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(nèi)容能為您提供靈感和參考。

篇1

要實現(xiàn)我省女子排球運動員的合理營養(yǎng)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(yǎng)推薦標準提供依據(jù)，為運動員合理營養(yǎng)和實施營養(yǎng)干預(yù)方案提供依據(jù)。

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(jié)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(fā)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(yōu)勢側(cè)上臂肱三頭肌處佩戴，除洗澡時間外，訓練、日?；顒雍退邥r間連續(xù)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(chǔ)代謝率，同時調(diào)查運動員一般情況信息和訓練信息。

數(shù)據(jù)統(tǒng)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(fù)期能量消耗量及占總能量消耗的百分比、不同訓練課內(nèi)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(shù)據(jù)經(jīng)SPSS11.5數(shù)據(jù)軟件包處理，結(jié)果以平均數(shù)加減標準差。

2研究結(jié)果

2.1研究對象基本情況

受試者年齡、身高、體重和基礎(chǔ)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(jié)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(xù)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(huán)境溫度感受器、皮膚電流反應(yīng)感受器和心率感受器等多個感受器捕獲數(shù)據(jù)計算能量消耗，可以測定運動或生活、休息狀態(tài)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?；顒踊蛩邥r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(fù)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(chǔ)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(xù)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(huán)境溫度、體重、年齡、性別等。對于同質(zhì)人群能量消耗主要與身高、體重、去脂體重和BMI指標正相關(guān)，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(jīng)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(jié)果顯示，女運動員全日的能量消耗均小于3590千卡，與我國優(yōu)秀運動員營養(yǎng)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(yǎng)補充上要適當?shù)陀趦?yōu)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(jié)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(yōu)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(yǎng)補充中都不能“一刀切”，而應(yīng)該根據(jù)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(huán)節(jié),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(shù)據(jù),說服力較弱,患者的主觀依從性差,導致護理質(zhì)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?；顒訉嵤┝炕o理干預(yù),獲得良好的效果,現(xiàn)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(yù)組和對照組各29例。干預(yù)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(tǒng)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(yī)學會傳染病學會制訂的診斷標準[2],入選患者谷丙轉(zhuǎn)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(tǒng)一肝炎治療方案。干預(yù)組在常規(guī)護理基礎(chǔ)上,實施日?；顒恿炕深A(yù);對照組僅實施常規(guī)護理。(1)干預(yù)方法。對干預(yù)組患者日?；顒硬扇∫韵氯粘；顒恿炕深A(yù)措施:根據(jù)WHO報告的要因加算法,將日?；顒臃譃樾菹ⅰ⑤p體力、中體力、重體力4種活動類型,即24h內(nèi)日?；顒蛹皶r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?；顒禹椖磕芰肯牧康墓罍y。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(nèi)容和時間,以mim為單位準確記錄24h內(nèi)從事的各項日?；顒宇愋图捌鹬箷r間,1d之內(nèi)相同的活動時間相加,最后得出1d內(nèi)各項活動所用的時間。測量2組患者的體質(zhì)量(清晨空腹、脫鞋帽、外衣),以kg為單位,讀數(shù)精確到0.1kg。根據(jù)日?；顒恿颗c能量消耗率之間的轉(zhuǎn)換方法將消耗量數(shù)據(jù)化,即各類活動項目的能量消耗量=體質(zhì)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(jù)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(guān)系。

1.4 數(shù)據(jù)處理:應(yīng)用SPS11、12軟件進行統(tǒng)計分析,所得數(shù)據(jù)以(x±s)表示,計量資料采用t檢驗。

表1 2組日?；顒映掷m(xù)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(xù)時間(x±s,min)

休息輕體力中體力重體力

干預(yù)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(shù)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(shù)

干預(yù)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(jié)果

2.1 2組日?；顒映掷m(xù)時間的比較,(見表1)。2組日?；顒映掷m(xù)時間的比較,干預(yù)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(zhuǎn)氨酶、總膽紅素變化速率和住院天數(shù)的比較(見表2)。干預(yù)組能量消耗量、ALT變化速率、TBIL變化速率、住院天數(shù)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(yǎng)和氧,肝內(nèi)糖元及蛋白質(zhì)分解增加,這些代謝產(chǎn)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(fù)有著密切的關(guān)系,能量消耗反應(yīng)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(yīng)處理好休息與活動的辨證關(guān)系,休息可以促進肝功能好轉(zhuǎn),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(yù),對照組和干預(yù)組患者的住院期間能量消耗量比較,差異又統(tǒng)計學意義(P

臨床上,大多數(shù)CHB患者在疾病尚未出現(xiàn)嚴重并發(fā)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(jié)果提示,能量消耗多少與肝功能恢復(fù)密切相關(guān),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?；顒恿炕深A(yù)。具體活動量可以依據(jù)本研究中干預(yù)組的活動時間,結(jié)合患者個體差異制訂具體的、量化的日?；顒佑媱?讓患者對"休息"的內(nèi)涵有較為直觀的認識,從而由被動的接受變?yōu)橹鲃拥呐浜?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(yī)藥,2003,10(11):1208-1210.

[2] ?？∑?蘇秀芬.肝炎病人生活質(zhì)量調(diào)查分析(附142份健康狀況調(diào)查)[J].吉林醫(yī)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(wǎng)絡(luò)(wireless sensor network,簡稱WSN )的相關(guān)研究已經(jīng)成為現(xiàn)階段國內(nèi)外研究的熱點[1-4],這不僅因為WSN相關(guān)領(lǐng)域技術(shù)的迅速發(fā)展,如微機電系統(tǒng)(Micro-Electro-Mechanism System)、無線通信和數(shù)字電子技術(shù)的發(fā)展,另外也是由于WSN在國防軍事、環(huán)境監(jiān)測、交通管理、醫(yī)療衛(wèi)生、防恐抗災(zāi)等眾多領(lǐng)域的廣闊應(yīng)用前景。WSN相關(guān)協(xié)議需要考慮的主要因素有傳感器網(wǎng)絡(luò)節(jié)點的有限計算能力和存儲空間、傳感器節(jié)點有限的能量資源等。由于傳感器網(wǎng)絡(luò)有限的計算能力和存儲空間,為盡可能減小節(jié)點的運算開銷,所設(shè)計的路由協(xié)議必須簡單有效。另外,傳感器節(jié)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(jié)點的生命周期也是WSN相關(guān)協(xié)議要考慮的重點因素。WSN的網(wǎng)絡(luò)管理與傳統(tǒng)網(wǎng)絡(luò)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(xiàn)實價值中,建立WSN能量消耗模型都顯得十分重要。

