導言：作為寫作愛好者，不可錯過為您精心挑選的10篇減少能量消耗的方法，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內容能為您提供靈感和參考。

篇1

要實現我省女子排球運動員的合理營養和科學補充，既保持良好的體能又保持良好的體型，必須先了解運動員的能量消耗。由于不同運動項目具有各自獨特的方式和特點，所以，各運動項目的強度、量度、密度、時間并不完全相同，因而能量消耗和需求也不相同，因此，準確評估女子排球運動員的能量消耗和需求具有重要意義。

本研究目標，利用Senseware Armband便攜式能量消耗測定儀，開展女子排球運動員能量消耗測定研究，為制定運動員營養推薦標準提供依據，為運動員合理營養和實施營養干預方案提供依據。

1研究對象和研究方法

研究對象：選取河南省女子排球運動員6名為測試對象。測試流程及細節均告知受試者并取得同意后進行，所有受試者測試期間均無感冒發熱，無代謝疾病等問題。

研究方法：采用Senseware Armband便攜式能量消耗測定儀測量能量消耗，受試者于優勢側上臂肱三頭肌處佩戴，除洗澡時間外，訓練、日常活動和睡眠時間連續佩戴兩天。采用T-SCAN PLUSⅡ身體成分分析儀測試運動員身高、體重、基礎代謝率，同時調查運動員一般情況信息和訓練信息。

數據統計、分析：包括每日總能量消耗，總運動時間和運動能量消耗及占總能量消耗的百分比、恢復期能量消耗量及占總能量消耗的百分比、不同訓練課內容的運動時間和能量消耗量及占總能量消耗的百分比。實驗數據經SPSS11.5數據軟件包處理，結果以平均數加減標準差。

2研究結果

2.1研究對象基本情況

受試者年齡、身高、體重和基礎代謝率如表1所示。

2.2女子排球運動員能量消耗的測試結果

女子排球運動員每日上、下午的訓練時間均為120分鐘左右，運動員上午訓練的平均能耗在652千卡，平均代謝當量（METs）5.1；下午訓練的平均能耗在706千卡，平均代謝當量（METs）5.9。女運動員在6天的連續測試中，訓練能量消耗占總能量消耗的38.5%；

3分析與討論

美國新研制的Senseware Armband便攜式能量消耗測定儀具有雙軸加速度感受器、皮膚溫度感受器、臂帶周圍環境溫度感受器、皮膚電流反應感受器和心率感受器等多個感受器捕獲數據計算能量消耗，可以測定運動或生活、休息狀態下24小時的日能耗量，并能按時間對運動進行分割，確定所進行活動的時間和運動強度，運動員除洗澡外，其他訓練、日常活動或睡眠時間均可佩戴測定，文獻報道其與間接測熱法相比準確性和重復性達到85-90%以上〔12，13〕。

機體每天的能量消耗包括維持生命的基礎能量消耗、進食引起的能量消耗即食物的特殊動力作用和運動能量消耗。運動的能量消耗是指運動引起的能量消耗，是能量消耗變異最大的部分，平均占能量消耗的25%-30%，在大強度持續運動的極端情況下，可以高達75%。運動能量消耗是人體控制能量消耗、維持能量平衡、存進健康最重要的一部分。

運動能量消耗的影響因素眾多，例如環境溫度、體重、年齡、性別等。對于同質人群能量消耗主要與身高、體重、去脂體重和BMI指標正相關，即身高越高、體重和去脂體重越重，其能耗量也就越大，所以要使運動更為經濟，減少運動過程中相對的能耗，必須要求運動員保持好的身材〔14〕。該研究結果顯示，女運動員全日的能量消耗均小于3590千卡，與我國優秀運動員營養推薦標準中田徑運動員能量攝入推薦標準范圍3700～4700千卡有一定差距〔15〕，所以在營養補充上要適當低于優秀運動員的推薦標準，否則會造成體重逐漸增加，身體脂肪含量增加，最終會影響運動成績。從本研究的結果中可以看出，女運動員的平均訓練的能量消耗可以達到或接近我國優秀田徑運動員能量攝入推薦標準，但是不同個體的實際訓練的能量消耗存在著顯著的個體差異，所以在運動訓練和營養補充中都不能“一刀切”，而應該根據個體之間的差異進行個性化的指導。

參考文獻

〔1〕Chen KY，Basselt DR.The technology of accelerom etrybased activity monitors current and future〔J〕.Med Sci Sports Exerc，2005，37（11）：490-500.

篇2

doi:10.3969/j.issn.1006-1959.2010.05.213文章編號:1006-1959(2010)-05-1221-02

Daily activities in patients with chronic hepatitis B Quantitative Analysis of nursing intervention PU Ding-qi. Sichuan Province Zhong Jiang county town south community hygiene service centre (Red Cross hospital) zip code:618100

【Abstract】Objective:Analyse effect and effect in discussing the daily activity quantization nursing interfering with in clinical nursing of chronic hepatitis B (CHB) patient.Methods:Be in hospital with 58 examples the CHB patient random is every 29 examples mark interfere with a group and contrast a group.Interfere with a group implementing quantization to daily activity on routine nursing basis interfering with;Contrast the group line routine nursing.2 group,equally,every examining the l the third revolution of time of grain ammonia enzyme (ALT) and general bilirubin (TBIL) across 7 ds,and carries out comparison.Time at the same time,observing change condition,daily activity sustained time that 2 set of energies consume and being in hospital.Results:2 set of daily activities sustained time difference has statistics meaning (P

【Key words】Chronic hepatitis B;Daily activities;Quantify interference

對于慢性乙型肝炎(CHB)的治療手段目前主要還是依靠休息、飲食、藥物等綜合措施,其中臥床休息是很重要的環節,尤其是肝功能明顯異常時,臥床休息更為重要[1]。臨床上,護理人員在給CHB患者實施護理健康教育時,一般只是停留在表面,告訴患者如何去"休息",休息到怎樣一個度,沒有具體的量化數據,說服力較弱,患者的主觀依從性差,導致護理質量下降,影響臨床療效。鑒于此,我科2005-2008年10月對29例CHB住院患者的日常活動實施量化護理干預,獲得良好的效果,現報道如下。

1.資料與方法

1.1 一般資料:收集58例CHB患者,均為我科2005-2008年10月的住院患者,隨機分為干預組和對照組各29例。干預組男19例,女10例,年齡16-60歲,平均年齡(43.15±4.5)歲;對照組男17例,女12例,年齡18-61歲,平均年齡(48.32±5.55)歲。2組患者在年齡、性別、病情等方面差異無統計學意義(P>0.05)。并向患者告知研究方案和方法,均在知情同意的條件下,自愿參加此研究。本組患CHB的診斷參照2000年9月的中華醫學會傳染病學會制訂的診斷標準[2],入選患者谷丙轉氨酶(ALT)120-600U/L,總膽紅素(TBIL)50-150μmol/L。排除合并有甲亢、血液病、嚴重貧血、嚴重心肺疾病者。

1.2 方法:每組患者藥物治療采取統一肝炎治療方案。干預組在常規護理基礎上,實施日常活動量化干預;對照組僅實施常規護理。(1)干預方法。對干預組患者日常活動采取以下日常活動量化干預措施:根據WHO報告的要因加算法,將日常活動分為休息、輕體力、中體力、重體力4種活動類型,即24h內日常活動及時間的安排-休息類(臥床休息、午睡、晚睡等)為12-13h;輕體力類(穿脫衣服、看電視等)為9-10h;中體力類(步行、上下樓等)為l.0-2.5h;重體力類(跑步等)為0-0.5h。(2)日常活動項目能量消耗量的估測。2組患者均采用生活觀察法、全天活動時間記錄法[3,4],詳細登記其24h中各種活動類型的內容和時間,以mim為單位準確記錄24h內從事的各項日常活動類型及起止時間,1d之內相同的活動時間相加,最后得出1d內各項活動所用的時間。測量2組患者的體質量(清晨空腹、脫鞋帽、外衣),以kg為單位,讀數精確到0.1kg。根據日常活動量與能量消耗率之間的轉換方法將消耗量數據化,即各類活動項目的能量消耗量=體質量×kJ.kg-1.min-1×活動時間。合計求出全天總能量消耗量。

1.3 觀察指標:2組病例每隔7d(根據病情需要必要時可加查)查ALT、TBIL,觀察ALT、TBIL的變化。評價2組患者住院期間ALT、TBIL變化速率[(最高值-最低值/同期時間)]與能量消耗量之間的關系。

1.4 數據處理:應用SPS11、12軟件進行統計分析,所得數據以(x±s)表示,計量資料采用t檢驗。

表1 2組日常活動持續時間的比較

組別nCHB病情嚴重程度(例)

輕度中度重度不同類型日常活動持續時間(x±s,min)

休息輕體力中體力重體力

干預組2911810347.98±12.95265.55±11.4356.89±13.459.37±4.22

對照組2910811320.45±8.58255.00±13.6367.90±11.9817.94±6.41

表2 2組之間能量消耗量、ALT變化速率、TBIL變化速率和住院天數的比較(x±s)

組別n能量消耗量(kJ)ALT變化速率TBIL變化速率住院天數

干預組293723.50±289.3211.60±2.611.24±1.046.48±1.94

對照組294158.38±233.5810.32±2.970.95±0.894.25±2.87

2.結果

2.1 2組日常活動持續時間的比較,(見表1)。2組日常活動持續時間的比較,干預組休息類,輕體力類、中體力類、重體力類與對照組的比較,t分別為29.321、26.089、-11.201、-18.910,P

2.2 2組住院期可能量消耗量、谷丙轉氨酶、總膽紅素變化速率和住院天數的比較(見表2)。干預組能量消耗量、ALT變化速率、TBIL變化速率、住院天數與對照組的比較,t分別為-19.983、5.113、4.043、-1.599,P

3.討論

3.1 有研究表明,人在直立時肝臟的血流量比臥位時減少40%,而直立下活動,甚至可減少80%~85%的肝臟血流量,由于肝臟血流量減少,肝細胞得不到充分的營養和氧,肝內糖元及蛋白質分解增加,這些代謝產物都要通過肝臟減毒,增加了肝臟負荷。人在日常生活活動中因從事的活動項目不同所消耗的能量也明顯不同,有的甚至相差5-6倍[5],肝臟為人體能量代謝的主要臟器,能量消耗有可能導致肝功能的損傷,所以,能消耗率的多少與肝功能的恢復有著密切的關系,能量消耗反應了肝功能。ALT主要反映肝細胞的破壞,TBIL反映肝臟的排泄功能,在肝功能的檢測中有重要意義。本研究選定ALT、TBIL作為肝功能的主要觀察指標。

3.2 CHB患者應處理好休息與活動的辨證關系,休息可以促進肝功能好轉,但長期過多休息又可能降低機體抵抗力[6]。本研究對CHB患者日常活動實施量化干預,對照組和干預組患者的住院期間能量消耗量比較,差異又統計學意義(P

臨床上,大多數CHB患者在疾病尚未出現嚴重并發癥,且臨床癥狀較輕時,容易對此病存在麻痹思想,有的甚至還堅持上班,這對疾病的治療是極為不利的,本研究結果提示,能量消耗多少與肝功能恢復密切相關,這就要求臨床護理人員必須做好健康教育工作,使患者了解休息在疾病治療過程中的重要行。在為患者實施健康教育時,建議患者實施日常活動量化干預。具體活動量可以依據本研究中干預組的活動時間,結合患者個體差異制訂具體的、量化的日常活動計劃,讓患者對"休息"的內涵有較為直觀的認識,從而由被動的接受變為主動的配合,不僅提高了患者的主觀依從性,而且也提高了臨床治療效果。

參考文獻

[1] 慢性重型肝炎病人的臨床觀察與護理[J].中國基層醫藥,2003,10(11):1208-1210.

