151.

LIU Xiao1, CHANG Jianping2. MIP-BSM：maximize network life scheme based on base station of mobile[J]. Computer Engineering and Applications, 2016, 52(13): 147-151.

[1]	盛剑会，樊银亭，夏敏捷. 面向无线传感网的物理层安全性能分析[J]. 计算机工程与应用, 2021, 57(8): 91-95.
[2]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[3]	万达，李俊. 锦标赛精英学习与协方差变异的烟花算法[J]. 计算机工程与应用, 2021, 57(19): 84-96.
[4]	杨薛钰，陈建平，傅启明，陆悠，吴宏杰. 基于随机方差减小方法的DDPG算法[J]. 计算机工程与应用, 2021, 57(19): 104-111.
[5]	王杰，黄丽霞，张雪英. 改进DSB方法的语音信号多声源定位[J]. 计算机工程与应用, 2021, 57(1): 173-180.
[6]	杨雅洁，苌道方，余芳. 考虑AGV避碰的自动化码头多资源协同调度[J]. 计算机工程与应用, 2020, 56(6): 246-253.
[7]	宋杰，朱勇，许冰. 批量减数更新方差缩减梯度下降算法BSUG[J]. 计算机工程与应用, 2020, 56(22): 117-123.
[8]	周非，罗晓勇，刘云萍. 基于概率模型的实时修正IMM目标跟踪算法[J]. 计算机工程与应用, 2020, 56(21): 85-92.
[9]	迟宗正，董绍正，郭童，任志磊，周宽久，郭禾. 求解风力发电机布局问题的超启发式算法研究[J]. 计算机工程与应用, 2019, 55(7): 220-225.
[10]	刘红星1，2，胡广地1，朱晓媛1，李进龙3. 改进协方差矩阵的智能车视觉目标跟踪方法[J]. 计算机工程与应用, 2019, 55(3): 171-178.
[11]	古亭，李子印，王乐. 基于距离变换的粘连蚕茧分割方法[J]. 计算机工程与应用, 2019, 55(23): 177-181.
[12]	余科军，张建州. DV-Hop测距修正的定位算法研究[J]. 计算机工程与应用, 2019, 55(15): 123-127.
[13]	杜婷婷，文国秋，吴林，童涛，谭马龙. 基于局部协方差矩阵的谱聚类算法[J]. 计算机工程与应用, 2019, 55(14): 148-154.
[14]	胡方强1，2，吕涛1，包亚萍1. 改进的自适应Kalman滤波在SINS/GPS组合导航中的应用[J]. 计算机工程与应用, 2018, 54(5): 253-257.
[15]	王阳，唐朝晖，王紫勋，牛亚辉. 选用改进高斯过程回归模型的碳排放短期预测[J]. 计算机工程与应用, 2018, 54(23): 246-251.