WSN路由協(xié)議的任務(wù)是通過建立路由,使傳感器節(jié)點和匯聚節(jié)點之間可靠地傳遞數(shù)據(jù)。能量多路徑路由[5]在源節(jié)點和目的節(jié)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(fā)送數(shù)據(jù)時,根據(jù)賦予的概率隨機選擇其中的一條路徑發(fā)送,這樣就沒有一條路徑一直傳送數(shù)據(jù)的現(xiàn)象,從而防止一條路徑上節(jié)點能量消耗過快。就是在源節(jié)點和目的節(jié)點之間建立多條路徑,根據(jù)路徑上節(jié)點的通信量消耗以及節(jié)點的均衡消耗節(jié)點能量延長網(wǎng)絡(luò)的生存期。但是由于其是在節(jié)點發(fā)生故障之后進行路徑切換的,因此耗費了大量節(jié)點的能量資源。

本文針對現(xiàn)有網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)節(jié)點能量消耗的特點,在分析WSN節(jié)點能量消耗特征的基礎(chǔ)上,通過對無線傳感器網(wǎng)絡(luò)節(jié)點的運行狀態(tài)利用Markov來進行模擬,建立了無線傳感器與網(wǎng)絡(luò)的節(jié)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(wǎng)絡(luò)多路徑路由機制,通過在J-sim [6]無線傳感器網(wǎng)絡(luò)仿真平臺進行仿真對比,結(jié)果驗證了Markov節(jié)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(wǎng)絡(luò)多路徑機制,結(jié)果表明基于能量感知的多路徑路由機制能夠有效降低節(jié)點能量消耗,提高網(wǎng)絡(luò)生存時間。

下文組織如下,第二節(jié)在分析WSN節(jié)點能量消耗的基礎(chǔ)上提出了一個WSN節(jié)點能量消耗模型;第三節(jié)基于能量消耗模型,改進了傳統(tǒng)的WSN多路徑路由機制;第四節(jié)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(jié)總結(jié)全文。

1 無線傳感器網(wǎng)絡(luò)節(jié)點能量消耗模型

1.1 無線傳感器網(wǎng)絡(luò)節(jié)點能量消耗分析

典型的傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)通常由分布的傳感器節(jié)點、接收發(fā)送器、互聯(lián)網(wǎng)和用戶界面等構(gòu)成。其中,傳感器節(jié)點作為網(wǎng)絡(luò)中的獨立工作實體,其基本的功能子系統(tǒng)包括供電子系統(tǒng)、計算子系統(tǒng)、傳感子系統(tǒng)和通信子系統(tǒng)等,如圖1所示,其能量消耗分別說明如下。

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

計算子系統(tǒng):主要任務(wù)是負責控制傳感器、執(zhí)行通信協(xié)議和處理傳感數(shù)據(jù)等軟件算法,是節(jié)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(jié)點的數(shù)據(jù)計算中心和功能控制中心,計算子系統(tǒng)與其他各個子系統(tǒng)聯(lián)系十分緊密,功能也很復(fù)雜。因此,其性能高低、功能強弱、在不同工作狀態(tài)(活動、空閑和休眠等)的持續(xù)時長以及不同狀態(tài)間的相互切換等,都會對整個節(jié)點的能量消耗產(chǎn)生嚴重影響。硬件上減少計算子系統(tǒng)能量消耗的常用技術(shù)包括低功耗器件、適時休眠和空閑時的降頻技術(shù)等。而要從網(wǎng)絡(luò)的整體來實現(xiàn)網(wǎng)絡(luò)節(jié)點的能量消耗相對均衡,則采用的主要是節(jié)點間的功能輪換。

傳感子系統(tǒng):主要任務(wù)是將采樣/收集被測控對象的敏感信息轉(zhuǎn)換成相應(yīng)的數(shù)字信息,它主要由一組傳感器和ADC、控制器等構(gòu)成。理想情況下,傳感子系統(tǒng)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(shù)的乘積。因此,該子系統(tǒng)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(shù)據(jù)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(shù)據(jù)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(jié)點的采樣頻率,由于傳感器網(wǎng)絡(luò)眾多分布節(jié)點中往往是成組節(jié)點去監(jiān)測相同的對象或敏感數(shù)據(jù),因此它不會對被測數(shù)據(jù)有效性和完整性造成破壞,只要依據(jù)應(yīng)用需求合理設(shè)置節(jié)點采樣任務(wù)的激活原則,就能在保證數(shù)據(jù)準確性的前提下,較好地控制該子系統(tǒng)的能量消耗。

通信子系統(tǒng):主要任務(wù)是負責節(jié)點的通信,由無線收發(fā)部件(radio)構(gòu)成。影響通信子系統(tǒng)能量消耗的關(guān)鍵因素[8-9]包括無線收發(fā)部件采用的調(diào)制模式、數(shù)據(jù)率、發(fā)射功率和操作周期等。另外,在沒有通信任務(wù)時,通信子系統(tǒng)應(yīng)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(tǒng)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(jù)以上分析,以分簇方式組織的無線傳感器網(wǎng)絡(luò),節(jié)點能量消耗主要是數(shù)據(jù)發(fā)送和數(shù)據(jù)處理模塊,節(jié)點運行時共分為6個狀態(tài),如表1所示。其中狀態(tài)3和狀態(tài)4消耗能量最多。

1.2 基于Markov的無線傳感器網(wǎng)絡(luò)節(jié)點能量預(yù)測模型

無線傳感器網(wǎng)絡(luò)節(jié)點的狀態(tài)轉(zhuǎn)換是建立節(jié)點能量消耗仿真模型的基礎(chǔ),采用Markov進行節(jié)點能量消耗的預(yù)測,其中關(guān)鍵點是轉(zhuǎn)移矩陣的生成。

1.2.1 狀態(tài)轉(zhuǎn)移概率矩陣生成模型

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

(1)

其中

2.2.2 Markov能量消耗預(yù)測模型分析

通過建立Markov仿真模型來模擬傳感器網(wǎng)絡(luò)節(jié)點能量消耗情況,其模型如下所示:

每個節(jié)點中用一個隨機變量序列表示該節(jié)點在這段時間的狀態(tài),假設(shè)該隨機變量為X0,X1,X2……。那么每個節(jié)點在同一時間可以處在不同的模式下。Xn=i表示傳感器節(jié)點在時間段n處于操作模式i下。假定所有的狀態(tài)遷移發(fā)生在任何時間段的開始階段,如果狀態(tài)j是節(jié)點在狀態(tài)i后的下一個狀態(tài),用Pij來表示節(jié)點由狀態(tài)i遷移到狀態(tài)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(jié)點當前在狀態(tài)i,經(jīng)歷兩次狀態(tài)遷移后到狀態(tài)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(jié)點的行為由遷移概率矩陣表示,每個節(jié)點的初態(tài)由X0表示,這樣我們就可以建立整個無線傳感器網(wǎng)絡(luò)能量消耗序列。

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

(7)

假設(shè)BS表示節(jié)點在狀態(tài)S停留一個時間段所傳輸?shù)臄?shù)據(jù)量,BT表示節(jié)點當前處在狀態(tài)i,經(jīng)過T個時間段后到達狀態(tài)s所傳輸?shù)臄?shù)據(jù)總量。而節(jié)點經(jīng)過T個時間段到達狀態(tài)s 的期望時間段數(shù)可由計算出來,于是可以得出BT:

(8)

由計算可以得出每個節(jié)點在時間T的數(shù)據(jù),總的節(jié)點數(shù)由下式來計算:

(9)

其中BS表示一個節(jié)點在狀態(tài)s 停留一個時間段所傳輸?shù)臄?shù)據(jù)量,Ck-i表示它是屬于簇Ck 的第i個傳感器節(jié)點,Pis表示從狀態(tài)i遷移到狀態(tài)s的概率。

綜合上述可知,根據(jù)無線傳感器網(wǎng)絡(luò)的狀態(tài)轉(zhuǎn)移矩陣和建立Markov模型可以預(yù)測節(jié)點在T時刻的能量消耗。

2 改進多路徑路由協(xié)議

2.1 改進思想

在傳感器網(wǎng)絡(luò)中,為了實現(xiàn)網(wǎng)絡(luò)負載平衡和提高數(shù)據(jù)傳輸?shù)目煽啃?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(yù)先建立和維護一組數(shù)據(jù),從而不需要周期性洪泛就能夠得到從數(shù)據(jù)源節(jié)點到匯聚節(jié)點的傳輸路徑。其基本思想是:在從數(shù)據(jù)源節(jié)點到匯聚節(jié)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(shù)據(jù)來維護數(shù)據(jù)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(yōu)路徑進行數(shù)據(jù)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(fā)的切換機制所引起的負載不均衡會導致傳感器節(jié)點資源消耗的不均衡,從而降低WSN全網(wǎng)的生存期。改進該思想,可以引入能量消耗預(yù)測機制,這樣主路徑在預(yù)測其將要傳輸失敗前就切換至次優(yōu)路徑,從而實現(xiàn)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(jié)點拓撲中,節(jié)點A為傳感器源節(jié)點,匯聚節(jié)點sink node是目的節(jié)點,在基于預(yù)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(yōu)路徑。其基本步驟為:

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

2) 主路徑中的關(guān)鍵節(jié)點從本地檢測網(wǎng)絡(luò)流量,建立閾值,如果檢測到即將發(fā)生擁塞,或者本節(jié)點能量即將耗盡,或者流量超過本節(jié)點負載,則給源節(jié)點A發(fā)送一個消息。

3) 源節(jié)點A接收到關(guān)鍵節(jié)點發(fā)送的消息后,就會立即進行路徑切換,選擇一條次優(yōu)路徑進行數(shù)據(jù)傳輸。

3 仿真比較分析

3.1 Markov能耗預(yù)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(yù)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(qū)動的網(wǎng)絡(luò)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(fā)。除了支持IP網(wǎng)絡(luò)之外,J-Sim還支持多種有線(MPLS、區(qū)分服務(wù)、綜合服務(wù))和無線網(wǎng)絡(luò)(Ad hoc網(wǎng)絡(luò)、無線傳感器網(wǎng)絡(luò)),能夠?qū)Σ煌W(wǎng)絡(luò)層次、不同網(wǎng)絡(luò)結(jié)構(gòu)、不同網(wǎng)絡(luò)組件進行實時仿真。

具體仿真步驟如下所示:

1) 在真實環(huán)境中中進行WSN節(jié)點能量消耗采集,采樣流量數(shù)據(jù)的采集是每隔1秒采集一個數(shù)據(jù),采集了88組數(shù)據(jù)。

2) 在J-Sim中,擴展實現(xiàn)Markov能量消耗模型。

3) 把步驟1)中所采集得到的WSN節(jié)點能量消耗數(shù)據(jù)序列化為矩陣。

4) 利用Markov能量消耗模型模擬WSN節(jié)點能量消耗過程。

5) 將仿真結(jié)果利用Jsim繪圖工具繪制成圖。

真實無線傳感器網(wǎng)絡(luò)節(jié)點采用了Medusa II Nodes.其能量消耗參數(shù)如表2所示。

3.2 WSN能量消耗仿真結(jié)果分析

仿真結(jié)果如圖3所示,在時間段(0,12)WSN節(jié)點狀態(tài)為休眠狀態(tài),能量消耗比較少,在時間段(21,42)WSN節(jié)點采集傳感數(shù)據(jù),在時刻31秒是能量消耗很大,然后節(jié)點在時間段(47,60)進行傳感數(shù)據(jù)處理,節(jié)點能量消耗相對較低,最后在(70,88)節(jié)點把傳感數(shù)據(jù)通過路由協(xié)議發(fā)送給其他節(jié)點,整體能量消耗達到最大點,與真實WSN節(jié)點能量消耗過程相比,Markov能量消耗模型能夠準確的預(yù)測出節(jié)點運行狀態(tài)變換,而且在每一個狀態(tài)中模擬曲線對實際WSN節(jié)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(yù)測現(xiàn)有真實WSN節(jié)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(xié)議進行了性能比較。實驗參數(shù)如表3所示。

感知節(jié)點每次采樣生成的數(shù)據(jù)量為4096byte,分別用改進前后的多路徑路由協(xié)議機制對數(shù)據(jù)進行傳送。試驗中對生存節(jié)點個數(shù)和全網(wǎng)的能耗在每個采樣周期都進行了統(tǒng)計。統(tǒng)計結(jié)果如圖4所示。

圖4(a)為改進前后的存活節(jié)點的采樣值的統(tǒng)計圖。在前400s內(nèi),存活節(jié)點的數(shù)量均未減少,而在400s之后,改進前的多路徑路由協(xié)議的存活節(jié)點數(shù)迅速下降,在600s內(nèi)即減少為0,而在改進后的多路徑路由協(xié)議機制中,節(jié)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(jié)點的存活數(shù)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(xié)議可有效地減小WSN存活節(jié)點的減少速度。

圖4(b)為改進前后的全網(wǎng)能耗的統(tǒng)計圖。全網(wǎng)的初始功率為200J?；谀芰款A(yù)測的多路徑路由協(xié)議在同采樣時刻中的能耗和全網(wǎng)的生存期中,都表現(xiàn)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(xié)議中,路徑切換至次優(yōu)路徑中是在主路徑失敗之后,而在改進后的多路徑路由協(xié)議中,路徑的切換是在主路徑即將失敗時實現(xiàn)的,這樣就使得全網(wǎng)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(wǎng)中常見的重路由機制相類似,區(qū)分WSN中切換的是整條路徑,而在固定網(wǎng)中只是在路由的某一結(jié)點處調(diào)整網(wǎng)絡(luò)流量的物理路徑。

4 結(jié)論

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

參考文獻:

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

[2] 崔莉,鞠海玲.無線傳感器網(wǎng)絡(luò)研究進展[J].計算機研究與發(fā)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(fā)展，節(jié)能已成為大勢所趨。企業(yè)要想提高競爭力，成本的節(jié)約無疑是非常關(guān)鍵的一環(huán)，能量消耗的減少，一方面有利于減小企業(yè)生產(chǎn)成本，另一方面有利于綠色環(huán)保。如果能夠僅通過調(diào)度優(yōu)化，在不改變技術(shù)、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(yè)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(guī)劃與車間調(diào)度集成的優(yōu)化問題研究逐漸增多。高亮等論證了工藝規(guī)劃與車間調(diào)度集成的必要性，分析了研究現(xiàn)狀及發(fā)展趨勢。田穎等對遺傳算法求解工藝規(guī)劃與調(diào)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(guī)劃進行了優(yōu)化。他們的研究都是只針對單目標（完工時間）進行優(yōu)化。當前，對于工藝規(guī)劃與能量消耗的多目標優(yōu)化問題研究較少。Liu等在混合流水車間內(nèi)建立了能量模型，用自適應(yīng)變異概率的改進遺傳算法分別對能耗和完工時間進行優(yōu)化，比較了兩種不同優(yōu)化目標下的能量消耗情況。Zhang等研究了柔性制造系統(tǒng)中的能量消耗與調(diào)度問題。Salido等建立了數(shù)學模型，分析了能量消耗、魯棒性與完工時問之間的關(guān)系，提出了節(jié)約能量的3種途徑：發(fā)明高效節(jié)能的生產(chǎn)機器、在產(chǎn)品設(shè)計階段充分考慮節(jié)能減排、優(yōu)化生產(chǎn)調(diào)度系統(tǒng)，指出第3種方法是最切實可行的“。Mouzon等建立了多目標數(shù)學規(guī)劃模型探討調(diào)度作業(yè)的問題，他們指出關(guān)閉一臺非必要的加工機器，節(jié)省的能源消耗占總量的相關(guān)份額可能會增加80%。Bruzzone等提出了一種基于混合整數(shù)規(guī)劃的調(diào)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(yè)基上進行能源優(yōu)化。這些研究都已經(jīng)開始具備了能量節(jié)約因素，但是沒有同時進行能量與完工時間的多目標優(yōu)化。何彥等建立了能量優(yōu)化與完工時間的雙目標優(yōu)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(guī)劃的因素。

本文在此基礎(chǔ)上建立了工藝規(guī)劃與車間調(diào)度的能量優(yōu)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(yōu)化，通過設(shè)置權(quán)重系數(shù)，使企業(yè)可以自由調(diào)節(jié)優(yōu)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(yōu)化。實驗結(jié)果證明了方法的有效性。

l 問題描述

1.1 工藝規(guī)劃與車間調(diào)度的數(shù)學模型

傳統(tǒng)的車間調(diào)度中每個工件只有一條工藝路線，不能滿足現(xiàn)代日益發(fā)展的柔性制造要求。在生產(chǎn)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(diào)度同時進行優(yōu)化，有利于縮短完工時間或達到其他優(yōu)化目標，從而提高企業(yè)競爭力。為了建立數(shù)學模型，作如下假設(shè)：（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(tài)到加工狀態(tài)的準備時間為O；（3）每個工件同時只能被一臺設(shè)備加工；（4）每臺機器從開機到該機器所有的加工任務(wù)完成，中間不關(guān)機；（5）每個工序的加工從開始到結(jié)束不允許被中斷。

1.2 能量模型

根據(jù)假設(shè)，每臺機器從任務(wù)開始，到本機器所有加工任務(wù)完成，一直在運轉(zhuǎn)。在實際生產(chǎn)中，機器的切削能耗占總能耗的比例不大，為了方便建立，數(shù)學模型，采用空轉(zhuǎn)功率來計算機器運轉(zhuǎn)淌耗的能量。作如下符號定義：

PAi：機器i運轉(zhuǎn)平均功率，即單位時平均消耗能量。

EAi：機器i運轉(zhuǎn)消耗能量。

EA：所有機器運轉(zhuǎn)消耗能量總和。

2 算法設(shè)計

本文提出的混合調(diào)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(shù)為收斂依據(jù)。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(yōu)性，義具備模擬退火的突變性。算法流程如圖1所示，設(shè)置回火代數(shù)為20。

算法步驟如下：

（1）基本參數(shù)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(yīng)度值，判斷是否滿足迭代次數(shù)，否則繼續(xù)；

（4）進行復(fù)制交叉、模擬退火、回火操作，產(chǎn)生新的種群，轉(zhuǎn)步驟3；

（5）結(jié)束。

2.1 染色體編碼及種群初始化

用遺傳算法解決優(yōu)化問題，對染色體的編碼設(shè)計非常重要.既要包括工藝規(guī)劃和車間調(diào)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(shù)，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(shù)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(jié)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(xù)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(guān)系。

2.2 適應(yīng)度函數(shù)

在實際生產(chǎn)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(jù)這一實際情況，對節(jié)能和完工時間的綜合采用加權(quán)多目標綜合方法，設(shè)置一個權(quán)重系數(shù)W來控制目標函數(shù)的傾向。由于能量和完工時間量綱的差異，且數(shù)值相差較大，不具有可比性，在加權(quán)之前需要對能耗和完工時間值作適當?shù)奶幚?，受啟發(fā)，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(yōu)化，取優(yōu)化過程中出現(xiàn)的最大值Makespan（max），EA（max），最小值Makespan（min），EA（min）。去量綱后的目標函數(shù)可表示為

2.3 交叉

交叉是遺傳算法進行尋優(yōu)的重要環(huán)節(jié)。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(jù)工件個數(shù)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(shù)為（0.3-0.5）×N個，這樣既能維持交叉產(chǎn)生新個體的多樣性，又能充分繼承父代的優(yōu)良特性。以6工件為例，假設(shè)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(yōu)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(yōu)良個體。

2.4 變異

為了改善遺傳算法容易陷入局部最優(yōu)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(shù)。

2.5 回火機制

回火，就是連續(xù)多代小更新最優(yōu)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(yōu)解，tempt記錄當前溫度，如果新種群最優(yōu)解優(yōu)于tempF，則更新tempF和tempt。本文設(shè)置回火代數(shù)為20，當連續(xù)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(shù)值為0. 042 843?？梢钥闯?，不管是完工時間還是能量消耗，都不是單目標優(yōu)化的最優(yōu)值，但是目標函數(shù)最優(yōu)。

（3）當w=0時，此時完工時間對目標函數(shù)值沒有影響，相當于單一的能量優(yōu)化。如圖6所示，目標函數(shù)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(yōu)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(diào)度與工藝規(guī)劃的角度來看，本文的優(yōu)化結(jié)果Makespan一27，優(yōu)于的結(jié)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(yōu)化所耗能量為796相比，能量的節(jié)約達到22. 5%。由以上結(jié)果可以看出，在權(quán)重系數(shù)W取值不同的結(jié)果下，目標函數(shù)的優(yōu)化結(jié)果都不一樣，企業(yè)在實際生產(chǎn)過程中，可以根據(jù)需求設(shè)置權(quán)重系數(shù)，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(chǎn)10個工件，每個工件有不同的工藝路線，共有加工設(shè)備10臺，各設(shè)備在運轉(zhuǎn)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(shù)據(jù)如表l所示。