[2] 牛俊奇,蘇秀芬.肝炎病人生活質量調查分析(附142份健康狀況調查)[J].吉林醫學,2004,(05):5-7.

[3] 朱虹,彭漢香,張嫻,蔡微娜.慢性乙型肝炎病人能量消耗量對肝功能指標的影響[J].護理研究,2006,20,(8):2019-2020.

篇3

中圖分類號:TP393文獻標識碼:A文章編號:1009-3044(2010)21-5743-05

A Energy-aware Multipath Routing in Wireless Sensor Networks

WANG Lin1, DUAN Xiao-yang2

(1.College of Software Engineering, Tongji University, Shanghai 201804, China; 2.School of Computer and Information Engineering Henu University, Kaifeng 475004, China)

Abstract: Recently, there has been a growing interest in the potential use of Wireless Sensor Networks (WSNs) in many applications such as smart environments, disaster management, combat field reconnaissance, and security surveillance. Therefore, to realize their potential, there is a need of an simulation platform that facilities the research of wireless sensor network .This paper focuses on developing node energy consumption in WSN.Therefore, we proposed a energy consumption model based on Markov chain, Furthermore, using the proposed algorithm to improve the multi-paths route scheme can extend the lifetime of the whole WSN by remaining load evenly distributed among several paths. According to performance comparison betweenthe traditional algorithmand the new method, numerical results have been proved feasible.

Key words: WSN; markov; multipath route; energy consumption

無線傳感器網絡(wireless sensor network,簡稱WSN )的相關研究已經成為現階段國內外研究的熱點[1-4],這不僅因為WSN相關領域技術的迅速發展,如微機電系統(Micro-Electro-Mechanism System)、無線通信和數字電子技術的發展,另外也是由于WSN在國防軍事、環境監測、交通管理、醫療衛生、防恐抗災等眾多領域的廣闊應用前景。WSN相關協議需要考慮的主要因素有傳感器網絡節點的有限計算能力和存儲空間、傳感器節點有限的能量資源等。由于傳感器網絡有限的計算能力和存儲空間,為盡可能減小節點的運算開銷,所設計的路由協議必須簡單有效。另外,傳感器節點通常由電池供電,因此如何高效率地利用有效的電池資源,從而盡可能地延長節點的生命周期也是WSN相關協議要考慮的重點因素。WSN的網絡管理與傳統網絡管理相比,不僅包括QoS支持、故障管理等功能域,還包括能量管理[2]。而WSN能量管理的核心是能量消耗模型,因此不管在理論意義上還是在現實價值中,建立WSN能量消耗模型都顯得十分重要。

WSN路由協議的任務是通過建立路由,使傳感器節點和匯聚節點之間可靠地傳遞數據。能量多路徑路由[5]在源節點和目的節點之間建立多條路徑,首先基于能量因素給每條路徑賦予被選擇使用的概率,在發送數據時,根據賦予的概率隨機選擇其中的一條路徑發送,這樣就沒有一條路徑一直傳送數據的現象,從而防止一條路徑上節點能量消耗過快。就是在源節點和目的節點之間建立多條路徑,根據路徑上節點的通信量消耗以及節點的均衡消耗節點能量延長網絡的生存期。但是由于其是在節點發生故障之后進行路徑切換的,因此耗費了大量節點的能量資源。

本文針對現有網絡傳感器網絡節點能量消耗的特點,在分析WSN節點能量消耗特征的基礎上,通過對無線傳感器網絡節點的運行狀態利用Markov來進行模擬,建立了無線傳感器與網絡的節點能量消耗模型,并基于能量消耗模型改進了無線傳感器網絡多路徑路由機制,通過在J-sim [6]無線傳感器網絡仿真平臺進行仿真對比,結果驗證了Markov節點能量消耗模型的性能,通過分析改進前后的無線傳感器網絡多路徑機制,結果表明基于能量感知的多路徑路由機制能夠有效降低節點能量消耗,提高網絡生存時間。

下文組織如下,第二節在分析WSN節點能量消耗的基礎上提出了一個WSN節點能量消耗模型;第三節基于能量消耗模型,改進了傳統的WSN多路徑路由機制;第四節在Jsim仿真平臺分別對WSN能量消耗模型和改進前后的多路徑路由機制進行了分析;最后在第五節總結全文。

1 無線傳感器網絡節點能量消耗模型

1.1 無線傳感器網絡節點能量消耗分析

典型的傳感器網絡體系結構通常由分布的傳感器節點、接收發送器、互聯網和用戶界面等構成。其中,傳感器節點作為網絡中的獨立工作實體,其基本的功能子系統包括供電子系統、計算子系統、傳感子系統和通信子系統等,如圖1所示,其能量消耗分別說明如下。

供電子系統:主要任務是為其他各個子系統供給能源,它主要由電池和DCDC轉換器等模塊構成。電池是節點最主要的能量來源,因此它的性能與容量就顯得至關重要。為實現延長供電子系統的能量供給時間,從而給其他子系統提供持續性的能量供應,可以采用增加電池容量的方法,但采用有效的再充電技術或是太陽能等再生性能源則更利于保證供電子系統的能量來源,。

計算子系統:主要任務是負責控制傳感器、執行通信協議和處理傳感數據等軟件算法,是節點的控制和計算核心。它主要包括存儲器和I/O接口電路、微處理器/微控制器、存儲器等硬件。作為節點的數據計算中心和功能控制中心,計算子系統與其他各個子系統聯系十分緊密,功能也很復雜。因此,其性能高低、功能強弱、在不同工作狀態(活動、空閑和休眠等)的持續時長以及不同狀態間的相互切換等,都會對整個節點的能量消耗產生嚴重影響。硬件上減少計算子系統能量消耗的常用技術包括低功耗器件、適時休眠和空閑時的降頻技術等。而要從網絡的整體來實現網絡節點的能量消耗相對均衡,則采用的主要是節點間的功能輪換。

傳感子系統:主要任務是將采樣/收集被測控對象的敏感信息轉換成相應的數字信息,它主要由一組傳感器和ADC、控制器等構成。理想情況下,傳感子系統自動檢測周期性和非周期性兩類事件時[7],它的能量消耗總量可以簡單描述為單次采樣消耗的能量與采樣次數的乘積。因此,該子系統的能量消耗可以從以下兩個方面進行控制:一是控制單次數據采樣所消耗的能量, 可通過采用低功耗器件,從元器件本身有效控制單次數據采樣的能量消耗。二是控制采樣頻率,有選擇性地減少單個節點的采樣頻率,由于傳感器網絡眾多分布節點中往往是成組節點去監測相同的對象或敏感數據,因此它不會對被測數據有效性和完整性造成破壞,只要依據應用需求合理設置節點采樣任務的激活原則,就能在保證數據準確性的前提下,較好地控制該子系統的能量消耗。

通信子系統:主要任務是負責節點的通信,由無線收發部件(radio)構成。影響通信子系統能量消耗的關鍵因素[8-9]包括無線收發部件采用的調制模式、數據率、發射功率和操作周期等。另外,在沒有通信任務時,通信子系統應盡可能地處于休眠期,而不是處于空閑期[9]。這是因為通信子系統即使處于空閑期,也有著與接收期幾乎相近的能量消耗。

根據以上分析,以分簇方式組織的無線傳感器網絡,節點能量消耗主要是數據發送和數據處理模塊,節點運行時共分為6個狀態,如表1所示。其中狀態3和狀態4消耗能量最多。

1.2 基于Markov的無線傳感器網絡節點能量預測模型

無線傳感器網絡節點的狀態轉換是建立節點能量消耗仿真模型的基礎,采用Markov進行節點能量消耗的預測,其中關鍵點是轉移矩陣的生成。

1.2.1 狀態轉移概率矩陣生成模型

生成WSN狀態轉移矩陣有兩種可行的辦法,一種是WSN節點根據自身過去的歷史采集狀態值構造自己的狀態轉移矩陣。另一種方法是混合在同一個區域中節點之間的概率,在這種情況下,遷移矩陣將代表一個網絡的特定區域中所有節點的行為。最終生成的狀態轉移陣如式(1)所示:

(1)

其中

2.2.2 Markov能量消耗預測模型分析

通過建立Markov仿真模型來模擬傳感器網絡節點能量消耗情況,其模型如下所示:

每個節點中用一個隨機變量序列表示該節點在這段時間的狀態,假設該隨機變量為X0,X1,X2……。那么每個節點在同一時間可以處在不同的模式下。Xn=i表示傳感器節點在時間段n處于操作模式i下。假定所有的狀態遷移發生在任何時間段的開始階段,如果狀態j是節點在狀態i后的下一個狀態,用Pij來表示節點由狀態i遷移到狀態j的概率,則這個概率可用下式來表示:

(1)

定義2階的遷移概率Pij(2)表示一個節點當前在狀態i,經歷兩次狀態遷移后到狀態j的概率,則該概率可表示為:

(2)

Pij(2)的計算如下式,可以由Pij得出:

(3)

由上可以得出,若Pij(n)為n階的遷移概率,則由Chapman-Kolmogorov方程式定義如下:

