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

BË GIO D÷C V O TO

TR ÕNG I HÅC BCH KHOA H NËI

NGUYN THÀ HNH

MËT SÈ THUT TON METAHEURISTIC GII BI
TON BAO PH’ DIN TCH V ÈI T —NG TRONG
MNG CM BIN KHÆNG DY

LUN N TIN S KHOA HÅC MY TNH

H NÎi - 2019


BË GIO D÷C V O TO

TR ÕNG I HÅC BCH KHOA H NËI

NGUYN THÀ HNH

MËT SÈ THUT TON METAHEURISTIC GII BI
TON BAO PH’ DIN TCH V ÈI T —NG TRONG
MNG CM BIN KHÆNG DY

Ng nh :
M¢ sË :

Khoa hÂc m¡y t½nh
9480101

LUN N TIN S KHOA HÅC MY TNH

NG ÕI H ŒNG DN KHOA HÅC:
1. PGS.TS Hu˝nh Th‡ Thanh B¼nh
2. PGS.TS Nguy¹n ˘c Ngh¾a

H NÎi - 2019


Lèi cam oan
Nghiản cu sinh cam oan luên Ăn n y l cấng trẳnh nghiản cu
ca chẵnh mẳnh dểi sá hểng dăn ca têp th cĂn bẻ hểng dăn.
Luên Ăn c s dng thấng tin trẵch dăn t nhiãu ngun tham khÊo
khĂc nhau v cĂc thấng tin trẵch dăn ềc ghi r ngun gậc. CĂc sậ
liằu, kát quÊ trong luên Ăn l trung thác v cha tng ềc cấng bậ
trong cĂc cấng trẳnh nghiản cu ca bĐt k tĂc giÊ n o khĂc.
Thay mt têp th giĂo viản hểng dăn

PGS.TS Hunh Th Thanh Bẳnh

ii

H Nẻi, ng y 05 thĂng 11 nôm 2019
Nghiản cu sinh

Nguyạn Th HÔnh


Lèi cÊm ẽn
Lèi Ưu tiản, tấi xin b y t lãng biát ẽn sƠu sc tểi cĂc thƯy cấ giĂo hểng

dăn, PGS.TS Hunh Th Thanh Bẳnh v

PGS.TS Nguyạn c Nghắa , Â

nh

hểng khoa hc v tên tƠm gip ễ, ch bÊo trong suật
quĂ trẳnh ho n th nh luên Ăn tÔi trèng Ôi hc BĂch Khoa H Nẻi.
Tấi xin chƠn th nh cÊm ẽn Ban giĂm hiằu, Ban lÂnh Ôo Viằn cấng
nghằ thấng tin v truyãn thấng, cĂc thƯy cấ bẻ mấn Khoa hc mĂy tẵnh v
cĂc bÔn phãng nghiản cu Mấ hẳnh ha, mấ phng v tậi u ha, trèng Ôi
hc BĂch khoa H Nẻi  tÔo iãu kiằn thuên lềi nhĐt tấi ho n th nh chẽng
trẳnh hc têp v thác hiằn luên Ăn nghiản cu khoa hc ca mẳnh.

Tấi xin chƠn th nh cÊm ẽn Ban giĂm hiằu trèng Ôi hc Phẽng
ấng, têp th cĂn bẻ, giÊng viản Khoa cấng nghằ thấng tin v truyãn
thấng nẽi nghiản cu sinh cấng tĂc v cĂc bÔn b thƠn thiát  luấn tÔo
iãu kiằn, ẻng viản, khuyán khẵch tấi ho n th nh luên Ăn n y.

Cuậi cng, tấi chƠn th nh b y t lãng cÊm ẽn tểi gia ẳnh Â
kiản trẳ, chia s, ẻng viản nghiản cu sinh trong suật quĂ trẳnh
hc têp v ho n th nh luên Ăn n y.
H Nẻi, ng y 05 thĂng 11 nôm
2019

Nghiản cu sinh

Nguyạn Th HÔnh

iii


MữC LữC
BNG THUT NG VIT TT
DANH SCH BNG
DANH SCH HNH V
M U
1 Cè S Lfi THUYT
1.1

MÔng cÊm bián khấng dƠy . .
1.1.1
1.1.2
1.1.3
1.1.4
1.2
CĂc mấ hẳnh bao ph ca cÊm biá
1.2.1
1.2.2
1.3
B i toĂn tậi u . . . . . . . . . . .
1.3.1
1.3.2
1.3.3
1.4 Kát luên chẽng . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2 BI TON CC I DIN TCH BAO PH TRONG MNG
CM BIN KHặNG DY KHặNG ầNG NHT

iv


2.1 PhĂt biu b i toĂn . . . . . . . . . . . . . . . . . . . . . .
2.2 GiÊi thuêt ã xuĐt . . . . . . . . . . . . . . . . . . . . . . .

2.2.1
2.2.2
2.2.3
2.2.4
2.3 Kát quÊ thác nghiằm . . . . . . . . . . . . . . . . . . . .
2.3.1
2.3.2
2.3.3
2.4 Kát luên chẽng . . . . . . . . . . . . . . . . . . . . . . . .

3 BI TON CC I DIN TCH BAO PH TRONG MNG
CM BIN KHặNG DY KHặNG ầNG NHT C RNG
BUậC CH NG NGI VT.
3.1
3.2

3.3

3.4

PhĂt biu b i toĂn . . . . . . . . .
GiÊi thuêt ã xuĐt . . . . . . . . . .