優(yōu)化算法的參數(shù)設(shè)置和第3節(jié)一樣，權(quán)重系數(shù)w=0：0.1：1.O，共11組，每組運行 20次，優(yōu)化結(jié)果的完工時間和能量消耗各自取平均值。結(jié)果如表2所示。

篇5

 

現(xiàn)代社會不斷進步，科學技術(shù)不斷發(fā)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(nèi)脂肪積累過多。肥胖的主要原因是熱能不平衡，即營養(yǎng)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(nèi)分泌失調(diào)，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(nèi)，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(nèi)堆積，增加了身體負擔，過多的脂肪需大量的血液來供應(yīng)，加重了身體心血管系統(tǒng)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(xiàn)代社會的發(fā)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(xiàn)了多種減肥方法：藥物減肥、手術(shù)減肥、節(jié)食減肥、運動減肥等。減肥方法雖多，但如果應(yīng)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(fù)期由于基礎(chǔ)代謝率的加強,需要消耗更多的能量促進機體恢復(fù),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(jié)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(shù)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(jié)構(gòu)，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(zhì)就是要發(fā)育肌肉并提高神經(jīng)調(diào)節(jié)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(jīng)調(diào)節(jié)使應(yīng)該用力的肌肉協(xié)調(diào)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(jīng)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(xù)，以便身體生成新的肌肉組織。通過力量訓練，身體已經(jīng)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(fù)期由于基礎(chǔ)代謝率的提高，需要消耗更多的能量促進機體恢復(fù)，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(jié)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(chǎn)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(nèi)，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(fā)現(xiàn)，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(jié)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(jīng)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(jié)果非常復(fù)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(nèi)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(nèi)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(nèi)下降，造成“運動性厭食”，但這種厭食行為只會持續(xù)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(xù)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(fù)期由于基礎(chǔ)代謝率的增強，需要消耗更多的能量促進身體恢復(fù)，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(wǎng)絡(luò)中的大量監(jiān)測數(shù)據(jù)需經(jīng)過合理處理，才可滿足不同用戶的查詢需求。但該網(wǎng)絡(luò)數(shù)據(jù)的高效查詢受到網(wǎng)絡(luò)自身的限制，其中節(jié)點能量是制約其發(fā)展的核心因素。為有效降低網(wǎng)絡(luò)節(jié)點的能耗，本文研究了兩種算法。

1 基于時間范圍查詢的優(yōu)化算法

傳感器網(wǎng)絡(luò)對環(huán)境的感應(yīng)，很多時候要求得到查詢時間范圍內(nèi)感應(yīng)對象的屬性變化趨勢。若傳感器節(jié)點上有大量重復(fù)數(shù)據(jù)查詢并向基站發(fā)送時，可通過擬訂新的查詢表，將這些查詢合并，使大量重復(fù)數(shù)據(jù)一次性發(fā)送，減少了節(jié)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(jié)點的通信能量消耗，延長傳感器網(wǎng)絡(luò)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(yōu)化，同時在能量消耗上只考慮了發(fā)送能量的消耗。

合并查詢發(fā)送能聊消耗為,優(yōu)化合并后發(fā)送能量消耗為,則能量消耗節(jié)省量為,其中，ΔE為能量節(jié)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(shù)，a為一次感應(yīng)屬性數(shù)據(jù)量，A為一次感應(yīng)總數(shù)據(jù)量， Es為位能量發(fā)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(jié)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(jié)點在實際工作時能夠取得感應(yīng)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(jié)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(yù)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(shè)節(jié)點發(fā)送一個數(shù)據(jù)包消耗能量為E，接收一個數(shù)據(jù)包消耗能量為E。一個節(jié)點是否發(fā)送數(shù)據(jù)包，與節(jié)點采集的數(shù)據(jù)是否滿足查詢的概率P有關(guān)。每次采樣相互獨立，因此n次采樣滿足查詢條件的次數(shù)為n×p，每個數(shù)據(jù)包需要d次轉(zhuǎn)發(fā)到基站，一個時間間隔為t的查詢單位時間內(nèi)單個節(jié)點發(fā)送數(shù)據(jù)消耗的能量為，接收數(shù)據(jù)消耗的能量為（此處不考慮最后基站接收數(shù)據(jù)消耗的能量）。則整個網(wǎng)絡(luò)的所有節(jié)點消耗的能量為，其中，Esi為第i個節(jié)點發(fā)送一個數(shù)據(jù)包消耗的能量，Eri為第i個節(jié)點接收一個數(shù)據(jù)包消耗的能量，Pi為第i個節(jié)點滿足查詢條件的概率，為無線傳感器網(wǎng)絡(luò)節(jié)點數(shù)，di為節(jié)點深度（對應(yīng)發(fā)送次數(shù)），t為采樣周期。

上面各參數(shù)中，節(jié)點深度di可以根據(jù)網(wǎng)絡(luò)路由計算得到，采樣周期可以根據(jù)查詢需求或網(wǎng)絡(luò)采樣周期得到。下面給出查詢滿足概率計算方法。假設(shè)某查詢屬性A的搜索條件為x

在實際的無線傳感器網(wǎng)絡(luò)中，不是每個節(jié)點都能感應(yīng)到屬性值A(chǔ)的最大范圍。本文利用基站的計算和存儲能力，將節(jié)點歷史感應(yīng)并發(fā)送到基站的數(shù)據(jù)匯總起來得到每個節(jié)點感應(yīng)到的最大值A(chǔ)max和最小值A(chǔ)min。由于最大值A(chǔ)max和最小值A(chǔ)min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A(chǔ)max和最小值A(chǔ)min之間，也可能在其范圍之外，此處用參數(shù)ΔA來修正觀測到的最大值A(chǔ)max和最小值A(chǔ)min。則節(jié)點取值范圍為[Amin-ΔA，Amax+ΔA]。

節(jié)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(jié)點i查詢滿足概率，Aimax為節(jié)點i歷史查詢出現(xiàn)的屬性A的最大值，Aimin為節(jié)點i歷史查詢出現(xiàn)的屬性A的最小值，ΔiA為節(jié)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(xiàn)的數(shù)據(jù)標準差得到。

對兩個查詢要判斷是否進行合并，可以根據(jù)上面的公式分別計算兩個查詢消耗的能量；。根據(jù)表1合并規(guī)則合并查詢，預(yù)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(fā)送到傳感器網(wǎng)絡(luò)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(xù)，能夠大量減少查詢數(shù)量，降低無線傳感器網(wǎng)絡(luò)查詢傳輸?shù)臄?shù)據(jù)量，減少網(wǎng)絡(luò)節(jié)點的能量消耗，從而大大增加無線傳感器網(wǎng)絡(luò)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(huán)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(nèi)營養(yǎng)物質(zhì)（主要指糖類、脂肪、蛋白質(zhì)）在代謝過程中所伴隨的能量產(chǎn)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(diào)節(jié)的新生物，由于腫瘤生長以及由此產(chǎn)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(shù)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(yǎng)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(nèi)分泌、自身免疫性、骨骼系統(tǒng)疾病，無感染、發(fā)熱，測試前未進行腸內(nèi)外營養(yǎng)。