(4)

對于任意0

(5)

Pij(2)的值就是矩陣P和它自身的乘積矩陣P2(P*P)中第i行第j列的元素。類似的,Pij(n)就是矩陣P的n次方的第i行第j列的元素。又Pm+n=Pm*Pn,所以有:

(6)

在上面的模型中,傳感器節點的行為由遷移概率矩陣表示,每個節點的初態由X0表示,這樣我們就可以建立整個無線傳感器網絡能量消耗序列。

假定現在節點在初態i,即X0=i,節點在經過T個時間段后到達狀態s,Pis(t)表示節點當前處在初態I,經歷t個時間段遷移到達狀態S的概率。則節點停留在任意的一個狀態s的時間段數可用下式計算:

(7)

假設BS表示節點在狀態S停留一個時間段所傳輸的數據量,BT表示節點當前處在狀態i,經過T個時間段后到達狀態s所傳輸的數據總量。而節點經過T個時間段到達狀態s 的期望時間段數可由計算出來,于是可以得出BT:

(8)

由計算可以得出每個節點在時間T的數據,總的節點數由下式來計算:

(9)

其中BS表示一個節點在狀態s 停留一個時間段所傳輸的數據量,Ck-i表示它是屬于簇Ck 的第i個傳感器節點,Pis表示從狀態i遷移到狀態s的概率。

綜合上述可知,根據無線傳感器網絡的狀態轉移矩陣和建立Markov模型可以預測節點在T時刻的能量消耗。

2 改進多路徑路由協議

2.1 改進思想

在傳感器網絡中,為了實現網絡負載平衡和提高數據傳輸的可靠性,于是引入了多路徑路由。文獻提出一種多路徑路由機制,通過預先建立和維護一組數據,從而不需要周期性洪泛就能夠得到從數據源節點到匯聚節點的傳輸路徑。其基本思想是:在從數據源節點到匯聚節點之間除了建立一條主路徑之外,還建立多條備份路徑,首先通過主路徑傳送數據來維護數據的有效性,但當主路徑失敗時,就從建立的備用路徑中選擇次優路徑進行數據傳送。但是,這種思想并不適用于WSN的需求,因為由主路由失敗觸發的切換機制所引起的負載不均衡會導致傳感器節點資源消耗的不均衡,從而降低WSN全網的生存期。改進該思想,可以引入能量消耗預測機制,這樣主路徑在預測其將要傳輸失敗前就切換至次優路徑,從而實現WSN多路徑之間的負載均衡。

2.2 實例分析

如在圖2所示的WSN節點拓撲中,節點A為傳感器源節點,匯聚節點sink node是目的節點,在基于預測的多路徑路由機制中,假定路徑A-B-C-D-sink node 為主路徑,其他兩條路徑為次優路徑。其基本步驟為:

1) 在主路徑A-B-C-D-sink node中,每個關鍵節點中都建立了Markov能量消耗預測模型。

2) 主路徑中的關鍵節點從本地檢測網絡流量,建立閾值,如果檢測到即將發生擁塞,或者本節點能量即將耗盡,或者流量超過本節點負載,則給源節點A發送一個消息。

3) 源節點A接收到關鍵節點發送的消息后,就會立即進行路徑切換,選擇一條次優路徑進行數據傳輸。

3 仿真比較分析

3.1 Markov能耗預測模型仿真說明

仿真的主要目的是比較Markov能量消耗感知模型和真實WSN能量消耗的性能,共分為訓練時間比較和預測效果比較兩個方面,采用了J-sim平臺進行比較仿真驗證。J-Sim是一種基于Java的、開放源代碼的、實時進程驅動的網絡仿真平臺。該項目由美國DARPA、NSF、Cisco公司及美國高校項目資助開發。除了支持IP網絡之外,J-Sim還支持多種有線(MPLS、區分服務、綜合服務)和無線網絡(Ad hoc網絡、無線傳感器網絡),能夠對不同網絡層次、不同網絡結構、不同網絡組件進行實時仿真。

具體仿真步驟如下所示:

1) 在真實環境中中進行WSN節點能量消耗采集,采樣流量數據的采集是每隔1秒采集一個數據,采集了88組數據。

2) 在J-Sim中,擴展實現Markov能量消耗模型。

3) 把步驟1)中所采集得到的WSN節點能量消耗數據序列化為矩陣。

4) 利用Markov能量消耗模型模擬WSN節點能量消耗過程。

5) 將仿真結果利用Jsim繪圖工具繪制成圖。

真實無線傳感器網絡節點采用了Medusa II Nodes.其能量消耗參數如表2所示。

3.2 WSN能量消耗仿真結果分析

仿真結果如圖3所示,在時間段(0,12)WSN節點狀態為休眠狀態,能量消耗比較少,在時間段(21,42)WSN節點采集傳感數據,在時刻31秒是能量消耗很大,然后節點在時間段(47,60)進行傳感數據處理,節點能量消耗相對較低,最后在(70,88)節點把傳感數據通過路由協議發送給其他節點,整體能量消耗達到最大點,與真實WSN節點能量消耗過程相比,Markov能量消耗模型能夠準確的預測出節點運行狀態變換,而且在每一個狀態中模擬曲線對實際WSN節點能量消耗具有良好的逼近性能,整體誤差范圍較小,說明基于Markov的WSN能量消耗仿真模型能夠有效的預測現有真實WSN節點的能量消耗過程。

3.3 WSN多路徑仿真

利用J-sim對改進前后的多路徑路由協議進行了性能比較。實驗參數如表3所示。

感知節點每次采樣生成的數據量為4096byte,分別用改進前后的多路徑路由協議機制對數據進行傳送。試驗中對生存節點個數和全網的能耗在每個采樣周期都進行了統計。統計結果如圖4所示。

圖4(a)為改進前后的存活節點的采樣值的統計圖。在前400s內,存活節點的數量均未減少,而在400s之后,改進前的多路徑路由協議的存活節點數迅速下降,在600s內即減少為0,而在改進后的多路徑路由協議機制中,節點的減少速度相對較小,特別在400s-500s之間,與改進前的相比節點的存活數減少趨勢較為平緩,最終在700s處才減少為0。因此改進后的協議可有效地減小WSN存活節點的減少速度。

圖4(b)為改進前后的全網能耗的統計圖。全網的初始功率為200J。基于能量預測的多路徑路由協議在同采樣時刻中的能耗和全網的生存期中,都表現出較改進前的更好的性能。這是因為在改進前的多路徑路由協議中,路徑切換至次優路徑中是在主路徑失敗之后,而在改進后的多路徑路由協議中,路徑的切換是在主路徑即將失敗時實現的,這樣就使得全網的負載在各個路徑中的分配得以有效地平衡。這種機制與固定網中常見的重路由機制相類似,區分WSN中切換的是整條路徑,而在固定網中只是在路由的某一結點處調整網絡流量的物理路徑。

4 結論

綜上分析,本文通過采用Markov過程來模擬WSN節點的運行狀態,從而建立了WSN的節點能量消耗模型,并通過在J-sim網絡仿真平臺將其與一個真實的WSN節點能量消耗進行了對比分析,仿真結果表明本文提出的WSN能量消耗模型能夠有效的表示WSN能量消耗過程,并將能量預測模型引入到WSN多路徑路由機制中,結果表明該機制能夠有效減少WSN能量消耗,提高WSN中的節點存活數量。

參考文獻:

[1] 孫利民,李建中.無線傳感器網絡[M].北京:清華大學出版社,2005,5.

[2] 崔莉,鞠海玲.無線傳感器網絡研究進展[J].計算機研究與發展,2005.42(1):163-174.

[3] Wireless Integrated Network Sensors, University of California, Los Angeles.Available: janet.ucla.edu/WINS.

[4] J.M. Kahn, R.H. Katz,,K.S.J. Pister.Next century challenges: Mobile for smart dust,in Proc. Mobicom,1999:483-492.

[5] Ganesan D., Govindan R.etc Highly-resilient, energy-efficient multipath routing in wireless sensor networks. Mobile Computing Review,2002.1(2):11-25.

[6] Jsim.cs.uga.edu/~jam/jsim/.

[7] Rhee S,Seetharam D,Liu S,et al. I Beans: An Ultra low Power Wireless Sensor Network.Interactive Poster in the Fifth International Conference on Ubiquitous Computing (UBICOMP),October,2003.

[8] A. Wang, S-H. Cho, C.G. Sodini, and A.P. Chandrakasan.Energy-efficient modulation and MAC for asymmetric microsensor systems, in Proc.ISLPED, 2001:106-111.

篇4

中圖分類號：TH166

文獻標志碼：A

文章編號：1005-2615（2015）01-0088-08

隨著社會的發展，節能已成為大勢所趨。企業要想提高競爭力，成本的節約無疑是非常關鍵的一環，能量消耗的減少，一方面有利于減小企業生產成本，另一方面有利于綠色環保。如果能夠僅通過調度優化，在不改變技術、資源等需求的情況下，減少能量消耗，縮短完工時間，對提高企業的競爭力有著非常重要的意義。

在柔性制造提出之后，對工藝規劃與車間調度集成的優化問題研究逐漸增多。高亮等論證了工藝規劃與車間調度集成的必要性，分析了研究現狀及發展趨勢。田穎等對遺傳算法求解工藝規劃與調度集成做了研究。Li等用混合模擬退火與遺傳算法對工藝規劃進行了優化。他們的研究都是只針對單目標（完工時間）進行優化。當前，對于工藝規劃與能量消耗的多目標優化問題研究較少。Liu等在混合流水車間內建立了能量模型，用自適應變異概率的改進遺傳算法分別對能耗和完工時間進行優化，比較了兩種不同優化目標下的能量消耗情況。Zhang等研究了柔性制造系統中的能量消耗與調度問題。Salido等建立了數學模型，分析了能量消耗、魯棒性與完工時問之間的關系，提出了節約能量的3種途徑：發明高效節能的生產機器、在產品設計階段充分考慮節能減排、優化生產調度系統，指出第3種方法是最切實可行的“。Mouzon等建立了多目標數學規劃模型探討調度作業的問題，他們指出關閉一臺非必要的加工機器，節省的能源消耗占總量的相關份額可能會增加80%。Bruzzone等提出了一種基于混合整數規劃的調度算法，在保持原有的固定的工作分配和給定的排序柔性流水作業基上進行能源優化。這些研究都已經開始具備了能量節約因素，但是沒有同時進行能量與完工時間的多目標優化。何彥等建立了能量優化與完工時間的雙目標優化模型，用禁忌搜索算法對問題進行了求解。但足，他們的雙目標模型中，每個工件只有一個工序，且可以在任意一臺機器上加工，沒有考慮工藝規劃的因素。