3.2.1

3.2.2
Kát quÊ thác nghiằm . . . . . .
3.3.1
3.3.2
3.3.3
Kát luên chẽng. . . . . . . . . . .

BI TON BAO PH ẩI T NG M BO KT
NẩI V CHU LẫI TRONG MNG CM BIN
KHặNG DY V MNG CM BIN KHặNG DY
C SÔ DữNG IM
4

THU PHT DI ậNG

4.1 B i toĂn bao ph ậi tềng Êm bÊo kát nậi v chu lẩi trong
mÔng cÊm bián khấng dƠy. . . . . . . . . . . . . . . . . . . . . . . .
4.1.1
PhĂt biu b i toĂn
GiÊi thuêt ã xuĐt
4.1.2


v


4.1.3 K¸t qu£ th¸c nghi»m . . . . . . . . . . . . . . . . . . . . . . 114
4.2 B i to¡n bao phı Ëi t˜Òng £m b£
bi¸n khÊng d¥y c‚ s˚ dˆng c¡c i
4.2.1

4.2.2
4.2.3
4.3 K¸t luªn ch˜Ïng . . . . . . . . . . .

KT LUN
DANH M÷C CÆNG TRNH CÆNG BÈ
TI LIU THAM KHO

vi


BNG THUT NG⁄ VIT TT
Ch˙ vi¸t tt
IoT
WSNs
MWSNs
SWSNS
HWSNS
LoS
VFA
MVFA
GA
PSO
CS
ICS
FPA
CFPA
DPSO
ACB
MCT

SCAN
ITS
MR
RADA
MDC
ROM
RAM
LX
AMXO
TC
NCFT
SSCAT
FS
USP


vii


UTSP
TSP
SSFTP
PGA
SGA
HCG
MRP
MEST
EMST

viii

DANH SCH BNG

2.1 D˙ li»u th¸c nghi»m. . . . . . . . . . . . . . . . . . . . .
2.2 B£ng tham sË th¸c nghi»m cıa c¡c gi£i thuªt DPSO
2.3 B£ng tham sË th¸c nghi»m cıa gi£i thuªt ICS . . .

2.4 B£ng tham sË th¸c nghi»m cıa gi£i thuªt CFPA . . .

2.5 Tham sË th¸c nghi»m cıa gi£i thuªt MIGA. . . . . .

2.6 K¸t qu£ mÊ h¼nh th˘ nh§t . . . . . . . . . . . . . . . .
2.7 Trung b¼nh di»n t½ch bao phı v Î l»ch chu©n cıa c¡c
IGA, DPSO, ICS, CFPA v MIGA tr¶n 15 bÎ d˙ li»u
d˙ li»u ch¤y th¸c nghi»m 30 l¦n l§y trung b¼nh (Avg: Tr
di»n t½ch bao phı, Î l»ch chu©n (SD) v Upper Bound:
lÓn nh§t cıa t¯ng bÎ d˙ li»u ¤t ˜Òc.) . . . . . . . .
3.1 K‡ch b£n 1 . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 K‡ch b£n 2 . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3 K‡ch b£n 3 . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4 K‡ch b£n 4 . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5 K‡ch b£n 5 . . . . . . . . . . . . . . . . . . . . . . . . . .

3.6 Tham sË th¸c nghi»m cıa gi£i thuªt MGA . . . . . .
3.7 Tham sË th¸c nghi»m cıa gi£i thuªt PSO . . . . . .
3.8 Tham sË th¸c nghi»m cıa gi£i thuªt IPSO . . . . .

4.1 D˙ li»u th¸c nghi»m b i to¡n tËi ˜u bao phı £m b£o
ch‡u lÈi trong WSNs. . . . . . . . . . . . . . . . . . . .

4.2 D˙ li»u ¦u v o cıa b i to¡n tËi ˜u bao phı £m b£o
ch‡u lÈi trong WSNs. . . . . . . . . . . . . . . . . . . .
4.3 Tham sË th¸c nghi»m cho gi£i thuªt UTSP. . . . . . .

ix


4.4 K¸t qu£ th¸c nghi»m cıa hai gi£i thuªt USP v
s¡nh v· sË l˜Òng nÛt c£m bi¸n, nÛt chuyºn ti¸p v
hi»n . . . . . . . . . . . . . . . . . . . . . . . . . .

4.5 D˙ li»u cho k‡ch b£n £nh h˜ ng cıa sË l˜Òng tr¤m
li»u Îng . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.6 D˙ li»u cho k‡ch b£n £nh h˜ ng cıa sË l¦n thu thªp d˙
4.7 D˙ li»u cho k‡ch b£n £nh h˜ ng cıa sË l˜Òng Ëi t˜Òng

x


DANH SCH HNH V
1.1 CĐu tÔo sensor . . . . . . . . . . . . . . . . . . . . . . .

1.2 CĐu trc ca mẻt nt cÊm bián . . . . . . . . . . . . .

1.3 CĐu trc ca mẻt nt cÊm bián . . . . . . . . . . . . .

1.4 CĂc mấ hẳnh cÊm bián . . . . . . . . . . . . . . . . . .
1.5 Vẵ d vã b i toĂn bao ph ậi tềng trong WSNs: tro
T1; T2; T3; T4; l cĂc ậi tềng; S1; S2; S3; S4; S5; S6 l

1.6
1.7
1.8
1.9

bián. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
CĂc mấ hẳnh bao ph r o chn trong WSNs. . . . . .
Vẵ d vã b i toĂn bao ph 100% diằn tẵch trong WSN
vẵ d vã b i toĂn các Ôi diằn tẵch trong WSNs khấng
vểi sậ lềng cÊm bián cho trểc. . . . . . . . . . . .
Vẵ d vã b i toĂn thiát ká mÔng iằn. . . . . . . . . . .

