Summary
यह अध्ययन विभिन्न ट्रैफ़िक गतिशीलता के लिए मार्गों की गणना करने के लिए क्वांटम प्रोसेसर इकाई का उपयोग करने के लिए एक विधि प्रदान करता है जो नेटवर्क जीवनकाल को अधिकतम करने के लिए साहित्य में शास्त्रीय तरीकों से बेहतर प्रदर्शन करने के लिए काम करता है।
Abstract
सेंसर नेटवर्क ऊर्जा संरक्षण विधि, जो एक शास्त्रीय कंप्यूटर और क्वांटम प्रोसेसर का उपयोग संकर है, एक शास्त्रीय कंप्यूटर का उपयोग करके अनुमानी एल्गोरिथ्म से बेहतर प्रदर्शन करने के लिए साबित हुई है। इस पांडुलिपि में, विधि के महत्व के लिए तकनीकी संदर्भ प्रस्तुत और उचित है। फिर प्रयोगात्मक चरणों को एक परिचालन अनुक्रम में प्रदर्शित किया जाता है, यदि कभी आवश्यक हो तो चित्रण के साथ। विधि को नेटवर्क टोपोलॉजी के बेतरतीब ढंग से उत्पन्न नमूना सेट में सकारात्मक परिणामों द्वारा मान्य किया गया है। इस पद्धति के सफल प्रयोगात्मक परिणामों ने सेंसर नेटवर्क जीवनकाल अधिकतमकरण समस्याओं के लिए एक बेहतर दृष्टिकोण प्रदान किया है और प्रदर्शित किया है कि कला क्वांटम प्रोसेसर की वर्तमान स्थिति साहित्य में वर्तमान तरीकों को ओवरराइड करने वाले गुणों के साथ बड़ी व्यावहारिक इंजीनियरिंग समस्याओं को हल करने में सक्षम है। दूसरे शब्दों में, क्वांटम लाभ का सर्वोत्तम प्रयासों के लिए शोषण किया जा सकता है। यह अवधारणा के प्रमाण के चरण से परे व्यवहार्यता के प्रमाण तक पहुंच गया है।
Introduction
सेंसर नेटवर्क में ऊर्जा संरक्षण डिजाइन1 में एक बहुत ही महत्वपूर्ण मुद्दा रहा है। शास्त्रीय तरीके आम तौर पर एक तदर्थ दृष्टिकोण 2,3,4,5,6 का उपयोग करके समस्या से निपटते हैं। उस ने कहा, ये विधियां सेंसर नोड्स को व्यक्तिगत रूप से प्रबंधित बुद्धिमान संपत्तियों के रूप में अनुकरण करती हैं जो व्यक्ति और समुदाय दोनों के हितों की सेवा के लिए भी सहयोग कर सकती हैं। अस्थिर वातावरण के कारण जहां सेंसर काम करते हैं, कुछ कार्यों में, पर्यावरणीय अनिश्चितताओं को पकड़ने के लिए यादृच्छिक एल्गोरिदम पेश किए जाते हैं, जबकि अन्य में, जैव-बुद्धि को अनुमानी एल्गोरिदम तैयार करने के लिए उधार लिया जाता है जो सामान्य ज्ञान स्वीकार्य परिणाम प्राप्त कर सकते हैं7. आगे स्पष्ट करने के लिए, उन यादृच्छिक एल्गोरिदम के लिए, एक हाथ के लिए, पर्यावरणीय अनिश्चितताएं शास्त्रीय सीपीयू द्वारा उत्पन्न यादृच्छिक अनुक्रम के रूप में यादृच्छिक नहीं हो सकती हैं, दूसरी ओर, भले ही पर्यावरणीय अनिश्चितताएं बिल्कुल यादृच्छिक हों, उन्हें शास्त्रीय सीपीयू द्वारा उत्पन्न यादृच्छिक प्रक्रिया सिम्युलेटर द्वारा कब्जा नहीं किया जा सकता है; उन जैव-खुफिया एल्गोरिदम के लिए, सबसे पहले, एक वैचारिक प्रमाण कार्य करने के लिए कोई कठोर गणितीय विश्लेषण प्राप्त नहीं किया गया है, दूसरी बात, सत्य या त्रुटि सहिष्णुता सीमा के अभिसरण को केवल एक सूचित जमीनी सच्चाई को देखते हुए कॉन्फ़िगर किया जा सकता है - हालांकि साहित्य में कार्यों की एक महत्वपूर्ण मात्रा ने कुछ हद तक इन अनुमानी एल्गोरिदम का प्रदर्शन किया है, एक बात के लिए, इन एल्गोरिदम का विश्लेषण किया जाता है (नकली नहीं) अच्छी तरह से परिभाषित उपयोग के मामले परिदृश्यों के खिलाफ, वे कुछ मानदंडों पर रुकते हैं जो अभी भी आगे के शोध में विचार करने योग्य हैं, दूसरे के लिए, जैसा कि पहले कहा गया था, अधिकांश एल्गोरिदम को सॉफ्टवेयर सिमुलेशन के खिलाफ मान्य नहीं किया गया है जो माइक्रोप्रोसेसरों में अधिक आसानी से तैनात किया जा सकता है जो एक सेंसर को इसके अस्तित्व में बनाते हैं8.
