ROTEAMENTO E AGRUPAMENTO EM REDES
Orientador: Alexandre Salles da Cunha
ALGORITMOS DE OTIMIZAÇO PARA
ROTEAMENTO E AGRUPAMENTO EM REDES
DE SENSORES SEM FIO COM SORVEDOUROS
MÓVEIS
Dissertação apresentada ao Programa de
Pós-GraduaçãoemCiêniadaComputação
da Universidade Federal de Minas Gerais
omo requisito parial para a obtenção do
graudeMestreemCiêniadaComputação.
2009, CristianoArbex Valle.
Todos os direitosreservados.
Valle, CristianoArbex
D1234p Algoritmosde Otimizaçãopara Roteamentoe
AgrupamentoemRedes de Sensores Sem Fio om
Sorvedouros Móveis / CristianoArbex Valle. Belo
Horizonte, 2009
xviii, 76f. : il.; 29m
Dissertação(mestrado) Universidade Federal
de Minas Gerais
Orientador: Alexandre Salles daCunha
1.Redes de Sensores Sem Fio. 2.Otimização
Quando a seretaria doCurso forneer esta folha,
eladeve ser digitalizada e armazenadano disoem formato gráo.
Se voê estiver usandoo pdflatex,
armazene o arquivo preferenialmenteem formato PNG
(oformato JPEG épior neste aso).
Se voê estiverusando olatex (não o pdflatex),
terá que onverter o arquivo gráopara o formato EPS.
Gostariadeagradeeraosmeuspais,JoninhaeBeth,eaomeuirmão,Biel(ePatríia),
pessoas que admiro muito e que me apoiaram durante toda minha vida. São
respon-sáveis pelo meu aráter e personalidade. Não menos importantes, mereem
agrade-imentos, meus tios(as), primos(as) e em espeial meus avós, de quem sinto grande
orgulho.
Queria agradeer também à Marina, a garota que esteve ao meu lado em todos
os momentos nos últimos anos, há muito parte da minha vida e da minha história.
Companheira que aproveita a parte boa, que aguenta a parte ruim, que faz toda a
diferença.
Aosmeusamigos,pareirosemgrandeshistóriaseasosaolongodosanos: osbrous,
os amigose amigasque onheipelavida, opessoaldafauldade. Maisreentemente,
os amigos quez noLAPO eSynergia.
Agradeço também às meninas da Seretaria do DCC por darem uma aula de
e-iênia. Me ajudaram emtudo que foi possível e aelas sou totalmentegrato.
AoProf. ReinaldoVianna,meuprimeiroorientador,quemmeensinouosprimeiros
passos no mundo dapesquisa eom quem tive imensasatisfação emtrabalhar.
Aos Profs. Cid e Loureiro pelas ontribuições valiosas durante minha defesa. Em
espeial, agradeço ao Prof. Sebastián, não apenas por também ontribuir em minha
defesa, mas tambémpor ter sido essenial naminha formaçãoduranteo mestrado.
Ao Prof. Robson, meu o-orientador, sou eternamente grato por ter aberto para
mimas portas do DCC, porter depositado onança emmim mesmotendo sido meu
professor apenas no distante ano de 2001. Se isso não bastasse, ainda ontribuiu om
minha formação de todas as formas possíveis, om sua vasta experiênia.
Finalmente, quero agradeer aoProf. Alexandre. Maisque orientador e professor,
foiumverdadeiropareiroduranteomestrado(eontinuasendo). Comumadediação
fora do omum, foi diretamente responsável por tudo que alanei neste trabalho. O
que elefez pormimvai ser lembrado pra sempre.
Não são todas as pessoas que tem a sorte que eu tive de poder ter ontado om
Nesta dissertação, introduzimos modelos e algoritmos de otimização propostos para
melhorar parâmetros de Qualidade de Serviço em Redes de Sensores Sem Fio om
múltiplossorvedouros móveis. Umsimuladorde eventosdisretos, queintegraos
méto-dos de otimização propostos em um modelo realista da dinâmia da rede, também é
implementado e testado omputaionalmente. O prinipal Problema de Otimização
aqui tratado, aquele de denir rotas para ada sorvedouro móvel, permitindo que os
mesmos oletem informaçõessensoriadas da rede, é modelado omo uma variante do
Problema de Roteamento de Veíulos não apaitado. Nesta variante, o tamanho da
frota é onheido a priori, nem todos os lientes devem ser visitados e o objetivo é
minimizar o omprimento da maior rota. Para modelar o problema, dois Programas
Inteiros são apresentados. Oprimeiroemprega uma formulaçãoompata baseada em
Fluxos em Redes. Um algoritmo exato Branh-and-Bound é apresentado para esta
formulação. O segundo ProgramaInteiro é baseado em Desigualdades de Eliminação
de Subrotas Generalizadas. Para tratar este modelo, desenvolvemos um algoritmodo
tipo Branh-and-Cut. Um tereiro algoritmo, do tipo Loal Branhing, que emprega
o métodoBranh-and-Cutomo resolvedor interno, foitambémproposto e
implemen-tado. Devidoàsdiuldadesenontradaspara resolveroproblemanaotimalidadeom
taisalgoritmos,propomostambémváriasheurístiasbaseadasemMetaheurístiaspara
enontrar soluçõesviáveis(idealmentede boa qualidade)emtemposrazoáveispara os
proessosdedeisãoemRedesdeSensores SemFio. Nossosresultadosdesimulação
in-diamqueosalgoritmosde otimizaçãopermitiramalançarmelhorassigniativasnas
taxasde atrasonaentregade mensagens,alémde obteravançosemoutros parâmetros
importantes de Qualidade de Serviço.
Palavras-Chave: RedesdeSensoressemFio,OtimizaçãoCombinatória,Problema
In thiswork, weintroduemodels andoptimizationalgorithmstoimprovethe Quality
of Servie in Wireless Sensor Networks with multiple mobile sinks. A disrete event
simulator that integrates the proposed optimization methods into a realisti model
of the network dynamis over the time is also implemented and tested
omputation-aly. The main OptimizationProblem onsidered here, that of dening routes to eah
mobile sink, allowing them to ollet sensed information thoughout the network, is
modeled as a variant of the unapaitated Vehile Routing Problem. In this variant,
the eet size is known beforehand, not alllientsneed tobe visited and the goalis to
minimize the length of the longest vehile route. To model the problem, two Integer
Programs are introdued. The rst one is a ompat formulation based on Network
Flow models. A Branh-and-Bound algorithm is presented for this formulation. The
seond Integer Program is based in Generalized Subtour EliminationConstraints. To
takle this model, we developed a Branh-and-Cut algorithm. A third algorithm, a
LoalBranhingthat used the Branh-and-Cutas innersolver, wasalsoproposed and
implemented. Duetothediultyfoundintermsofomputationaltimeinsolvingthe
problem tooptimality,we alsoproposed several Metaheuristi based heuristis tond
(hopefully) good solutionsinpratial times. Our simulationresults indiatethat the
optimization algorithmsallowed signiant improvements in message delay rates and
other importantQuality ofServie parameters.