本文在此基礎上建立了工藝規劃與車間調度的能量優化模型，采用一種基于模擬退火與遺傳算法的混合算法，使用新的交叉方法，配合模擬退火及同火，求解完工時間與能量消耗的多目標優化，通過設置權重系數，使企業可以自由調節優化目標的傾向，以完工時間或是能量消耗為主，或者同時雙目標優化。實驗結果證明了方法的有效性。

l 問題描述

1.1 工藝規劃與車間調度的數學模型

傳統的車間調度中每個工件只有一條工藝路線，不能滿足現代日益發展的柔性制造要求。在生產實際巾，每個工件可能有幾種工藝路線，而每條工藝路線的工序又各不一樣。把工藝路線的選擇與車間調度同時進行優化，有利于縮短完工時間或達到其他優化目標，從而提高企業競爭力。為了建立數學模型，作如下假設：（1）每臺機器一次只能進行一個工序的加工；（2）每臺機器從空閑狀態到加工狀態的準備時間為O；（3）每個工件同時只能被一臺設備加工；（4）每臺機器從開機到該機器所有的加工任務完成，中間不關機；（5）每個工序的加工從開始到結束不允許被中斷。

1.2 能量模型

根據假設，每臺機器從任務開始，到本機器所有加工任務完成，一直在運轉。在實際生產中，機器的切削能耗占總能耗的比例不大，為了方便建立，數學模型，采用空轉功率來計算機器運轉淌耗的能量。作如下符號定義：

PAi：機器i運轉平均功率，即單位時平均消耗能量。

EAi：機器i運轉消耗能量。

EA：所有機器運轉消耗能量總和。

2 算法設計

本文提出的混合調度算法主要由遺傳編碼、遺傳操作、模擬退火、模擬回火等模塊組成，算法以迭代次數為收斂依據。在算法中，染色體采用分層編碼的方式，遺傳算法的變異模塊用模擬退火代替，同時引入回火機制，既保留了遺傳算法的尋優性，義具備模擬退火的突變性。算法流程如圖1所示，設置回火代數為20。

算法步驟如下：

（1）基本參數輸入，Jm，T，包含詳細的工藝路線、加工機器、加工時間等信息；

（2）進行遺傳算法操作，初始化種群；

（3）計算適應度值，判斷是否滿足迭代次數，否則繼續；

（4）進行復制交叉、模擬退火、回火操作，產生新的種群，轉步驟3；

（5）結束。

2.1 染色體編碼及種群初始化

用遺傳算法解決優化問題，對染色體的編碼設計非常重要.既要包括工藝規劃和車間調度的全部信息，又要有利于交叉變異。本文采用分層編碼的方式，第一層為工藝選擇，碼長為工件個數，每個基因的值表示該序號工件選擇的工藝路線序號；第二層編碼為工序排列。碼長為各工件機器矩陣t，，的列數和。以6工件為例，如第一層編碼表示為3―2 2 1 3 3，表示1號工件采用第3條工藝路線，2號工件采用第2條工藝路線，3號工件采用第2條工藝路線。第二層編碼：3-2-3-1-5-4-3-4-2-1-6-3-6-2-4-1-3-6-3-5-2-1-3-5.該層編碼有7個3表示3號工件的7道工序，4個1表示1號工件的4道工序。結合第一層工藝編碼，該染色體表示的加工順序為N312N221N322N131N53lN411N323N412N222N132N631N324N632N223N413N133N325N633N326N532N224N134N327N533，其中，Nijk表示工件i的第j條工藝路線的第k道工序。這種編碼的好處是每個個體的長度是一樣的，有利于后續的交叉變異操作，而且交叉中不需要考慮各工件的加工工序約束關系。

2.2 適應度函數

在實際生產中，有時候交貨期緊張，這個時候就需要完工時間最短，有時候交貨期比較松，就可以能量消耗最少為目標。根據這一實際情況，對節能和完工時間的綜合采用加權多目標綜合方法，設置一個權重系數W來控制目標函數的傾向。由于能量和完工時間量綱的差異，且數值相差較大，不具有可比性，在加權之前需要對能耗和完工時間值作適當的處理，受啟發，本文對兩個目標進行去量綱處理。先對兩個目標單獨進行10次優化，取優化過程中出現的最大值Makespan（max），EA（max），最小值Makespan（min），EA（min）。去量綱后的目標函數可表示為

2.3 交叉

交叉是遺傳算法進行尋優的重要環節。由于本文采取分層編碼的方式，所以交叉也進行分層交叉。

在父代種群Chroml中隨機選取兩個染色體P1和P2作為父代，滿叉概率后，進行分層交叉，如圖2所示。工藝部分：分別從P1和P2中取出染色體的工藝部分P11和P21，進行普通的單點交叉，得到O11和021作為子代的工藝部分。工序部分：先取出父代染色體的工序部分P12和P22。根據工件個數n.將n的隨機系列隨機分為兩塊A和B，A中含有工件的數為（0.3-0.5）×N個，這樣既能維持交叉產生新個體的多樣性，又能充分繼承父代的優良特性。以6工件為例，假設A=（2，5.6），B=（l，3，4），令Ol2 =P12，O22=P22，將O12中B工件位置置O，將P22中B工件依次填人O12中O的位置。同理，將022中A工件位置置0，將P12中A工件依次填入022中O的位置。將O11和012組合得到子代01，將021和組合得到子代02。將01和02放入子代種群Chrom2中。

對父代種群Chroml以及概率交叉后得到予種群Chrom2采取精英保留策略.即對Chroml和Chrom2進行全排列，取出較優的一半染色體組成新的種群Chrom，這樣做的好處是既能得到交叉后的染色體的多樣性，義不破壞父代種群中的優良個體。

2.4 變異

為了改善遺傳算法容易陷入局部最優的缺點，本文采用模擬退火算法代替遺傳算法中的變異模塊，步驟如下：

（1）給定初始溫度t0，在種群中隨機取一個染色體，汁算目標值F。

（2）對染色體進行變異操作。工藝部分：隨機取一個工件位置，隨機取該工件的另一條工藝路線代替當前工藝路線。若當前工件只有一條工藝路線，則另取一個工件。工序部分：隨機將兩個基因值不同的工序位置進行交換，得到新的染色體，計算目標值F'，即F'-F=df，若dfO，即新染色體劣于原染色體，則概率接受新染色體。接受概率為cxp（-df/t）。

（3）更新溫度t=t×q，q為降溫系數。

2.5 回火機制

回火，就是連續多代小更新最優解時，人為地增加溫度t的值，從而增大突變慨率。在算法運行的每一代中，以tempF記錄、當前最優解，tempt記錄當前溫度，如果新種群最優解優于tempF，則更新tempF和tempt。本文設置回火代數為20，當連續20代不更新tempF時，令t=tempt，提高t的值，也就是提高突變慨牢。

3 算法仿真

目標函數值為0. 042 843。可以看出，不管是完工時間還是能量消耗，都不是單目標優化的最優值，但是目標函數最優。

（3）當w=0時，此時完工時間對目標函數值沒有影響，相當于單一的能量優化。如圖6所示，目標函數與能量消耗的變化曲線一致。最終的能量消耗值為617. 53，完工時間為37。由圖7所示甘特圖可以看出，在以能量消耗為單一目標優化的情況下，機器10由于能耗較大，并沒有參與工作。

由圖3可知，單純的從車間調度與工藝規劃的角度來看，本文的優化結果Makespan一27，優于的結果28，證明了本算法的可行性。圖6中的能量消耗為617. 53，與圖3中單一的完工時間優化所耗能量為796相比，能量的節約達到22. 5%。由以上結果可以看出，在權重系數W取值不同的結果下，目標函數的優化結果都不一樣，企業在實際生產過程中，可以根據需求設置權重系數，在不影響交貨期的情況下，最大限度地減少能量消耗。

4 實際案例

某車間需生產10個工件，每個工件有不同的工藝路線，共有加工設備10臺，各設備在運轉時所消耗的平均功率PU=[2.9，1.O，0.8，0.75，0.7，0. 65，0.95，1.7，0. 85，1.6] kW。加工數據如表l所示。

優化算法的參數設置和第3節一樣，權重系數w=0：0.1：1.O，共11組，每組運行 20次，優化結果的完工時間和能量消耗各自取平均值。結果如表2所示。

篇5

 

現代社會不斷進步，科學技術不斷發展，人們的生活水平也在不斷提高。由此而帶來的一系列問題也越來越明顯，肥胖就是其中之一。肥胖是指身體內脂肪積累過多。肥胖的主要原因是熱能不平衡，即營養過度，熱能攝入量過剩，長期缺乏運動使新陳代謝逐漸降低，內分泌失調，影響脂肪代謝。由于身體活動量減小，熱能的需求量也將減少，從而使多余的熱量就以脂肪的形式貯存在體內，使體重、體脂超出正常水平，給人類的生活工作帶來諸多的不便，而且影響到人類的健康。肥胖可引起人體機能的一系列變化，使人體的工作能力降低，甚至顯著縮短壽命。對于成年人，肥胖是損害健康的先兆,肥胖時由于過量的脂肪在體內堆積，增加了身體負擔，過多的脂肪需大量的血液來供應，加重了身體心血管系統負擔。肥胖者在同等情況下,氧消耗較正常人高34%-40%，嚴重肥胖者對疾病的抵抗力下降。肥胖者動作遲緩，易疲勞，常有腰、背、腿疼，不能耐受高溫，同時肥胖影響體型美觀。論文格式。

隨著現代社會的發展，生活水平不斷的提高，肥胖癥有逐年增加的趨勢。近年來社會上出現了多種減肥方法：藥物減肥、手術減肥、節食減肥、運動減肥等。減肥方法雖多，但如果應用不當，不僅達不到減肥的目的，還會引起一定的副作用及危險。運動減肥簡便易行，效果最好。

