面向智慧教室的無線傳感網邊緣節點智能部署方法

蔣金陵，徐勝超

(廣州華商學院 數據科學學院，廣州 511300)

0 引 言

面向智慧教室[1]的無線傳感網(WSN，wireless sensor network)的運行對其節點部署的要求十分高，相關的邊緣節點智能部署方法引起了學者的廣泛關注。對于無線傳感網邊緣節點部署問題，目前的研究成果已經相當豐富。其中，文獻[2]為了減少延遲關鍵型應用程序的數量，實現低延遲響應，基于邊緣計算方法設計了用于分布式云架構和裸機供應商的機會模型。通過在真實地理分布邊緣基礎設施中部署多服務器在線游戲應用程序，優化了部署性能。文獻[3]從通信機制與任務分配機制兩個方面，提出了一種新的考慮業務可靠性的邊緣云需求響應部署方法。文獻[4]基于網絡破壞譜(D-spectrum)設計了無線傳感器網絡節點時間部署優化模型，以平衡成本和可靠性，并在蒙特卡羅模擬中重復訓練，從而減少所得到的節點部署可靠性估計方差，進一步提高了部署精度。文獻[5]針對無線通信網絡負載不平衡的問題，提出基于分數階達爾文粒子群算法的無線通信網絡節點動態調節方法。

以上方法在智慧教室的部署中會產生較大時延，為了優化智慧教室無線傳感網節點部署效果，本文提出設計面向智慧教室的無線傳感網邊緣節點智能部署方法。

1 無線傳感網邊緣節點智能部署方法

1.1 目標函數構建

構建面向智慧教室的無線傳感網邊緣節點智能部署的目標函數。在智慧教室中，教師通過音視頻傳輸，將課件、演示文稿、教學視頻等教學資源分享給學生。利用圖片、音頻、視頻等多種形式展示和講解教學內容，提供更豐富的學習材料，提高學生的學習興趣和主動性。同時，音視頻傳輸可以支持遠程教學模式，教師可以通過網絡將教學內容傳輸到學生所在的地方。這可以使教育資源更加均衡地分布并滿足學生的學習需求，同時也方便了教師和學生之間的交流和互動。此外，通過音視頻傳輸，學生可以與教師進行實時互動，提問問題、回答問題、討論等。

這種互動可以增加學生的參與度和學習效果，促進知識的理解和掌握。但在進行音視頻內容進行傳輸時，會由于傳輸延遲導致音視頻內容傳輸速率下降，影響教學水平，降低學生學習的積極性。而無線傳感網邊緣節點智能部署可以通過對智慧教室的布局和需求進行分析，利用網絡規劃工具或優化算法，確定合適的邊緣節點部署位置，以最小化傳輸延遲，并提高音視頻內容傳輸速率。因此，通過構建無線傳感網邊緣節點智能部署目標函數，利用數據分析和優化算法簡化無線傳感網邊緣節點部署問題、降低目標函數構建的復雜度，優化音視頻內容的傳輸速率和延遲，提高智慧教室的音視頻傳輸質量。同時，為了避免在無線傳感網邊緣節點部署目標函數構建和優化過程中考慮節點位置問題，降低部署效率的問題，假設邊緣初始節點是隨機生成的，且已知其位置坐標。

將優化目標定位在智慧教室場景中邊緣計算節點與終端能夠完成良好的通信，同時最大限度降低部署邊緣節點的成本。

1.1.1 實際成本

根據智慧教室的特點和空間布局，以及人流量的變化，無線傳感網部署大量的邊緣節點可能需要購買、安裝和維護昂貴的設備，并需要耗費人力和資源進行布線和配置，確保信號覆蓋范圍最佳。

通過進行實際成本和連接成本優化，可以在滿足教室需求的前提下，合理安排邊緣節點的部署位置和數量，減少不必要的成本支出。同時，實際成本優化也可以幫助選擇合適的技術方案和設備類型，以降低整體部署和運營的成本，并確保項目的可行性和可持續性發展。本文制定的實際成本優化目標函數具體如式(1)：

