Một số thuật toán metaheuristic giải bài toán bao phủ diện tích và đối tượng trong mạng cảm biến không dây - Luận án tiến sĩ

BË GIO DÖC V€ €O T„O TR×ÍNG „I HÅC BCH KHOA H€ NËI NGUY™N THÀ H„NH MËT SÈ THUŠT TON METAHEURISTIC GIƒI B€I TON BAO PHÕ DI›N TCH V€ ÈI T×ÑNG TRONG M„NG CƒM BI˜N KHÆNG D Y LUŠN N TI˜N Sž KHOA HÅC MY TNH H Nëi - 2019 BË GIO DÖC V€ €O T„O TR×ÍNG „I HÅC BCH KHOA H€ NËI NGUY™N THÀ H„NH MËT SÈ THUŠT TON METAHEURISTIC GIƒI B€I TON BAO PHÕ DI›N TCH V€ ÈI T×ÑNG TRONG M„NG CƒM BI˜N KHÆNG D Y Ng nh : Khoa håc m¡y t½nh M¢ sè : 9480101 LUŠN N TI˜N Sž KHOA HÅC MY TNH NG×ÍI H×ÎNG DˆN KHOA HÅC: 1.TS Huýnh Thà Thanh B¼nh 2.TS Nguy¹n ùc Ngh¾a H Nëi - 2019 Líi cam oan Nghi¶n cùu sinh cam oan luªn ¡n n y l cæng tr¼nh nghi¶n cùu cõa ch½nh m¼nh d÷îi sü h÷îng d¨n cõa tªp thº c¡n bë h÷îng d¨n. Luªn ¡n câ sû döng thæng tin tr½ch d¨n tø nhi·u nguçn tham kh£o kh¡c nhau v c¡c thæng tin tr½ch d¨n ÷ñc ghi rã nguçn gèc. C¡c sè li»u, k¸t qu£ trong luªn ¡n l trung thüc v ch÷a tøng ÷ñc cæng bè trong c¡c cæng tr¼nh nghi¶n cùu cõa b§t ký t¡c gi£ n o kh¡c. H Nëi, ng y 05 th¡ng 11 n«m 2019 Thay m°t tªp thº gi¡o vi¶n h÷îng d¨n Nghi¶n cùu sinh PGS.TS Huýnh Thà Thanh B¼nh Nguy¹n Thà H¤nh ii Líi c£m ìn Líi ¦u ti¶n, tæi xin b y tä láng bi¸t ìn s¥u s­c tîi c¡c th¦y cæ gi¡o h÷îng d¨n, PGS.TS Huýnh Thà Thanh B¼nh v PGS.TS Nguy¹n ùc Ngh¾a , ¢ ành h÷îng khoa håc v tªn t¥m gióp ï, ch¿ b£o trong suèt qu¡ tr¼nh ho n th nh luªn ¡n t¤i tr÷íng ¤i håc B¡ch Khoa H Nëi.

Tæi xin ch¥n th nh c£m ìn Ban gi¡m hi»u, Ban l¢nh ¤o Vi»n cæng ngh» thæng tin v truy·n thæng, c¡c th¦y cæ bë mæn Khoa håc m¡y t½nh v c¡c b¤n ð pháng nghi¶n cùu Mæ h¼nh hâa, mæ phäng v tèi ÷u hâa, tr÷íng ¤i håc B¡ch khoa H Nëi ¢ t¤o i·u ki»n thuªn lñi nh§t º tæi ho n th nh ch÷ìng tr¼nh håc tªp v thüc hi»n luªn ¡n nghi¶n cùu khoa håc cõa m¼nh. Tæi xin ch¥n th nh c£m ìn Ban gi¡m hi»u tr÷íng ¤i håc Ph÷ìng æng, tªp thº c¡n bë, gi£ng vi¶n Khoa cæng ngh» thæng tin v truy·n thæng nìi nghi¶n cùu sinh cæng t¡c v c¡c b¤n b± th¥n thi¸t ¢ luæn t¤o i·u ki»n, ëng vi¶n, khuy¸n kh½ch º tæi ho n th nh luªn ¡n n y. Cuèi còng, tæi ch¥n th nh b y tä láng c£m ìn tîi gia ¼nh ¢ ki¶n tr¼, chia s´, ëng vi¶n nghi¶n cùu sinh trong suèt qu¡ tr¼nh håc tªp v ho n th nh luªn ¡n n y. H Nëi, ng y 05 th¡ng 11 n«m 2019 Nghi¶n cùu sinh Nguy¹n Thà H¤nh iii MÖC LÖC BƒNG THUŠT NGÚ VI˜T TT vii DANH SCH BƒNG ix DANH SCH HœNH V“ xi MÐ †U 1 1 CÌ SÐ LÞ THUY˜T 15 1.1 M¤ng c£m bi¸n khæng d¥y .4 Nhúng v§n · th¡ch thùc trong m¤ng c£m bi¸n .2 C¡c mæ h¼nh bao phõ cõa c£m bi¸n v m¤ng c£m bi¸n khæng d¥y 20 1.1 Mæ h¼nh bao phõ cõa c£m bi¸n .2 B i to¡n bao phõ trong m¤ng c£m bi¸n khæng d¥y .1 B i to¡n tèi ÷u li¶n töc .2 B i to¡n tèi ÷u tê hñp .3 Ph÷ìng ph¡p gi£i b i to¡n tèi ÷u .4 K¸t luªn ch÷ìng.

