کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6894447 1445923 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Communication scheduling in data gathering networks of heterogeneous sensors with data compression: Algorithms and empirical experiments
ترجمه فارسی عنوان
برنامه ریزی ارتباطی در شبکه های جمع آوری داده ها از سنسورهای ناهمگن با فشرده سازی داده ها: الگوریتم ها و آزمایش های تجربی
کلمات کلیدی
ترجمه چکیده
ما یک مشکل برنامه ریزی ارتباطی را در نظر می گیریم تا فشرده سازی داده ها و ارتباط داده ها را با هم جمع کنیم، که ناشی از جمع آوری داده های شبکه های حسگر بی سیم با فشرده سازی داده ها است. در این مشکل، سنسورهای مستقر ناهمگن هستند، در حالی که نسبت فشرده سازی داده ها از لحاظ کاهش اندازه، زمان فشرده سازی و هزینه فشرده سازی، از لحاظ مصرف انرژی، در سنسورهای مختلف متفاوت هستند. هدف دوگانه به حداقل رساندن هزینه کل فشرده سازی و به حداقل رساندن کل زمان برای انتقال تمام داده ها به ایستگاه پایه است. مشکل این است که به دو مسئله بهینه سازی یکپارچه سازی در دو راه مجزا حل شود: در یک مسئله اصلی، یک محدودیت زمان داده می شود و یک هدف صرفه جویی در هزینه کل فشرده سازی است و در یک مسئله مکمل یک بودجه فشرده سازی جهانی داده می شود و مونو-هدف این است که به حداقل برسد. ما یک الگوریتم دقیق یکپارچه برای هر دو آنها را بر اساس برنامه نویسی پویش ارائه می دهیم؛ این الگوریتم دقیق سپس به یک طرح تقریبی تقریبی به طور کامل چندجملهای برای مشکل مکمل توسعه داده می شود و یک طرح تقریبی تقریبی دوقطبی به طور کامل چندجملهای برای مسئله اصلی است. تمام این الگوریتم های تقریبی اجرا شده اند و آزمایش های محاسباتی گسترده نشان می دهد که آنها به سرعت اجرا می شوند و راه حل های بهینه را تقریبا همه زمان ها را باز می گردانند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
We consider a communication scheduling problem to address data compression and data communication together, arising from the data gathering wireless sensor networks with data compression. In the problem, the deployed sensors are heterogeneous, in that the data compression ratios, in terms of size reduction, the compression time, and the compression costs, in terms of energy consumption, on different sensors are different. The bi-objective is to minimize the total compression cost and to minimize the total time to transfer all the data to the base station. The problem reduces to two mono-objective optimization problems in two separate ways: in the original problem a time bound is given and the mono-objective is to minimize the total compression cost, and in the complementary problem a global compression budget is given and the mono-objective is to minimize the makespan. We present a unified exact algorithm for both of them based on dynamic programming; this exact algorithm is then developed into a fully polynomial time approximation scheme for the complementary problem, and a dual fully polynomial time approximation scheme for the original problem. All these approximation algorithms have been implemented and extensive computational experiments show that they run fast and return the optimal solutions almost all the time.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 271, Issue 2, 1 December 2018, Pages 462-473
نویسندگان
, , ,