2.1 MÂ ha cĂ th: (a) Biu diạn b i khấng gian kiu gen
diạn b i khấng gian kiu hẳnh. . . . . . . . . . . . . . .
2.2 Mấ tÊ quĂ trẳnh kh i tÔo heuristic ca quƯn th: hẳnh
thu ềc sau quĂ trẳnh kh i tÔo l
thu ềc sau quĂ trẳnh kh i tÔo l

2.3 QuĂ trẳnh lai ghp sinh ra hai con Z1 v
vP
2

Z2

t hai ch

... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.4 Mấ tÊ quĂ trẳnh ẻt bián s dng Gauss ẻng . . . . .

2.5 Mấ tÊ quĂ trẳnh tẵnh toĂn ca bểc 1: Chia miãn
phƯn nh b i cĂc èng thng song song vểi trc tung
thng n y phÊi tiáp xc vểi hẳnh trãn v cĂc giao im
hẳnh trãn. . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6 Trèng hềp mẻt cÊm bián ềc trin khai trong miãn D

2.7 Mấ tÊ trèng hềp hai cÊm bián khấng giao nhau trản
xi


2.8

Mấ tÊ trèng hềp hai cÊm bián giao nhau trản m

2.9
Thèi gian tẵnh toĂn ca cĂc thuêt toĂn . . . . . .
2.10 ẻ hẻi t ca thuêt toĂn . . . . . . . . . . . . . . . . . . . . . . . .

2.11 Trung bẳnh diằn tẵch bao ph ca cĂc giÊi thuêt IGA, DPSO, ICS,
CFPA v MIGA trản cĂc bẻ d liằu bao ph 70% d
miãn A. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.12 Trung bẳnh diằn tẵch bao ph ca cĂc giÊi thuêt IGA, DPSO, ICS,
CFPA v MIGA trản cĂc bẻ d liằu bao ph 80% d
miãn A. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.13 Trung bẳnh diằn tẵch bao ph ca cĂc giÊi thuêt IGA, DPSO, ICS,
CFPA v MIGA trản cĂc bẻ d liằu bao ph 90% d
miãn A. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.14 ẻ lằch chuân ca cĂc giÊi thuêt IGA, DPSO, ICS, CFPA v
MIGA trản 15 bẻ d liằu. . . . . . . . . . . . . . .
2.15 Trung bẳnh thèi gian tẵnh ca cĂc giÊi thuêt IGA, DPSO, ICS,

CFPA v MIGA trản 15 bẻ d liằu sau 30 lƯn chÔy m
Lèi giÊi thu ềc ca MIGA trản cĂc bẻ d liằu s3-07,
2.16
v s5-09. . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1
3.2
3.3
3.4
3.5
3.6
3.7

MÂ ha cĂ th: (a) Biu diạn b i khấng gian kiu
diạn b i khấng gian kiu hẳnh. . . . . . . . . . . .
Ba trèng hềp kh i tÔo quƯn th . . . . . . . . .
Th hiằn ẻ chng ca hai cÊm bián si v

sj.

.....
CĂc trèng hềp ẻ chng ca cÊm bián vểi biản nơm
giĂm sĂt A. . . . . . . . . . . . . . . . . . . . . . . . . .
PhƠn chia chẵn vng ca chểng ngÔi vêt. . . .
ẻ chng ca mẻt phƯn diằn tẵch ca cÊm bián vểi
vêt. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

QuĂ trẳnh lai ghp s dng php lai BLX gia ha
S2 sinh

3.8

3.9

ra con Z. . . . . . . . . . . . . . . . . . . . .
Kh i tÔo quƯn th trong IPSO s dng phƠn cm
XĂc suĐt cĂc cĂ th ềc láa chn tr th nh Cbes

3.10

Mấ phng quĂ trẳnh cêp nhêt ca cĂ th trong IP

3.11

Tẳm giĂ tr ph hềp c v c
1

xii

2

ca giÊi thuêt PSO. . .


3.12
3.13
3.14

Tẳm giĂ tr c

ph hềp ca thuêt toĂn IPSO trong
(S1-IPSO).................................

Tẳm giĂ tr c
3

3 ph

hềp ca thuêt toĂn IPSO trong

(S2-IPSO).................................
Tẳm giĂ tr c
3 ph

hềp ca thuêt toĂn IPSO trong

(S3-IPSO).................................
3.15 Láa chn t lằ kh i tÔo heuristic ph hềp cho PSO
3.16 Láa chn t lằ kh i tÔo heuristic ph hềp cho MG
3.17 Láa chn t lằ kh i tÔo heuristic ph hềp cho chiá
thuêt toĂn IPSO (S1-IPSO). . . . . . . . . . . . .
3.18 Láa chn t lằ kh i tÔo heuristic ph hềp cho chiá
thuêt toĂn IPSO (S2-IPSO). . . . . . . . . . . . .
3.19 Láa chn t lằ kh i tÔo heuristic ph hềp cho chiá
thuêt toĂn IPSO (S3-IPSO). . . . . . . . . . . . . .
3.20 So sĂnh ba chián lềc ca IPSO khi s dng t lằ kh i tÔo heuristic

50%. ..................................100 3.21 p dng MVFA cho
PSO, IPSO v MGA. . . . . . . . . . . . . . . 101
l

3.22
3.23

3.24
3.25
3.26
3.27
4.1
4.2
4.3
4.4
4.5
4.6

PhƯn trôm diằn tẵch bao ph ca hai giÊi thu
trong cĂc kch bÊn 1,3 v 5. . . . . . . . . . . . . .
PhƯn trôm diằn tẵch bao ph ca kch bÊn 1.
PhƯn trôm diằn tẵch bao ph ca kch bÊn 2.
PhƯn trôm diằn tẵch bao ph ca kch bÊn 3.
PhƯn trôm diằn tẵch bao ph ca kch bÊn 4.
PhƯn trôm diằn tẵch bao ph ca kch bÊn 5.

