توجيه شبكة مستشعر موفر للطاقة على نطاق واسع باستخدام وحدة معالج كمومي

يثبت هذا البروتوكول أنه أكثر حكمة في استخدام الطاقة من البروتوكولات القديمة. من منظور أبحاث حوسبة المحتوى ، يوضح هذا البروتوكول أن عنق الزجاجة الحالي لقضية الكيوبت الصاخبة لا يحمل سقفا لتسويق تكنولوجيا حوسبة المحتوى. توضح هذه التقنيات جدوى تطبيق أساليب حوسبة المحتوى الفنية الحالية على مشاكل الشبكة.

علاوة على ذلك ، فإنه يعرض مزايا تطبيق أساليب حوسبة المحتوى على مشاكل الشبكة على الأساليب القديمة. للبدء ، قم بتنزيل وتثبيت أدوات Ocean من الرابط المحدد. في المحطة ، اكتب مساحة الثعبان ناقص m space venv space ocean ثم ocean / bin / activate.

بعد ذلك ، اكتب مساحة استنساخ مساحة git https:github.com / dwavesystems / dwave-ocean-sdk. Git ثم CD الفضاء dwave-ocean-SDK ، تليها إعداد مساحة بايثون. تثبيت مساحة py.

بعد تنزيل Cplex وتثبيته ، في المحطة ، اكتب مساحة النقطة تثبيت مساحة cplex. باستخدام البرنامج النصي لتدوين برمجة Python ، قم بإعداد معلمات تكوين التجربة. بمجرد تنفيذ البرنامج النصي ، ستتم معالجة اللغة الأساسية لتخزين المتغيرات في ذاكرة الوصول العشوائي.

بعد ذلك ، قم بإنشاء نصوص Python النصية لإنشاء 198 موقعا لعقدة المستشعر 2D منتشرة بالتساوي في ستة قطاعات ، وقسم المنطقة الدائرية بنصف قطر 50 مترا. داخل كل قطاع ، تأكد من أن عقد المستشعر ال 33 مبعثرة بشكل عشوائي من خلال التوزيع الطبيعي. احفظ مواضع 2D في ملفات نصية حسب كل قطاع تحت قاعدة تهجئة الاسم ك posdata بعلامة اقتباس واحدة ، بالإضافة إلى تسطير القطاع لا زائد txt مع اقتباس واحد.

قسم المساحة الدائرية التي نصف قطرها ٥٠ مترا إلى ستة قطاعات. بالنسبة لفهرس القطاع I ، اضبط طول القطب لعقدة مستشعر jth عن طريق إدخال الأمر المشار إليه. إذا كان مؤشر القطاع هو L ، فقم بتعيين القيمة الزاوية لعقدة مستشعر jth.

ثم قم بتعيين الإحداثيات الديكارتية لعقدة مستشعر jth في قطاع ith. لتحضير مستويات الطاقة الأولية لجميع عقد المستشعر البالغ عددها 198 عقدة ، قسمها بالتساوي ، مع تخصيص طاقة ابتدائية قدرها 0.5 جول لنصف عقد المستشعر وجول واحد للنصف الآخر. تابع إنشاء مصفوفة لتخزين مستوى طاقة كل عقدة واستخدم حلقة لتعيين الخلايا المتسلسلة بأرقام زوجية بقيمة واحد وتلك المتسلسلة بأرقام فردية بقيمة 0.5.

بعد ذلك ، قم بإعداد برنامج نصي وظيفي لتحديد رأس المجموعة. لكل عقدة مستشعر ، احصل على رقم عشوائي بين صفر وواحد ، threshold_rm يساوي عشوائيا. قوس عشوائي.

إذا كان threshold_RM أقل من t_n، فحدد عقدة المستشعر هذه كرأس نظام المجموعة. لكل عقدة noncluster_head، حدد أقرب عقدة مستشعر رأس الكتلة إليها كرأس المجموعة. قم بإعداد سطور الأوامر لحساب عملية استنفاد الطاقة عبر الشبكة بأكملها لهذه الجولة.

أخيرا ، احسب مقاييس جولة الإرسال المطلوبة. لإعداد برنامج نصي لخوارزمية كمومية مختلطة، قم بتشغيل إجراء التحديد في حلقة للتأكد من أن مقدار رؤوس المجموعات هو ستة. بعد ذلك، لكل عقد من العقد غير cluster_head_valid، احسب المسافة إلى كل رأس مجموعة محدد وقم بتعيينه إلى رأس الكتلة الذي لم يتجاوز حجم مجموعته ستة وحيث كانت قيمة المسافة أصغر.

بعد ذلك ، قم بإعداد برنامج نصي للوظيفة الفرعية حيث يتم تشكيل مشكلة تحسين التجذير لكل مجموعة وإرسالها إلى واجهة برمجة تطبيقات Dwave. باستخدام برنامج Python النصي ، احسب استنفاد الطاقة عبر الشبكة بأكملها لتقييم الخوارزمية كميا حسب عمر الشبكة من حيث عدد جولات الإرسال. ثم سجل اللحظة التي يتم فيها تصريف العقدة الأولى وعندما يتم تصريف نصف العقد.

في هذه الدراسة ، لوحظ أن خوارزمية الكم الهجين لديها كفاءة أكبر من خوارزمية advanced_leach. يتم أيضا عرض التعقيد الزمني لخوارزمية الكم الهجينة والخوارزمية الكمومية الهجينة التي تتوافق مع advanced_leach هنا. يمكن تطبيق هذه الأساليب على أنظمة أخرى في التحسين الموضوعي.

على سبيل المثال ، الاتصال من آلة إلى آلة في الصناعة التحويلية. وفقا لفيزياء المحتوى ، مهدت نظرية المحتوى مشكلات لكل إعداد لعبة ثابت. يمكن أن يؤدي إلى أبحاث جديدة في العلوم الاجتماعية والاقتصاد.