हम यहां मशीन लर्निंग (एमएल) पर विचार नहीं करते हैं क्योंकि इसे डेटा एनालिटिक्स को नियोजित करने की आवश्यकता होती है जिसके लिए अपेक्षाकृत बड़ी मात्रा में कम्प्यूटेशनल शक्ति की आवश्यकता होती है जो सेंसर उपकरणों में पोर्टेबल नहीं है9.
उपर्युक्त चिंताओं को दूर करने के लिए, हम एक हाइब्रिड क्वांटम एल्गोरिथम प्रदान करते हैं। एल्गोरिथ्म हाइब्रिड है जिसमें क्लस्टर हेड चयन तंत्र को एक शास्त्रीय यादृच्छिक एल्गोरिथ्म का उपयोग करके लागू किया जाता है, जो नेटवर्क टोपोलॉजी स्थापित होने के बाद क्वांटम प्रोसेसर का उपयोग करके आयोजित रूटिंग गणना के दौरान होता है। विधि निम्नानुसार उचित है: (1) जैसा कि पर्यावरणीय अनिश्चितताओं के बारे में पहले पैराग्राफ में चर्चा की गई है, हम पर्यावरणीय गतिशीलता को पकड़ने के लिए क्वांटम अनुक्रम जनरेटर को लागू करने के लिए आगे प्रयास नहीं करना चाहते हैं क्योंकि यह ऐतिहासिक रूप से पता लगाने योग्य हो सकता है। पर्यावरणीय गतिशील जिसे ऐतिहासिक रूप से पता लगाया जा सकता है, नेटवर्क विज्ञान में विभिन्न मशीन लर्निंग अनुसंधान कार्यों द्वारा उचित ठहराया गया है। वर्तमान चरण के लिए, हम शास्त्रीय दृष्टिकोण के साथ रहते हैं। (2) सटीक विधि जो अमूर्त गणितीय विश्लेषण पर निर्भर करती है, जमीनी सच्चाई पर पहुंचने की गारंटी देती है। क्वांटम प्रायोगिक भौतिकी को अब तक भौतिक गणित द्वारा परिष्कृत रूप से समर्थित किया गया है। इसके अलावा, शोर एल्गोरिथ्म10 जैसे एल्गोरिथ्म अनुप्रयोग इस गोल सिद्धांत को साबित करने के लिए मौजूद हैं।
तुलना के लिए पर्याप्त मात्रा में साहित्य सर्वेक्षण नीचे दिया गया है। प्रस्तावित HEESR प्रोटोकॉल11 में परिणामों में स्पष्ट गुण हैं, लेकिन लेखकों ने सिमुलेशन कॉन्फ़िगरेशन मापदंडों को अच्छी तरह से निर्दिष्ट किया है, उदाहरण के लिए, नोड स्थिति का सटीक यादृच्छिक वितरण फ़ंक्शन, क्लस्टर हेड प्रतिशत p (0.2%) का उचित औचित्य, और नोड्स a_i के बीच ऊर्जा स्तर (1-2 जूल) के वितरण के लिए स्केलिंग पैरामीटर। इसने लेखक को प्रयोगों की नकल करने और तुलना करने के लिए आगे बढ़ने से रोक दिया। पावर रूटिंग मैकेनिज्म12 इष्टतम नेटवर्क रूटिंग की निर्णय प्रक्रिया को प्रभावित करने वाले निर्धारकों के लिए अनिर्दिष्ट नमूना स्थान से प्राप्त असतत डेटा सेटों से अभिसरण निरंतर कार्यों को अनुमानित करने के लिए वक्र फिटिंग विधि को नियोजित करता है। वक्र फिटिंग विधि13 को नेटवर्क टोपोलॉजी पर पूर्व जानकारी की आवश्यकता होती है। वास्तविक परिस्थितियों में पूर्व जानकारी आसानी से उपलब्ध नहीं हो सकती है। यहां तक कि जब पूर्व जानकारी मौजूद होती है, तब भी नेटवर्क टोपोलॉजी नियमित रूप से पर्याप्त नहीं हो सकती है जो फिटिंग वक्रों पर मैप करने में सक्षम हो जो व्युत्पन्न गणना की सुविधा प्रदान करने में सक्षम हैं। इसी तर्क के बाद, DORAF प्रोटोकॉल14 ने नेटवर्क निर्धारकों को अनुमानित करने के लिए बोल्ट्जमैन फ़ंक्शन और लॉजिस्टिक फ़ंक्शन को कैसे और क्यों उधार लिया है, यह उचित नहीं ठहराया है। इस्माइल एट अल 15 ने पानी के नीचे नेटवर्क में ऊर्जा-कुशल रूटिंग प्रोटोकॉल डिजाइन में भविष्य के अनुसंधान प्रयासों के लिए एक ध्वनि संदर्भ प्रदान किया है।
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. ड्वेव महासागर पर्यावरण की स्थापना
- लिंक से महासागर उपकरण डाउनलोड और इंस्टॉल करें: https://docs.ocean.dwavesys.com/en/stable/overview/install.html
- टर्मिनल पर, python -m venv ocean टाइप करें।
- टर्मिनल पर, टाइप करें । ocean/bin/activate, जैसा कि चित्र 1 में दिखाया गया है।
- टर्मिनल पर, टाइप करें git clone https://github.com/dwavesystems/dwave-ocean-sdk.git
अगला, टाइप करें सीडी dwave-ocean-sdk, जैसा कि चित्र 2 में दिखाया गया है।
फिर, python setup.py install टाइप करें
चित्र 1: महासागर आभासी पर्यावरण सक्रियण। महासागर पैकेज, डी-वेव एपीआई एकीकृत के रूप में, डी-वेव मशीन आधार पर उपयोगकर्ता के अपने कंप्यूटर पर एक बादल उपयोगकर्ता अनुभव प्रदान करता है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्र 2: महासागर एसडीके स्थापना। महासागर पैकेज डेवलपर्स के लिए आवश्यक टूल किट प्रदान करता है, जिसमें एक आसान सीप्लेक्स इंस्टॉलेशन भी शामिल है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
2. Cplex Python API इंटरफ़ेस की स्थापना
- डाउनलोड और इंस्टॉल करें Cplex: https://pypi.org/project/cplex/
- टर्मिनल पर, टाइप करें pip install cplex.