Bao ph ậi tềng. . . . . . . . . . . . . . . . . . . . .

XƠy dáng th nh phƯn liản thấng. . . . . . . . . . .
(a)XƠy dáng th Ưy ; (b) xƠy dáng cĂch tẳm
t bĐt k mẻt nh n o trong th. . . . . . . . . . .
So sĂnh thèi gian gia hai giÊi thuêt USP v
d liằu sau 15 lƯn chÔy mẩi bẻ d liằu lĐy trung bẳ
Kát quÊ ca giÊi thuêt USP v UTSP trản bẻ
S1-8: hẳnh (a) v hẳnh (b) th hiằn kát quÊ ca
hẳnh (c) v hẳnh (d) th hiằn kát quÊ ca giÊi thuê
Bao ph ậi tềng trong tng cm. . . . . . . . . . .

xiii


4.7 °t c£m bi¸n £m b£o t½nh k¸t nËi t¤i thÌi iºm thu thªp d˙ li»u b.124
4.8 nh h˜ ng cıa iºm thu ph¡t d˙ li»u di Îng l¶n hi»u n«ng cıa
to n m¤ng. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
4.9 nh h˜ ng cıa sË l˜Òng chu k˝ thu thªp d˙ li»u l¶n hi»u n«ng
cıa to n m¤ng. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 4.10
nh h˜ ng cıa sË l˜Òng Ëi t˜Òng l¶n hi»u n«ng cıa to n m¤ng. 132

xiv


GII THIU
Trong nhng nôm gƯn Ơy, Internet vÔn vêt (Internet of Things - IoT) Â tr th nh
mẻt ch ã nghiản cu ca nhiãu nh khoa hc trong v ngo i nểc. ng dng ềc
cấng nghằ IoT mẻt yảu cƯu bt buẻc t ra l phÊi s dng mÔng cÊm bián khấng
dƠy (Wireless Sensor Networks - WSNs). MÔng cÊm bián khấng dƠy bao gm
hai th nh phƯn chẵnh l mẻt têp cĂc nt cÊm bián (Sensor Nodes) v mẻt hoc mẻt
sậ trÔm cẽ s (Base Stations - Sink). Sau khi ềc trin khai tÔi a im c th, cĂc
nt cÊm bián liản tc thu thêp thấng tin trong phÔm vi bĂn kẵnh cÊm bián, x l v
trao i thấng tin vểi cĂc nt cÊm bián khĂc hoc gi thấng tin vã trÔm cẽ s thấng
qua kát nậi khấng dƠy v giao thc nh tuyán  ềc thiát lêp. Bản cÔnh , sá phĂt
trin mÔnh m ca cĂc hằ thậng nhng  cho php tÔo ra cĂc thiát b nh gn,
c khÊ nông x l ẻc lêp

truyãn thấng khấng cƯn dƠy dăn. Nhè vêy m mÔng cÊm bián khấng
dƠy dạ d ng ềc trin khai nhiãu a hẳnh v ềc ng dng trong nhiãu
lắnh vác ca èi sậng nh bÊo vằ mấi trèng, quƠn sá, y tá, giao thấng
thấng minh, quÊn l th trèng bĂn l, quÊn l chuẩi quy trẳnh sÊn

xuĐt, cÊnh bĂo thiản tai, chĂy rng, vv. [1], [2], [3], [4], [5].
v

Tuy nhiản, viằc phĂt trin cĂc mÔng cÊm bián khấng dƠy cng gp khấng ẵt
kh khôn do cĂc nt cÊm bián c ngun nông lềng hÔn chá, khÊ nông hoÔt ẻng
trong cĂc iãu kiằn khc nghiằt ca mấi trèng văn cãn thĐp, hẽn na mẻt mÔng cÊm
bián c th lản án h ng nghẳn nt mÔng dăn án viằc duy trẳ hoÔt ẻng ca mÔng l
rĐt kh khôn. Vẳ vêy, yảu cƯu t ra l phÊi xƠy dáng WSNs sao cho Êm bÊo tiát
kiằm chi phẵ xƠy dáng mÔng, truyãn thấng n nh, khÊ nông bÊo mêt, ko d i
thèi gian sậng ca mÔng,v.v. chẵnh l nhng thĂch thc m WSNs ang phÊi ậi
mt nh chĐt lềng dch v mÔng, nông lềng, bÊo mêt, nh tuyán, bao ph, kát
nậi, chu lẩi vv. [1],[6], [7], [8], [9], [10], [11].
Bản cÔnh vĐn ã s dng nông lềng hiằu quÊ thẳ b i toĂn trin khai, hay tẳm
v trẵ t cĂc cÊm bián cng nhên ềc nhiãu sá quan tƠm t cĂc nh nghiản cu v
cĂc nh cung cĐp giÊi phĂp liản quan án mÔng cÊm bián khấng dƠy. B i vẳ, viằc
t nhng cÊm bián n y mẻt cĂch ngău nhiản c th khấng thác hiằn ềc nhiằm v
giĂm sĂt ca mÔng v gƠy lÂng phẵ vẳ phÊi dng mẻt sậ lềng lển cĂc cÊm
bián. Trản thác tá, do cĂc nt cÊm bián ch hoÔt ẻng tật trong mẻt vng bĂn
kẵnh nhĐt nh, viằc trin khai cĂc cÊm bián thu ềc ẻ bao ph lển v Êm bÊo
kát nậi chu lẩi trong to n mÔng  tr th nh yảu
1