36 2 B€I TON CÜC „I DI›N TCH BAO PHÕ TRONG M„NG CƒM BI˜N KHÆNG D Y KHÆNG ÇNG NH‡T 38 iv 2.1 Ph¡t biºu b i to¡n .2 Gi£i thuªt · xu§t .1 Gi£i thuªt t¼m ki¸m chim cuckoo c£i ti¸n .2 Gi£i thuªt Democratic PSO .3 Gi£i thuªt thö ph§n cho hoa hén t¤p .4 Gi£i thuªt di truy·n c£i ti¸n .3 K¸t qu£ thüc nghi»m .1 Dú li»u thüc nghi»m .2 Tham sè thüc nghi»m .3 So s¡nh ¡nh gi¡ k¸t qu£ thüc nghi»m .4 K¸t luªn ch÷ìng. 75 3 B€I TON CÜC „I DI›N TCH BAO PHÕ TRONG M„NG CƒM BI˜N KHÆNG D Y KHÆNG ÇNG NH‡T C R€NG BUËC CH×ÎNG NG„I VŠT.1 Ph¡t biºu b i to¡n .2 Gi£i thuªt · xu§t .1 Gi£i thuªt di truy·n c£i ti¸n .2 Gi£i thuªt tèi ÷u hâa b¦y  n c£i ti¸n .3 K¸t qu£ thüc nghi»m .1 Kàch b£n thüc nghi»m .2 Tham sè thüc nghi»m .3 So s¡nh ¡nh gi¡ k¸t qu£ thüc nghi»m .4 K¸t luªn ch÷ìng. 105 4 B€I TON BAO PHÕ ÈI T×ÑNG ƒM BƒO K˜T NÈI V€ CHÀU LÉI TRONG M„NG CƒM BI˜N KHÆNG D Y V€ M„NG CƒM BI˜N KHÆNG D Y C SÛ DÖNG IšM THU PHT DI ËNG 107 4.1 B i to¡n bao phõ èi t÷ñng £m b£o k¸t nèi v chàu léi trong m¤ng c£m bi¸n khæng d¥y.1 Ph¡t biºu b i to¡n .2 Gi£i thuªt · xu§t .3 K¸t qu£ thüc nghi»m .2 B i to¡n bao phõ èi t÷ñng £m b£o k¸t nèi trong m¤ng c£m bi¸n khæng d¥y câ sû döng c¡c iºm thu ph¡t di ëng .1 Ph¡t biºu b i to¡n .2 Gi£i thuªt · xu§t .3 K¸t qu£ thüc nghi»m .3 K¸t luªn ch÷ìng. 132 K˜T LUŠN 134 DANH MÖC CÆNG TRœNH CÆNG BÈ 137 T€I LI›U THAM KHƒO 140 vi BƒNG THUŠT NGÚ VI˜T TT Chú vi¸t t­t T¶n ¦y õ IoT Internet of Things WSNs Wireless Sensor Networks MWSNs Mobile Wireless Sensor Networks SWSNS Sparse Wireless Sensor Networks HWSNS Hybrid Wireless Sensor Networks LoS Line-of-Sight VFA Virtual Force Algorithm MVFA Modify Virtual Force Algorithm GA Genetic Algorithm PSO Particle Swarm Optimization CS Cuckoo Search ICS Improve Cuckoo Search FPA Flower Pollination Algorithm CFPA Chaotic Flower Pollination Algorithm DPSO Democratic Particle Swarm Optimization ACB Artificial Bee Colony MCT Maximum Cover Tree SCAN