In a typical Wireless Sensor Network (WSN) application, the basic communication service is the transportation of the data collected from sensors to the base station. For prolonging the network lifetime, energy efficiency should be one of the primary attributes of such a service. The amount of data transmitted by a node usually depends on how much local processing is performed. As an example, in visual sensor networks the amount of image processing on the nodes affects the amount of data transmitted to the base station (i.e., the higher the computation, the lower the communication and vice versa). Hence in order to improve energy efficiency and prolong the network lifetime this communication/computation energy trade-off must be analyzed. This analysis may be performed at the network-level (i.e., all nodes in the network use the same strategy) or at a node level (i.e., sensor nodes do not necessarily have identical strategies). The latter is more fine-grained allowing different nodes to implement different solutions. To guide designers in effectively using these trade-offs to prolong network lifetime, we develop a novel Mixed Integer Programming (MIP) framework. We show that the optimal node level strategy can extend network lifetime more than 20% as compared to a network-level optimal strategy. We also develop a computationally efficient heuristic to overcome the very high computational requirements of the proposed MIP model

چکیده

در یک برنامه شبکه حسگر بی سیم (WSN) معمولی، خدمات ارتباطی اصلی انتقال داده های جمع آوری شده از حسگرها به ایستگاه پایه است. برای طولانی تر شدن طول عمر شبکه، راندمان انرژی باید یکی از ویژگی های اصلی چنین خدماتی باشد. مقدار داده منتقل شده توسط یک گره معمولا به میزان پردازش محلی انجام شده بستگی دارد. به عنوان مثال، در شبکه های حسگر بصری مقدار پردازش تصویر بر گره ها بر میزان داده انتقال یافته به ایستگاه پایه تاثیر دارد (به عنوان مثال، محاسبات بالاتر، ارتباطات کمتر و بالعکس). از این رو به منظور بهبود راندمان انرژی و طولانی کردن طول عمر شبکه این موازنه ارتباطات / محاسبات انرژی باید تجزیه و تحلیل شود. این تحلیل می تواند در سطح شبکه انجام شود (به عنوان مثال، تمام گره های شبکه از استراتژی یکسانی استفاده کنند) و یا در سطح یک گره اجرایی گردد (به عنوان مثال، گره های حسگر لزوما نباید استراتژی های یکسانی داشته باشند). مورد دوم بیشتر محبوب تر است چرا که به گره های مختلف اجازه می دهد تا را ه حل های مختلفی را اجرا کنند. برای هدایت طراحان در استفاده موثر این موازنه ها برای افزایش طول عمر شبکه، ما یک چارچوب برنامه نویسی صحیح مرکب (MIP) جدید را توسعه بخشیدیم. ما نشان می دهیم که استراتژی سطح گره بهینه می تواند در مقایسه با استراتژی بهینه در سطح شبکه، طول عمر شبکه را بیش از 20 درصد افزایش دهد. ما همچنین برای غلبه بر نیازهای بسیار بالای محاسباتی مدل MIP ارائه شده، یک الگوریتم ابتکاری محاسباتی کارامد را توسعه دادیم.

1-مقدمه

شبکه های حسگر بی سیم (WSN ها) شامل تعداد زیادی از گره های حسگر هستند که بر سطح یک منطقه جغرافیایی مستقرند، که به طور معمول، مجهز به پردازنده های با ظرفیت محاسباتی پایین، برد کوتاه فرستنده و گیرنده بی سیم، و منابع انرژی محدود (به عنوان مثال، باتری) برای نظارت بر پدیده های فیزیکی مانند دما، رطوبت، ارتعاش صوتی، و شدت نور [1] هستند. توجه داشته باشید که WSN ها همچنین شامل گره های سیار [2] هستند، با این حال، در این مطالعه ما تنها WSNهای با گره ثابت را در نظر می گیریم...