Keywords: WirelessSensorNetworks,CombinatorialOptimization,Vehile
1 Introdução 1
1.1 Organização daDissertação . . . 3
2 Redes de Sensores Sem Fio 5 2.1 Coneitos e Apliações . . . 5
2.2 Organização de uma RSSF . . . 7
2.2.1 Controle de Densidade . . . 8
2.2.2 Disseminaçãoda Informação . . . 10
2.2.3 Mobilidadedo Sorvedouro . . . 12
2.3 A Nossa Contribuição. . . 14
3 Um Modelo Integrado Parao Roteamentoe Clusterizaçãoem RSSFs 17 3.1 Motivação . . . 17
3.2 O Modelo Proposto . . . 19
3.3 Uma Formulação de Fluxos para o PIRC . . . 22
3.4 Uma Formulação Baseada emDesigualdades de Eliminaçãode Subrotas 24 3.5 Tratamento daMultipliidade de SoluçõesIdêntias Deorrentes da In-dexação de Rotas . . . 26
4 Métodos de Solução Exata para o PIRC 29 4.1 Um AlgoritmoBranh-and-Bound Baseado na Formulaçãode Fluxos . 29 4.2 Um AlgoritmoBranh-and-Cut . . . 31
4.2.1 Resultados Computaionais . . . 33
4.3 Um AlgoritmoLoalBranhing . . . 37
4.3.1 Resultados Obtidos om o AlgoritmoLoal Branhing. . . 39
4.4 Comentários . . . 40
5 Métodos Heurístios para o PIRC 43 5.1 Heurístia Construtiva . . . 43
5.2.2 2-SWAP . . . 46
5.2.3 ARV(Algoritmode Reinserção de Vérties) . . . 47
5.3 Heurístias Baseadas em Metaheurístias . . . 48
5.3.1 GRASP . . . 48
5.3.2 ILS. . . 52
5.4 Resultados Computaionais . . . 52
6 Simulação de uma RSSF 57 6.1 Aspetos Geraisdo Simulador . . . 57
6.2 Resultados Computaionais . . . 60
6.2.1 Atraso na Entrega de Mensagens . . . 61
6.2.2 Cobertura daRede . . . 63
6.2.3 Tempo de Vida daRede . . . 64
7 Conlusão e Trabalhos Futuros 69
2.1 Modelo de Nó Sensor Mia2 da linha Motes [XBOW, 2006℄, desenvolvida
porientistas da Universidade de Berkeley . . . 6
2.2 Modelo de sorvedouro móvel Khepera-III . . . 13
3.1 Visãogeral de uma rota dosorvedouro nométodoSHS . . . 18
3.2 Soluções graamenteidêntias, mas om índies diferentes. . . 27
5.1 Visãogeral do proedimento 2-OPT para uma determinadarota . . . 45
5.2 Desrição doAlgoritmopara o GRASPHíbrido . . . 49
6.1 Fluxograma doSimulador . . . 58
6.2 Atraso Médio naEntrega de Mensagens, SHSx PIRC/K . . . 62
6.3 Cobertura daRede (n= 400) . . . 63
6.4 Tempode Vidada Rede . . . 65
6.5 EnergiaResidual daRede (n =400) . . . 65
4.1 Resultadosomputaionais-AlgoritmoBranh-and-BoundbaseadonaF
or-mulação de Fluxos . . . 31
4.2 LimitesInferiores obtidosatravésdarelaxaçãolineardas formulações
apre-sentadas . . . 33
4.3 Resultados doAlgoritmo BC. . . 35
4.4 Resultados doBC quando a função objetivo (3.20)é substituída por (4.4). 36
4.5 Resultados doBC para o PIRCom R = 0. . . 36
4.6 Resultados doBC quando a função objetivo (3.20) é substituída por (4.4)
eR = 0 . . . 37
4.7 Resultados doAlgoritmo LB . . . 40
5.1 Comprimento médio das maiores rotas para as instânias geradas a partir
daTSPLIB . . . 55
5.2 Comprimentomédio das maiores rotas para as instânias de Aio[2007℄ . 56
Introdução
UmaRededeSensoressemFio(RSSF)éformadabasiamenteporumonjuntode
en-tenas (ou mesmomilhares)de nós sensores eum oumais sorvedouros. Umsorvedouro
é um nó espeial responsável por organizar a rede e oletar a informação sensoriada.
Devido às suas pequenas dimensões, os nós sensores são dispositivos extremamente
restritos quantoà apaidade de proessamento,memóriae energiadisponível emsua
bateria. O gereniamento eiente do onsumo de energia talvez seja o maior desao
em apliações envolvendo RSSFs. De aordo om Akyildiz etal. [2002℄, a maioriados
trabalhosenontradosnaliteraturaquedisutem aorganizaçãodeumaRSSFpossuem
omofooprinipalodesenvolvimentode meanismosqueontribuamparaoaumento
de sua vida útilatravés de um ontrole mais eientede seu onsumo energétio.
Dadas as limitações de proessamento e omuniação dos nós sensores, as
infor-maçõessensoriadasneessitamser roteadasaossorvedouros,paraqueaçõesde ontrole
apropriadas sejam tomadas. Em uma RSSF omposta por sorvedouros ujaposição é
xa narede, os nós sensores não poderão enviar as informaçõesoletadas diretamente
aos sorvedouros, faeao seu reduzido raiode omuniação. Ao invés disto, outros nós
sensores deverão ser empregados para rotear as informações ao seu destino. Diversos
autores(veja[Kim et al.,2003℄,[Akyildizet al.,2002℄,dentreoutros)argumentamque
o gasto de energia quando nós sensores transmitem ou reebem informações de
out-ros nós é superior ao gasto ao desempenhar suas funções de sensoriamento. Assim,
uma estratégiaque tem sido adotada om frequênia para reduziro onsumo de
ener-giadarede onsisteem dotarossorvedouros de mobilidade. Aoproeder destaforma,
permite-sequeosorvedouropasseiepelaRSSF,oletandoinformaçõesdiretamentedos
sensores, sem neessariamenteempregaroutrosnós sensores pararotear asmensagens.