1.2 研究方法

入院時通過詢問病史、常規(guī)體格檢查、實驗室及輔助檢查等多種途徑，明確術(shù)前診斷及一般狀況，記錄飲食情況。根據(jù)簡易營養(yǎng)評價法（MNA）將胃癌病人分為3組:營養(yǎng)不良組（MNA 評分＜17分）、營養(yǎng)不良危險組（17分≤MNA評分＜24分）、營養(yǎng)良好組（MNA評分≥24分）。病人入院當天利用美國MedGraphics公司生產(chǎn)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(yù)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(xù)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(chǎn)生量（L/min）。能量消耗預(yù)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(chǎn)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(qū)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(zhì)量。術(shù)后第1天停止輸液4 h安靜平臥半小時后依前法測量術(shù)后REE， 根據(jù)日本胃癌學會1999年6月修訂的第13版胃癌處理規(guī)約行PTNM分期。對照組記錄性別、年齡和體質(zhì)量，并按上法測量REE。

1.3 統(tǒng)計學處理

采用SPSS 13.0及PPMS 1.5軟件［1］進行統(tǒng)計分析。計量資料數(shù)據(jù)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(guān)分析。

2 結(jié) 果

2.1 胃癌病人術(shù)前REE與正常人比較

胃癌病人術(shù)前REE較對照組低（t=2.359、2.236，P

2.2 不同營養(yǎng)狀態(tài)男性胃癌病人術(shù)前REE比較

營養(yǎng)良好者REE明顯高于營養(yǎng)不良危險和營養(yǎng)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(shù)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(shù)前后REE比較

手術(shù)后第1天REE為（6.199±0.798）kJ，呼吸商為0.798±0.067，而術(shù)前REE為（5.351±1.453）kJ/d，呼吸商為0.836±0.040。手術(shù)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(guān)性

REE與年齡呈負相關(guān)（r=-0.340，P

3 討論

許多學者曾經(jīng)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(guān)研究卻發(fā)現(xiàn)，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(xiàn)為低代謝［4］。本文結(jié)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(zhì)量是決定REE大小的最重要因素，而個體體質(zhì)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(jié)果顯示，脂肪和骨礦鹽與REE無明顯相關(guān)，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(guān)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(guān)，雖然腫瘤細胞代謝旺盛，但是產(chǎn)能并不一定多，因為腫瘤細胞多以無氧代謝為主，甚至出現(xiàn)酵解抑制氧化的Crabtree效應(yīng)［6］。另外，人體對機體內(nèi)外環(huán)境的變化都有一定的代償適應(yīng)能力，能量消耗下降是人體在攝入不足、體質(zhì)量下降時的一種代償性反應(yīng)［7］。REE降低這一結(jié)果也提示胃癌病人體質(zhì)量的下降可能與營養(yǎng)的攝入、吸收和利用減少更為密切相關(guān)，而不像甲狀腺功能亢進癥病人體質(zhì)量下降原因以代謝亢進為主。

轉(zhuǎn)貼于 MNA 法是GUIGOZ等［8］為完善對老年人營養(yǎng)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(yù)測價值為97%［9］。本研究根據(jù)MNA 法將男性胃癌病人分為3組，發(fā)現(xiàn)不同營養(yǎng)狀態(tài)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(shù)前REE分別與男性對照組比較，發(fā)現(xiàn)營養(yǎng)良好的病人其REE并無改變，有所下降的是營養(yǎng)不良危險病人和營養(yǎng)不良的病人。因此，從營養(yǎng)狀態(tài)的角度講，胃癌病人REE之所以較健康人下降，是因為營養(yǎng)不良的發(fā)生率較正常人高。另外，胃癌病人常有飲食差，尤以出現(xiàn)幽門梗阻者明顯，本研究根據(jù)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(fā)現(xiàn)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(tǒng)計意義。因此從營養(yǎng)攝入的角度看，營養(yǎng)物質(zhì)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(jié)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(xiàn)出營養(yǎng)不良，在人體組成上表現(xiàn)為瘦體含量下降，而在能量代謝上則表現(xiàn)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(guān)，許多惡性程度高的腫瘤病人常尚未表現(xiàn)出明顯的營養(yǎng)不良、瘦體減少就已發(fā)生遠處轉(zhuǎn)移，這可能是不同腫瘤分期病人REE未發(fā)現(xiàn)明顯不同的原因之一。

手術(shù)、創(chuàng)傷和感染等應(yīng)激反應(yīng)常使機體代謝率升高，并且隨著應(yīng)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(shù)病人應(yīng)激狀態(tài)下代謝率增高幅度比以往想像的要小得多，甚至有人發(fā)現(xiàn)中等大小的手術(shù)對機體的REE并無明顯影響［10］。本實驗也顯示，術(shù)后REE高于術(shù)前REE，但增高幅度并不大，因此術(shù)后給予營養(yǎng)支持時應(yīng)注意營養(yǎng)物質(zhì)的量，過多的營養(yǎng)物質(zhì)可能會加重各器官的負擔。術(shù)后病人的呼吸商較術(shù)前明顯低，提示術(shù)后營養(yǎng)物質(zhì)的利用與術(shù)前不同，糖的利用下降，而脂肪利用增多，這可能與體內(nèi)代謝紊亂尤其是與應(yīng)激引起的胰島素抵抗有關(guān)，所以術(shù)后營養(yǎng)支持時各種營養(yǎng)物質(zhì)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(zhì)量下降時的一種代償性反應(yīng)，胃癌病人術(shù)前REE偏低，并不意味著其需要的營養(yǎng)物質(zhì)較少，相反，此類病人尤其是營養(yǎng)不良者仍需要給予足夠的能量才能夠改善營養(yǎng)狀態(tài)。而對于術(shù)后的病人，臨床工作者在根據(jù)代謝車測定結(jié)果給予代謝支持的同時也應(yīng)該發(fā)現(xiàn)，術(shù)后病人體內(nèi)代謝紊亂明顯，如何采取措施將體內(nèi)紊亂的代謝狀況轉(zhuǎn)為正常，從而變代謝支持為代謝調(diào)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(yī)用統(tǒng)計學軟件PPMS 1.5的組成和應(yīng)用特點［J］. 齊魯醫(yī)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(yī)學院學報， 2007，43（3）：267-268.

［6］朱世能. 腫瘤基礎(chǔ)理論［M］. 第2版.上海：復(fù)旦大學出版社，2001：110-130.

