基于多Agent的传感器网络能量管理研究

摘 要：无线传感器网络中节点能源有限性，能量管理成为传感器网络应用的关键技术之一。在满足网络性能和服务质量要求的前提下，网络管理运用多智能体系统使得通过Agent之间的协商决策延长了整个网络生命周期。基于多Agent的网络能量管理技术成为解决无线传感器网络中能量管理问题的有力工具。

关键词：Agent;传感器网络;能量管理

1 概述

无線传感器网络是由相当多的，具有有限的能量和无线通信与计算能力的细小传感器节点所组成，而且能够广泛应用于军事领域、生态环境观测和工业安全监测等领域。由于传感器网络的超大规模、所占资源的有限性，在服务质量保证和网络管理上具有大量挑战性的研究课题，也因此产生许多研究课题，而能量管理则是其应用的关键技术之一。

2 多Agent系统

Agent是能够感知环境并作用于环境，具有高度自治型的智能体。Agent对其未来状态的预期，使系统规划和行为的结果是进一步规划行为的依据。意图是Agent在其信念和愿望的基础上决定的自身在未来时间内行为的计划。

智能体以计划的形式实现各自的目标。它分为两类：传统的集中式多智能体计划调度与现在流行的分布式计划调度。在集中式多智能体计划调度中，需要建立一个智能体，其主要作用是协调作用，使整个计划通过协调成为无冲突。主要的过程是接受其它智能体的局部计划，并对此进行系统分析与研究，从而找出其中的冲突并解决其中的冲突，最终达到整体计划的无冲突。在分布式多智能体计划调度中存在两个基本形式：以分布的形式建立集中式的计划，是以局部计划的调整集中解决冲突;而以分布的形式建立分布式的计划，是以局部计划的调整来解决子计划的冲突。

3 传感器网络能量管理分析

既然能量是具有有限性的，并且在大部分应用中电池往往不可更新，那能量管理就是传感器网络成功应用的关键因素，这其中的内容涉及各个方面：比如通信频率f、发射功率p、工作状态m、采样频率s等方面来讨论能量管理的复杂性。首先是通信频率：在传感器网络中节点的作用是接收消息和发送消息以及消息的路由。节点中采样的数据量很大，而且会有大量的冗余，解决数据采样冗余的方法就是数据融合技术，网络通过数据融合技术思考以减小返回给基站的数据量，从而减小数据冗余，但同时也会减小返回给基站的数据精度。其次是发射功率：发射功率高低会直接影响节点的通信半径，在保证网络拓扑结构连通的基础上，可使得传感器网络节点能量消耗最小，从而进一步延长网络生命周期。当然如果调整发射功率导致节点通信半径过小将会导致出现网络不连通或者网络连通度下降的现象。然后是工作状态：节点的工作状态有活跃状态和睡眠状态，并不是所有的节点都需要工作在状态中，节点可以在活跃状态和睡眠状态之间切换，这样可以节省能量消耗。在保证网络的连通性和通信不延迟的前提下，传感器网络可以仅有一部份节点在活跃状态下正常工作，而其他节点则进入低功耗的睡眠状态，从而降低能量消耗。这样也可以延长整个网络的生存时间。最后是采样频率：在保证采样事件检测率和数据精确性的基础上，节点通过降低感知采样频率可以节省能量消耗，从而达到能量管理的目的。

4 基于多Agent的网络能量管理

由于能量的有限性，导致传感器网络能量管理的复杂性和多目标优化的要求，需要在保证网络性能和服务质量的前提下，通过多Agent的协作来确定能量管理决策。根节点是基站。其中A节点与B节点在同一层，C节点作为其子节点。假设B节点所负责的感知区域没有其它节点覆盖在这个能量管理问题中，那么C节点为根的子树路由路径在选择通过B节点将接收的数据路由数据包回基站，将会导致B节点能量快速消耗，从而使网络感知覆盖区域不完整。而A节点作为C节点的邻居节点此时如果具有一些多余的能量，那么C节点就可以选择A节点作为父节点，这样就减少了B节点的能量消耗，从而就可以延长B节点生命进而保证网络服务质量。这也证明了多agent之间的协商策略可使得传感器网络能量管理在网络性能和服务质量之间做出最优化的权衡决策。

在基于多Agent协同工作的能量管理方案中，每个传感器节点都由一个自治Agent所控制，移动agent引入传感器网络 ，会按照一定路径去访问整个传感器网络节点，其主要的功能就是收集数据，分析数据后使用数据融合技术进行数据融合后，将融合后的数据携带处理结果访问其他节点，从而消除冗余数据，并最终携带收集的数据返回基站节点。 SAA，SAB，SAC表示位于节点A，B，C上的Agent，B节点所覆盖区域中如果存在没有其它节点所覆盖的区域，那么C节点中的SAC对移动Agent的下一站选择就需要与SAA、SAB，进行协商，如果SAA表示有多于SAB的能量并且愿意作为SAC路由路径上的节点，则SAA就可以重新选择A节点作为父节点，使A节点作为路由下一站，从而可以达到传感器网络路由性能与覆盖质量之间的权衡。

5 结束语

本文针对无线传感器网络能量管理的复杂性应用多智能体理论的智能能量管理来解决降低能量消耗的问题。在满足网络性能和服务质量要求的前提下，网络管理运用多智能体系统通过Agent之间的协商决策延长了整个网络生命周期。

参考文献：

[1]孙利民，李建中，陈渝，等. 无线传感器网络[M].北京：清华大学出版社，2005.

[2]Richard R， Brook S. Distributed target classification and tracking in sensor networks [J].Proceedings of the IEEE， 2003， 91 （8）：1163 -1171.

[3]Jiming Liu，靳小龙，张世武.多智能体原理与技术[M].北京：清华大学出版社，2003.

作者简介：

许杨文（1969.08-），浙江东阳人，硕士，研究方向：计算机人工智能。