A substituição da omuniação direta entre nós sensores pela omuniação sensor
/ sorvedouro móvel aarreta nosurgimentode um novo problema. Comoa veloidade
transmissão sem o, veria-se um indesejado aumento no tempo deorrido entre o
momentoemquea informaçãofoisensoriada eo momentoemqueelahegaao gestor
darede. Destaforma,a estratégiade dotar osorvedouro de mobilidadepara reduziro
onsumo de energia tem omo ontraponto oatraso naentrega das mensagens.
Uma questão que surge omo fruto deste onito entre gasto de energia e atraso
emRSSFséomodenirrotas adequadas paraum oumaissorvedourosnaRSSF.Este
é o tema entral desta dissertação: denição de rotas para múltiplos sorvedouros em
RSSFs de forma a minimizar o atraso na entrega de mensagens, sem omprometer a
vidaútilda rede.
Neste trabalho, este problema foi modelado omo uma variação do Problema de
Roteamento de Veíulos (PRV) [Dantzig eHamser, 1959℄. Na variação aqui tratada,
nemtodoosnós sensorespreisamservisitados. Alémdisto,diferentementedamaioria
dos estudos envolvendo o PRV (nos quais o objetivo onsiste emminimizaro
ompri-mento total das rotas), na varianteaqui estudada deseja-se minimizaro omprimento
darota mais longa. Peloqueobservamosom nossa revisãobibliográa, nãohá
estu-dos envolvendo esta variante doPRV.
Oproblema foi formalizadoatravésde um Problema de Otimização em Grafos. A
partir deste modelo, duas formulações de Programação Inteira foram propostas. A
primeiradelaséumaformulaçãoompata baseadaemFluxosemRedes [Ahuja etal.,
1993℄. Já a segunda emprega exponenialmente muitas Desigualdades de Eliminação
de Subrotas Generalizadas (GSEC 1
).
Propusemostrês algoritmosexatos pararesolvera variantedoPRV aquiestudada.
O primeiro deles é um algoritmo Branh-and-Bound [Land e Doig, 1960℄ baseado na
formulação de Fluxos. O segundo deles é baseado na formulação que emprega
de-sigualdadesGSEC esetrata de umalgoritmoBranh-and-Cut [Grötshelet al., 1984;
Padberg e Rinaldi,1991℄ onde asGSECs são identiadas omo Planos de Corte.
Fi-nalmente, o tereiro é um algoritmo do tipo Loal Branhing [Fishetti eLodi, 2003℄
onde,omo resolvedor interno, foi empregado oalgoritmoBranh-and-Cut.
Uma vez que os métodos exatos aqui desenvolvidos exigem tempos elevados
de-mais para serem utilizados em apliações de interesse prátio, desenvolvemos
tam-bémmétodos heurístios de solução. Estes métodos são baseados nas metaheurístias
GRASP[Feoe Resende,1995℄e ILS [Martin eOtto, 1996℄.
Comopartenaldotrabalho,implementamosumsimuladorparaavaliaroimpato
douso dos modelos e algoritmospropostos nas métrias mais importantes de RSSFs.
Osimuladornão apenasimplementaosalgoritmosde roteamento,omotambémprovê
ummétodoparaontrolededensidade, visandomanterapenasumsubonjuntode nós
ativosque garanta total oberturada área durantedeterminado períodode tempo.
Os resultados obtidos via simulação om a utilização das ténias desenvolvidas
demonstraram uma onsiderável melhora na Qualidade de Serviço (QoS 2
) de uma
RSSF. Dentre as métrias avaliadas, obtivemos importantes reduções no atraso
mé-dio na entrega de mensagens, além de uma melhora no tempo médio de vida útil da
rede, quando omparados a trabalhos anteriores.
Na nossa visão,as prinipaisontribuiçõesdeste trabalhosão:
1. A formaomo resolvemos o problema de roteamento em RSSFs, que resulta em
um Problemade Otimização ainda pouo explorado.
2. A integração de algoritmos de otimização para resolver os problemas de
rotea-mento e ontrole de densidade em um ambiente de simulação dinâmia, onde a
rede e as propriedadesdos nós sensores sofrem alteraçõesom o tempo.
1.1 Organização da Dissertação
O restante desta dissertação está organizado daseguinteforma. No Capítulo 2,
intro-duzimos alguns oneitos e apliaçõesde RSSFs. Umarevisão bibliográaé
apresen-tada, onde vários problemas relaionados à organização de uma RSSF são disutidos.
Ao m do apítulo, destaamos o problema que é tema entral desta dissertação: a
denição darota de múltiplossorvedouros móveis por uma RSSF.No Capítulo3,
for-malizamos este problema, o qual denominamos Problema Integrado de Roteamento e
Clusterização(PIRC),edisutimosproblemassemelhantespresentes naliteratura. São
apresentadas ainda duas formulações de ProgramaçãoInteira para modelar oPIRC.
No Capítulo 4, introduzimos três algoritmos exatos para o PIRC. Resultados de
experimentosomputaionaissão apresentadoseasdiuldadesenontradas, inerentes
ao problema, são disutidas. Estas diuldades estimularam o desenvolvimento das
heurístias propostas no Capítulo 5, que são basiamente proedimentosbaseados em
metaheurístias, ompostos por meanismos de onstrução, diversiação e
intensi-ação. As heurístias implementadas são inorporadas a um simulador de eventos
disretos, introduzido no Capítulo 6, para o qualsão apresentados resultados de
sim-ulaçõesrealizadas. Com base nestes resultados, épossívelarmar quehá melhoranos
indiadoresde QoSde umaRSSFdevidoàinorporaçãodoPIRCedos algoritmosque
o resolvemà organização de redes deste tipo.
Finalmente, enerramos o texto no Capítulo 7, apresentando as prinipais
on-lusões extraídasdeste trabalhoe as direções futuras quepretendemos seguir.
Redes de Sensores Sem Fio
Neste apítulo, apresentamos os prinipais oneitos envolvidos na organização de
RSSFs. São apresentadas tanto apliaçõesprátias que justiam o interesse na área
quanto espeiidades e restrições que difereniam as RSSFs de outras redes Ad-ho.
Emfunçãodestasespeiidades,váriosproblemasrelaionadosàorganizaçãoótimade
RSSFs são apresentados e disutidos. Conluímos o apítulo destaando a motivação
prinipal destadissertação.
2.1 Coneitos e Apliações
Redes de Sensores Sem Fio (RSSF) são um tipo de redes Ad-ho 1
baseadas no
es-forçoolaborativode entidadesmulti-funionaisautnomas ediminutashamadasnós
sensores, dotadasde:
•
Função de sensoriamento para oleta de dados de eventos monitorados do meioambiente, omo temperaturae pressão, porexemplo;
•
Um Proessador om apaidade limitada;•
Um Rádio para omuniação sem o;•
Uma quantidadelimitada de Memória;•
Uma Bateria de baixa apaidade, que provê energia para funionamento dosdemais dispositivos.