3. प्रयोग कॉन्फ़िगरेशन पैरामीटर
- स्क्रिप्ट में पायथन प्रोग्रामिंग नोटेशन का उपयोग करके तालिका 1 में उल्लिखित प्रयोग कॉन्फ़िगरेशन पैरामीटर सेट करें, जैसा कि पूरक चित्रा 1 में दिखाया गया है। एक बार स्क्रिप्ट चलाने और निष्पादित होने के बाद, अंतर्निहित भाषा रैम में चर को संग्रहीत करने के लिए प्रक्रिया करेगी। पायथन कोड का एक स्क्रीनशॉट जहां पैरामीटर क्रमशः मान असाइन किए गए हैं, संलग्न है (पूरक चित्रा 1)।
डी0 | 87.7085 मीटर |
ई | 50 * 1 x 10-09 जूल |
epson_fs | 1 * 10-12 * 10 जूल |
epson_mp | 0.0013 * 1 * 10-12 जूल |
पैकेट का आकार | 4000 बिट्स |
तालिका 1: ऊर्जा मॉडल पैरामीटर और पैकेट आकार सेटिंग्स।
अनुपूरक चित्र 1: स्क्रिप्ट 1। प्रयोग पैरामीटर सेट करने के लिए स्क्रिप्ट। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
4. पायथन स्क्रिप्ट
- 198 सेंसर नोड 2 डी पदों को उत्पन्न करने के लिए पायथन स्क्रिप्ट तैयार करें जो समान रूप से छह क्षेत्रों में बिखरे हुए हैं जो परिपत्र क्षेत्र को 50 मीटर की त्रिज्या के साथ विभाजित करते हैं।
नोट: वृत्ताकार ग्राफ को 6 सेक्टरों में विभाजित किया गया है। प्रत्येक क्षेत्र में, प्रत्येक नोड की स्थिति को दो संबंधित चर के साथ व्यवहार किया जाता है। एक कोण है, और दूसरा त्रिज्या है। एक समान यादृच्छिक वितरण जनरेटर का उपयोग करके कोण और त्रिज्या दोनों के लिए मान असाइन करें। विस्तृत प्रक्रिया पूरक चित्रा 2 और पूरक चित्रा 3 में दिखाया गया है। - प्रत्येक क्षेत्र के भीतर, सुनिश्चित करें कि 33 सेंसर नोड्स एक सामान्य वितरण द्वारा बेतरतीब ढंग से बिखरे हुए हैं। नाम वर्तनी नियम के तहत प्रत्येक सेक्टर द्वारा पाठ फ़ाइलों में 2 डी पदों को 'पॉसडेटा' + sector_no + '.txt' (चित्रा 3 और चित्रा 4) के रूप में सहेजें।
- 50 मीटर की त्रिज्या वाले वृत्ताकार क्षेत्र को छः सेक्टरों में विभाजित कीजिए। इन छह सेक्टरों के लिए शुरुआती कोणीय मान वेक्टर ए = [60,120,180,240,300,360] बनाते हैं।
- मान लीजिए कि सेक्टर इंडेक्स i है, jवें सेंसर नोड के लिए पोल की लंबाई को l_{i,j}=50*random.random() के रूप में सेट करें
- मान लीजिए कि सेक्टर इंडेक्स i है, jवें सेंसर नोड के लिए कोणीय मान को ang_{i,j}=(60*random.random() + A_i - 60) * 2 * pi/360 के रूप में सेट करें
- iवें सेक्टर में jवें सेंसर नोड के कार्टेशियन निर्देशांक को इस प्रकार सेट करें
x_{i,j}=l_{i,j}*cos(ang_{i,j})
y_{i,j}=l_{i,j}*sin(ang_{i,j})
- 50 मीटर की त्रिज्या वाले वृत्ताकार क्षेत्र को छः सेक्टरों में विभाजित कीजिए। इन छह सेक्टरों के लिए शुरुआती कोणीय मान वेक्टर ए = [60,120,180,240,300,360] बनाते हैं।
अनुपूरक चित्र 2: स्क्रिप्ट 2. सेक्टर द्वारा प्रत्येक नोड के लिए दो आयाम स्थिति स्थानों को कॉन्फ़िगर करने के लिए स्क्रिप्ट। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
अनुपूरक चित्र 3: स्क्रिप्ट 3। 1 सेक्टर के भीतर प्रत्येक नोड स्थिति मानों को कॉन्फ़िगर करने के लिए स्क्रिप्ट। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
चित्रा 3: नोड पदों उत्पन्न और संग्रहीत 6 फाइलों में अलग प्रत्येक एक क्षेत्र के लिए इसी है. दो-आयाम स्थिति स्थान 6 posdata+'idx' फ़ाइलों में सहेजे गए हैं। प्रत्येक एक क्षेत्र प्रस्तुत करता है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 4: सेक्टर 0 में संग्रहीत नोड स्थिति। स्थिति दो आयामों में हैं और एक समान यादृच्छिक जनरेटर का उपयोग करके उत्पन्न होती हैं। पहला कॉलम क्षैतिज स्थान है, और दूसरा कॉलम ऊर्ध्वाधर स्थान है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
