Крупномасштабная энергоэффективная маршрутизация сенсорной сети с использованием квантового процессора

Этот протокол оказался более энергосберегающим, чем устаревшие протоколы. С точки зрения исследований в области контент-вычислений, этот протокол показывает, что нынешнее узкое место проблемы шумных кубитов не является потолком для коммерциализации технологии контент-компьютинга. Этот метод демонстрирует возможность применения современных методов вычислений контента для решения сетевых задач.

Кроме того, в ней представлены преимущества применения методов контентных вычислений к сетевым задачам по сравнению с устаревшими методами. Для начала скачайте и установите инструменты Ocean по указанной ссылке. В терминале введите python space минус m space venv space ocean, затем ocean/bin/activate.

Затем введите git space clone space https:github.com/dwavesystems/dwave-ocean-sdk. git, затем cd space dwave-ocean-sdk, а затем настройка пространства python. py пробел install.

После загрузки и установки Cplex в терминале введите pip space install space cplex. С помощью скрипта нотации программирования Python настройте параметры конфигурации эксперимента. После того, как скрипт будет выполнен, базовый язык будет хранить переменные в оперативной памяти.

Затем создадим скрипты Python для генерации 198 2D-положений сенсорных узлов, которые равномерно разбросаны по шести секторам, и разделим круговую область радиусом 50 метров. В каждом секторе убедитесь, что 33 сенсорных узла разбросаны случайным образом по нормальному распределению. Сохраните 2D-позиции в текстовых файлах по каждому сектору в соответствии с правилом написания имени как posdata с одинарной кавычкой, плюс нижнее подчеркивание сектора плюс txt с одинарной кавычкой.

Разделите круговую область радиусом 50 метров на шесть секторов. Для индекса сектора I задайте длину полюса для узла j-го датчика, введя указанную команду. Если индекс сектора равен L, задайте угловое значение для узла j-го датчика.

Затем зададим декартовы координаты j-го сенсорного узла в i-м секторе. Чтобы подготовить начальные энергетические уровни для всех 198 сенсорных узлов, разделите их поровну, распределив начальную энергию 0,5 джоуля на половину сенсорных узлов и один джоуль на другую половину. Перейдите к созданию массива для хранения уровня энергии каждого узла и с помощью цикла присвойте ячейкам, упорядоченным четными числами, значение единицы, а ячейкам, упорядоченным по нечетным числам, значение 0,5.

Далее подготовьте функциональный скрипт для выбора головки кластера. Для каждого узла датчика получите случайное число от нуля до единицы, threshold_rm равное случайному. Случайная скобка.

Если threshold_RM меньше t_n, выберите этот узел датчика в качестве головки кластера. Для каждого узла noncluster_head выберите ближайший к нему узел датчика головки кластера в качестве головки кластера. Подготовьте командные строки для расчета процесса истощения энергии во всей сети для этого раунда.

Наконец, рассчитайте необходимые метрики раунда передачи. Чтобы подготовить сценарий гибридного квантового алгоритма, запустите процедуру выбора в цикле, чтобы убедиться, что количество головок кластера равно шести. После этого для каждого из не cluster_head_valid узлов вычислите расстояние до каждого выбранного головки кластера и назначьте его головке кластера, размер кластера которого не превысил шести и где значение расстояния было наименьшим.

Далее подготавливаем скрипт подфункции, в котором формируется задача оптимизации рутирования для каждого кластера и передается в API Dwave. Используя скрипт Python, рассчитайте истощение энергии по всей сети, чтобы количественно оценить алгоритм по времени жизни сети с точки зрения количества циклов передачи. Затем запишите момент, когда первый узел опорожняется и когда сливается половина узлов.

В данном исследовании было замечено, что гибридный квантовый алгоритм обладает большей эффективностью, чем алгоритм advanced_leach. Здесь также показана временная сложность гибридного квантового алгоритма и гибридного квантового алгоритма, соответствующего advanced_leach. Эти методы могут быть применены и к другим системам в объективной оптимизации.

Например, межмашинная связь в обрабатывающей промышленности. В соответствии с физикой контента, теория контента создала проблемы для каждого фиксированного игрового сеттинга. Это может привести к новым исследованиям в области социальных наук и экономики.