大规模多任务传感网中面向移动数据收集的辅助充电方法

技术特征：
1.大规模多任务传感网中面向移动数据收集的辅助充电方法，其特征在于，所述方法针对大规模多任务传感网，通过以最小的充电部署成本在候选数据收集点部署无线充电器对移动收集器提供辅助充电服务，使得网络中的各移动收集器能够持续不断电地执行各自的周期性数据收集任务，其中每个移动收集器的电池容量有限且其在每个数据收集周期内经过预先确定的数据收集点收集任务数据，具体包括如下步骤：步骤1，针对大规模多任务传感网中面向移动数据收集的无线充电器最小成本部署辅助充电目标问题，构建基于电容约束的0-1整数规划模型；步骤2，将基于电容约束的0-1整数规划模型等价转换为无电容约束的0-1整数规划模型；步骤3，对无电容约束的0-1整数规划模型进行冗余约束剪枝；步骤4，构造非负且单调非递减的子模函数，将冗余约束剪枝后的0-1整数规划模型转换为等价的最小成本子模覆盖优化模型；步骤5，基于步骤4构造的子模函数，采用贪婪策略迭代式地选出部署无线充电器的数据收集点位置，从而得到最终的解决方案。2.根据权利要求1所述的大规模多任务传感网中面向移动数据收集的辅助充电方法，其特征在于，所述步骤1的具体过程如下：步骤11，给定网络中的候选数据收集点集合s＝{s1，s2，...，s
n
}和用户终端集合u＝{u1，u2，...，u
m
}，设定每个移动收集器mc
i
从对应的用户终端u
i
出发，周期性地经过一系列预先确定的数据收集点收集任务数据，路径为其中和k
i
分别表示移动收集器mc
i
在一个数据收集周期内经过的第j个数据收集点和在一个数据收集周期内经过的数据收集点数量，j∈{1，
…
，k
i
}，i∈{1，
…
，m}；用τ
i
和分别表示移动收集器mc
i
在其经过的任意数据收集点的停留时间和数据收集能量消耗率，并假设如果在数据收集点部署无线充电器，则移动收集器mc
i
在的停留时间内将以固定的充电接收功率p
r
进行充电；步骤12，定义e
i
(l
p
，l
q
)为移动收集器mc
i
从位置l
p
移动到位置l
q
的能量消耗，并用和分别表示移动收集器mc
i
在每个数据收集周期内到达数据收集点时的剩余能量和离开数据收集点时的剩余能量；对于任意移动收集器mc
i
，定义其电池容量为c
i
且初始为满电量状态，并且假设其在每个数据收集周期结束后将会回到用户终端u
i
，补充满电能后再准备下一个周期的数据收集；则表达为：其中表示是否在数据收集点部署一个无线充电器的0-1二元决策变量，表示部署，表示不部署，且步骤13，为了保证大规模多任务传感网中每个移动收集器能够持续不断电地执行各自的周期性数据收集任务，需要满足每个移动收集器在其离开经过的数据收集点时的剩余能
量能够支持它移动到下一个数据收集点，即对于任意移动收集器mc
i
必须满足和对于任意数据收集点s∈s，用c(s)表示在s部署一个无线充电器的成本，则目标问题是如何确定0-1二元决策变量x(s1)，x(s2)，...，x(s
n
)以最小化充电器部署成本从而保证网络中每个移动收集器能够持续不断电地执行各自的周期性数据收集任务；因此，将目标问题建模成如下基于电容约束的0-1整数规划模型：1整数规划模型：其中，3.根据权利要求2所述的大规模多任务传感网中面向移动数据收集的辅助充电方法，其特征在于，所述步骤2的具体过程如下：步骤21，定义为mci在其子路径中可能发生电池容量溢出的数据收集点的序列数的集合，即且mc
i
可能会在其经过的任意数据收集点发生电池容量溢出，对于每一个mc
i
