양자 처리 장치를 사용한 대규모 에너지 효율적인 센서 네트워크 라우팅

이 프로토콜은 레거시 프로토콜보다 에너지 측면에서 더 나은 것으로 입증되었습니다. 콘텐츠 컴퓨팅 연구의 관점에서 볼 때, 이 프로토콜은 현재 시끄러운 큐비트 문제의 병목 현상이 콘텐츠 컴퓨팅 기술의 상용성에 대한 한계를 가지고 있지 않다는 것을 보여줍니다. 이 기법은 현재의 최첨단 콘텐츠 컴퓨팅 방법을 네트워크 문제에 적용할 수 있는 가능성을 보여줍니다.

또한 레거시 방법보다 네트워크 문제에 콘텐츠 컴퓨팅 방법을 적용하는 장점을 제시합니다. 시작하려면 주어진 링크에서 Ocean 도구를 다운로드하여 설치하십시오. 터미널에서 python space minus m space venv space ocean을 입력한 다음 ocean/bin/activate를 입력합니다.

다음으로 git space clone space https:github.com/dwavesystems/dwave-ocean-sdk를 입력합니다. git, cd space dwave-ocean-sdk, python space setup을 차례로 실행합니다. py 공간 설치.

Cplex를 다운로드하여 설치한 후 터미널에서 pip space install space cplex를 입력합니다. Python 프로그래밍 표기법 스크립트를 사용하여 실험 구성 매개 변수를 설정합니다. 스크립트가 실행되면 기본 언어가 RAM에 변수를 저장하도록 처리됩니다.

다음으로, Python 스크립트를 생성하여 6개의 섹터에 균등하게 흩어져 있는 198개의 센서 노드 2D 위치를 생성하고 원형 영역을 반경 50미터로 나눕니다. 각 섹터 내에서 33개의 센서 노드가 정규 분포에 의해 랜덤하게 흩어져 있는지 확인합니다. 2D 위치를 이름 맞춤법 규칙 아래 각 섹터별로 텍스트 파일에 작은따옴표가 있는 posdata, 작은따옴표가 있는 더하기 섹터 밑줄 없음, 더하기 txt로 저장합니다.

반경이 50미터인 원형 영역을 6개의 섹터로 분할합니다. 섹터 인덱스 I의 경우 표시된 명령을 입력하여 j번째 센서 노드의 극 길이를 설정합니다. 섹터 인덱스가 L인 경우 j번째 센서 노드의 각도 값을 설정합니다.

그런 다음 i번째 섹터에서 j번째 센서 노드의 카테시안 좌표를 설정합니다. 198개 센서 노드 모두에 대한 초기 에너지 레벨을 준비하려면 센서 노드의 절반에 0.5줄의 초기 에너지를 할당하고 나머지 절반에 1줄의 초기 에너지를 할당하여 균등하게 나눕니다. 각 노드의 에너지 레벨을 저장할 배열을 만들고 루프를 사용하여 짝수로 배열된 셀에는 1 값을, 홀수 배열된 셀에는 0.5 값을 할당합니다.

다음으로, 클러스터 헤드를 선택하는 기능 스크립트를 준비합니다. 각 센서 노드에 대해 0과 1 사이의 난수를 얻threshold_rm random과 같습니다. 무작위 대괄호.

threshold_RM t_n보다 작으면 이 센서 노드를 클러스터 헤드로 선택합니다. 각 noncluster_head 노드에 대해 가장 가까운 클러스터 헤드 센서 노드를 클러스터 헤드로 선택합니다. 이 라운드의 전체 네트워크에서 에너지 고갈 프로세스를 계산하기 위해 명령줄을 준비합니다.

마지막으로 필요한 전송 라운드 메트릭을 계산합니다. 하이브리드 양자 알고리즘 스크립트를 준비하려면 루프에서 선택 절차를 실행하여 클러스터 헤드의 양이 6이 되도록 합니다. 그런 다음 cluster_head_valid되지 않은 각 노드에 대해 선택한 각 클러스터 헤드까지의 거리를 계산하고 클러스터 크기가 6을 초과하지 않고 거리 값이 가장 작은 클러스터 헤드에 할당합니다.

다음으로 클러스터별 루팅 최적화 문제가 형성되어 Dwave API에 제출되는 하위 함수 스크립트를 준비합니다. Python 스크립트를 사용하여 전체 네트워크의 에너지 고갈을 계산하여 전송 라운드 수 측면에서 네트워크 수명별로 알고리즘을 정량적으로 평가합니다. 그런 다음 첫 번째 노드가 드레이닝되는 순간과 노드의 절반이 드레이닝되는 순간을 기록합니다.

이 연구에서는 하이브리드 양자 알고리즘이 advanced_leach 알고리즘보다 효율성이 더 높다는 것을 관찰했습니다. 하이브리드 양자 알고리즘과 advanced_leach 준수하는 하이브리드 양자 알고리즘의 시간 복잡도도 여기에 표시됩니다. 이러한 방법은 객관적 최적화의 다른 시스템에 적용할 수 있습니다.

예를 들어, 제조업의 기계 간 통신이 있습니다. 콘텐츠 물리학에 따르면, 콘텐츠 내 이론은 고정된 게임 설정마다 문제를 제기했습니다. 이는 사회과학과 경제의 새로운 연구로 이어질 수 있다.