1
Emlatim,ad-hoquerdizerliteralmenteapenasparaestepropósito. Porém,noontextoderedes
sem o,otermo possuioutro signiado,denotando redes quenão requerem umainfraestruturatal
Figura 2.1. Modelode Nó Sensor Mia2da linha Motes[XBOW,2006℄, desen-volvida por ientistas da Universidadede Berkeley
Umnóespeial,denominadosorvedouro,é responsável poruma sériede atividades
esseniaisem RSSFs. Eleéresponsável porreebere/ouproessarinformaçãoe
geren-iar o omportamento da rede. De modo geral, assume-se que o sorvedouro possui
energiainnita (na prátia,rearregável), podendo ser xo oumóvel.
Uma RSSF é tipiamente omposta por um alto número de
sen-sores [Romer eMattern, 2004℄ e um ou mais sorvedouros [Somasundara etal.,
2007℄. Geralmente, os nós sensores são densamente distribuídos nas proximidades
dos fenmenos a serem observados, sendo que sua posição não neessita ser
pré-determinada. Ao invés disto, pode oorrer uma distribuição aleatória de sensores em
terrenos inaessíveis ouem operaçõesde resgateem áreasque sofreram algumtipo de
atástrofe[Akyildiz etal.,2002℄.
Osnós sensores que ompõemuma RSSF podem possuir distintas funções de
sen-soriamento. Dentre elas,podemosdestaar funçõessísmias,termais,visuais,
infraver-melhoou aústias. Sendo assim, uma grande variedade de eventos, fenmenos e
pro-priedadespode ser monitorada;taisomotemperatura, umidade,movimentoveiular,
pressão, preparação do solo, nível de ruído e a presença (ausênia) de ertos tipos de
objetos.
Estasfunionalidadestãodiversiadas,aliadasaosreentesavançosnastenologias
deomuniaçãosemo,tornampossíveisumavastagamadeapliaçõesparataisredes.
Segundo Akyildizet al.[2002℄, algumasapliaçõesde destaque são:
de ataques biológios,entre outras apliações.
•
Meio ambiente: Deteção eprevenção de aidentes sísmios,químios, inêndiose enhentes, assim omo Mapeamento de biodiversidade em uma determinada
área. As RSSFs também podem ajudar a identiar o tipo, a onentração e a
loalizaçãode poluentes.
•
Saúde: Os dados siológiosde um paiente podem ser monitorados à distâniapor uma equipe média, permitindo uma melhor ompreensão da ondição de
saúde do paiente.
•
Automação de residênias, ontrole do ambiente em prédios omeriais emoni-toramento de veíulos,entre outros.
Observe que as poteniais apliações são bastante distintas entre si e possuem,
ada uma, suas próprias espeiidades. O projeto de uma RSSF (i.e., a denição
ótima de sua topologia, protoolos de omuniação, et.) é fortemente dependente da
apliaçãoaquesedestina,podendoserinueniadopordiversosfatoresepré-requisitos
operaionais. Dentre estesfatores, podemositar: aneessidadede tolerâniaafalhas,
a esalabilidadede seu desempenho om o aumento da dimensão da rede (número de
nós sensores esorvedouros), os ustos envolvidos, o ambiente operaional, a topologia
da rede, restrições de equipamento e meios de transmissão e onsumo de energia. A
seguirdisutimos algunsdestesaspetosimportantes aseremobservadosnoprojetode
RSSFs.
2.2 Organização de uma RSSF
A organização de uma RSSF apresenta araterístias exlusivas deste tipo de rede.
O uso de protoolos e algoritmos genérios desenvolvidos para outras redes ad-ho
sem o, na maioria das vezes, não permite explorar as partiularidades das RSSFs.
Segundo Perkins [2001℄, RSSFs difereniam-se de outras redes ad-ho nos seguintes
aspetos prinipais:
•
RSSFssão normalmentedensas;•
Nós sensores são fortemente limitados em termos de energia disponível,apai-dade de proessamento e memória;
•
A topologia de RSSFs pode mudar frequentemente, tanto no sentido da•
Nós sensores utilizam prinipalmente radiodifusão (broadasting) para envio demensagens, enquanto redes ad-ho são omumente baseadas em omuniação
ponto-a-ponto.
Devido ao tamanho limitado e à baixa apaidade dos nós sensores, o ontrole
do onsumo de energia talvez seja a mais importante restrição na operação de uma
RSSF[Wang et al.,2005a℄. Emgrandepartedasapliações,osnóssensoresnãopodem
ter suas bateriasrearregadas ousubstituídas (porexemplo, emuma RSSFespalhada
poruma oresta densa). Enquantoque em redes ad-ho tradiionais proura-se obter
um alto índie de QoS, protoolos de RSSFs preisam se destinar fundamentalmente
a reduzir o onsumo de energia em sua operação. Normalmente, há um ompromisso
entre o prolongamento da vida útil da rede e outras métrias importantes, omo o
atraso médio na entrega de mensagens (o tempo médio entre o momento em que a
mensagem égerada eo momentoem queela alançao sorvedouro).
Por outro lado, o aumentono tempo de vidaútil darede tem impatopositivo na
taxa de obertura (a porentagem total da área que é oberta por pelo menos um nó
sensoremumdeterminadoinstantedetempo). Seosnós sensoresonseguempreservar
sua energia por um período maior, naturalmente pode-se veriar uma maior taxa de
obertura, prinipalmenteem períodos de tempo mais avançados.
Porestes motivos,váriasténias têm sidodesenvolvidas om oobjetivode reduzir
o onsumo de energia e, onsequentemente, aumentar o tempo de vida útil da rede.
Dentre estas ténias, podemos itar estratégias para disseminação mais eiente das
informaçõesna redee ontrole de densidade, expliado a seguir.
2.2.1 Controle de Densidade
A alta densidade em RSSFs é justiada, pelo menos parialmente, pelo fato de que
aautonomia energétia dos nós ébastantelimitada. Para efeitos de modelagem,toda
a área a ser sensoriada é dividida emum onjunto nito de pontos de demanda. Em
RSSFs, é omum a existênia de muitos nós sensores para obrir uma determinada
área, à qual assoia-se demandas de sensoriamento. Em redes muito densas, ada
pontode demanda éusualmenteoberto porváriosnós sensores, araterizandoassim
redundânianograu de obertura.
Este fato sugereque, aolongo davidaútilda rede eprinipalmenteno iníiodela,
muitos nós poderiam ser desligados sem impliar que algum ponto de demanda que
desoberto. Esta estratégia,denominadaControle de Densidade,ébastanteexplorada
período de tempo, ada ponto de demanda a um ou mais nós sensores, de modo a
garantir a máxima obertura possível da rede om o mínimo número de nós sensores
ativos.