5. प्रारंभिक ऊर्जा स्तर तैयार करना
- सभी 198 सेंसर नोड्स के लिए प्रारंभिक ऊर्जा स्तर तैयार करें। उनमें से आधे को 0.5 J पर प्रारंभिक ऊर्जा के साथ और दूसरे आधे को 1 J पर प्रारंभिक ऊर्जा के साथ असाइन करें प्रत्येक नोड के ऊर्जा स्तर को संग्रहीत करने के लिए एक सरणी बनाएं, और सम संख्याओं में अनुक्रमित कोशिकाओं को मान 1 और विषम संख्याओं में अनुक्रमित 0.5 के मान को असाइन करने के लिए लूप का उपयोग करें। पूरक चित्रा 4 पायथन कोड दिखाता है, और परिणाम चित्रा 5 में दिखाया गया है।
अनुपूरक चित्रा 4: स्क्रिप्ट 4। 1 जूल और अन्य 0.5 जूल के नोड की ऊर्जा का आधा हिस्सा असाइन करने के लिए स्क्रिप्ट। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
चित्रा 5: Energy_buffer प्रारंभिक असाइनमेंट। आधे नोड्स को ऊर्जा 1 जूल के साथ सौंपा गया है, जबकि अन्य हिस्सों को 0.5 जूल के साथ सौंपा गया है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
6. Advanced_Leach एल्गोरिथ्म स्क्रिप्ट तैयार करना (चित्रा 6 और चित्रा 7)
- एक कार्यात्मक स्क्रिप्ट तैयार करें जहां क्लस्टर हेड का चयन किया जाता है और क्लस्टर बनता है।
नोट: क्लस्टर चयनित क्लस्टर प्रमुखों की संख्या 6 से विभाजित नोड्स की कुल संख्या से कम है कि शर्त पर एक लूप का उपयोग कर चुना है। शर्त यह सुनिश्चित करने के लिए है कि प्रत्येक क्लस्टर के भीतर, स्रोत नोड राशि 6 के बराबर या उससे कम है। लूप के भीतर, प्रत्येक नोड को [0,1] के बीच एक यादृच्छिक संख्या सौंपी जाती है। दिए गए मानदंड संख्या से छोटे लोग क्लस्टर हेड बन जाते हैं, जबकि अन्य स्रोत नोड्स बन जाते हैं। विस्तृत प्रक्रिया पूरक चित्रा 5 में दिखाया गया है. फिर क्लस्टर हेड्स का एक निश्चित पूल दिया जाता है, बाकी स्रोत नोड्स कम से कम दूरी के भीतर अपने क्लस्टर हेड का चयन करते हैं, यह देखते हुए कि क्लस्टर हेड ने अभी तक 6 से अधिक स्रोत नोड्स की मेजबानी नहीं की है। विस्तृत प्रक्रिया पूरक चित्रा 6 में दिखाया गया है.- सेट T_n=P/(1-P*(count%(1/P))), जहां P = 0.2 (समग्र नेटवर्क आकार के लिए क्लस्टर प्रमुखों की संख्या की आनुपातिक दर) और गिनती ट्रांसमिशन राउंड अप टू डेट की मात्रा है।
- प्रत्येक सेंसर नोड के लिए, [0,1] threshold_rm = random.random() के बीच एक यादृच्छिक संख्या प्राप्त करें
- यदि threshold_rm T_n से कम है, तो इस सेंसर नोड को क्लस्टर हेड के रूप में चुनें।
- गैर-cluster_head नोड्स में से प्रत्येक के लिए, इसके क्लस्टर हेड के रूप में निकटतम क्लस्टर हेड सेंसर नोड का चयन करें। क्लस्टर हेड्स के एक निश्चित पूल को देखते हुए, बाकी स्रोत नोड्स कम से कम दूरी के भीतर अपने क्लस्टर हेड का चयन करते हैं, यह देखते हुए कि क्लस्टर हेड ने अभी तक 6 से अधिक स्रोत नोड्स की मेजबानी नहीं की है। विस्तृत प्रक्रिया पूरक चित्रा 6 में दिखाया गया है.
- इस दौर के लिए पूरे नेटवर्क में ऊर्जा की कमी की प्रक्रिया की गणना करने के लिए कमांड लाइन तैयार करें। एल्गोरिथ्म के प्रत्येक रन के लिए जो स्रोत नोड्स से सिंक तक पैकेट की डिलीवरी के एक बैच को पूरा करता है, तैयार किए गए ऊर्जा भंडारण सरणी को मूल्यों में सेल द्वारा सेल को कम करने के लिए अपडेट किया जाएगा। पथ के साथ ऊर्जा खपत प्रति नोड-टू-नोड मार्ग ऊर्जा खपत का योग होगी, जिसकी गणना ऊर्जा मॉडल1 के अनुसार की जाती है। विस्तृत प्रक्रिया पूरक चित्रा 7 में दिखाया गया है.
