无线adhoc网络和传感器网络中的仿生机制

---

在当前的研究趋势中，利用生物解决方案来解决和优化人工系统问题的不同方面已经形成了一个重要的领域，称为“仿生计算”[1］．从寻找问题的相关线索和解决方法的科学家到这个完美的生物创造的最终意识形态的汇合，实际上正在向最好的方向发展。坚强的生物系统表现出复杂、智能和有组织的行为，但它们由简单的规则控制的简单元素组成。在人工系统中采用基于复杂和网络化处理的简单规则具有很高的成本效益[2］．这种协同解决方案的真正工作是在人工(人工)和真实(自然)创建以及随后的解决方案中找到类似的问题模式。这就需要跨学科的研究，这是创新的基本动力。

受生物系统成分的启发，已经建立了许多完整的研究领域，它们在优化解决非生物系统的各种问题方面发挥着关键作用。其中，从全球互联网到微型和纳米器件，无线网络设备和物理世界的交互以各种方式显著增加。由于这些微型设备的多面特性，来自不同领域的解决方案被用来改善整体网络性能。无线传感器网络作为最紧急的微型技术之一，在各种生活结构中有很长一串的应用，已被瞄准解决各种问题，并通过生物灵感领域的解决方案优化性能[3.- - - - - -5］．

本期特刊旨在强调在无线自组织和传感器网络这一新的研究领域中，在确定生物方法学及其在技术解决方案中的应用方面取得的最新成就[6]这些研究论文利用无线自组织网络和传感器网络中各种问题解决方法中的连接主义、社会行为和生物系统的出现。它还可以概述基本挑战、概念验证研究以及与技术解决方案的直接和模拟比较，以及同一领域生物学原理的数学模型。

研究项目名为“一种支持多个最小项的adhoc网络异步周期序列模式挖掘算法”应用分而治之策略，将异步周期序列模式挖掘问题逐步分解为一系列相互不相交的子问题，然后在这些子数据库中挖掘模式。在划分数据库的过程中，会生成不断增长的异步周期序列模式及其有效包含的段队列。该算法可以挖掘实体运动轨迹数据的规律，预测未来的运动。

在题为“无线体域网络中基于ID/定位器分离的组移动管理”的文章中，传感器节点和PMD具有全球唯一的设备标识符(gdid)。每个GDID包含关联的家庭网络域的信息。对于切换支持，每个接入网关维护其本地GDID寄存器和其访问GDID寄存器。此外，只有协调器可以与PMD交换RS/RA消息，而不是每个传感器。数值分析表明，与现有移动网方案相比，该方案能够显著降低注册时延、分组传递时延和切换时延。

在题为“选择机会路由转发器(HASORF)提高无线传感器网络吞吐量的启发式方法”的文章中，作者在关注转发器选择的同时分析了无线传感器网络中的OR方案，并直觉地认为在前一个转发器和下一个转发器之间的节点是一个很好的选择。受到这种直觉的启发，他们提出了链式网络的启发式转发选择方案，称为HASORF。对于给定的网络，转发器的优化数量仍然是一个有待研究的问题。这个研究问题是NP-hard，仍然没有分析思维的基础;但这确实是一个有趣的问题。因此，作者打算在未来深入研究这个强迫性和费力的问题。

在一篇题为《物联网中设计无线传感器网络的新生物启发多目标优化算法》的研究文章中，作者扩展了混沌蚁群(CAS)。然而，这种方法被证明是失败的，因为它的结果甚至不接近真正的帕累托前沿。在此基础上，重新定义了“邻居”和“邻居选择”规则的概念，并将“基于档案”的方法引入到算法中，使得多目标CAS (MOCAS)算法能够以一组均匀分布的解快速收敛到真Pareto前沿。通过在一些著名的多目标优化问题上测试MOCAS，并与最先进的对等算法MOPSO和NSGA-II的结果进行比较，证明了该方案值得考虑的实时实现。

在研究文章“无线传感器网络中的双标准优化：链路调度和能量消耗”中作者研究了无线传感器网络链路调度和能量消耗联合优化的挑战性问题。通过将路由选择和链路调度结合起来考虑，我们对无线传感器网络的能量消耗和链路调度进行了分析，并将其表述为一个双标准目标e整数问题。考虑到无线传感器网络特有的多对一特性，我们提出了一种基于NSGA-II的高效优化方案来解决该问题。为了保证个体的有效性和快速收敛性，我们还设计了基于路由树的表示方案以及相应的交叉和变异规则通过大量的仿真，他们证明了基于NSGA-II的优化框架对于解决复杂的无线传感器网络多目标设计模型是非常有前景的。

致谢

这项工作得到了MSIP/IITP的IT研发计划[10041145，福利设备自组织软件平台（SoSp）]的支持，并得到了Brain Korea 21 Plus项目（支持智能生活的SW人力资源开发计划）的支持由韩国京浦国立大学计算机科学与工程学院教育部资助（21A2013160005）。

阿南德·保罗
丹尼尔Bo-Wei陈
Wanmin王

工具书类

1. J.邦加德，《受生物学启发的计算机》，电脑，第42卷，第4期，第95-98页，2009年。浏览：出版商网站|谷歌学者
2. D.Falko和B.A.Ozgur，“关于生物启发网络的调查，”计算机网络，第54卷，第6期，第881-900页，2010年。浏览：出版商网站|谷歌学者
3. H.J.Rune，Z.Qi和S.T.Thomas，“大规模网络传感器系统的生物启发原理：概述，”传感器，第11卷，第5期。4, pp. 4137-2151, 2011。浏览：出版商网站|谷歌学者
4. A.Paul，“物联网环境中基于图形的M2M优化”，摘自ACM自适应和收敛系统研究会议记录（RACS'13），第45-46页，蒙特利尔，加拿大，2013年10月。浏览：出版商网站|谷歌学者
5. A.Paul，T.A.A.Victoire和A.E.Jeyakumar，“超大规模集成电路重定时的粒子群方法”，年第46届IEEE中西部电路与系统研讨会论文集（MWSCAS'03），第3卷，第1532-15452003页。浏览：出版商网站|谷歌学者
6. S. S. Iyengar, H. C. Wu, N. Balakrishnan, S. Y. Chang，“无线移动传感器网络的生物启发合作路由”，IEEE系统杂志，第一卷，第一期，第29-37页，2007年。浏览：出版商网站|谷歌学者

版权

版权所有©2015 Anand Paul等人。这是根据知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。