cƯu cĐp thiát v ẻ lển ca diằn tẵch vng bao ph, tẵnh kát nậi v
chu lẩi  tr th nh cĂc tiảu chẵ quan trng trong viằc Ănh
giĂ chĐt lềng dch v WSNs [12], [13], [11] [14].
Nhiãu mấ hẳnh b i toĂn khĂc nhau  ềc cĂc nh khoa hc, têp o n cấng
nghằ a ra giÊi quyát b i toĂn tậi u trin khai cĂc nt cÊm bián Êm bÊo bao ph,
kát nậi v chu lẩi trong mÔng cÊm bián khấng dƠy v mÔng cÊm bián khấng dƠy
c s dng cĂc im thu phĂt di ẻng [11], [9], [15], [16], [17], [2],

[18].Tuy nhiản, trong mẩi b i toĂn  ềc nghiản cu trản văn cãn c nhiãu
vĐn ã cƯn ềc cÊi tián giÊm thiu vã thèi gian sậng, giĂ th nh v tông ẻ n
nh trong viằc trin khai mÔng. Vẳ vêy, trong luên Ăn n y tĂc giÊ têp trung
nghiản cu b i toĂn tậi u bao ph, Êm bÊo tẵnh kát nậi v chu lẩi trong
mÔng cÊm bián khấng dƠy v mÔng cÊm bián khấng dƠy c s dng cĂc im
thu phĂt di ẻng (mobile sinks).
CĂc b i toĂn vã tậi u bao ph, Êm bÊo tẵnh kát nậi v chu lẩi trong mÔng
cÊm bián khấng dƠy v mÔng cÊm bián khấng dƠy c s dng cĂc im thu phĂt di
ẻng ềc giÊi quyát trong luên Ăn ãu l cĂc b i toĂn NP-kh, nghắa l

khấng c thuêt toĂn thèi gian a thc giÊi chng, ngoÔi tr P = N P . Do ,
tĂc giÊ chn cĂch tiáp cên giÊi xĐp x s dng giÊi thuêt metaheuristic, heuristic
giÊi quyát cĂc b i toĂn ềc nhiãu tĂc giÊ nghiản cu v cĂc mấ hẳnh ềc cÊi tián t
mấ hẳnh trểc cho ph hềp vểi thác tá trin khai mÔng. CĂc giÊi thuêt ã xuĐt
ềc c i t, th nghiằm trản cĂc bẻ d liằu ềc cĂc nh nghiản cu trểc a ra so
sĂnh, Ănh giĂ hiằu nông. ậi vểi nhng mấ hẳnh ềc ã xuĐt trong luên Ăn, tĂc giÊ
 xƠy dáng cĂc kch bÊn mÔng a dÔng nhơm xem xt Ănh giĂ khĂch quan trản
hƯu hát cĂc tiảu chẵ xƠy dáng mÔng.

Tng quan tẳnh hẳnh nghiản cu trong v ngo i nểc
Trong phƯn n y, tĂc giÊ trẳnh b y tng quan vã cĂc nghiản cu
liản quan án viằc giÊi quyát ba vĐn ã ẻ bao ph, tẵnh kát nậi v chu
lẩi trong mÔng cÊm bián khấng dƠy v mÔng cÊm bián khấng dƠy
c s dng im thu phĂt di ẻng m luên Ăn quan tƠm giÊi quyát.

Tẳnh hẳnh nghiản cu ngo i nểc
Tng quan vã b i toĂn bao ph trong mÔng cÊm bián khấng dƠy  ềc thác
hiằn b i Bang Wang [11]. Theo tĂc giÊ, ẻ bao ph, tẵnh kát nậi, chu lẩi
l mẻt yáu tậ quan trng trong Ănh giĂ chĐt lềng mÔng cÊm bián. Do c rĐt

nhiãu nghiản cu liản quan án vĐn ã n y. Nhẳn chung, vểi nhng giÊ thiát v
mc tiảu c th khĂc nhau, b i toĂn bao ph c th chia th nh ba nhm: b i toĂn
bao ph ậi tềng (target coverage), b i toĂn bao ph diằn tẵch (area
coverage), b i toĂn bao ph r o chn. Luên Ăn têp trung nghiản cu hai mấ
2