Spreadable Connected Automomic Network ITS Intelligent Transportation System MR Mobile Relay RADA Resource Aware Data Accumulation MDC Mobile Data Collector ROM Read only Memory RAM Random Access Memory LX Laplace Crossover AMXO Arithmetic Crossover TC Target Coverage NCFT Network Connectivity Fault Tolerance SSCAT Sensor Set Covering All Targets FS Final Solution USP Using Spanning Tree vii UTSP Using Travelling Salesman Problem TSP Travelling Salesman Problem SSFTP Sensors Set for Two Paths PGA Pure Greedy Approach SGA Spanning tree and Greedy Approach HCG Heuristic Clustering Greedy MRP Minimum Relay Node Placement MEST Mest Problem in Steiner Tree EMST Euclide Minimum Spanning Tree viii DANH SCH BƒNG 2.1 Dú li»u thüc nghi»m.2 B£ng tham sè thüc nghi»m cõa c¡c gi£i thuªt DPSO .3 B£ng tham sè thüc nghi»m cõa gi£i thuªt ICS .4 B£ng tham sè thüc nghi»m cõa gi£i thuªt CFPA .5 Tham sè thüc nghi»m cõa gi£i thuªt MIGA.6 K¸t qu£ mæ h¼nh thù nh§t .7 Trung b¼nh di»n t½ch bao phõ v ë l»ch chu©n cõa c¡c gi£i thuªt IGA, DPSO, ICS, CFPA v MIGA tr¶n 15 bë dú li»u v méi bë dú li»u ch¤y thüc nghi»m 30 l¦n l§y trung b¼nh (Avg: Trung b¼nh di»n t½ch bao phõ, ë l»ch chu©n (SD) v Upper Bound: di»n t½ch lîn nh§t cõa tøng bë dú li»u ¤t ÷ñc.6 Tham sè thüc nghi»m cõa gi£i thuªt MGA .7 Tham sè thüc nghi»m cõa gi£i thuªt PSO .8 Tham sè thüc nghi»m cõa gi£i thuªt IPSO .1 Dú li»u thüc nghi»m b i to¡n tèi ÷u bao phõ £m b£o k¸t nèi v chàu léi trong WSNs.2 Dú li»u ¦u v o cõa b i to¡n tèi ÷u bao phõ £m b£o k¸t nèi v chàu léi trong WSNs.3 Tham sè thüc nghi»m cho gi£i thuªt UTSP.4 K¸t qu£ thüc nghi»m cõa hai gi£i thuªt USP v UTSP khi so s¡nh v· sè l÷ñng nót c£m bi¸n, nót chuyºn ti¸p v thíi gian thüc hi»n .5 Dú li»u cho kàch b£n £nh h÷ðng cõa sè l÷ñng tr¤m thu ph¡t dú li»u ëng .6 Dú li»u cho kàch b£n £nh h÷ðng cõa sè l¦n thu thªp dú li»u .7 Dú li»u cho kàch b£n £nh h÷ðng cõa sè l÷ñng èi t÷ñng.

