Algorithms for Topology-Aware Sensor Networks (eBook)

Algorithmen für Topologiebewusstsein in Sensornetzen Die vorliegende Arbeit beschäftigt sich mit algorithmischen und geometrischen Fragestellungen in Sensornetzwerken. Im Gegensatz zur klassischen Algorithmik, bei der ein einzelner Prozessor sequenziell Anweisungen abarbeitet und vollen Zugriff auf die Probleminstanz hat, werden hier verteilte Protokolle benötigt, bei denen die Knoten gemeinsam eine Aufgabe bewältigen, zu der sie allein nicht in der Lage wären. Zuerst untersuchen wir das grundlegende Problem, wie Sensorknoten ein Bewusstsein für ihre Position erlangen können. Motiviert daraus, dass das Problem, Koordinaten für ein globales Koordinatensystem zu bestimmen, in fast allen Varianten NP-schwer ist, wird ein vollkommen neuer Ansatz skizziert, bei dem das Netzwerk selbständig geometrische Cluster bildet und einen abstrakten Graphen konstruiert, der die Topologie des zugrunde liegenden Gebiets sehr genau widerspiegelt. Das sich daraus ergebende Positionsbewusstsein ist für einige Anwendungen dem klassischen euklidischen Ansatz deutlich überlegen. Der zweite Teil widmet sich einem Flussproblems für Sensornetzwerke, dass klassische dynamische Flüsse um Batteriebeschränkungen erweitert. Gesucht ist ein Fluss, der für gegebenen Zeithorizont die Datenmenge maximiert, die von einer Quelle zur Senke geschickt werden kann. Dieses Problem wird auch im zentralisierten Modell untersucht, da keine Vorarbeiten existieren. Wir beweisen Komplexitäten von Problemvarianten und entwickeln Approximationsschemata. Der dritte Teil stellt den Netzwerksimulator Shawn vor. Da der Benutzer zwischen verschiedenen geometrischen Kommunikationsmodellen wählen kann und das Speichermodell für den daraus resultierenden Graphen an den verfügbaren Speicher sowie an Simulationsparameter wie eventuell mögliche Mobilität der Knoten anpassen kann, ist Shawn hochflexibel und gleichzeitig deutlich schneller als vergleichbare Simulationsumgebungen.