hẳnh b i toĂn bao ph diằn tẵch v b i toĂn bao ph ậi tềng.
B i toĂn bao ph diằn tẵch: Cho án nôm 2011, khi nhc án b i toĂn bao
ph diằn tẵch trong mÔng cÊm bián khấng dƠy, ngèi ta nghắ ngay án viằc to
n bẻ khu vác t cÊm bián ãu ềc giĂm sĂt. C th xem Ơy l trèng hềp m rẻng ca
b i toĂn bao ph ậi tềng, trong mi im thuẻc khu vác cƯn giĂm sĂt ãu ềc coi
l ậi tềng cƯn ềc bao ph. Mấ hẳnh b i toĂn bao ph diằn tẵch cng ềc
chia th nh nhiãu mấ hẳnh b i toĂn con ty thuẻc v o cĂc tiảu chẵ nh: bao
ph 100% diằn tẵch vểi sậ lềng cÊm bián ẵt nhĐt [1922], tậi a ha diằn
tẵch bao ph vểi sậ lềng cÊm bián cho trểc, v.v.. Ngo i ra, trong mẩi mấ
hẳnh lÔi c th chia th nh nhiãu mấ hẳnh khĂc nhau khi thảm v o cĂc tiảu
chẵ khĂc nhau nh: cÊm bián cng loÔi, cÊm bián khĂc loÔi, cÊm bián tắnh,
cÊm bián ẻng, v.v. Khi thảm cĂc tiảu chẵ v o tng mấ hẳnh b i toĂn thẳ viằc
trin khai mÔng cng khĂc nhau. Nôm 2002, Andrew v cĂc cẻng sá [23] Â tiáp
cên theo hểng trin khai cĂc nt cÊm bián tậi u ha diằn tẵch bao ph ca
cĂc cÊm bián. CĂc miãn ềc thiát ká sao cho nt mÔng ềc ây xa khi
chểng ngÔi vêt hoc cĂc nt mÔng khĂc, ko giÂn vng bao ph diằn tẵch
ca to n mÔng. Nghiản cu n y gềi m nhiãu hểng phĂt trin cho ch ã bao ph
diằn tẵch trong mÔng. Sau , Y. Zou [2428] Â ã xuĐt thuêt toĂn lác ây Êo
(Virtual Force Algorithm - VFA) tậi u ha v trẵ trin khai cĂc nt cÊm bián.
Bản cÔnh , [2931] cng  ã cêp án b i toĂn các tiu sậ lềng cÊm bián cƯn s
dng vểi r ng buẻc bao ph 100% diằn tẵch ca miãn cƯn quan sĂt. Trong lểp
cĂc b i toĂn bao ph diằn tẵch cĂc tĂc giÊ trểc mểi ch ã cêp án vĐn ã tẳm
sậ lềng cÊm bián nh nhĐt trản mẩi ẽn v diằn tẵch sao cho c th bao ph

to n bẻ vng cƯn giĂm sĂt.
Nôm 2013, Yourim Yoon v cẻng sá [32] Â chng minh b i toĂn các Ôi diằn
tẵch bao ph trong WSNs khấng ng nhĐt l thuẻc lểp b i toĂn NP-kh. Cho
trểc sậ lềng cĂc cÊm bián c bĂn kẵnh khĂc nhau, cƯn tẳm v trẵ cho mẩi
cÊm bián sao cho diằn tẵch bao ph ca chng trản mẻt miãn diằn tẵch c
th l lển nhĐt. ẻ bao ph, hay cãn gi l miãn cÊm bián, ềc nh nghắa l diằn
tẵch ca hẳnh trãn c tƠm tÔi v trẵ t cÊm bián, bĂn kẵnh bơng bĂn kẵnh
cÊm bián. TĂc giÊ cho rơng khấng th giÊi quyát vĐn ã n y bơng thuêt toĂn ẽn
nh nh thuêt toĂn circle packing [11] b i miãn bao ph ca mẩi cÊm bián l
khĂc nhau. Bản cÔnh , tĂc giÊ cng ch ra Ơy l mẻt dÔng ca b i toĂn ph têp
(set cover) nản l b i toĂn NP-kh. Vẳ vêy, tĂc giÊ [32] tiáp cên theo phẽng
phĂp giÊi xĐp x v ã xuĐt giÊi thuêt di truyãn giÊi b i toĂn n y.
Trong thuêt giÊi di truyãn ềc ã xuĐt trong [32], cĂc cĂ th ềc biu diạn
l mẻt mÊng cĂc ta ẻ, mẩi phƯn t ca mÊng cho biát v trẵ ca cÊm bián
tẽng ng trản thác tá. CĂc cÊm bián ềc sp th tá theo bĂn kẵnh. ẻ thẵch

nghi ca cĂ th X l diằn tẵch bao ph (coA) ca cĂc cÊm bián vểi v trẵ m X
biu diạn ềc tẵnh theo phẽng phĂp Monte Carlo. fi t ng ca phẽng phĂp
n y l sinh ngău nhiản L im v kim tra xem im c thuẻc miãn bao ph
3


ca cÊm bián n o hay khấng. TĂc giÊ [32] Â a ra 4 phiản bÊn nh sau:

Phiản bÊn Ưu tiản - PGA: PGA thác hiằn ng tng bểc nh

nảu trản v giĂ tr L = 100000 ềc gi nguyản qua 1000 thá hằ.

Phiản bÊn th hai - MGA: MGA cÊi thiằn thèi gian chÔy bơng cĂch tông

dƯn giĂ tr L. Ban Ưu L = 10000 v c sau 100 thá hằ thẳ giĂ tr n y tông thảm

10000. So vểi PGA, thẳ MGA nhanh hẽn gƯn 2 lƯn m chĐt lềng
lèi giÊi văn ềc gi nguyản.
Phiản bÊn th ba - OPTGA: OPTGA ềc a ra nƠng cao chĐt lềng lèi giÊi.

Vểi cĂch m ha trản Ơy, khi thay i v trẵ ca cĂc gene biu diạn ta ẻ ca cĂc
cÊm bián cng loÔi thẳ lèi giÊi khấng thay i. Ngèi ta gi Ơy l hiằn
tềng khĂc kiu gene nhng cng kiu hẳnh. Tn tÔi n1!n2! : : : nk! cĂ th cng
biu diạn mẻt lèi giÊi vểi ni; i = 1::k l sậ lềng cÊm bián loÔi i. Khi , khấng

gian kiu gene v khấng gian kiu hẳnh khấng ng nhĐt. Do vêy, toĂn t
di truyãn, c biằt l php lai ghp, t ra khấng hiằu quÊ. OPTGA khc
phc iãu n y bơng cĂch thác php hiằn chuân ha Hungarian [33] cho
cha th 2 trong mẩi cp cha mà trểc khi lai ghp. Viằc chuân ha n y
s sp xáp lÔi th tá cĂc gene trong cha 2 sao cho khoÊng cĂch vểi cha 1
l nh nhĐt. KhoÊng cĂch n y ềc nh nghắa nh sau:
n

vểi s1

= (x
i

1

2

;s )l

d(s

1
i

khoÊng cĂch Euclidean gia hai cÊm bián c ta ẻ s1

i

i

cng tông dƯn giĂ tr L nh MGA. Kát quÊ cho thĐy OPTGA c thèi
gian chÔy tẽng ẽng MGA nhng chĐt lềng lèi giÊi lÔi tật hẽn nhiãu.
Phiản bÊn th t - OPTHGA: OPTHGA kát hềp OPTGA vểi thuêt toĂn VFA