(1)

式(1)中，minf(a)為部署智慧教室邊緣計算服務器的實際成本；a為基站函數；Q為潛在邊緣節點部署基站旁所部署的邊緣節點的總數值；Uq為邊緣服務器的數量；aq為邊緣節點的基站部署閾值，當在第q個潛在邊緣節點部署基站旁對邊緣節點進行部署時，aq=1，當不在該處對邊緣節點進行部署時，aq=0。

1.1.2 連接成本

本文制定的連接成本優化目標函數具體如式(2)：

(2)

式(2)中，minf(b)為第q個潛在的能夠部署邊緣節點的基站旁所部署的邊緣節點與用戶w連接時花費的連接成本[6]；b為連接函數；W為智慧教室用戶的總數值；r為智慧教室用戶類型函數閾值；R為智慧教室用戶類型的總數；Kq，w為連接成本系數，與第q個潛在邊緣節點部署基站旁所部署的邊緣節點與用戶w連接時的傳輸時延有關；bq，w為連接閾值，當第q個潛在邊緣節點部署基站旁所部署的邊緣節點與用戶w連接時，bq，w=1，當二者未連接時，bq，w=0；Fw，r為智慧教室服務用戶類型系數；當服務不同用戶類型，需要的連接成本不同；cw，r為用戶類型閾值，當用戶類型為教師時，cw，r=1，當用戶類型為學生時，cw，r=0。

1.1.3 任務處理成本

為支持智慧教室的實時數據獲取和分析，無線傳感網的邊緣節點部署需具備數據采集傳輸能力，滿足學生和教學數據的實時收集和分析需求。通過任務處理成本優化，可以根據不同的任務類型和要求，選擇最優的節點來執行任務，以達到最佳的任務處理效率和成本控制。本文制定的任務處理成本優化目標函數具體如式(3)所示：

(3)

式(3)中，minf(c)為邊緣節點的任務處理成本；c為智慧教室用戶任務處理函數；Gq，w為處理成本系數，與第q個潛在邊緣節點部署基站旁所部署的邊緣節點的實際處理能力和用戶w傳輸的信息量有關。

綜合上述實際成本、連接成本和任務處理成本三部分內容，本文制定的最終優化目標函數具體如式(4)所示：

minf(a，b，c)=minf(a)+minf(b)+minf(c)

(4)

式(4)中，f(a，b，c)為優化的目標函數。完成優化目標函數的制定后，確定其相關約束條件，以保證節點部署目標函數的有效性。

1.2 約束條件確定

根據目標函數和無線傳感網基礎知識可知，智慧教室中教師和學生的實時互動、個性化學習和自適應教學時，會產生非常龐大的數據流量。為了保證智慧教室的流暢運行和負載均衡，從智慧教室無線傳感網節點部署流量、數據流、節點計算能力3個方面進行約束，為教師和學生提供更豐富、個性化和互動式的學習體驗。

1.2.1 流量約束條件

流量約束條件[7]需要分情況來構建。對于非數據源的邊緣節點，將其分為非服務器節點與服務器節點這兩種情況對其流量的對等關系進行討論。當其為非服務器節點時，需要滿足數據流平衡，也就是在單位時間內該節點中流入的數據量與流出的數據量是相等的[8]。當其為服務器節點時，節點會對一部分數據進行處理，則該節點在單位時間內會產生一定數據消耗[9]。因此服務器節點需要滿足數據消耗約束，也就是單位時間內該節點的數據消耗等于流入數據量與流出數據量的差值[10]。

因此非數據源的邊緣節點的流量約束條件具體如式(5)所示：

(5)