Utilizando-se desta estratégia, pode ser possível aumentar a vida útil da rede ao
manter ativoum subonjuntopequeno de nós porum períodode tempodeterminado,
enquantoosdemaissãomantidosinativos(omseusrádiosdeomuniaçãodesligados).
O problema de denir tal subonjunto de nós que devem ar ativos om o objetivo
de minimizaroonsumode energiaéonheidoomooProblemadoControle de
Den-sidade [Nakamura et al., 2005℄ (PCD). Em onjunto om o uso de outras estratégias,
prover a rede om algoritmos de ontrole de densidade permite elevadas reduções no
onsumo de energia.
Na literatura, observa-se pelo menos dois grupos prinipais de trabalhos que
in-vestigam omo o Controle de Densidade deve ser implementado: aqueles que utilizam
abordagens entralizadas, onde a deisão é tomada por uma entidade (normalmente
o sorvedouro), e aqueles que utilizam abordagens desentralizadas, onde os próprios
nós sensores deidem,de formaolaborativa,qualserá osubonjuntoquepermaneerá
ativo.
Um trabalho que explora a abordagem entralizada foi desenvolvido por
Slijepevi ePotkonjak [2001℄. Nele,são introduzidas heurístias que seleionam
on-juntosdisjuntos de nós, ujosintegrantes são apazes de obrir ompletamentea área
sensoriada. Emada períodode tempo,mantêm-seativoapenas um dessesonjuntos.
Porém, para utilizar este proedimento é neessário garantir que a rede seja densa o
suiente para que possam ser enontradas partições doonjunto de nós sensores que
exibam as propriedadesmenionadas.
EstarestriçãonãoéimpostaparaaapliaçãodaabordagemdeZhang e Hou[2005℄,
onde uma estratégia desentralizada éutilizada. A ideia básiado algoritmoproposto
naquela referênia,denominadoOGDC (OptimalGeographialDensity Control),éque
opróprionósensordeidasedeveounãopermaneerativoemumdeterminadoperíodo
de tempo. Isto é feito através daomuniação om outros nós queobrem os mesmos
pontos de demanda, da seguinte forma. Periodiamente, os nós veriam se podem
ontribuir om o aumento na obertura da rede. Aqueles que deidirem que podem
ontribuir (através de mensagens troadas om os nós vizinhos) permaneerão ativos
porum períododeterminadode tempo. Apóseste período, novamente, os nós partem
para o proesso de deisão. Para que este métodofunione orretamente, é neessário
que todos os nós sensores possuam relógios sinronizados. Talvez esta seja a maior
de roteamento de mensagens em redes om sorvedouro xo. Os nós que estão
desati-vados emum determinadoperíodode temponão são onsideradospara oroteamento.
Com esta abordagem, foi possível aumentar a taxa de mensagens oletadas pelos nós
sensores que foramorretamente entreguesao observador da rede.
OstrabalhosqueutilizamoalgoritmoOGDCobtiverambonsresultadospararedes
om sorvedouro xo quando omparados a outras abordagens. Entretanto, a
abor-dagem distribuída exigetroas de mensagens entre nós sensores em seus proessos de
deisão, o que onsome energia. Além disso, uma abordagem distribuída pode ser
menos eiente que uma abordagem entralizada, no sentido em que os proessos de
deisão são baseados em onheimentos loais sobre a rede, enquanto que em uma
abordagementralizada, háonheimento global.
Em redes que utilizam sorvedouro xo, a abordagem entralizada potenialmente
onsome mais energiaque aabordagemdistribuída, uma vez que mais troas de
men-sagens entre nós sensores são neessárias para a disseminação das ordens do ontrole
de densidade. Porém, em redes que utilizam sorvedouros móveis, a abordagem
en-tralizadanão neessariamente exige troas de mensagens entre nós sensores. Caso os
sorvedourossejammóveisetenhamonheimentodas posiçõeseestado deenergiados
nós sensores, adeisãopode ser entralizada,baseada emonheimentoglobalsobre a
rede,eomuniadapeloprópriosorvedouroaadanósensor. Assim,apenasumatroa
de mensagenssorvedouro /nósensor éneessária paratransmitironovo estadodonó
(ativadooudesativado)nopróximoperíododetempo. Estaabordageméexploradapor
Aio[2007℄, onde esolhe-se periodiamente um onjunto de nós sensores om maior
energiaresidual disponível, que ubra a máxima área possível da rede. Este onjunto
é ativado enquanto o sorvedouro aminha pela rede. A ada ilo (voltaompleta do
sorvedouro), um novo subonjunto de nós éalulado.
Como pode ser observado na implementação de estratégias de Controle de
Densi-dade,aformaomoainformaçãodeenergiadarede éompartilhadaéde fundamental
importânia. A seguir, apresentamos omo a disseminação de informações entre os
onstituintes darede afeta, de modogeral, osparâmetros de desempenho de RSSFs.
2.2.2 Disseminação da Informação
SegundoKim et al.[2003℄,adeniçãodatopologiadeumaRSSFenvolve,alémda
den-sidadedosnóssensores,estabeleeromoainformaçãoserádisseminadaentreosnóseo
sorvedouro. Dentre astrêsfunçõesprimáriasde umnósensor(sensoriamento,
omuni-açãoeproessamento), aomuniaçãoéondeonsome-semaisenergia[Akyildiz etal.,
mação em RSSFs é o número de saltos no aminho da transmissão de dados entre o
nó sensor e o sorvedouro [Al-KarakieKamal, 2004℄. Nesse sentido, RSSFs podem ser
lassiadas omosingle-hop,quandoaretransmissãode mensagensentre nós sensores
não épermitida, emulti-hop.
Normalmente,aomuniaçãosingle-hopnãoéumaalternativaviávelemredesujos
elementos são xos, em espeial o sorvedouro. Isto oorre porque o raiolimitado dos
nóssensores nãopermitequehajaestetipodeomuniaçãoemredesondeoselementos
estão separados por longas distânias. Desta forma, nós sensores têm que transmitir
mensagensparaoutrosnóssensoresatéqueainformaçãohegueaosorvedouro. Nestes
asos, os nós sensores uja loalizaçãoé próxima aosorvedouro tendema esgotarsuas
bateriasmais rapidamente[Luoe Hubaux,2005℄,porseremutilizadosmais vezespara
rotear mensagens entre osorvedouro e osnós sensores mais distantes.