127 x DANH SCH HœNH V“ 1.2 C§u tróc cõa mët nót c£m bi¸n .3 C§u tróc cõa mët nót c£m bi¸n .4 C¡c mæ h¼nh c£m bi¸n .5 V½ dö v· b i to¡n bao phõ èi t÷ñng trong WSNs: trong â tªp T1 , T2 , T3 , T4 , l c¡c èi t÷ñng; S1 , S2 , S3 , S4 , S5 , S6 l tªp c¡c c£m bi¸n.6 C¡c mæ h¼nh bao phõ r o ch­n trong WSNs.7 V½ dö v· b i to¡n bao phõ 100% di»n t½ch trong WSNs.8 v½ dö v· b i to¡n cüc ¤i di»n t½ch trong WSNs khæng çng nh§t vîi sè l÷ñng c£m bi¸n cho tr÷îc.9 V½ dö v· b i to¡n thi¸t k¸ m¤ng i»n.1 M¢ hâa c¡ thº: (a ) Biºu di¹n bði khæng gian kiºu gen, (b ) Biºu di¹n bði khæng gian kiºu h¼nh.2 Mæ t£ qu¡ tr¼nh khði t¤o heuristic cõa qu¦n thº: h¼nh (a) líi gi£i thu ÷ñc sau qu¡ tr¼nh khði t¤o l khæng tèi ÷u , h¼nh (b) líi gi£i thu ÷ñc sau qu¡ tr¼nh khði t¤o l tèi ÷u (Olap = 0).3 Qu¡ tr¼nh lai gh²p º sinh ra hai con Z1 v Z2 tø hai cha mµ P1 v P2 .4 Mæ t£ qu¡ tr¼nh ët bi¸n sû döng Gauss ëng .5 Mæ t£ qu¡ tr¼nh t½nh to¡n cõa b÷îc 1: Chia mi·n A th nh c¡c ph¦n nhä bði c¡c ÷íng th¯ng song song vîi tröc tung v ÷íng th¯ng n y ph£i ti¸p xóc vîi h¼nh trán v c¡c giao iºm cõa c¡c h¼nh trán.6 Tr÷íng hñp mët c£m bi¸n ÷ñc triºn khai trong mi·n D.7 Mæ t£ tr÷íng hñp hai c£m bi¸n khæng giao nhau tr¶n mi·n D.8 Mæ t£ tr÷íng hñp hai c£m bi¸n giao nhau tr¶n mi·n D.9 Thíi gian t½nh to¡n cõa c¡c thuªt to¡n .10 ë hëi tö cõa thuªt to¡n .11 Trung b¼nh di»n t½ch bao phõ cõa c¡c gi£i thuªt IGA, DPSO, ICS, CFPA v MIGA tr¶n c¡c bë dú li»u bao phõ 70% di»n t½ch tr¶n mi·n A.12 Trung b¼nh di»n t½ch bao phõ cõa c¡c gi£i thuªt IGA, DPSO, ICS, CFPA v MIGA tr¶n c¡c bë dú li»u bao phõ 80% di»n t½ch tr¶n mi·n A.13 Trung b¼nh di»n t½ch bao phõ cõa c¡c gi£i thuªt IGA, DPSO, ICS, CFPA v MIGA tr¶n c¡c bë dú li»u bao phõ 90% di»n t½ch tr¶n mi·n A.14 ë l»ch chu©n cõa c¡c gi£i thuªt IGA, DPSO, ICS, CFPA v MIGA tr¶n 15 bë dú li»u.15 Trung b¼nh thíi gian t½nh cõa c¡c gi£i thuªt IGA, DPSO, ICS, CFPA v MIGA tr¶n 15 bë dú li»u sau 30 l¦n ch¤y méi bë dú li»u.16 Líi gi£i thu ÷ñc cõa MIGA tr¶n c¡c bë dú li»u s3-07, s4-09, s5-08 v s5-09.1 M¢ hâa c¡ thº: (a ) Biºu di¹n bði khæng gian kiºu gen, (b ) Biºu di¹n bði khæng gian kiºu h¼nh.2 Ba tr÷íng hñp khði t¤o qu¦n thº .3 Thº hi»n ë chçng cõa hai c£m bi¸n si v sj .4 C¡c tr÷íng hñp ë chçng cõa c£m bi¸n vîi bi¶n n¬m ð ngo i vòng gi¡m s¡t A.5 Ph¥n chia ch½n vòng cõa ch÷îng ng¤i vªt.6 ë chçng cõa mët ph¦n di»n t½ch cõa c£m bi¸n vîi ch÷îng ng¤i vªt.7 Qu¡ tr¼nh lai gh²p sû döng ph²p lai BLXα giúa hai cha mµ S1 v S2 sinh ra con Z .8 Khði t¤o qu¦n thº trong IPSO sû döng ph¥n cöm.9 X¡c su§t º c¡c c¡ thº ÷ñc lüa chån trð th nh Cbest.10 Mæ phäng qu¡ tr¼nh cªp nhªt cõa c¡ thº trong IPSO.11 T¼m gi¡ trà phò hñp c1 v c2 cõa gi£i thuªt PSO.