，通过如下方法获取：首先，初始地设置然后，在假设每个候选数据收集点都部署充电器的情况下依次判断mc
i
在经过其路径上的每一个数据收集点时的电池容量是否溢出，j∈{1，...，k
i-1}，若溢出，则将序列数j分别加入集台中；步骤22，定义为无电容约束假设下移动收集器mc
i
从离开时到离开时的期间内的总能量增益，即将基于电容约束的0-1整数规划模型等价转换为如下无电容约束的0-1整数规划模型：4.根据权利要求3所述的大规模多任务传感网中面向移动数据收集的辅助充电方法，其特征在于，所述步骤3的具体过程如下：步骤31，将无电容约束的0-1整数规划模型中的约束1整数规划模型中的约束通过展开变换为等价的通过展开变换为等价的形式，由于任意将等价表达为其中表示一个已知的二元系数，并且当且仅当一定存在f∈{k 1，k 2，...，j}以使得
定义整数系数定义整数系数因此，将无电容约束的0-1整数规划模型中的约束变换为如下形式：步骤32，基于步骤31中变换的约束形式，识别出无电容约束的0-1整数规划模型中的冗余约束集合，任意一个约束是冗余约束当且仅当如下任意一个条件满足：1)约束中的β
ijk
≤0；2)至少存在一个其它约束以使得且β
i
′
j
′
k
′
≥β
ijk
，其中，其中，其中步骤33，将步骤32中识别出的冗余约束集合从所有约束中移除，无电容约束的0-1整数规划模型进一步表达为：规划模型进一步表达为：其中，n
c
表示经过冗余约束剪枝后所有约束的数量，任意表示一个已知的0-1二元系数，任意β
r
表示一个已知的正整数系数。5.根据权利要求4所述的大规模多任务传感网中面向移动数据收集的辅助充电方法，其特征在于，所述步骤4的具体过程如下：步骤41，定义一个有限集合e＝{1，2，...，n}，对于任意集合定义一个非负且单调非递减的子模函数f(
·
)：2
e
→
n如下：步骤42，基于子模函数f(
·
)，将冗余约束剪枝后的0-1整数规划模型转换为等价的最小成本子模覆盖优化模型如下：6.根据权利要求5所述的大规模多任务传感网中面向移动数据收集的辅助充电方法，其特征在于，所述步骤5的具体过程如下：步骤51，初始地设置步骤52，从集合e\t
*
中贪心地选择一个最优元素x
*
，使得，使得的值达到最大，然后更新集合t
*
＝t
*
∪{x
*
}；步骤53，重复步骤52，直到对于所有元素x∈e\t
*
都有f(t
*
∪{x})＝f(t
*
)成立为止；步骤54，对于任意t∈e，若t∈t
*
，则设置x(st)＝1；若t∈e\t
*
，则设置x(s
t
)＝0，即最终部署无线充电器的数据收集点集合为s
*
＝{s
t
|t∈t
*
}。

技术总结
本发明公开了大规模多任务传感网中面向移动数据收集的辅助充电方法，通过在数据收集点以经济的方式选择性地部署无线充电器解决移动收集器电力短缺问题。首先将目标问题建模成基于电容约束的无线充电器最小成本部署辅助充电问题，电容约束意味着移动收集器在充电时电量可能会溢出；然后证明此问题等价于无电容约束的无线充电器最小成本部署辅助充电问题并将其建模成一个0-1整数规划模型；通过冗余约束剪枝和单调递增子模函数构造，进一步将此0-1整数规划模型转化为最小成本子模覆盖优化模型，并采用基于子模函数的贪婪策略迭代式地选出部署无线充电器的数据收集点位置，从而得到最终的解决方案。本发明相比于其他方法，在成本控制方面具有显著优势。在成本控制方面具有显著优势。在成本控制方面具有显著优势。


技术研发人员：徐力杰 张佳垒 沙浩冬 高小唤 徐佳
受保护的技术使用者：南京邮电大学
技术研发日：2022.03.16
技术公布日：2022/6/28