Aneessidadedaomuniaçãomulti-hopeseuonsumomaiselevadodeenergia
mo-tivaramdiversos trabalhos na literaturaaprourar estabeleer arquiteturas de RSSFs
que utilizam sorvedouro xo onde o onsumo de energia é minimizado. Os trabalhos
variam quanto às estruturas de omuniação apresentadas, desde estruturas simples,
omo árvores ouum onjunto de estrelas onetadas,até estruturas mais omplexas.
Um exemplo destas estruturas é aquela proposta por Heinzelman et al. [2002℄: o
protoolo LEACH (Low-Energy Adaptive Clustering Hierarhy), onde lusters
dis-tribuídos são denidos de formaa permitir a auto-organizaçãodos nós sensores. Para
ada luster, há um luster head,um nó sensor queontém equipamentodifereniado,
responsável por fazer a omuniação entre os nós e o restante da rede. O protoolo é
dotado de algoritmosque adaptam os lusters e a posição dos luster heads para
dis-tribuir homogeneamentea arga de energiaentre todos osnós. Porém,a desvantagem
desta abordagemé a neessidade de um grupo de nós sensores om maior apaidade
de energiae proessamento.
Nóssensores omequipamentodifereniado aumentamoustodaredeenão
repre-sentam alternativaviávelemmuitas apliações. Nestes asos, outrostiposde polítias
de disseminação de informação são neessárias, omo a proposta por Mahado et al.
[2005℄. Naqueletrabalho,atrajetóriaparaatransmissãodemensagensentreum
deter-minado nósensor e osorvedouroxo édenida om base nomapa de energia darede
(disponibilidadede energiados nósdarede). Asrotasdainformaçãosão determinadas
dinamiamente de aordo om o nível de energia dos nós sensores em um
determi-nado instantede tempo. A rede apresenta apaidadede adaptarseu omportamento
onforme os reursos disponíveis. Porém, omo apontado anteriormente, os nós mais
onetividadeda rede quando estes nós desarregarem suas baterias.
Uma forma de diminuir tal riso é direionar o funionamento da rede a
even-tos, prinipalmente quando o omportamento da rede varia om alta frequênia.
Figueiredoetal. [2004℄ propuseram o protoolo MULTI, que inorpora vários
algo-ritmos de disseminação de dados que exploram este tipo de alternativa. Em redes
omaltavariabilidade nageraçãode informaçãoaser sensoriada, longosperíodos sem
inidênia de eventos podem oorrer, mas em determinado momento pode haver um
altotráfego dedados (i.e. um inêndio). A proposta doMULTIonsisteemadaptaro
seu funionamentode formaautnoma, adotando o algoritmomais interessante sob a
ótiadoonsumode reursos darede paraada situação. Este protoolo permitea
in-orporação de diversos meanismos presentes na literaturaomo resolvedores internos
para adatipode situação.
Apesar de todos os esforços de pesquisas itados, a utilizaçãode sorvedouros xos
ainda é uma alternativa de projeto que implia em alto onsumo de energia. Assim,
é natural onsiderar a mobilidade do sorvedouro omo alternativa. Disutimos este
aspeto aseguir.
2.2.3 Mobilidade do Sorvedouro
A mobilidade do sorvedouro não apenas é uma formade reduzir o gasto de energia e
estenderotempode vida,omotambémpermitequeredesesparsas sejamonetadas.
Infelizmente, estes ganhosvêm aompanhados dadeterioração de algumasmedidasde
QoS importantes da rede.
Umavez quea veloidade dosorvedouroé muitomenor quea veloidade de
trans-missãode informaçãoentre nós sensores, permitir queo sorvedourose mova pelarede
oletando mensagens aumenta substanialmente o atraso médio na entrega de
men-sagens. Oimpatodesteindesejadoefeitopodeserdiminuído,pelomenosparialmente,
tantopelousodemúltiplossorvedouros(veja[Somasundara etal.,2007℄e[Wang etal.,
2005b℄), omo pelo desenvolvimento de algoritmosde roteamento apropriados [Aio,
2007℄.
A mobilidade do sorvedouro tem sido bastante explorada na literatura, ainda que
não tanto quanto o desenvolvimento de estruturas de omuniação para redes om
sorvedouroxo. Comoesperado,oobjetivodamaiorpartedestestrabalhoséaumentar
o tempo de vida útil da rede, ao substituir a omuniação entre nós sensores pela
omuniação sorvedouro / sensor. Pesquisas nesta linha diferem na forma omo o
movimentodosorvedouro é gereniado,podendo ser ontroladoou não.
de movimentaçãolivre. OstrabalhosdeShah etal.[2003℄eJainet al.[2006℄exploram
estasideias,ondeomovimentodosorvedouro,alémdenãoontrolado,énãoprevisível.
Porestes motivos,nestasabordagens não háomo preverotempomáximodaentrega
de mensagens.
Uma forma de lidar om esta diuldade é apresentada por Chakrabartiet al.
[2003℄, onde sorvedouros são presos a veíulos de transporte públio, omo nibus
e trens, que possuem rotas pré-denidas. Nestes asos, o movimento do sorvedouro,
apesar de não ontrolado, é previsível. Tal abordagem permite alançar ganhos
sig-niativos em eonomia de energia quando omparado a redes om sorvedouros xos.
Porém, mais uma vez, apresenta algumas importantes restrições, taisomo a possível
presença de nóssensores distantesdas rotaspré-denidaseofatodequeestas mesmas
rotas podem ser muito longas, aarretando em altas taxas de atraso na entrega de
mensagens.
Figura 2.2. Modelode sorvedouromóvel Khepera-III
Por estas razões, a maior parte dos estudos que prouram prover mobilidade ao
sorvedouro também prouram dotá-lo de ontrole sobre sua trajetória. Assim sendo,
podemosimaginarosorvedouroomoumpequenorob. Comoexemplo,podemositar
omodeloKhepera-III (verFigura2.2)desenvolvidopelaempresaKTeam[Khepera-III,
2009℄,omerialmentedisponível.
Dentre ostrabalhosqueutilizamsorvedourosommovimentoontrolado,podemos
itar o modelo proposto por Gandham etal. [2003℄, onde várias bases móveissão
uti-lizadas. O horizonte de tempo é dividido em rodadas. Periodiamente, um problema
formuladoomo um Programa Inteiro Mistoé resolvido para deidira loalizaçãodas
bases móveisa ada rodada. Este modelo apresenta uma série de desvantagens. Uma
até 30nós). Outra desvantagem éque não há garantia daeliminaçãoda omuniação
multi-hop. Isto oorre porque, a ada rodada, todos os nós sensores devem se
omu-niarom algumabasemóvel,mesmoque,nasoluçãoenontrada,estejamdistantesda
basemais próxima. Desta forma,osnós distantes devemempregar outrosnós sensores
omopontosintermediários para aomuniação om a base móvel.