- आवश्यक ट्रांसमिशन राउंड मेट्रिक्स की गणना करें।
नोट: पैकेट वितरण के एक बैच को पूरा करने के लिए एल्गोरिथ्म के प्रत्येक रन के अनुसार, ऊर्जा सरणी को अपडेट किया जाता है, रन राशि और ड्रेन-आउट नोड्स की संख्या गिना जाता है। यदि मान बड़ा या 1 के बराबर है, तो FND (पहला नोड डाई) वर्तमान रन राशि के बराबर है। यदि मान नोड राशि के आधे से बड़ा या बराबर है, तो HND (आधा नोड डाई) वर्तमान रन राशि के बराबर है। यदि मान समग्र नोड राशि के बराबर है, तो AND(सभी नोड डाई) वर्तमान रन राशि के बराबर है। विस्तृत प्रक्रिया पूरक चित्रा 8 में दिखाया गया है.
चित्रा 6: क्लस्टर सिर सरणी। क्लस्टर प्रमुखों के रूप में चुने गए नोड्स की अनुक्रम संख्या। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 7: क्लस्टर हेड इंडेक्स सरणी। चूंकि छह सेक्टर हैं, जिनमें से प्रत्येक में 33 सेंसर नोड्स हैं, क्लस्टर हेड इंडेक्स सरणी में, संख्या क्लस्टर हेड की अनुक्रम संख्या को इंगित करती है जो संबंधित सेंसर नोड से संबंधित है। सरणी की स्थिति सूचकांक प्रत्येक सेंसर नोड के अनुक्रम संख्या से मेल खाती है। क्लस्टर हेड के रूप में चुने गए सेंसर नोड के लिए, सरणी में इसके स्लॉट को सौंपी गई संख्या स्वयं की अनुक्रम संख्या है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
अनुपूरक चित्रा 5: स्क्रिप्ट 5। क्लस्टर हेड का चयन करने के लिए स्क्रिप्ट। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
अनुपूरक चित्र 6: स्क्रिप्ट 6. क्लस्टर को स्रोत नोड्स असाइन करने के लिए स्क्रिप्ट। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
अनुपूरक चित्र 7: स्क्रिप्ट 7. ट्रांसमिशन के माध्यम से खपत ऊर्जा की मात्रा में कमी के माध्यम से सभी स्रोत नोड्स के लिए ऊर्जा बफर को अपडेट करने के लिए स्क्रिप्ट। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
अनुपूरक चित्र 8: स्क्रिप्ट 8. राउंड की मात्रा की गणना करने के लिए स्क्रिप्ट जिसमें पहला नोड मर जाता है, और आधे नोड्स मर जाते हैं। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
7. हाइब्रिड क्वांटम एल्गोरिथम स्क्रिप्ट तैयार करना
- एक कार्यशील स्क्रिप्ट तैयार करें जहां क्लस्टर हेड का चयन किया जाता है और क्लस्टर हेड बनता है।
- चूंकि इस प्रयोग1 में अधिकतम क्लस्टर आकार 6 है, इसलिए सुनिश्चित करें कि क्लस्टर हेड्स की मात्रा current_valid_node_amount/6 से कम नहीं है, चयन प्रक्रिया इस मानदंड को पूरा होने तक लूप में चलाया जाएगा।
नोट: यदि current_valid_node_amount 6 से बड़ा नहीं है, तो ये मान्य नोड्स एक और केवल क्लस्टर स्वयं बनाते हैं। - गैर-cluster_head_valid नोड्स में से प्रत्येक के लिए, चयनित क्लस्टर प्रमुखों में से प्रत्येक के लिए इसकी दूरी की गणना करें, और इसे क्लस्टर हेड असाइन करें जिसका क्लस्टर आकार 6 से अधिक नहीं है जहां दूरी मान सबसे छोटा है।
नोट: चित्रा 8 में, चयनित क्लस्टर हेड 24 के लिए सभी गैर-cluster_head_valid नोड्स की दूरी की गणना की जाती है, और सभी चयनित क्लस्टर हेड चित्र 9 में प्रदर्शित होते हैं। चित्रा 10 प्रदर्शित करता है कि सभी नोड्स उनके संबंधित क्लस्टर हेड को सौंपे गए हैं, और चित्रा 11 प्रत्येक क्लस्टर के सदस्य नोड्स को वेक्टर सरणी में समूहीकृत करता है।
- चूंकि इस प्रयोग1 में अधिकतम क्लस्टर आकार 6 है, इसलिए सुनिश्चित करें कि क्लस्टर हेड्स की मात्रा current_valid_node_amount/6 से कम नहीं है, चयन प्रक्रिया इस मानदंड को पूरा होने तक लूप में चलाया जाएगा।
- उप-फ़ंक्शन स्क्रिप्ट तैयार करें, जहां प्रति क्लस्टर रूटिंग ऑप्टिमाइज़ेशन समस्या बनती है और डी-वेव एपीआई (चित्रा 12) को सबमिट की जाती है। रूटिंग पथ क्लस्टर द्वारा क्लस्टर की गणना की जाती है।
- पायथन स्क्रिप्ट का उपयोग करके, ट्रांसमिशन राउंड की संख्या के संदर्भ में नेटवर्क जीवनकाल द्वारा एल्गोरिथ्म का मात्रात्मक मूल्यांकन करने के लिए पूरे नेटवर्क में ऊर्जा की कमी की प्रक्रिया की गणना करें।
नोट: एल्गोरिथ्म के प्रत्येक रन के लिए जो स्रोत नोड्स से सिंक तक पैकेट की डिलीवरी के एक बैच को पूरा करता है, तैयार किए गए ऊर्जा भंडारण सरणी को मूल्यों में सेल द्वारा सेल को कम करने के लिए अपडेट किया जाएगा। पथ के साथ ऊर्जा खपत नोड-टू-नोड मार्ग प्रति ऊर्जा खपत का योग होगी, जिसकी गणना ऊर्जा मॉडल1 के अनुसार की जाती है। विस्तृत प्रक्रिया पूरक चित्रा 7 में दिखाया गया है. - पायथन स्क्रिप्ट का उपयोग करके, उस क्षण को रिकॉर्ड करें जब पहला नोड बाहर निकल जाता है और जब आधे नोड्स बाहर निकल जाते हैं। विस्तृत प्रक्रिया पूरक चित्रा 8 में दिखाया गया है.
