Page 312 - 《软件学报》2021年第8期

2594 Journal of Software 软件学报 Vol.32, No.8, August 2021

Fig.7 Impact of the length of monitoring duration
图 7 监控周期长度的影响

5.3.6 能量获取速率不均衡程度的影响
能量获取速率的不均衡程度,是影响无源网络覆盖质量的重要因素.为了探究能量获取不均衡程度的影响,
我们利用μ max −μ min 的值来衡量能量分布的不均衡程度.其中,μ max ,μ min 分别为节点在一个时间槽内所获能量的
最大值与最小值.在这组实验中,我们假设每个无源节点在单位时间槽内所获得的能量在[μ min ,μ max ]中随机变
化.我们固定μ max =0.6mJ,并将μ min 的值从 0.6mJ 逐渐减小到 0.1mJ.显然,当μ max −μ min 的值越大,节点的能量获取速
率的不均衡程度就越严重.在这组实验中,我们固定网络中节点的数目为 200,将无源节点的感知半径设为 5m.
为了研究能量获取速率不均衡程度的影响,我们将μ max −μ min 的值从 0mJ 逐渐增大到 0.5mJ,在不同的网络参
数下运行 TPA,DSC 和朴素算法,并记录 3 种算法所取得的覆盖质量的最大值、最小值和平均值.实验结果记录
在图 8 中.

Fig.8 Impact of the energy deviation
图 8 能量偏移的影响

显然,根据图 8 中的实验结果,我们发现,随着能量获取不均衡程度的逐渐加深,3 种算法说获得的覆盖质量
不断降低,并且每种算法所取得的覆盖质量的最大值与最小值之间的差距也逐渐加大.当μ max −μ min 的值从 0 增
加到 0.5 时,TPA 算法所取得的覆盖质量降低了越 31%.这说明随着能量获取不均衡程度的加大,网络中节点工
作状态更加不稳定.然而,我们也可以发现,TPA 算法在不同的不均衡程度下所取得的覆盖质量均优于 DSC 算法
与朴素算法.总体而言,TPA 算法的性能比 DSC 算法的性能高 20%,比朴素算法高 30%.这是因为 TPA 算法在第
二阶段中充分考虑了网络中能量获取不均衡时的情况,并自适应地调整了在阶段一中所得到的节点的调度,从
而使得 TPA 算法在节点获能不均衡时,也能保障一定的覆盖质量.
6 总 结

在本文中,我们提出了一个基于多等级通信半径的无源传感器网络中的覆盖问题.在这个问题中,无源传感
器网络中的节点可以自适应地调整自己的通信半径,从而进一步合理地使用获取的能量.我们证明了该问题是
NP- Hard 问题,并提出了基于贪心策略的 TPA 算法来解决这个问题.我们分析了该算法的时间复杂度,并证明了
该算法具有一个合适的近似比.此外,我们还通过模拟实验来对算法的性能进行评估.为此,我们还提出了一个
与 TPA 算法进行对比的朴素算法.基于我们的实验结果,我们验证了 TPA 算法的有效性和可靠性.在本文中,监