(Virtual Force Algorithm) [26] nh mẻt phẽng phĂp tẳm kiám a phẽng cho
chĐt lềng lèi giÊi tật nhĐt. Theo , mẩi cĂ th sau khi ẻt bián s ềc tián h nh
VFA. Thuêt toĂn n y a ra 2 khĂi niằm: lác ây v lác ht gia
hai cÊm bián. fi t ng l khi miãn bao ph ca hai cÊm bián chng lản nhau thẳ
gia chng tn tÔi mẻt lác ây, ngềc lÔi tn tÔi lác ht. Dáa v o giĂ tr lác ây
cng nh lác ht ca mẻt cÊm bián so vểi cĂc cÊm bián cãn lÔi m v trẵ ca n
ềc iãu chnh ph hềp. Ơy l phiản bÊn tật nhĐt trong [32] cÊ vã thèi gian
thác hiằn, chĐt lềng lèi giÊi cng nh sá n nh. Tuy nhiản, ẻ
phc tÔp ca OPTHGA văn l O(nL) vểi L n (n l sậ lềng cÊm bián v L
l sậ im gieo theo phẽng phĂp Monter Carlo). Ngay vểi bẻ d liằu nh
nhĐt ch c 17 cÊm bián m OPTHGA văn cƯn án gƯn 6 pht mểi a ra ềc lèi
giÊi. Vểi bẻ d liằu lển nhĐt (130 cÊm bián), thèi gian l hẽn 42 pht. Kát quÊ n
y ềc a ra trản mĂy tẵnh s dng chẵp Intel Xeon CPU 2.4 GHz. Mc d
cĂc kát quÊ cho thĐy lèi giÊi thu ềc l khĂ tật xong văn cha phÊi tậi u.
Dạ thĐy rơng, khi miãn bao ph ca cĂc cÊm bián c ng ẵt chng lản nhau

(overlap) v ẵt ra ngo i biản ca miãn giĂm sĂt A thẳ diằn tẵch bao ph ca chng
4

;


trản miãn A c ng lển. Dáa trản lêp luên , inh Th H Ly [34] cng cĂc cẻng sá
(c tĂc giÊ luên Ăn tham gia) Â ã xuĐt mẻt h m thẵch nghi mểi s dng khĂi
niằm ẻ chng (Olap) v ng dng khĂi niằm n y tẵnh ẻ thẵch nghi ca

cĂ th. fi t ng l thay vẳ so sĂnh trác tiáp cĂc cĂ th theo diằn tẵch
bao ph trản miãn A nh trong [32], IGA s tián h nh so sĂnh giĂn
tiáp thấng qua ẻ chng.
Xt cĂ th S = (s1; s2 : : : sn), ẻ chng Olap ca S ềc nh nghắa nh sau:
Olap(S) =

n

trong , overlap(si; sj) l
overlap(si; sj) =

vểi d(si; sj) l khoÊng cĂch Euclidean gia hai cÊm bián
vi phÔm thẵch nghi phÊn Ênh mc ẻ chng gia miãn bao ph ca hai cÊm bián

ang xt si v

sj. =

nh hằ sậ nhng ềc s dng khi hai cÊm bián lng nhau. Dạ thĐy,
trèng hềp n y phÊi c hằ sậ vi phÔm lển nhĐt. Do vêy, ềc chn sao

cho lển hẽn giĂ tr ca .
overlap(si; bm) l ẻ chng gia miãn bao ph ca cÊm bián si vểi biản ca

miãn A. Náu khoÊng cĂch Euclidean gia cÊm bián si v
kẵnh r

si

s

ca cÊm bián i thẳ:
overlap(si; bm) = (rsi

d(si; bm)) rsi :

Khi , ẻ thẵch nghi ca cĂ th S s ềc tẵnh nh sau:
f itness(S) =

C th ni rơng, cĂ th n o c giĂ tr
Cên dểi ca Olap l 0, tc l khấng xÊy ra trèng hềp chng lản nhau n o,
khi f itness(S) = 1. ẻ phc tÔp tẵnh toĂn ca h m thẵch nghi n y ph thuẻc v o
ẻ phc tÔp ca h m tẵnh Olap. Theo , ẻ chng Olap c thèi gian tẵnh l
2

O(n ) nản

h m f itness c ẻ phc tÔp l

gieo theo phẽng phĂp Monte Carlo v

2

O(n )

nl

O(nL) vẳ L

n (L l

sậ im

sậ lềng cÊm bián ềc trin khai

trản miãn A)[32]. Ngo i ra, trong [34] ã xuĐt phẽng phĂp kh i tÔo heuristic

php ẻt bián Gauss ẻng thay cho ẻt bián Gauss tắnh ềc dng
[32]. Thác nghiằm Ănh giĂ IGA tật hẽn OTPHGA (Phiản bÊn tật
nhĐt trểc ) vã cÊ ẻ bao ph v thèi gian tẵnh toĂn. Mc d vêy,
cĂc kát quÊ m IGA Ôt ềc văn cha tậi u.
v