研究報導，力量訓練也是運動減肥的一種方式，力量訓練能夠幫助提高新陳代謝，減少脂肪，對減肥有明顯的效果，同時可以改善機體的功能,提高機體的免疫功能。中低強度的力量訓練是以脂肪供能為主，在運動中可以消耗大量的脂肪。大強度力量訓練后的24h恢復期由于基礎代謝率的加強,需要消耗更多的能量促進機體恢復,這時以脂肪供能為主。論文格式。因此，從某種意義上相對于中低強度力量訓練來說，大強度力量訓練可以消耗更多的身體脂肪。最新的研究表明，足夠強度的力量訓練，能使訓練者在訓練結束后也保持較高的代謝水平。但另有研究提出，力量訓練會給機體帶來不必要的傷害，不提倡力量訓練減肥。多數實驗研究樣本為正常人群，肥胖群體作為特殊人群有其不同于正常人群的解剖生理結構，那么，力量訓練能否對肥胖人群運動減肥起到積極的效果正是本文的論點。

力量訓練是人體在運動中抵抗阻力的能力的訓練。各項運動都非常重視力量的訓練，提高力量素質就是要發育肌肉并提高神經調節機能。其原因在于：力量來自于肌肉的收縮，肌肉的粗壯必然導致肌力的增加。而神經調節使應該用力的肌肉協調集中的收縮，對抗的肌肉高度放松。

力量訓練能夠幫助提高新陳代謝，減少脂肪，對減肥有明顯的效果，同時可以改善機體的功能,提高機體的免疫功能。力量訓練能夠控制機體運動時的交感神經分泌腎上腺素增加，刺激機體運動后的能量代謝增加，促進減肥效果。

力量訓練會促進身體肌肉和骨骼的增加，即使已停止鍛煉，能量消耗還會繼續，以便身體生成新的肌肉組織。通過力量訓練，身體已經變成一個消耗熱量和脂肪的高效能機器，如果你是想要減少脂肪、以達到健美的目標。中低強度的力量訓練是以脂肪供能為主，在運動中可以消耗大量的脂肪。大強度力量訓練后的24h恢復期由于基礎代謝率的提高，需要消耗更多的能量促進機體恢復，這時以脂肪供能為主。

最新的研究表明，足夠強度的力量訓練，能使訓練者在訓練結束后也保持較高的代謝水平。運動后過量能耗的增加必須達到一定的閾值強度才能有效果，低強度有氧運動還不能產生這種效果，中強度和大強度運動可以刺激機體運動后的能量消耗。在一定時間內，中低強度運動在運動后只能額外消耗少量的熱量，大強度運動可以額外消耗更多能量。大強度力量訓練導致機體瘦體重增加，肌肉能有效的消耗脂肪。實驗發現，大小兩種不同運動強度運動后，最大有氧能力都增加，低強度力量訓練組肌糖原降解酶活性下降，而高強度力量訓練組糖原降解酶活性增加，促進脂肪β氧化增加。得出結論認為高強度力量訓練更易導致機體能量負平衡而達到減肥效果，并且認為大強度運動有利于促進機體骨骼肌對脂肪的氧化。

人們經常會認為運動后能量消耗增多，食欲會增強，食物攝取也會增加，能量過多的攝取足以抵消運動中的能量消耗而致運動減肥沒有效果。但實際上大量研究文獻表明，運動并不一定會導致食欲增強，運動對食欲的研究結果非常復雜。運動強度是影響運動后食欲的因素之一，而且運動中能量和身體脂肪的消耗在短時間內是不會導致能量攝取增加而抵消，雖然從長遠來說，運動最終會導致食物攝取增加而達到能量平衡以維持身體正常體重。力量訓練后消耗能量導致能量缺失，但不會在短時間(至少1小時)內導致食欲增加、攝食增多而完全補足運動中所消耗的能量；相反，一定強度的力量訓練后，食欲會在短時間內下降，造成“運動性厭食”，但這種厭食行為只會持續一段較短時間，在這段時間過后，如果停止任何運動，往往食欲增加，攝食增多，逐步補充運動所消耗的能量達到能量平衡以維持自身體重。如果堅持長期力量訓練，由于食欲抑制而導致的能量攝入減少，會造成身體能量負平衡，對超重和肥胖者控制體重有較好效果。

運動減肥消耗總能量，除了考慮運動中的能量消耗外，還要考慮運動后的能量消耗。對于減脂肪來說，運動中和運動后總能量消耗比單純運動中的能量消耗更重要。中低強度力量訓練可以持續較長時間，是以脂肪供能為主，在運動中可以消耗大量的脂肪，大強度力量訓練雖然不能堅持太長時間，但是訓練后的24h恢復期由于基礎代謝率的增強，需要消耗更多的能量促進身體恢復，這時也以脂肪供能為主。不論中低強度力量訓練，還是大強度力量訓練，都能消耗大量能量。

篇6

中圖分類號TM4 文獻標識碼A 文章編號 1674-6708（2012）64-0189-02

無線傳感器網絡中的大量監測數據需經過合理處理，才可滿足不同用戶的查詢需求。但該網絡數據的高效查詢受到網絡自身的限制，其中節點能量是制約其發展的核心因素。為有效降低網絡節點的能耗，本文研究了兩種算法。

1 基于時間范圍查詢的優化算法

傳感器網絡對環境的感應，很多時候要求得到查詢時間范圍內感應對象的屬性變化趨勢。若傳感器節點上有大量重復數據查詢并向基站發送時，可通過擬訂新的查詢表，將這些查詢合并，使大量重復數據一次性發送，減少了節點能量的消耗。該算法充分利用基站強大的計算能力、足夠的存儲及充足的能量等特點，以求減少節點的通信能量消耗，延長傳感器網絡的壽命,如流程圖1所示。該算法只考慮了時間范圍條件下單用戶查詢的優化，同時在能量消耗上只考慮了發送能量的消耗。

合并查詢發送能聊消耗為,優化合并后發送能量消耗為,則能量消耗節省量為,其中，ΔE為能量節省量，t為查詢時間范圍，T為查詢采樣周期，f(a)為合并分解次數，a為一次感應屬性數據量，A為一次感應總數據量， Es為位能量發送消耗能量。

2 查詢類型的歸納并引入的算法

文獻[3]給出了一種基于where條件的多查詢合并算法，實際上查詢中節點上固有屬性也可以進行合并。另外文獻[3]中給出的查詢滿足概率是基于屬性能夠選擇的最大范圍，而實際上，幾乎沒有節點在實際工作時能夠取得感應的最大范圍。針對這兩點，本文研究了以下算法。本算法是利用基站存儲的節點歷史信息，以最小化查詢消耗能量為目標，提出一種基于預測查詢滿足概率的多查詢合并算法，以達到能量消耗最小的目的。

以下給出多查詢能量消耗模型。假設節點發送一個數據包消耗能量為E，接收一個數據包消耗能量為E。一個節點是否發送數據包，與節點采集的數據是否滿足查詢的概率P有關。每次采樣相互獨立，因此n次采樣滿足查詢條件的次數為n×p，每個數據包需要d次轉發到基站，一個時間間隔為t的查詢單位時間內單個節點發送數據消耗的能量為，接收數據消耗的能量為（此處不考慮最后基站接收數據消耗的能量）。則整個網絡的所有節點消耗的能量為，其中，Esi為第i個節點發送一個數據包消耗的能量，Eri為第i個節點接收一個數據包消耗的能量，Pi為第i個節點滿足查詢條件的概率，為無線傳感器網絡節點數，di為節點深度（對應發送次數），t為采樣周期。

上面各參數中，節點深度di可以根據網絡路由計算得到，采樣周期可以根據查詢需求或網絡采樣周期得到。下面給出查詢滿足概率計算方法。假設某查詢屬性A的搜索條件為x

在實際的無線傳感器網絡中，不是每個節點都能感應到屬性值A的最大范圍。本文利用基站的計算和存儲能力，將節點歷史感應并發送到基站的數據匯總起來得到每個節點感應到的最大值Amax和最小值Amin。由于最大值Amax和最小值Amin是已知能夠觀測到的屬性范圍，而未來觀測到的屬性范圍，而未來觀測到的屬性范圍可能在最大值Amax和最小值Amin之間，也可能在其范圍之外，此處用參數ΔA來修正觀測到的最大值Amax和最小值Amin。則節點取值范圍為[Amin-ΔA，Amax+ΔA]。

節點i的滿足查詢條件概率為：

其中，y為查詢上限，x為查詢下限，pi為在以[x,y]為查詢條件下節點i查詢滿足概率，Aimax為節點i歷史查詢出現的屬性A的最大值，Aimin為節點i歷史查詢出現的屬性A的最小值，ΔiA為節點i屬性A歷史最大值最小值變化修正值，ΔiA可以用屬性A歷史出現的數據標準差得到。

對兩個查詢要判斷是否進行合并，可以根據上面的公式分別計算兩個查詢消耗的能量；。根據表1合并規則合并查詢，預測合并后查詢消耗的能量Enew。

若Enew>E1+E2兩查詢不進行合并，反之進行合并。

若n個查詢需判斷是否進行合并，需輪流判斷可以合并的查詢，最后將合并后的查詢列表發送到傳感器網絡再查詢。

該多查詢合并算法與文獻[3]提出的算法相比更好地利用了基站能量充足、計算能力強的特點，隨著查詢時間的持續，能夠大量減少查詢數量，降低無線傳感器網絡查詢傳輸的數據量，減少網絡節點的能量消耗，從而大大增加無線傳感器網絡的壽命。由于存在查詢合并，本算法的時效性有所欠缺，更加適合對實效要求不是太高的環境。

參考文獻

篇7

［ABSTRACT］ Objective To investigate the characteristics of rest energy expenditure （REE） of patients with gastric cancer during perioperative period. Methods Forty-six gastric cancer patients were enrolled randomly as study objects and 25 healthy volunteers served as controls. REE was measured by indirect calorimetry in the patients before and on day 1 after surgery and in the controls. Body composition was measured by dual-energy X-ray absorptiometry （DEXA） and nutrition was evaluated by mini-nutritional assessment （MNA）. Results REE in the patients of both sex was lower than that of the control （t=2.359， 2.236;P

［KEY WORDS］Stomach neoplasms; Resting energy expenditure; Body composition; Nutritional evaluation

能量代謝是指生物體內營養物質（主要指糖類、脂肪、蛋白質）在代謝過程中所伴隨的能量產生和利用過程。靜息能量消耗量（REE）即機體禁食2 h以上、平臥休息30 min后的能量消耗，約占總能量消耗的65%～70%。由于REE測定方便、實用，且能夠較好地反映機體每天的總能量消耗，故為臨床上研究人體代謝消耗的常用指標。腫瘤是不受機體生理調節的新生物，由于腫瘤生長以及由此產生的機體代謝變化，使得腫瘤病人的能量代謝具有特殊性。本研究旨在觀察胃癌病人圍手術期REE特點，探討胃癌病人REE改變的原因，從而更好地指導病人進行營養支持。