चित्र 8: toClusterHeadDistance Array इंडेक्स 24 के साथ गैर-cluster_head नोड के लिए। पहला कॉलम दूरी है और दूसरा कॉलम क्लस्टर हेड इंडेक्स नंबर है कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
चित्रा 9: CHID_buff सरणी। सेंसर नोड्स की अनुक्रम संख्या जिन्हें क्लस्टर प्रमुखों के रूप में चुना जाता है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 10 सरणी CHIdx_buff। प्रत्येक संबंधित सेंसर नोड को क्लस्टर हेड सेंसर नोड्स की अनुक्रम संख्या सौंपी गई। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 11: CH_BUFF सरणी। सरणी CHID_buff के अनुरूप क्लस्टर हेड सेंसर नोड्स प्रति क्लस्टर समूह। प्रत्येक क्लस्टर समूह में 0 या 0 से अधिक सेंसर नोड होते हैं। प्रत्येक क्लस्टर समूह सरणी सेंसर नोड्स की अनुक्रम संख्या प्रदर्शित करती है जो इसमें हैं। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 12: प्रति सेक्टर रूटिंग पथ गणना। प्रत्येक सेक्टर के लिए, सभी स्रोत नोड्स के लिए रूटिंग पथ की गणना की जाती है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
एक रन नमूने से परिणाम तालिका 2, तालिका 3, और तालिका 4 में दिखाए जाते हैं. डेटा के तीन बैचों के लिए विस्तृत डेटासेट पूरक डेटा 1 फ़ोल्डर में उपलब्ध हैं।
डेटासेट 1 | ||
198 मीटर की त्रिज्या के साथ एक गोलाकार क्षेत्र में 50 नोड्स | हाइब्रिड क्वांटम एल्गोरिथम | Advanced_Leach एल्गोरिथम |
एफएनडी | 1442 | 727 |
एचएनडी | 2499 | 1921 |
तालिका 2: प्रयोग से परिणामों का बैच 1।
डेटासेट 2 | ||
198 मीटर की त्रिज्या के साथ एक गोलाकार क्षेत्र में 50 नोड्स | हाइब्रिड क्वांटम एल्गोरिथम | Advanced_Leach एल्गोरिथम |
एफएनडी | 757 | 1463 |
एचएनडी | 1925 | 2500 |
तालिका 3: प्रयोग से परिणामों का बैच 2।
डेटासेट 3 | ||
198 मीटर की त्रिज्या के साथ एक गोलाकार क्षेत्र में 50 नोड्स | हाइब्रिड क्वांटम एल्गोरिथम | Advanced_Leach एल्गोरिथम |
एफएनडी | 790 | 1461 |
एचएनडी | 1888 | 2500 |
तालिका 4: प्रयोग से परिणामों का बैच 3।
नीचे दी गई परिभाषा4 के साथ तीन मीट्रिक चुने गए हैं:
FND - पहला नोड मर जाता है। प्रसारण की संख्या जिस तक पहला सेंसर नोड ऊर्जा बाहर निकल जाता है;
HND - आधा नोड मर जाते हैं। प्रसारण की संख्या गोल होती है जिसमें सेंसर नोड्स की ऊर्जा की आधी मात्रा बाहर निकल जाती है;
LND - अंतिम नोड मर जाते हैं। प्रसारण की संख्या गोल होती है जिससे पूरा सेंसर नेटवर्क मर जाता है।
परिणामों से, हम देख सकते हैं कि हाइब्रिड क्वांटम एल्गोरिथम में advanced_leach एल्गोरिथम की तुलना में अधिक दक्षता है।
प्रस्तावित विधि और अनुपालन साजिश के समय जटिलता के आगे के परिणाम क्रमशः चित्रा 13 और चित्रा 14 में दिखाए गए हैं।
चित्रा 13: हाइब्रिड क्वांटम एल्गोरिथ्म की समय जटिलता। दूसरे की इकाई में समय विभिन्न नेटवर्क आकारों में मुख्यालय के एक चक्र को चलाने में खर्च होता है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
चित्रा 14: हाइब्रिड क्वांटम एल्गोरिथ्म के परिणाम जो उन्नत लीच एल्गोरिथ्म का अनुपालन करते हैं। FND और HND या HQA और ALA एक समान प्लॉट आकार पैटर्न साझा करते हैं। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
अनुपूरक डेटा 1: इस अध्ययन में किए गए प्रयोगों के तीन बैचों का डेटासेट। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
वर्तमान अत्याधुनिक वाणिज्यिक क्वांटम प्रोसेसर का उपयोग किसी भी नेटवर्क टोपोलॉजी1 की कम्प्यूटेशनल समस्याओं में किया जा सकता है। क्वांटम प्रोसेसर अनुप्रयोग भौतिक क्यूबिट्स की संख्या से विवश नहीं है जो क्वांटम प्रोसेसर में से कोई भी लागू करने में सक्षम है।
सेंसर नेटवर्क लाइफटाइम प्रोलॉन्गेशन डिज़ाइन में, परिणाम क्वांटम प्रोसेसर का उपयोग करके और भी लंबे नेटवर्क जीवन को प्राप्त करने के लिए विधि में प्रगति दिखाते हैं। परिणाम बताते हैं कि क्वांटम लाभ सार्वजनिक और निजी दोनों क्षेत्रों में व्यावसायिक रूप से दोहन के लिए तैयार है।