A omuniação multi-hop tambéméuma alternativa onsiderada nos trabalhos de
Wang et al.[2005a℄ e Jea etal. [2005℄. No primeiro, é utilizadoum sorvedouro móvel
quemove-sepeloperímetrodaáreaasersensoriada. Omodeloprouraredireionaras
mensagensnadireçãodaextremidademaispróxima;mesmoassim,osnósmaisentrais,
distantes das extremidades daáreasensoriada, omuniam-se omo sorvedouromóvel
atravésdenósintermediários. Jánosegundotrabalho,sãoutilizadosváriossorvedouros
móveis que se movimentam em linhas retas paralelas. O problema de roteamento se
resume em ontrolar a veloidade de movimentação dos sorvedouros. Caso haja nós
sensores que não estejam no raiode omuniação da rota dos sorvedouros, é efetuada
aomuniação multi-hop para quetoda arede seja oberta.
Ostrabalhos de Gandham etal.[2003℄, Wang et al.[2005a℄ eJea etal.[2005℄
per-mitem omuniação multi-hop. Apesar disto, por dotar o sorvedouro de mobilidade,
ganhosonsideráveisemtermosdeonsumodeenergiaforamobtidosquando
ompara-dos a redes om sorvedouros xos. Porém, o tempo gasto nas rotas dos sorvedouros
impata negativamente o atraso na entrega de mensagens. As baixas veloidades de
movimentação dos sorvedouros não devem ser negligeniadas, ao ontrário do que é
assumidonotrabalhode Wang et al.[2005b℄.
Naquele trabalho, são utilizadosváriossorvedouros móveis omoobjetivode
max-imizarotempode vidadarede. Ummodelo de ProgramaçãoLinear éformuladopara
resolveroproblemaombinadode determinaromovimentodosorvedouroeseutempo
depermanêniaemdiferentespontosdarede. Pararedesdeaté
256
nós,omodelo pro-posto alança tempos de vidada rede até ino vezes maiores queos obtidos emumaredetotalmenteestátia. Contudo,omodelo apresenta apenaso temponeessário que
ossorvedourosdevemarpróximosdeadanóparaoletaretransmitirasmensagens.
Segundo os autores, o tempo de viagem entre os pontos de parada dos sorvedouros é
desprezível. Na prátia,esta informaçãonão ondizom a realidade.
2.3 A Nossa Contribuição
Como pode ser veriado nas Seções anteriores, problemas de otimização omplexos
nees-requisitos espeíos de QoS. A otimização de parâmetros de QoS emRSSFs,por sua
vez, deve sempreser onduzida levando-se emonsideração oimpato das mesmas no
tempo de vida darede.
Neste trabalho, introduzimos algoritmos de otimização que permitem melhorar
parâmetros deQoSemRSSFs,taisomooatrasonaentregade mensagenseataxade
obertura. A rede onsiderada aqui envolve múltiplos sorvedouros móveis e entenas
de nós sensores aleatoriamente distribuídos. A área de sensoriamento, modelada por
um largoquadradonoplanoEulideano, abrangeonjuntosdisretizadosde pontosde
demanda, ada um om exigêniasde sensoriamentouniformes.
Naredeonsideradanesteestudo,aomuniaçãosópode oorrerentre nóssensores
e sorvedouros. Sendoassim, o problema queprouramos resolver é ode enontrar um
onjunto de boas rotas, uma para ada sorvedouro móvel, que permitam aos
sorve-douros oletar a informação sensoriada em toda a rede. Ao invés de visitar ada nó
sensor, apenas um subonjunto deles, hamados luster heads, são visitados. Apenas
quando o sorvedouro hega a um luster head, a omuniação entre o sorvedouro e
todos osnós sensores atribuídos àquele luster head éefetuada.
Ao invésde denir quaisnós sensores serão visitados (porexemplo, aoresolverum
problema de lusterização) e só então denir as rotas dos sorvedouros (resolvendo o
problema do roteamento), abordamos ambos os problemas de forma integrada. Isto
é realizado pela forma omo as rotas são riadas nos algoritmos e modelos
propos-tos, impondo que ada nó sensor seja um luster head de alguma rota ou que esteja
suientemente próximo de algum luster head em algumarota.
O problema de enontrar, de forma integrada, um onjuntode luster heads e um
onjuntoderotasentre eles(umarotaporsorvedouro)éaquidenominadodeProblema
IntegradodeRoteamentoeClusterização(PIRC).Comoobjetivodeobterbaixosníveis
de atraso médio na entrega de mensagens, modelamoso PIRC omo uma versão não
apaitada do Problemade Roteamentode Veíulos[Dantzig eHamser, 1959℄, onde o
tamanho dafrota é previamenteonheido, o objetivo é minimizaro omprimento da
maior rota e onde nem todos os lientes (sensores) preisamser visitados.
Considerando os bons resultados obtidos pelos algoritmosde otimização
(espeial-menteasmetaheurístias)introduzidosnestetrabalho,umarabouçodesimulaçãoque
integra aresolução doPIRC om meanismos de ontrole de densidade foi
implemen-tado e testadoomputaionalmente. Osresultados de otimização e simulaçãoindiam
queosalgoritmospropostospermitiramaobtençãodereduçõessigniativasnastaxas
de atraso médionaentrega de mensagens. Embora menoseienteque outras
graças a exeução mais frequente das polítias de ontrole de densidade. O modelo
Um Modelo Integrado Para o
Roteamento e Clusterização em RSSFs
Neste apítulo, ao propor um modelo integrado para simultaneamente tratar as
questões de lusterização e roteamento em RSSFs, introduzimos um novo Problema
de Otimização Combinatória. Trata-se de uma variante do Problema de Roteamento
de Veíulos que, a julgar pela nossa revisão bibliográa, ainda não foi estudado. O
problema emestudo, denominadoProblema Integrado de Roteamento e Clusterização
(PIRC), é formuladoatravésde um Problemade Otimização emGrafos. Duas
formu-lações de Programação Inteira são tambémapresentadas.