式(5)中，l為非數據源的非服務器節點數量；C為邊緣網絡內的節點集合；V為邊緣網絡內所有服務器節點的集合；B為邊緣網絡內所有數據源節點的集合；n為數據源節點數量；S為邊緣網絡內節點通信鏈路的對應集合；dnl為單位時間內由非服務器節點vn到數據源節點vl的對應數據量；m為非數據源的邊緣節點數量；dlm為單位時間內由數據源節點vl到非數據源的邊緣節點vm的對應數據量；l′為非數據源的服務器節點數量；hl′為單位時間非數據源的服務器節點的數據消耗；dnl′為單位時間內由非服務器節點vn到服務器節點vl′的對應數據量[11]；dl′m為單位時間內由服務器節點vl′到非數據源的邊緣節點vm的對應數據量。

1.2.2 數據流約束條件

數據源邊緣節點分為非服務器節點與服務器節點[12]兩部分，分別分析其對應流量，確定數據流約束條件。

當數據源邊緣節點為非服務器節點時，單位時間內用戶節點自身產生的數據量與該用戶節點流入的數據量之和等于節點中流出的總數據流量，如式(6)所示：

(6)

邊緣網絡數據流應該滿足的約束條件是數據流需要小于對應鏈路的帶寬大小，具體如式(7)所示：

(7)

式(7)中，dnm為單位時間內由非服務器節點vn到非數據源的邊緣節點vm的對應數據量；Hnm為(n，m)所允許的最大帶寬[14]。

1.2.3 節點計算能力約束條件

邊緣網絡內節點的計算能力hp需要滿足非負性的條件，具體如式(8)所示：

(8)

式(8)中，N為邊緣網絡內節點的總數[15-16]。

完成上述3個方面的約束條件制定后，本文利用多目標改進粒子群優化算法求解目標函數。

1.3 目標函數求解

利用多目標改進粒子群優化算法求解在流量、無線傳感網數據流、節點計算能力約束下的目標函數，實現面向智慧教室的無線傳感網邊緣節點智能部署。

1.3.1 粒子群優化算法改進

要求解目標函數，首先要求解約束條件。粒子群優化算法具備解決多目標優化問題的潛力，包括智慧教室的無線傳感網邊緣節點部署中的傳輸速率、延遲和帶寬利用率等目標。該算法通過群體的協同行為進行全局搜索，找到一個更優節點部署方案。同時，粒子群優化算法具有靈活性和可調節性，通過參數和策略的調整，能夠適應不同問題和約束條件，滿足實際需求。在粒子群優化算法的改進中，將節點視為粒子，粒子群即為節點部署，因此需要對慣性權重、節點部署更新速度、Pareto最優解保存策略3方面進行調整：

1.3.1.1 慣性權重自適應調整

約束條件包括流量約束條件和數據約束條件。流量約束條件需要分情況求解，滿足數據流平衡，因此需要將粒子群優化算法中的慣性權重調整為自適應慣性權重，如式(9)所示：

(9)

式(9)中，?max為最大慣性權重值；α為迭代次數；αmax為最大迭代次數；?min為最小慣性權重值[17]。

1.3.1.2 節點更新速度

通過慣性權重自適應調節，滿足流量和數據流的約束條件后，求解節點計算能力的約束條件，需要調整節點的更新速度。節點更新速度通過虛擬力調整[18]完成，調整后的節點更新速度具體如式(10)所示：

β1χ1(Ybesth(T)-?h(T)) +β2χ2νhx

(10)

式(10)中，Vh(T)為節點部署速度；β0、β1、β2為調節虛擬力的變速因子；χ0、χ1、χ2為[0，1]范圍內的隨機數；Ubesth(T)為個體的最優歷史位置；φh(T)為每個節點的位置；Ybesth(T)為全局極值位置；νhx為節點h的位置向量第x維元素在虛擬力下所移動的距離[19]。