प्रबंधकीय निहितार्थों के लिए, क्वांटम एडवांटेज निकट भविष्य के हाई-टेक टिकाऊ समृद्धि के लिए एक आशाजनक मार्ग प्रशस्त करने के लिए अगला मील का पत्थर बनने में सक्षम है। वर्तमान हाई-टेक, सीखने-रणनीति और/या आर्टिफिशियल इंटेलिजेंस (एआई) के संदर्भ में, किसी भी तरीके से डेटा को संसाधित करने/रखने के लिए पावर ड्राइव की आवश्यकता होती है। ग्रीन ग्लोब के उच्च-स्तरीय दृष्टिकोण से, यह एक अच्छे उम्मीदवार16 के रूप में खड़ा नहीं होता है। एमएल / एआई हालांकि यह गणना को अधिक आर्थिक रूप से कुशल बनाता है, मूल कारण विश्लेषणात्मक समाधान प्रदान नहीं करता है क्योंकि कुशल कंप्यूटिंग को उच्च-शक्ति कम्प्यूटेशनल सुविधाओं द्वारा कारोबार किया जाता है। इसलिए, वे मौलिक रूप से उच्च-प्रदर्शन कंप्यूटर (एचपीसी) से बंधे हैं। क्वांटम कंप्यूटिंग जो कंप्यूटिंग प्रतिमान में क्रांति लाती है, कई व्यावहारिक परीक्षण अनुप्रयोगों17,18 में विरासत कंप्यूटर की तुलना में तेजी से कंप्यूटिंग में प्रभावी साबित हुई है। क्वांटम-असिस्टेड एमएल, जहां तक लेखक का संबंध है, पीएमएल (संभाव्य मशीन लर्निंग) है। उच्च-निम्न स्तर की प्रोग्रामिंग भाषा) एक कंप्यूटिंग डिवाइस पर चलती है जो या तो एक शास्त्रीय कंप्यूटर या क्वांटम कंप्यूटिंग हो सकती है। निष्पादन योग्य कमांड लाइनों n के समान एमएल एल्गोरिथ्म को देखते हुए, f_cc(n) शास्त्रीय कंप्यूटरों के लिए गणना में खपत को इंगित करते हैं और f_qc(n) क्वांटम कंप्यूटरों के लिए गणना में खपत को इंगित करते हैं। f_cc (एन) एन कमांड लाइनों के लिए शास्त्रीय कंप्यूटर निष्पादन योग्य alpha_i की कम्प्यूटेशनल खपत का एक भारित योग है। f_qc(एन) समान रूप से समान एन कमांड लाइनों के लिए क्वांटम कंप्यूटर निष्पादन योग्य alpha_j की कम्प्यूटेशनल खपत का समान रूप से भारित योग है। वजन अपरिवर्तित रहते हैं क्योंकि ऊपरी-स्तरीय एमएल कमांड लाइनें समान रूप से समान होती हैं। सीधे शब्दों में कहें, इस काम और पिछले काम1 ने दिखाया है कि alpha_j हमेशा alpha_i से कम होता है इसलिए f_qc (एन) हमेशा f_cc (एन) से कम होता है।
अकादमिक निहितार्थों के संबंध में, पहले से स्थापित प्रोसेसर / कंप्यूटिंग सुविधाओं का उपयोग पारंपरिक रूप से शोधकर्ताओं को उनके विचारों और योजनाओं को सोचने / उत्पन्न करने / विकसित करने में मदद करने के लिए किया जाता है। क्वांटम कंप्यूटिंग इंगित करता है कि शोधकर्ताओं का पद्धतिगत दृष्टिकोण एक महाकाव्य विकास की प्रतीक्षा कर रहा है। यह विघटनकारी हो सकता है लेकिन आशावादी रूप से। अब से, सैद्धांतिक एल्गोरिथ्म डिजाइन / विश्लेषण के लिए उपयोग नहीं किए जाने वाले शोधकर्ताओं को अपने शोध विषय को हल करने के लिए क्वांटम एल्गोरिदम तैयार / उत्पन्न करने के लिए हाथ से काम करने की आवश्यकता है। व्यावहारिक अनुसंधान के लिए अधिकांश क्वांटम एल्गोरिदम आसानी से उपलब्ध नहीं हैं। एक वाक्य में, शोधकर्ताओं के कंप्यूटिंग उपकरण बदल गए। वर्चुअल वातावरण सेटअप और QPU API पूरी तरह से एक संतोषजनक इंटरनेट कनेक्शन पर निर्भर करते हैं।
अध्ययन की सीमाओं में शामिल हैं (i) लिंक क्षमता पर विचार नहीं किया गया है1. पैकेट हानि दर पर ध्यान नहीं दिया जाता है। भविष्य के कार्य अंतर्निहित सेंसर नेटवर्किंग प्रोटोकॉल पर विचार करेंगे ताकि ऊर्जा की खपत और हानि नियंत्रण (या तो पुन: संचरण योजना के साथ या नहीं) दोनों पर विचार करते हुए समस्या को उचित रूप से तैयार किया जा सके। (ii) नेटवर्क टोपोलॉजी को पहले से ज्ञात माना जाता है। नोड की स्थिति तय हो गई है। (iii) हाइब्रिड क्वांटम एल्गोरिथ्म प्रति राउंड चलाने के लिए आवश्यक समय उन्नत लीच एल्गोरिथ्म से अधिक लंबा है लेकिन उच्च सटीकता के साथ। (iv) एल्गोरिथ्म ऑफ़लाइन काम नहीं कर सका।
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
कोई नहीं
Acknowledgments
यह कार्य यूके के इंजीनियरिंग और भौतिक विज्ञान अनुसंधान परिषद (EPSRC) अनुदान संख्या EP/W032643/1 द्वारा समर्थित है।