1 對象和方法

1.1 研究對象

選擇入住我科的46例胃癌病人為研究對象，其中男39例，女7例，年齡36～81歲，平均61.8歲。以25例健康志愿者作為對照組，其中男15例，女10例，年齡46～73歲，平均59.8歲。入選者均無肝、腎、內分泌、自身免疫性、骨骼系統疾病，無感染、發熱，測試前未進行腸內外營養。

1.2 研究方法

入院時通過詢問病史、常規體格檢查、實驗室及輔助檢查等多種途徑，明確術前診斷及一般狀況，記錄飲食情況。根據簡易營養評價法（MNA）將胃癌病人分為3組:營養不良組（MNA 評分＜17分）、營養不良危險組（17分≤MNA評分＜24分）、營養良好組（MNA評分≥24分）。病人入院當天利用美國MedGraphics公司生產的間接測熱儀（代謝車）采用咬口法測定REE。測定時，代謝車需要先開機預熱30 min，再采用標準氣體校正，至定標通過。室溫20～25 ℃。病人于測試前禁食 2 h以上，安靜平臥半小時后，接受測試，連續測定10 min以上。機體REE按Weir公式計算:REE=（3.9VO2+1.1VCO2）×1 440，式中VO2表示氧耗量（L/min），VCO2表示二氧化碳產生量（L/min）。能量消耗預測公式為Harris-Benedict公式。病人入院后第2天行人體組成測定，采用美國LUNAR公司生產的DPX-NT雙能量X線吸收儀測量全身體成分。測定時要求研究對象只穿貼身衣褲，摘下任何含金屬的物件。采用儀器上的全身掃描模式進行掃描，分別給出各區域的脂肪、瘦體、骨礦鹽含量及脂肪百分比；脂肪、瘦體、骨礦鹽相加等于全身質量。術后第1天停止輸液4 h安靜平臥半小時后依前法測量術后REE， 根據日本胃癌學會1999年6月修訂的第13版胃癌處理規約行PTNM分期。對照組記錄性別、年齡和體質量，并按上法測量REE。

1.3 統計學處理

采用SPSS 13.0及PPMS 1.5軟件［1］進行統計分析。計量資料數據均以x±s表示，兩獨立樣本比較采用t檢驗，配對資料比較采用配對t檢驗，多組間比較用方差分析及兩兩比較q檢驗， REE與人體組成各指標間行簡單相關分析。

2 結 果

2.1 胃癌病人術前REE與正常人比較

胃癌病人術前REE較對照組低（t=2.359、2.236，P

2.2 不同營養狀態男性胃癌病人術前REE比較

營養良好者REE明顯高于營養不良危險和營養不良者（F=6.493，q=4.673、5.921，P

2.3 飲食未受影響及飲食受疾病影響的男性病人REE的比較

飲食未受影響組瘦體為（48.927±6.645）kg，REE為（5.998±1.411）kJ/d，飲食受影響組瘦體為（44.087±5.390）kg，REE為（4.649±1.348）kJ/d，兩組比較有明顯差異（t=2.354、2.943，P

2.4 不同病理分期的胃癌病人REE比較

不同病理分期的男性胃癌病人REE比較未見明顯差異（P＞0.05），見表4。女性病人由于例數較少未行分析。表4 不同病理分期的男性胃癌病人REE比較（略）

2.5 手術前后REE比較

手術后第1天REE為（6.199±0.798）kJ，呼吸商為0.798±0.067，而術前REE為（5.351±1.453）kJ/d，呼吸商為0.836±0.040。手術前后比較有明顯差異（t=2.496、2.415，P

2.6 REE與年齡及人體組成的相關性

REE與年齡呈負相關（r=-0.340，P

3 討論

許多學者曾經認為，惡性腫瘤病人的能量消耗高于正常人群或良性腫瘤病人［2，3］。但近年來眾多相關研究卻發現，腫瘤病人的能量代謝值并不一定高于正常人群，甚至有病人表現為低代謝［4］。本文結果顯示，胃癌病人REE并沒有升高，而是有所下降。這是因為影響靜息能量代謝的因素很多，除了性別、年齡之外，個體體質量是決定REE大小的最重要因素，而個體體質量可以通過雙能量X線吸收儀分解為脂肪、瘦體和骨礦鹽。本研究結果顯示，脂肪和骨礦鹽與REE無明顯相關，瘦體是三種人體成分中影響REE的惟一因素，而有研究表明胃癌病人的瘦體量較正常人減少［5］，因此瘦體含量的減少可能是胃癌病人REE下降的關鍵因素。其次，REE降低的原因也可能與腫瘤細胞能量代謝的特點有關，雖然腫瘤細胞代謝旺盛，但是產能并不一定多，因為腫瘤細胞多以無氧代謝為主，甚至出現酵解抑制氧化的Crabtree效應［6］。另外，人體對機體內外環境的變化都有一定的代償適應能力，能量消耗下降是人體在攝入不足、體質量下降時的一種代償性反應［7］。REE降低這一結果也提示胃癌病人體質量的下降可能與營養的攝入、吸收和利用減少更為密切相關，而不像甲狀腺功能亢進癥病人體質量下降原因以代謝亢進為主。

轉貼于 MNA 法是GUIGOZ等［8］為完善對老年人營養評估而研究出的一種簡便而快速的方法，這種方法的靈敏度為96%，特異度為98%，預測價值為97%［9］。本研究根據MNA 法將男性胃癌病人分為3組，發現不同營養狀態的胃癌病人其瘦體含量、REE具有明顯差異，而每千克瘦體的REE在3組之間未見有明顯不同，進一步提示瘦體含量的減少是引起胃癌病人REE下降的原因。將3組病人的術前REE分別與男性對照組比較，發現營養良好的病人其REE并無改變，有所下降的是營養不良危險病人和營養不良的病人。因此，從營養狀態的角度講，胃癌病人REE之所以較健康人下降，是因為營養不良的發生率較正常人高。另外，胃癌病人常有飲食差，尤以出現幽門梗阻者明顯，本研究根據病人飲食情況將男性胃癌病人分為飲食未受影響組和飲食受影響組，發現前者的瘦體、REE明顯高于后者，每千克瘦體的REE雖然相差較大，但無統計意義。因此從營養攝入的角度看，營養物質攝入的減少是胃癌病人REE下降的一個因素。綜合以上實驗結果，胃癌病人攝入不足、腫瘤消耗等因素導致其在臨床上表現出營養不良，在人體組成上表現為瘦體含量下降，而在能量代謝上則表現為REE減少。腫瘤分期與腫瘤細胞的生物學特點、腫瘤的分化程度等眾多因素有關，許多惡性程度高的腫瘤病人常尚未表現出明顯的營養不良、瘦體減少就已發生遠處轉移，這可能是不同腫瘤分期病人REE未發現明顯不同的原因之一。

手術、創傷和感染等應激反應常使機體代謝率升高，并且隨著應激程度的不同代謝率升高的幅度也不同。近年的研究表明，擇期手術病人應激狀態下代謝率增高幅度比以往想像的要小得多，甚至有人發現中等大小的手術對機體的REE并無明顯影響［10］。本實驗也顯示，術后REE高于術前REE，但增高幅度并不大，因此術后給予營養支持時應注意營養物質的量，過多的營養物質可能會加重各器官的負擔。術后病人的呼吸商較術前明顯低，提示術后營養物質的利用與術前不同，糖的利用下降，而脂肪利用增多，這可能與體內代謝紊亂尤其是與應激引起的胰島素抵抗有關，所以術后營養支持時各種營養物質的比例要合適，從而達到更好的治療效果。

能量消耗下降是人體在攝入不足、體質量下降時的一種代償性反應，胃癌病人術前REE偏低，并不意味著其需要的營養物質較少，相反，此類病人尤其是營養不良者仍需要給予足夠的能量才能夠改善營養狀態。而對于術后的病人，臨床工作者在根據代謝車測定結果給予代謝支持的同時也應該發現，術后病人體內代謝紊亂明顯，如何采取措施將體內紊亂的代謝狀況轉為正常，從而變代謝支持為代謝調理是今后面臨的一個重要問題。

【參考文獻】

1］周曉彬，紀新強，徐莉. 醫用統計學軟件PPMS 1.5的組成和應用特點［J］. 齊魯醫學雜志， 2009，24（1）:29-32.

［2］HYLTANDER A， DROTT C， KORNER U， et al. Elevated energy expenditure in cancer patients with solid tumors［J］. Eur J Cancer， 1991，27（1）:9-15.

［3］CHEN W J， CHUNG Y C. Energy expenditure in patients with hepatocellular carcinoma［J］. Cancer， 1994，73（3）:590-595.

［4］吳國豪，吳肇漢，吳肇光. 癌癥病人機體能量消耗測定［J］. 腫瘤， 1997，17（6）：455-457.

［5］張彩坤，周巖冰，陳棟. 胃癌病人人體組分變化的研究［J］. 青島大學醫學院學報， 2007，43（3）：267-268.

［6］朱世能. 腫瘤基礎理論［M］. 第2版.上海：復旦大學出版社，2001：110-130.

［7］BARENDREGT K， SOETERS P B， ALLISON S P. 臨床營養基礎［M］. 上海：復旦大學出版社， 2002:2-10.

篇8

中圖分類號:TP393文獻標識碼:A文章編號:1009-3044(2010)01-34-03

A Novel Routing Algorithm Based on Ant Colony optimization for Wireless Sensor Networks

HAO Xiao-qing

(School of Computer Science, Chengdu University of Electronic Science and Technology,Chengdu 610054,China)

Abstract: In this paper, we introduce a novel routing algorithm which is based on Ant Colony System. The aim of this novel algorithm is to solve the problem of energy and congestion control on wireless sensor network routing process. This algorithm is able to achieve better load balance and prolong the network lifetime. In this new algorithm we combine the pheromone released by multi-ant colonies and residual energy. We also introduce the competition mechanism among multi-ant colonies to avoid the simplex convergence. The new algorithm controls the network traffic congestion effectively and balances the energy consumption for sensor networks. Simulation results demonstrate that this algorithm has better performance on load balance comparing with fundamental ant colony algorithm.