5


Bao ph ậi tềng: Trong vĐn ã bao ph ậi tềng ềc chia th nh nhiãu mấ
hẳnh b i toĂn khĂc nhau dáa v o cĂc tiảu chẵ ca tng ng dng nh: bao ph ậi
tềng nhơm ko d i thèi gian sậng ca mÔng, bao ph ậi tềng Êm bÊo tậi u thu
thêp d liằu, bao ph ậi tềng Êm bÊo tẵnh kát nậi, bao ph ậi tềng Êm bÊo

tẵnh kát nậi v chu lẩi. Ngo i ra, c rĐt nhiãu nghiản cu cãn trẳnh b y sá khĂc
nhau gia bao ph ậi tềng trong mÔng cÊm bián tắnh
v mÔng cÊm bián ẻng. Trong luên Ăn, tĂc giÊ trẳnh b y hai mấ hẳnh b i toĂn
thuẻc lểp b i toĂn bao ph ậi tềng: Bao ph ậi tềng Êm bÊo tẵnh kát nậi
v chu lẩi trong mÔng cÊm bián khấng dƠy tắnh, bao ph ậi tềng Êm bÊo
tẵnh kát nậi s dng cĂc im thu phĂt di ẻng. Sau Ơy, tĂc giÊ trẳnh b y cĂc nghiản
cu liản quan án hai b i toĂn va nảu trản. Â c rĐt nhiãu chián lềc trin khai cĂc
nt cÊm bián giÊi b i toĂn bao ph ậi tềng trong mÔng WSNs nh: dáa trản lác
ây v lác ht Êo (VFA) giÊi quyát vĐn ã bao ph ậi tềng trong WSNs nhơm
tẳm im trin khai cĂc nt cÊm bián mẻt cĂch hiằu quÊ nhĐt; hay cĂc trin khai
dáa v o hẳnh hc tẵnh toĂn nh b i toĂn lêp lểi, hẳnh hc Voronoi, v.v.. Tuy
nhiản, luên Ăn n y quan tƠm án b i toĂn bao ph ậi tềng theo hểng tiáp cên s
dng cĂc thuêt toĂn heuristic v metaheuristic.
Bao ph ậi tềng Êm bÊo tẵnh kát nậi v chu lẩi trong mÔng cÊm bián khấng dƠy
tắnh: Nôm 2010, Salma Begum v cĂc cẻng sá trong [35] dáa trản giÊi thuêt bƯy

ong (Artificial Bee Colony ABC) tẳm têp tậi thiu cÊm bián c th bao ph ềc
cĂc ậi tềng trong miãn cÊm bián. CĂc thẵ nghiằm ềc tián
h nh ậi vểi cĂc tẳnh huậng phc tÔp khi mẻt sậ mc tiảu nhĐt nh trong phÔm
vi trin khai mÔng cƯn ềc theo di vểi ẻ tin cêy cao hẽn bơng nhiãu cÊm bián (b i
toĂn k -coverage). Kát quÊ sẽ bẻ cho thĐy thuêt toĂn bƯy n nh ABC
v PSO c th ềc s dng hiằu quÊ cho cÊ hai b i toĂn bao ph diằn tẵch v bao
ph ậi tềng trản a hẳnh 2-D v 3-D. Nôm 2013, Omar Banimelhem [36] cng
cĂc cẻng sá Â s dng mẻt mÔng cÊm bián lai bao gm cÊ nt cÊm bián tắnh v
nt cÊm bián ẻng. CĂc tĂc giÊ trin khai bơng cĂch ban Ưu trin khai ngău nhiản
cĂc nt cÊm bián tắnh. Sau khi trin khai ngău nhiản cĂc nt cÊm bián tắnh,
trong mÔng s xuĐt hiằn nhng vng trậng m tÔi cĂc ậi tềng cha ềc bao
ph. Do , cĂc nt cÊm bián ẻng ềc a thảm v o nhơm tậi a vng bao ph trong
mÔng. TĂc giÊ ã xuĐt giÊi thuêt di truyãn (GA) nhơm mc ẵch tẳm sậ nt ẻng
tậi thiu v v trẵ tật nhĐt ca chng nhơm tậi a ha diằn tẵch cƯn bao ph.

Nôm 2015, Ta Van Dai cng cĂc cẻng sá [37] s dng mấ hẳnh bao ph ậi
tềng s dng giÊi thuêt GA vểi mc ẵch tậi a ha vng bao ph sao cho sậ nt
ẻng thảm v o l ẵt nhĐt. Bản cÔnh , cĂc vĐn ã vã tậi a ha vng ph sng v ko d i
tui th mÔng kát hềp vểi cĂc r ng buẻc vã kát nậi cng ềc nghiản cu rẻng rÂi.
Kát nậi hay cãn gi l khÊ nông giao tiáp gia cĂc nt cÊm bián. Hai cÊm bián
c th truyãn v nhên d liằu vểi nhau khi khoÊng cĂch gia chng nh hẽn bĂn
kẵnh truyãn. Mẻt vĐn ã bao ph ậi tềng in hẳnh l tẳm sậ lềng cÊm bián tậi
thiu bao ph tĐt cÊ cĂc ậi tềng. VĐn ã n y ềc giÊi quyát bơng cĂch s dng
cĂc phẽng phĂp khĂc nhau nh thuêt toĂn tham lam hoc thuêt toĂn di truyãn [11].
Ngo i vĐn ã
6