Materials
Name | Company | Catalog Number | Comments |
Dell Laptop | Dell | N/A | |
Ubuntu 18.04.6 LTS | Canonical Ltd | 18.04.6 LTS | |
Python3.8 | Python Software Foundation | 3.8.0 | |
Dwave QPU | Dwave | https://docs.ocean.dwavesys.com/en/stable/overview/install.html |
References
- Chen, J., Date, P., Chancellor, N., Atiquazzaman, M., Cormac, S. Controller-based energy-aware wireless sensor network routing using quantum algorithms. IEEE Transactions on Quantum Engineering. 3, 1-12 (2022).
- Lin, H., Uster, H. Exact and heuristic algorithms for data-gathering cluster-based wireless sensor network design problem. IEEE/ACM Transactions on Networking. 22 (3), 903-916 (2014).
- Zhou, Y., Wang, N., Xiang, W. Clustering hierarchy protocol in wireless sensor networks using an improved PSO algorithm. IEEE Access. 5, 2241-2253 (2017).
- How long is the lifetime of a wireless sensor network. Seah, W. K. G., Mak, N. H. 2009 International Conference on Advanced Information Networking and Applications, Bradford, UK, , 763-770 (2009).
- Salahud din, M., Rehman, M. A. U., Ullah, R., Park, C., Kim, B. S. Towards network lifetime enhancement of resource constrained IoT devices in heterogeneous wireless sensor networks Sensors. 20, 4156 (2020).
- Wu, W., Xiong, N., Wu, C. Improved clustering algorithm based on energy consumption in wireless sensor networks. IET Network. 6 (3), 7-53 (2017).
- Kumar, N., Kumar, V., Ali, T., Ayaz, M. Prolong network lifetime in the wireless sensor networks: An improved approach. Arabian Journal for Science and Engineering. 46, 3631-3651 (2021).
- Faris, H., Aljarah, I., Al-Betar, M. A., Mirjalili, S. Grey wolf optimizer: A review of recent variants and applications. Neural Computing and Applications. 30, 413-435 (2018).
- Kaur, J., Arifkhan, M., Iftikhar, M., Imran, M., Haq, A. Machine learning techniques for 5G and beyond. IEEEAccess. 9, 23472-23488 (2021).
- Shor, P. Polynomial-time algorithms for prime factorization and discrete logarithms on a quantum computer. SIAMJournalonComputing. 26 (5), 1484-1509 (1997).
- Qabouche, H., Sahel, A., Badri, A. Hybrid energy efficient static routing protocol for homogeneous and heterogeneous large scale WSN. Wireless Networks. 27, 575-587 (2021).
- Farooq, M., et al. POWER: probabilistic weight-based energy-efficient cluster routing for large-scale wireless sensor networks. The Journal of Supercomputing. 78, 12765-12791 (2022).
- Maddams, W. F. The scope and limitations of curve fitting. Applied Spectroscopy. 34 (3), 245-267 (1980).
- Wang, X., et al. A dynamic opportunistic routing protocol for asynchronous duty-cycled WSNs. IEEE Transactions on Sustainable Computing. , (2023).
- Ismail, A. S., Wang, X., Hawbani, A., Alsamhi, S., Aziz, S. Routing protocols classification for underwater wireless sensor networks based on localization and mobility. Wireless Networks. 28, 797-826 (2022).
- Garcia-Martin, E., Rodrigues, C. F., Riley, G., Grahn, H. Estimation of energy consumption in machine learning. Journal of Parallel Distributed Computing. 134, 75-88 (2019).
- Egger, D. J., et al. Quantum computing for finance: State-of-the-art and future prospects. IEEE Transactions on Quantum Engineering. 1, 1-24 (2020).
- Rasool, R. U., Ahmad, H. F., Rafique, W., Qayyum, A., Qadir, J. Quantum computing for healthcare : A review. TechRxiv. , (2021).