Key words: wireless sensor networks; ant colony system; pheromone; routing algorithm

無線傳感器網絡[1]是近幾年新興的信息獲取平臺,具有快速展開、抗毀性強等特點,有著廣闊的應用前景。路由算法的作用是初始化并維護包含路徑信息的路由表。路由算法可分為單播、多播以及廣播路由算法,它應該具有簡單性、可擴展性、節能性和魯棒性。另外,針對節點故障和網絡拓撲變化還應該具有自重構性。

蟻群算法是一種群體智能算法,最初用于解決組合優化問題中的旅行商問題、二次分配等問題,并取得了較好的效果。蟻群算法具有分布式并行計算、自組織、正反饋的特點,且有較強的魯棒性。由于無線傳感器網絡自身的特點,傳統網絡的路由協議不能很好地適用于無線傳感器網絡。許多學者都在集中研究開發基于蟻群算法的無線傳感器網絡路由算法[2-4]。我們在本文中提出一種改進的基于蟻群優化的路由算法,該算法避免了基本蟻群算法中的單一收斂,在控制網絡擁塞和平衡能量消耗上也達到了很好的效果,延長了網絡生命周期,實現無線傳感器網絡的路由優化目標。

1 基于蟻群優化的路由原理

1.1 蟻群算法原理

蟻群算法[5]是一種啟發式算法,螞蟻借助他們在通過了的路徑上留下的信息素彼此通信。每個螞蟻可以嗅到其它螞蟻留下的信息素并通過信息素引導自己的移動方向,但信息素會隨著時間的流逝而揮發。因此,路徑的長度和經過這條道路徑的螞蟻個數會影響信息素的濃度。另一方面,信息素的濃度將引導蟻群中其他螞蟻的移動方向,如果有很多螞蟻經過這條道路徑,那么其它的螞蟻選擇這條路徑的概率將會很高。這在蟻群系統中構成了一種信息素正向反饋機制。

近幾年,生物啟發算法已被廣泛地應用到網絡路由問題上,基于蟻群優化的路由算法對最大化網絡生命周期有顯著貢獻。基于蟻群算法的路由算法一般分為兩大類。一是Ant-Net算法,即通過正向螞蟻和逆向螞蟻的協作來取得最優路由,正向螞蟻收集節點信息而由逆向螞蟻根據這些信息來更新路由表。另外一種是蟻群控制算法, 它以特殊的概率選擇和更新路徑。該算法只有一種螞蟻,從源點出發到終點。當螞蟻抵達終點時更新路由表。兩種算法在網絡變化中都具有較強的自適應性,并能迅速的建立最優路徑。但是當他們更新路由表時有兩個缺點:一個是節點癱瘓,這是由于網絡延遲,節點能量消耗過快引起的。另一個是因廣播通信中更多的螞蟻需要協同工作而消耗過多的能量。

為了達到結果最優和適應無線傳感網絡,在文獻[6]中,提出了均衡節點的能量消耗的蟻群算法路由協議,他們利用螞蟻算法建立最優路由路徑。文獻[7]中作者提出了基于蟻群系統的網絡能量平衡路由算法。文獻[8]實現了多蟻群路由算法。

1.2 基本蟻群路由算法

我們將無線傳感器網絡的拓撲結構模擬成一個無向圖G(N,A),N是節點集,A是路徑集。在初始化過程中,圖中所有的路徑都被給定一個信息素值。當搜索活動開始,螞蟻會隨機的在候選的節點集中選擇一個并開始搜尋過程中。在這個搜尋過程中,螞蟻傾向于選擇具有較高濃度的信息素路徑的下一個節點。當所有的螞蟻都完成了他們的搜尋過程,更新全局信息素。這意味著所有路徑上信息素會蒸發掉一部分,每一個螞蟻根據能量消耗參數更新它通過的路徑上的信息素。如果能量消耗參數低,這條路徑上的信息素減少的就會很少。隨后螞蟻會選擇一個新的節點重新開始搜索過程。

我們假設一些螞蟻在節點n,螞蟻k根據概率Pk(n,d)訪問下一個節點d。Pk(n,d)公式如下:

在公式(1)中,Ω代表信息素大小,Γ代表從源點到目的地的距離的倒數,Xk(n)表示螞蟻還沒有訪問過的節點集,ε是調整能量消耗和信息素之間關系的一個常數。全局信息素的更新根據公式(2):

ΔΩk(n,d)由公式(3)表示:

這里,Ek是螞蟻k完成路由路徑搜索的能量消耗。

從上面的描述我們可以知道,所有的螞蟻通過具有最高信息素的路徑到達目的地。因此,如果一條路徑可以引導螞蟻到達目的地,這條路會涌現大量的螞蟻,最后我們會把這個路徑作為熱路徑。在無線傳感器網絡中,這種熱路徑并不一定是一個用來轉發數據包的最佳選擇。因為在這個路徑上數據包可能會擁塞、甚至導致部分網絡崩潰的結果。而且熱路徑會縮短網絡的生命周期。

2 基于蟻群優化的無線傳感網絡路由算法

為了達到平衡負載這個目的,我們不得不改進基本的蟻群算法。新算法能讓數據包通過不同的路由路徑來轉發,收斂速度更快,避免了單一收斂。在新方法中,我們將標記不同的數據包流使他們通過不同的通道轉發。為此我們引進多蟻群之間的競爭機制,結合節點能量的變化來達到負載均衡的目標。因為每一個蟻群都有他們自己的信息素,我們將每個蟻群標記不同的信息素以作為他們的蟻群劃分。一旦不同的信息素出現在同一轉發路徑上時,所有的信息素會被迅速蒸發掉。這意味著, 不同的蟻群的信息素相互抑制。因此,這就導致了這個轉發路徑上螞蟻的數量將會越來越少。

我們定義m個螞蟻的蟻群為A1,A2,…,Am-1,Am,每個螞蟻的信息素為Ω1,Ω2,…,Ωm-1,Ωm。螞蟻Ai停留在節點n,根據概率Pik(n,d),螞蟻Ai將訪問下一個節點d。

這里Ω代表每條路徑上信息素的量,Γ代表從源點到目的地的距離的倒數,Xik(n)表示螞群Ai中螞蟻k沒有訪問過的節點集,ε是調整能量消耗和信息素之間關系的一個常數,值設置為2。φi,d是蟻群Ai中螞蟻k的信息素能量操作因子:

Ed表示蟻群Ai中螞蟻k將要訪問的下一個節點的能量消耗,Uk(n)表示蟻群Ai中螞蟻k將要訪問的下一個節點集合。

公式(4)中,?諄j是當蟻群Ai和其他蟻群有相同推進方向時候的抑制概率因子:

公式(6)表明在搜索傳輸路徑過程中,如果兩個蟻群Ai和Aj在同一路徑上,這兩個蟻群會相互抑制,最后導致這個路徑上的兩種蟻群的螞蟻數目都減少。然而,這種數據流平衡不能使網絡快速的穩定。在任何一個蟻群系統中,當選擇一個路徑的概率發生了變化,選擇另一個相關路徑作為下一個路徑的概率也將更新。所以更新概率應該要滿足下式:

在公式(7)中,我們以節點n作為源節點,并且所有的候選轉發節點都有他們自己的轉發概率,概率和為1。因此,在調整一個轉發節點概率后,所有轉發節點的概率都需要重新計算,也就是要動態的調整概率。

從公式(4)中可以看到,當所有的蟻群相互競爭最優路徑時,他們都服從來自于轉發節點的能量消耗最小的約束條件。也就是為了達到當蟻群算法收斂于最優解的同時平衡節點間的能量消耗的目標。與此同時,我們的算法將避免所有的蟻群收斂于同一個全局最優解,更避免了通信擁塞并延長了網絡生命周期。全局信息素的更新公式(8):

這里的Eik表示當螞蟻k完成路由路徑搜尋后的能量消耗。在公式(8)中,λi表示改進后的信息素揮發因子,這個因子能由公式(10)計算:

εij是信息素抑制參數。在我們的算法中,我們使用信息素抑制參數來計算在兩個蟻群競爭過程中的信息素的揮發程度和在競爭中螞蟻減少的數量。

3 實驗與分析

我們把改進的算法和基本蟻群算法做了實驗比較。實驗結果統計圖如下:

圖1基本蟻群算法中螞蟻的多樣性 圖2改進的蟻群算法中螞蟻的多樣性 圖3節點D的能量消耗情況

圖1是模擬基本蟻群算法的實驗結果,顯示隨著時間的推移不同路徑上的螞蟻的數目。結論:在路徑BD上,螞蟻的數量急劇增加。然而,路徑BC和BE上的螞蟻數目的遠低于BD上的。圖2顯示的是改進算法的實驗結果,可以看到在最優路徑BD上,螞蟻的數量得到了控制并相對于基本蟻群算法有明顯的減少。另一方面,在路徑BC和BE上,螞蟻的數量也顯著增加,這可以達到平衡網絡負載這個目標。我們還對節點D在改進的算法和基本蟻群算法關于能源消耗上做了比較。從圖3中可以看到采用基本蟻群算法時,節點D的能量消耗顯著;相反,改進的算法在負載平衡上很有效,節點D則保留了更多的能量。

新算法結合了多蟻群的信息素釋放機制和節能策略,還引進多蟻群之間的競爭機制以避免算法的單一收斂,解決了無線傳感器網絡路由過程中節點能量消耗和擁塞控制問題,能夠達到更好的負載平衡能力,并延長了網絡生命周期。

4 結束語

WSN具有廣闊的應用前景,但是由于節點能量,處理能力,儲存空間以及帶寬等的限制,它的大規模應用還是存在許多需要克服的問題,設計一個滿足需要的高效的路由算法是目前面臨的一個主要問題。在本文中,我們提出一種新的基于蟻群優化的無線傳網絡的路由算法。新算法對基本蟻群算法進行了改進。引入多蟻群之間的競爭機制來解決局部最優解的問題和避免早熟現象。同時,結合節點的能量消耗問題,實現負載平衡。算法對延長網絡的生命周期具有很明顯的效果。

參考文獻:

[1] 李曉維,徐勇軍,任豐原,等.無線傳感器網絡技術[M].北京:北京理工大學出版社,2007.

[2] M. Dorigo and L.Gambardella, “Ant colony system: a cooperative learning approach to the traveling salesman problem,” IEEE Trans. On Evolutionary Computation,Vol.1,pp.53-66, Apr.1997.