1.3.1.3 Pareto最優解保存策略

約束條件構建后，即可求取目標函數。根據上述過程求解的約束條件，調整Pareto最優解保存策略，選擇精英檔案策略對Pareto最優解進行保存。為實現解的優劣權衡，引入密集距離，利用比例選擇的方式為各節點選取全局最優部署方案[20]。即通過式(11)的密集距離維護Pareto最優解檔案，以限制檔案中的解數量：

(11)

式(11)中，D1為精英檔案內Pareto最優解di在精英檔案內的Pareto最優解集中的解；D2表示di與精英檔案內的Pareto最優解集中其他Pareto最優解之間的最小距離；D3表示di與精英檔案內的Pareto最優解集中其他Pareto最優解之間的次小距離[21]。

1.4 實現節點部署

完成粒子群優化算法改進后，設計多目標改進粒子群優化算法的具體運行步驟，根據圖1所示的步驟實現智慧教室無線傳感網邊緣節點智能部署：

圖1 節點部署流程

2)計算智慧教室中網絡各節點的目標函數值：用E1、E2表示各節點的目標函數值，對其進行計算。

3)更新慣性權重ρ、節點位置與速度：根據公式(9)～(11)，調整自適應慣性權重，更新節點部署速度和位置，調整Pareto最優解保存策略，實現目標函數的優化。

4)節點個體極值選擇：當節點滿足設置的約束條件，直接選擇節點個體極值，將其加入精英檔案；反之，轉到步驟3)重新更新節點[23]。

5)求解精英檔案：篩選并刪除精英檔案中的重復成員，以密集距離為依據降序排列檔案內成員，獲取最優存檔。

6)判斷最優解集：當實際迭代次數大于等于最大迭代次數，直接結束循環迭代，并對最優解集進行輸出，即為優化目標函數的求解結果；當實際迭代次數小于最大迭代次數，返回步驟1)繼續迭代。輸出的迭代結果即為智慧教室無線傳感網邊緣節點智能部署結果。

2 仿真實驗與性能分析

為研究面向智慧教室的無線傳感網邊緣節點智能部署方法的有效性，設計實驗測試。從網絡覆蓋率、節點安全連通度、網絡計算能力3個方面進行邊緣節點智能部署，并對本文方法與文獻[2]、[3]中提出的方法的部署表現性能進行對比測試，從而對本文方法的有效性進行驗證。

2.1 實驗設計

實驗中的無線傳感網為某高校的智慧教室無線傳感邊緣網絡，利用MATLAB7.2軟件搭建實驗平臺，在 Intel(R) Core(TM) i7-3770 6.40 GHz CPU、8 G內存，Windows 7 操作系統下，進行仿真實驗。將實驗網絡的參數設置如表1所示。

表1 實驗網絡參數設置

其中，數據源節點數與該高校的4棟教學樓相對應，能夠實現視頻數據收集。

利用本文方法對目標網絡邊緣節點智能部署時，多目標改進粒子群優化算法的參數設置情況具體如表2所示。

表2 多目標改進粒子群優化算法參數設置

根據上述參數設定，分別利用本文方法、文獻[2]方法、文獻[3]方法進行測試。

2.2 優化目標為網絡覆蓋率的邊緣節點智能部署

在優化目標為網絡覆蓋率的邊緣節點智能部署中，首先測試3種方法的時延情況，具體包括測試部署后的網絡時延與數據發送時延，具體測試結果如表3所示。

表3 部署后的網絡時延與數據發送時延測試結果

根據表3測試結果，當優化目標為網絡覆蓋率時，本文方法的最低網絡時延為0.97s，數據發送時延為0.14 s，整體時延較低。文獻[2]方法與文獻[3]方法的網絡時延與數據發送時延也較低，其中文獻[2]方法最低網絡時延為1.76 s，數據發送時延為0.53 s，文獻[3]方法最低網絡時延為1.84 s，數據發送時延為0.49 s，整體來看高于本文方法。該實驗初步驗證了本文方法通過流量約束和數據流約束提高了節點間數據通信效率，減少了時延。

