Grootschalige energie-efficiënte sensornetwerkroutering met behulp van een kwantumprocessoreenheid

Dit protocol blijkt energietechnischer te zijn dan oudere protocollen. Vanuit het perspectief van een onderzoeksperspectief op het gebied van content computing laat dit protocol zien dat het huidige knelpunt van het probleem met luidruchtige qubits geen plafond biedt voor de commercialiteit van content computing-technologie. Deze techniek toont de haalbaarheid aan van het toepassen van de huidige state art content computing-methoden op netwerkproblemen.

Bovendien presenteert het de voordelen van het toepassen van content computing-methoden op netwerkproblemen ten opzichte van legacy-methoden. Download en installeer om te beginnen de Ocean-tools via de gegeven link. Typ bij de terminal python space minus m space venv space ocean then ocean/bin/activate.

Typ vervolgens git space clone space https:github.com/dwavesystems/dwave-ocean-sdk. Git dan CD Space Dwave-Ocean-SDK, gevolgd door Python Space Setup. py ruimte te installeren.

Na het downloaden en installeren van Cplex, typ je op de terminal pip space install space cplex. Stel met behulp van het Python-programmeernotatiescript de configuratieparameters van het experiment in. Zodra het script is uitgevoerd, wordt de onderliggende taal verwerkt om de variabelen in het RAM-geheugen op te slaan.

Maak vervolgens de Python-scripts om 198 2D-posities van sensorknooppunten te genereren die gelijkmatig zijn verdeeld over zes sectoren en verdeel het cirkelvormige gebied met een straal van 50 meter. Zorg er binnen elke sector voor dat de 33 sensorknooppunten willekeurig worden verspreid door een normale verdeling. Sla de 2D-posities op in tekstbestanden per sector onder de naamspellingsregel als posdata met enkele aanhalingstekens, plus sectoronderstrepingstekens geen plus txt met enkele aanhalingstekens.

Segmenteer het cirkelvormige gebied met een straal van 50 meter in zes sectoren. Stel voor sectorindex I de poollengte voor het j-de sensorknooppunt in door het aangegeven commando in te voeren. Als de sectorindex L is, stelt u de hoekwaarde in voor het j-de sensorknooppunt.

Stel vervolgens de cartesiaanse coördinaten in van het j-de sensorknooppunt in de i-de sector. Om de initiële energieniveaus voor alle 198 sensorknooppunten voor te bereiden, verdeelt u ze gelijkmatig, waarbij u een initiële energie van 0,5 joule toewijst aan de helft van de sensorknooppunten en één joule aan de andere helft. Ga verder met het maken van een array om het energieniveau van elk knooppunt op te slaan en gebruik een lus om cellen met een reeks in even getallen de waarde van één toe te wijzen en cellen met een reeks in oneven getallen de waarde van 0,5.

Bereid vervolgens een functioneel script voor om de clusterkop te selecteren. Bereik voor elk sensorknooppunt een willekeurig getal tussen nul en één, threshold_rm gelijk aan willekeurig. willekeurige haakjes.

Als threshold_RM kleiner is dan t_n, selecteert u dit sensorknooppunt als clusterkop. Selecteer voor elk noncluster_head knooppunt het dichtstbijzijnde sensorknooppunt van de clusterkop als clusterkop. Bereid de opdrachtregels voor om het energie-uitputtingsproces over het hele netwerk voor deze ronde te berekenen.

Bereken ten slotte de vereiste metrische gegevens van de transmissieronde. Om een script voor een hybride kwantumalgoritme voor te bereiden, voert u de selectieprocedure in een lus uit om ervoor te zorgen dat het aantal clusterkoppen zes is. Bereken vervolgens voor elk van de niet-cluster_head_valid knooppunten de afstand tot elke geselecteerde clusterkop en wijs deze toe aan de clusterkop waarvan de clustergrootte niet groter is dan zes en waar de afstandswaarde het kleinst was.

Bereid vervolgens een subfunctiescript voor waarin het rooting-optimalisatieprobleem per cluster wordt gevormd en ingediend bij de Dwave-API. Bereken met behulp van het Python-script de energieuitputting over het hele netwerk om het algoritme kwantitatief te evalueren op basis van de levensduur van het netwerk in termen van het aantal transmissierondes. Noteer vervolgens het moment waarop de eerste node wordt leeggemaakt en wanneer de helft van de nodes wordt leeggemaakt.

In deze studie werd waargenomen dat het hybride kwantumalgoritme efficiënter is dan het advanced_leach-algoritme. De tijdscomplexiteit van het hybride kwantumalgoritme en het hybride kwantumalgoritme dat voldoet aan de advanced_leach worden hier ook weergegeven. Deze methoden kunnen worden toegepast op andere systemen bij objectieve optimalisatie.

Bijvoorbeeld machine-to-machine communicatie in de maakindustrie. Volgens de inhoudsfysica heeft de inhoudstheorie problemen geplaveid voor elke vaste spelinstelling. Het kan leiden tot nieuw onderzoek in de sociale wetenschappen en economie.