[3] G.Chen,T.D.Guo,W.G.Yang and T.Zhao,“An improved ant based routing protocol in wireless sensor networks,” Proc. of International Conference on Collaborative Computing: Networking. Applications and Worksharing,pp.1-7.Nov.2006.

[4] L.Juan. S.Chen and Z.Chao,“Ant system based anycast Routing in wireless sensor networks,” Proc.of the International Conference on Wireless Communications, Networking and Mobile Computing (WiCom2007), pp.2420-2423, Sept 2007.

[5] 段海濱.蟻群算法原理及其應用[M].北京:科學出版社,2005.

篇9

在騎行中，空氣阻力為速度的二次方：特別是在高速騎行過程中，對抗空氣阻力是身體主要的能量消耗。當運動員騎行速度達到30km/h時，空氣動力阻力占總阻力的90％以上，當達到50km/h時，空氣阻力就成為起決定作用的變量。例如，對于1小時騎行的先前世界記錄，在風道中每小時50kin的阻力的計算結果為12g(g為在海平面上的重力加速度)。為了最大程度減少騎行時的阻力，自行車的構造和組成部分以及運動員的身體騎行位置是需要特別關注的問題。

在1989年環法大賽上，自行車手柄首次被發現在空氣動力學上起到重要作用，除了設備外，運動員的騎行姿勢對于速度和能量代謝有重要影響。從減少橫截面積的角度出發，當運動員采取向前蜷曲身體的姿勢時，對騎行效果是有幫助的。然而，當運動員的上半身從垂直位置向前傾位置改變時，攝氧量，心率以及呼吸交流比率都有很大程度的增加。

由此可見，在不考慮風阻的情況下，極限的空中姿勢會增加代謝消耗。采用這種上半身蜷曲姿勢騎行時，空氣阻力會減少20％，再加上雙手搭在橫杠上，作為完整的騎行姿勢，又會減少10％―17％的阻力，總體來看，從垂直姿勢變為蜷曲姿勢時，空氣阻力會下降30％-35％。

2、運動員身體橫截面積對騎行效果的影響

與自行車選手緊密聯系的身體橫截面積會給騎行中產生的阻力帶來很大影響，為了計算橫截面積，會用攝影技術獲得運動員在特殊騎行姿勢下的矩形區域，通過對矩形區域的劃分與測量，計算出整體面積。通過大量圖片對比和數據參考，獲得最終的運動員的騎行橫截面積。另外，根據比例圖采用面積測量學計算運動員坐在自行車上的橫截面積。Bassett等人通過總結大量數據也描述了一種用來評估運動員表面積的方法，他們利用運動員的身高和體重，建立了一個方程用來計算運動員總的橫截面積，當運動員采用空中騎行位置時，方程FA=0.0293H0.725M0.425+0.0604FA的單位是米2，身高單位是米，質量單位為千克。

3、運動員體型對騎行效果的影響

篇10

中圖分類號：TN929文獻標識碼：A文章編號：1007-9599 (2011) 12-0000-02

Distributed Power Control Used for Ad Hoc Network

Shao Shuhua

(Technological Vocational College of Dezhou,Dezhou251200,China)

Abstract:In order to achieve information collection,processing and transmission in the coverage area,it needs to consider multi-hop transmission for large coverage area in bandwidth-limited Ad Hoc network.However,the multi-hop transmission will increase the interference between nodes,and cause the unbalanced energy consumption,so how to reduce nodes in the conflict and improve energy efficiency,has become the important issues of Ad Hoc Network.In this paper,we study the distributed power control.In the promise to ensure communication quality,it can minimize signal transmission power to reduce sending node interference with adjacent nodes,and improve the channel space complex in degrees.The results of a simulation model analyzed by OPNET show the effectiveness of mechanism.It can minimize the energy consumption per bit,reduce network conflicts,and improve network performance.

Keywords:Ad Hoc networks;Power control;Energy;OPNET

一、介紹

多跳傳輸是無線通信系統中常見的傳輸技術，它可以在不影響網絡連接性和傳輸能力的前提下最小化節點供電能量消耗，但其會引發節點間互擾和能量消耗不均衡等問題，無線分組網中可以采用功率控制技術來解決此問題，主要通過調整發送節點的信號發射功率，在保證一定通信質量的前提下盡量降低信號發射功率來節省能量消耗，同時也可以減少某些發送節點對鄰近節點的干擾，此時空間上相距較遠的節點可以同時發送數據而不會相互影響，這樣在一個較大區域內可以有更多的節點同時發送數據，因此也就提高了信道的空間復用度，增大了網絡容量[1]。

本文針對Ad Hoc網絡，在多跳場景中采用功率控制機制，將網絡層路由協議，數據鏈路層介質接入控制和物理層功率調整等各層功能緊緊結合在一起，路由協議通過選擇路徑來決定功率等級是否可用，介質接入控制根據新的傳輸距離采用特定參數如等待或退避時間，最后物理層改變傳輸功率到一個新的等級，從而進行數據傳輸。

二、功率控制機制的設計

論文工作集中于隨機信道接入，通過最小化每比特能量消耗來制定分布式功率控制的設計，同時考慮兩種MAC協議：簡單的載波監聽ALOHA（CS-ALOHA）和IEEE802.11的MAC協議[2]。

（一）網絡部署和最大功率設置

Ad Hoc網絡拓撲中的節點部署問題是網絡工作的基礎，對網絡的運行情況和生存周期有很大的影響，它涉及覆蓋、連接和節約能量消耗等方面[3]。目前，Ad Hoc網絡的初期部署有兩種策略：一種是節點完全隨機部署，即所有傳感器節點隨機分布在整個網絡面積中，這樣不僅會造成網絡覆蓋的不合理，而且此時的最大傳輸功率也與網絡節點密度無關，無法采用功率機制技術；另一種是節點均勻放置在格型網絡中，這樣的網絡拓撲在實際中更常見，仿真中假設這樣的拓撲模型進行網絡性能分析。

網絡拓撲部署區域為格型，每個方格隨機布放一個節點[4]，此時網絡密度 為：

（1）

其中， 表示網絡中總的節點數目， 表示網絡面積， 表示節點間平均距離，且節點間最大距離 表示為：

（2）

Ad Hoc網絡中各節點應能夠根據網絡拓撲中節點間的距離遠近，在有限的功率集合中變換傳輸功率，其集合范圍從某一最小值到最大值，分別表示為 ，且定義最大傳輸功率 為最小值時仍可以保證網絡中相鄰兩節點間的連接性。通常認為兩個節點如果可以達到目標信噪比則物理上是連接的，考慮到網絡中采用多跳通信方式，則兩個節點之間如果至少存在一條物理連接就表明是連通的。

（二）功率等級劃分及數目[4]

已知傳輸功率 與節點傳輸距離 有關，假設功率等級均勻分布，則兩個連續功率等級之間的步長 定義為：

， ， （3）

這里 表示相應于距離 的傳輸功率，兩者之間具體關系如圖1所示。

另外，兩個連續功率等級的間隔也可以根據覆蓋范圍內節點間距離的均勻增值 定義：

， ， （4）

其中，功率等級步長以 來表示：

（5）

而距離增值 以米作單位表示為：

（6）

圖1 兩種策略下的功率等級劃分

圖1顯示相應于公式（3）和（4）的兩種功率等級分配策略，由圖看出這兩種功率劃分差別不大，如 ，但考慮到采用與距離增值相關的功率等級劃分較為簡單，本文中用此定義來分配功率等級。

可以完全描述功率控制的參數是功率等級數目 ，增加等級數目可以更精確地進行功率變換，但小的功率等級數則更易于實現，由此推測當功率等級數超過某個值時繼續增加等級數將不再會明顯節約能量消耗，而具體數目可通過網絡仿真來估計。

（三）介質接入控制

簡單介紹下這兩種MAC協議：CS-ALOHA和IEEE802.11的MAC協議[5]。

1.CS-ALOHA。

節點在傳輸前首先監聽信道，如果發現信道空閑，它就開始傳輸數據，由于所用的調制解調器采取半雙工操作，傳感器傳輸時不能檢測到信道沖突，因此節點將傳輸完整個數據包，如果等待一段時間后沒有得到肯定答復則表明本次傳輸與其它節點發生沖突，此時，若沒有超過重傳次數，節點將重新傳輸數據包。

CS-ALOHA優勢在于簡單和平均端到端延時，但是就能量來看并不是最好的選擇，因為數據重傳會導致更多的能量損耗。

2.IEEE802.11的MAC協議。

IEEE802.11的MAC協議是一種虛擬載波監聽協議，最基本的媒體訪問方法是分布協調功能DCF（Distributed Coordination Function），核心是CSMA/CA。它包括載波偵聽機制、幀間間隔和隨機退避。每個節點使用CSMA/CA機制的信道接入算法，通過競爭獲得信道使用權，它基于基本發幀模式和RTS/CTS發幀模式[6]來進行數據傳輸，并利用短的控制包交換來避免數據包沖突，從而最大化網絡吞吐量。

此協議就每比特能量消耗方面可以改進系統性能，但由于采用退避算法增加了系統復雜性和平均端到端延時。

三、結論

在帶寬有限的Ad Hoc網絡中分布式功率控制可將多跳通信用于可擴展的大面積范圍，不同功率分配機制通過可變的功率等級數來改變功率密度。對于選定的場景，可看出四個均勻分布功率等級即可實現能量消耗接近最小值，改善網絡性能。

未來工作中，還需要考慮含移動節點的網絡，以適應Ad Hoc網絡的動態變化。

參考文獻：

[1]鄭少仁,王海濤.Ad Hoc網絡技術[M].北京:人民郵電出版社,2005:135-137

[2]B.Peleato,M.Stojanovic,“Distance aware collision avoidance protocol for ad-hoc underwater acoustic sensor networks,”Communications Letters,IEEE,2007,11,12:1025-1027

[3]陶丹,馬華東,劉亮.基于虛擬勢場的有向傳感器網絡覆蓋增強算法[J].軟件學報,2007,5

[4]Josep Miquel Jornet,Milica Stojanovic.Distributed Power Control for Underwater Acoustic Networks,OCEANS 2008,Sept

[5]B.Peleato,M.Stojanovic.“Distance aware collision avoidance protocol for ad-hoc underwater acoustic sensor networks,”Communications Letters,IEEE2007,11,12:1025-1027

[6].多跳中繼式水聲通信網的MAC層協議研究與實現[D].東南大學,2008,1