［7］BARENDREGT K， SOETERS P B， ALLISON S P. 臨床營養(yǎng)基礎(chǔ)［M］. 上海：復(fù)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(wǎng)絡(luò)[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(yīng)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(yīng)該具有簡單性、可擴展性、節(jié)能性和魯棒性。另外,針對節(jié)點故障和網(wǎng)絡(luò)拓撲變化還應(yīng)該具有自重構(gòu)性。

蟻群算法是一種群體智能算法,最初用于解決組合優(yōu)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(wǎng)絡(luò)自身的特點,傳統(tǒng)網(wǎng)絡(luò)的路由協(xié)議不能很好地適用于無線傳感器網(wǎng)絡(luò)。許多學者都在集中研究開發(fā)基于蟻群算法的無線傳感器網(wǎng)絡(luò)路由算法[2-4]。我們在本文中提出一種改進的基于蟻群優(yōu)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(wǎng)絡(luò)擁塞和平衡能量消耗上也達到了很好的效果,延長了網(wǎng)絡(luò)生命周期,實現(xiàn)無線傳感器網(wǎng)絡(luò)的路由優(yōu)化目標。

1 基于蟻群優(yōu)化的路由原理

1.1 蟻群算法原理

蟻群算法[5]是一種啟發(fā)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(fā)。因此,路徑的長度和經(jīng)過這條道路徑的螞蟻個數(shù)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(jīng)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(tǒng)中構(gòu)成了一種信息素正向反饋機制。

近幾年,生物啟發(fā)算法已被廣泛地應(yīng)用到網(wǎng)絡(luò)路由問題上,基于蟻群優(yōu)化的路由算法對最大化網(wǎng)絡(luò)生命周期有顯著貢獻?；谙伻核惴ǖ穆酚伤惴ㄒ话惴譃閮纱箢?。一是Ant-Net算法,即通過正向螞蟻和逆向螞蟻的協(xié)作來取得最優(yōu)路由,正向螞蟻收集節(jié)點信息而由逆向螞蟻根據(jù)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(fā)到終點。當螞蟻抵達終點時更新路由表。兩種算法在網(wǎng)絡(luò)變化中都具有較強的自適應(yīng)性,并能迅速的建立最優(yōu)路徑。但是當他們更新路由表時有兩個缺點:一個是節(jié)點癱瘓,這是由于網(wǎng)絡(luò)延遲,節(jié)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(xié)同工作而消耗過多的能量。

為了達到結(jié)果最優(yōu)和適應(yīng)無線傳感網(wǎng)絡(luò),在文獻[6]中,提出了均衡節(jié)點的能量消耗的蟻群算法路由協(xié)議,他們利用螞蟻算法建立最優(yōu)路由路徑。文獻[7]中作者提出了基于蟻群系統(tǒng)的網(wǎng)絡(luò)能量平衡路由算法。文獻[8]實現(xiàn)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(wǎng)絡(luò)的拓撲結(jié)構(gòu)模擬成一個無向圖G(N,A),N是節(jié)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(jié)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(jié)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(fā)掉一部分,每一個螞蟻根據(jù)能量消耗參數(shù)更新它通過的路徑上的信息素。如果能量消耗參數(shù)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(jié)點重新開始搜索過程。

我們假設(shè)一些螞蟻在節(jié)點n,螞蟻k根據(jù)概率Pk(n,d)訪問下一個節(jié)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(shù),Xk(n)表示螞蟻還沒有訪問過的節(jié)點集,ε是調(diào)整能量消耗和信息素之間關(guān)系的一個常數(shù)。全局信息素的更新根據(jù)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(xiàn)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(wǎng)絡(luò)中,這種熱路徑并不一定是一個用來轉(zhuǎn)發(fā)數(shù)據(jù)包的最佳選擇。因為在這個路徑上數(shù)據(jù)包可能會擁塞、甚至導致部分網(wǎng)絡(luò)崩潰的結(jié)果。而且熱路徑會縮短網(wǎng)絡(luò)的生命周期。

2 基于蟻群優(yōu)化的無線傳感網(wǎng)絡(luò)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(shù)據(jù)包通過不同的路由路徑來轉(zhuǎn)發(fā),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(shù)據(jù)包流使他們通過不同的通道轉(zhuǎn)發(fā)。為此我們引進多蟻群之間的競爭機制,結(jié)合節(jié)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(xiàn)在同一轉(zhuǎn)發(fā)路徑上時,所有的信息素會被迅速蒸發(fā)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(zhuǎn)發(fā)路徑上螞蟻的數(shù)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(jié)點n,根據(jù)概率Pik(n,d),螞蟻Ai將訪問下一個節(jié)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(shù),Xik(n)表示螞群Ai中螞蟻k沒有訪問過的節(jié)點集,ε是調(diào)整能量消耗和信息素之間關(guān)系的一個常數(shù),值設(shè)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(jié)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(jié)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(shù)目都減少。然而,這種數(shù)據(jù)流平衡不能使網(wǎng)絡(luò)快速的穩(wěn)定。在任何一個蟻群系統(tǒng)中,當選擇一個路徑的概率發(fā)生了變化,選擇另一個相關(guān)路徑作為下一個路徑的概率也將更新。所以更新概率應(yīng)該要滿足下式:

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

從公式(4)中可以看到,當所有的蟻群相互競爭最優(yōu)路徑時,他們都服從來自于轉(zhuǎn)發(fā)節(jié)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(yōu)解的同時平衡節(jié)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(yōu)解,更避免了通信擁塞并延長了網(wǎng)絡(luò)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(fā)因子,這個因子能由公式(10)計算:

εij是信息素抑制參數(shù)。在我們的算法中,我們使用信息素抑制參數(shù)來計算在兩個蟻群競爭過程中的信息素的揮發(fā)程度和在競爭中螞蟻減少的數(shù)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(jié)果統(tǒng)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(jié)點D的能量消耗情況

圖1是模擬基本蟻群算法的實驗結(jié)果,顯示隨著時間的推移不同路徑上的螞蟻的數(shù)目。結(jié)論:在路徑BD上,螞蟻的數(shù)量急劇增加。然而,路徑BC和BE上的螞蟻數(shù)目的遠低于BD上的。圖2顯示的是改進算法的實驗結(jié)果,可以看到在最優(yōu)路徑BD上,螞蟻的數(shù)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(shù)量也顯著增加,這可以達到平衡網(wǎng)絡(luò)負載這個目標。我們還對節(jié)點D在改進的算法和基本蟻群算法關(guān)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(jié)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(jié)點D則保留了更多的能量。

新算法結(jié)合了多蟻群的信息素釋放機制和節(jié)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(wǎng)絡(luò)路由過程中節(jié)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(wǎng)絡(luò)生命周期。

4 結(jié)束語

WSN具有廣闊的應(yīng)用前景,但是由于節(jié)點能量,處理能力,儲存空間以及帶寬等的限制,它的大規(guī)模應(yīng)用還是存在許多需要克服的問題,設(shè)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(yōu)化的無線傳網(wǎng)絡(luò)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(yōu)解的問題和避免早熟現(xiàn)象。同時,結(jié)合節(jié)點的能量消耗問題,實現(xiàn)負載平衡。算法對延長網(wǎng)絡(luò)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(wǎng)絡(luò)技術(shù)[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(yīng)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(jié)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(gòu)造和組成部分以及運動員的身體騎行位置是需要特別關(guān)注的問題。