2.3 優化目標為節點安全連通度的邊緣節點智能部署

在優化目標為節點安全連通度的邊緣節點智能部署中，以網絡整體時延和數據發送時延為指標，測試3種方法的智能部署效果。結果如圖2所示。

圖2 時延情況測試結果

當橫向與優化目標為網絡覆蓋率的邊緣節點智能部署相比時，優化目標為節點安全連通度會產生更高的網絡時延與數據發送時延；當縱向比較3個測試方法時，文獻[2]方法的最大網絡時延為1.92 s，最大數據發送時延為0.93 s；文獻[3]方法的最大網絡時延為1.95 s，最大數據發送時延為0.84 s；而本文方法的最大網絡時延為1.68 s，最大數據發送時延為0.68 s，整體來說本文方法的兩種時延都是最短的。

2.4 部署性能測試

在測試高校20 m×25 m范圍內，測試3種方法的節點部署性能。以節點間連通度為指標，分析不同方法的部署效果，結果如圖3所示。

圖3 節點部署性能測試結果

分析圖3可知，在目標覆蓋區域內，文獻[2]方法和文獻[3]方法的連通度低于本文方法，且出現了節點漏識的現象。其中，文獻[2]方法和文獻[3]方法分別遺漏了1個和2個節點，而本文方法整體連通度較高，遺漏節點為0，部署效果較好。其主要原因是本文方法利用多目標改進粒子群算法求解了流量、無線傳感網數據流、節點計算能力約束下的目標函數，通過粒子更新等操作優化了部署性能。

2.5 網絡計算能力測試

網絡計算能力可以更好地衡量3種方法部署下的智慧教室無線傳感網通信能力，因此分別測試3種方法的網絡計算能力。網絡計算能力如圖4所示。

圖4 網絡計算能力測試結果

分析圖4可知，在服務器節點數量不斷增長的同時，3種方法的網絡計算能力也在不斷增長，文獻[2]方法的增幅較大，網絡計算能力居中，最高計算能力為219.85 MB/s；文獻[3]方法的增幅較小，網絡計算能力較低，最高計算能力為148.52 MB/s；而本文方法的增幅較小，同時整體網絡計算能力一直高于兩種對比方法，測試中的網絡計算能力平均值為250.55 MB/s。總體來說，本文方法的網絡計算能力比較穩定，同時網絡計算能力也比較高。

2.6 時間復雜度測試

為進一步驗證所提面向智慧教室的無線傳感網邊緣節點智能部署方法的有效性，以時間復雜度為指標，分別將引言中提到的文獻[2]方法和文獻[3]方法作為對比方法，在無線傳感網邊緣節點為3 000個的條件下，分析不同算法的時間復雜度，結果如圖5所示。

圖5 時間復雜度對比結果

由圖5可知，面向智慧教室的無線傳感網邊緣節點智能部署方法、文獻[2]方法和文獻[3]方法的時間復雜度呈現線性增長趨勢，其復雜度與無線傳感網邊緣節點的大小成正比。其中，面向智慧教室的無線傳感網邊緣節點智能部署方法在無線傳感網邊緣節點為2 000個時，基本趨于穩定，時間復雜度穩定在3次；而文獻[2]方法始終處于增長狀態，文獻[3]方法在無線傳感網邊緣節點為2 000個時呈現緩慢增長狀態，時間復雜度分別達到22次和14次。綜上可知，本文面向智慧教室的無線傳感網邊緣節點智能部署方法時間復雜度更低，優化了節點部署效果。

3 結束語

為實現智慧教室服務能力的提升，本文提出一種面向智慧教室的無線傳感網邊緣節點智能部署方法。測試結果表明，本文方法部署后的節點，智慧教室無線傳感網通信時延明顯降低，部署性能較好，同時也驗證了本文方法實現了無線傳感網邊緣節點的科學、迅速部署，為智慧教室資源調度創造了更好的條件，也為其他服務提供了更好的網絡支持。