在1989年環(huán)法大賽上，自行車手柄首次被發(fā)現(xiàn)在空氣動力學上起到重要作用，除了設(shè)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(fā)，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?yōu)轵榍藙輹r，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(lián)系的身體橫截面積會給騎行中產(chǎn)生的阻力帶來很大影響，為了計算橫截面積，會用攝影技術(shù)獲得運動員在特殊騎行姿勢下的矩形區(qū)域，通過對矩形區(qū)域的劃分與測量，計算出整體面積。通過大量圖片對比和數(shù)據(jù)參考，獲得最終的運動員的騎行橫截面積。另外，根據(jù)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(jié)大量數(shù)據(jù)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(zhì)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(tǒng)中常見的傳輸技術(shù)，它可以在不影響網(wǎng)絡(luò)連接性和傳輸能力的前提下最小化節(jié)點供電能量消耗，但其會引發(fā)節(jié)點間互擾和能量消耗不均衡等問題，無線分組網(wǎng)中可以采用功率控制技術(shù)來解決此問題，主要通過調(diào)整發(fā)送節(jié)點的信號發(fā)射功率，在保證一定通信質(zhì)量的前提下盡量降低信號發(fā)射功率來節(jié)省能量消耗，同時也可以減少某些發(fā)送節(jié)點對鄰近節(jié)點的干擾，此時空間上相距較遠的節(jié)點可以同時發(fā)送數(shù)據(jù)而不會相互影響，這樣在一個較大區(qū)域內(nèi)可以有更多的節(jié)點同時發(fā)送數(shù)據(jù)，因此也就提高了信道的空間復(fù)用度，增大了網(wǎng)絡(luò)容量[1]。

本文針對Ad Hoc網(wǎng)絡(luò)，在多跳場景中采用功率控制機制，將網(wǎng)絡(luò)層路由協(xié)議，數(shù)據(jù)鏈路層介質(zhì)接入控制和物理層功率調(diào)整等各層功能緊緊結(jié)合在一起，路由協(xié)議通過選擇路徑來決定功率等級是否可用，介質(zhì)接入控制根據(jù)新的傳輸距離采用特定參數(shù)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(shù)據(jù)傳輸。

二、功率控制機制的設(shè)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(shè)計，同時考慮兩種MAC協(xié)議：簡單的載波監(jiān)聽ALOHA（CS-ALOHA）和IEEE802.11的MAC協(xié)議[2]。

（一）網(wǎng)絡(luò)部署和最大功率設(shè)置

Ad Hoc網(wǎng)絡(luò)拓撲中的節(jié)點部署問題是網(wǎng)絡(luò)工作的基礎(chǔ)，對網(wǎng)絡(luò)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(jié)約能量消耗等方面[3]。目前，Ad Hoc網(wǎng)絡(luò)的初期部署有兩種策略：一種是節(jié)點完全隨機部署，即所有傳感器節(jié)點隨機分布在整個網(wǎng)絡(luò)面積中，這樣不僅會造成網(wǎng)絡(luò)覆蓋的不合理，而且此時的最大傳輸功率也與網(wǎng)絡(luò)節(jié)點密度無關(guān)，無法采用功率機制技術(shù)；另一種是節(jié)點均勻放置在格型網(wǎng)絡(luò)中，這樣的網(wǎng)絡(luò)拓撲在實際中更常見，仿真中假設(shè)這樣的拓撲模型進行網(wǎng)絡(luò)性能分析。

網(wǎng)絡(luò)拓撲部署區(qū)域為格型，每個方格隨機布放一個節(jié)點[4]，此時網(wǎng)絡(luò)密度 為：

（1）

其中， 表示網(wǎng)絡(luò)中總的節(jié)點數(shù)目， 表示網(wǎng)絡(luò)面積， 表示節(jié)點間平均距離，且節(jié)點間最大距離 表示為：

（2）

Ad Hoc網(wǎng)絡(luò)中各節(jié)點應(yīng)能夠根據(jù)網(wǎng)絡(luò)拓撲中節(jié)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(wǎng)絡(luò)中相鄰兩節(jié)點間的連接性。通常認為兩個節(jié)點如果可以達到目標信噪比則物理上是連接的，考慮到網(wǎng)絡(luò)中采用多跳通信方式，則兩個節(jié)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(shù)目[4]

已知傳輸功率 與節(jié)點傳輸距離 有關(guān)，假設(shè)功率等級均勻分布，則兩個連續(xù)功率等級之間的步長 定義為：

， ， （3）

這里 表示相應(yīng)于距離 的傳輸功率，兩者之間具體關(guān)系如圖1所示。

另外，兩個連續(xù)功率等級的間隔也可以根據(jù)覆蓋范圍內(nèi)節(jié)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(yīng)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(guān)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(shù)是功率等級數(shù)目 ，增加等級數(shù)目可以更精確地進行功率變換，但小的功率等級數(shù)則更易于實現(xiàn)，由此推測當功率等級數(shù)超過某個值時繼續(xù)增加等級數(shù)將不再會明顯節(jié)約能量消耗，而具體數(shù)目可通過網(wǎng)絡(luò)仿真來估計。

（三）介質(zhì)接入控制

簡單介紹下這兩種MAC協(xié)議：CS-ALOHA和IEEE802.11的MAC協(xié)議[5]。

1.CS-ALOHA。

節(jié)點在傳輸前首先監(jiān)聽信道，如果發(fā)現(xiàn)信道空閑，它就開始傳輸數(shù)據(jù)，由于所用的調(diào)制解調(diào)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(jié)點將傳輸完整個數(shù)據(jù)包，如果等待一段時間后沒有得到肯定答復(fù)則表明本次傳輸與其它節(jié)點發(fā)生沖突，此時，若沒有超過重傳次數(shù)，節(jié)點將重新傳輸數(shù)據(jù)包。

CS-ALOHA優(yōu)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(shù)據(jù)重傳會導致更多的能量損耗。

2.IEEE802.11的MAC協(xié)議。

IEEE802.11的MAC協(xié)議是一種虛擬載波監(jiān)聽協(xié)議，最基本的媒體訪問方法是分布協(xié)調(diào)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(jié)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(quán)，它基于基本發(fā)幀模式和RTS/CTS發(fā)幀模式[6]來進行數(shù)據(jù)傳輸，并利用短的控制包交換來避免數(shù)據(jù)包沖突，從而最大化網(wǎng)絡(luò)吞吐量。

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

三、結(jié)論

在帶寬有限的Ad Hoc網(wǎng)絡(luò)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(shù)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(xiàn)能量消耗接近最小值，改善網(wǎng)絡(luò)性能。

未來工作中，還需要考慮含移動節(jié)點的網(wǎng)絡(luò)，以適應(yīng)Ad Hoc網(wǎng)絡(luò)的動態(tài)變化。

參考文獻：

[1]鄭少仁,王海濤.Ad Hoc網(wǎng)絡(luò)技術(shù)[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(wǎng)絡(luò)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(wǎng)的MAC層協(xié)議研究與實現(xiàn)[D].東南大學,2008,1