3.1 Motivação
Em um estudo reente, Aio[2007℄propso métodoSingle Hop Strategy (SHS) para
estabeleer um modelo para a disseminação, a reepção e a transmissão de dados em
uma RSSF. No métodoSHS, osorvedouroomunia-sediretamente om todos os nós
darede;aomuniaçãoentrenóssensoresnãoépermitida. Umúniosorvedouromóvel
é utilizado para oletar ainformação sensoriada. Naquele modelo, assume-se também
que aposiçãogeográa de todos osnós sensores narede é onheidaa priori eque a
distânia máxima de omuniação entre osorvedouro e os nós sensores élimitada por
um raio
R
≥
0
, um parâmetro quedepende do equipamentode rádio utilizado.O método SHS inorpora algoritmos para resolver os problemas de ontrole de
densidade e roteamento em uma RSSF. Em relação ao roteamento, é utilizada uma
abordagemde duas fases. Uma vez que todos osnós sensores neessitam seomuniar
om osorvedouro, eles são divididosem lusters. Cada um deles englobanós sensores
queseomuniamomosorvedouronamedidaemqueestehegaaoentrogeométrio
18 Clusterização em RSSFs
número mínimode lusters irulares de raio
R
. No trabalhode Aio[2007℄, oprob-lemade denirum onjuntominimalde lusters é modeladoatravés doProblemados
p-Centros Invertido (PpCI) [Mirhandanie Franis, 1990℄. Para resolver o modelo de
Programação Inteira assoiado, o autor empregou paotes omeriais de otimização.
Paraasdimensõesdas redesonsideradasnaqueleestudo,aabordagemdesolução
em-pregada para a resolução do PpCI foi onsiderada satisfatória quanto aos tempos de
exeução empregados.
Assimqueoslusters sãodenidos,teminíioasegundafasedoalgoritmo,que
on-sisteemdeterminaromenoriruitoHamiltonianoquepassepelosentrosgeométrios
detodososlusters. Istoé,nasegundafase,resolve-seoProblemadoCaixeiroViajante
(PCV) [Dantzig et al., 1954℄ tendo omo onjunto de vérties os entros geométrios
dos lusters. Para resolver o PCV assoiado, foi utilizadoo Algoritmo de Inserção do
Vizinhomais Próximo [Julstrom, 1999℄.
Ao resolver os problemas de lusterização eroteamento, garante-se a omuniação
dosorvedouro om todos os nós da rede. À medida que o sorvedouro perorre arota,
aomuniação entre o sorvedouro e osnós sensores oorre.
Figura 3.1. Visão geral deuma rotadosorvedouro nométodo SHS
A Figura 3.1 ilustra omo a rede é organizada no método SHS. Na Figura, ada
luster érepresentado porum írulo. OiruitoHamiltonianoqueoneta osentros
geométrios de ada luster representa a trajetória do sorvedouro pela rede. Apenas
quandoosorvedourohegaaumdeterminadoentrode umluster (oqual,nesteaso,
Como a Figura sugere, a vantagem de utilizar uma estratégia de omuniação
baseada em lusters é permitir que o sorvedouro perorra uma rota menor, visitando
apenasoentrodeadaluster,aoinvésdevisitaradanósensor. Porém,osproblemas
de lusterizaçãoe roteamentosão resolvidosindependentemente. Como onsequênia,
um númeromínimode lusters não neessariamenteimpliaemrotasde omprimento
mínimo. Em tese, ganhos adiionais em termos de atraso na entrega de mensagem
poderiam ser obtidos, por exemplo, ao se resolver os problemas de roteamentoe
lus-terização simultaneamente, omo proposto nesta dissertação.
3.2 O Modelo Proposto
O Problema Integrado de Roteamento e Clusterização (PIRC) que propomos aqui
utiliza-se de padrões de omuniação similares àqueles empregados no SHS.
Comu-niação direta entre os nós sensores não é permitida; apenas omuniação single-hop
entre ossorvedouros e osnós sensores pode oorrer.
OPIRCpodeserdesritodaseguinteforma. Dadosumonjunto
V
=
{
1
, . . . , n
}
de nós sensores (ativosouinativos,nunadesligados) noplano Eulideanoeum onjuntoK
=
{
1
, . . . , K
}
de sorvedouros móveis, o problema que pretendemos resolver onsisteem enontrar
K
∈
Z
+
rotas,uma para ada sorvedouro móvel. Cada rota deve inluir alguns nós sensores, denominados luster heads, de formaque todonó sensor daredeesteja inluídoemuma rota (onóéum luster head) ouesteja auma distâniamenor
que
R
de um luster head pertenente a uma dasK
rotas.Note que o termo luster head assume agora um signiado um pouo diferente.
No trabalho de Aio [2007℄, ele foi utilizado para denir os entros geométrios dos
lusters, osquaiseram osloais aserem visitadospelosorvedouro. No PIRC, o termo
deneumnósensorqueserávisitadoporumdossorvedouros. Apesarde quenoPIRC
os luster heads são aqueles nós visitados pelos sorvedouros, a eles não é atribuída
nenhuma função espeial na rede quando omparados aos nós sensores que não são
luster heads.
Visandoobter baixas taxasde atrasonaentregade mensagens, prouramos
enon-trar
K
rotasde formaqueoomprimentodamaior delassejaminimizado. Namedidaem que o valor de
K
rese, o atraso médio na entrega de mensagens deve dereser.Minimizar a rota mais longa permite balanear os omprimentos das
K
rotas de talforma quetodos os sorvedouros levemaproximadamenteo mesmotempo para oletar
a informaçãodos nós sensores atribuídosà sua rota.
20 Clusterização em RSSFs
aso, arede poderia ar desbalaneada, uma vez que um nó sensor visitado poruma
rota menoromuniariamais frequentemente om o sorvedouro a eleatribuídoque os
nós visitados por rotas mais longas. Outra razão para a sinronização é permitir a
implementaçãode umontrolede densidadeentralizado,noiníiode adailo,antes
dos sorvedouros iniiarem seus movimentos. Sendo assim, o primeiro sorvedouro que
atingirodepósito(pontoiniialenaldarotadossorvedouros)deveesperarahegada
dos demais para iniiarum novo ilo de planejamento darede (que ompreendeuma
travessia ompleta de todos os sorvedouros pelas suas respetivasrotas).
Para formular o PIRComo um Problemade Otimização emGrafos, utilizaremos
um parâmetro
R
, que dene o raio máximo de omuniação entre o sorvedouro e umnó sensor, e um digrafo
D
= (
V, A
)
om o onjunto de vértiesV
=
{
1
, . . . , n
}
e de arosA
. Para este propósito, assuma que, iniialmente, todos os sorvedouros móveisestão loalizados em um depósito, representado pelo vértie
1
∈
V
. O onjunto de arosA
:=
{
(
i, j
)
,
(
j, i
) :
∀
i, j
∈
V, i
6
=
j
}
representa todas aspossíveistranslações dos sorvedourosmóveis, movendode umluster head aoutro. Umpesod
ij
≥
0
éatribuído aada aro(
i, j
)
∈
A
. Nestetrabalho,d
ij
orrespondeaomaiorinteiro menorouigual àdistâniaEulideana entrei
ej
. Vamostambémdenird
ii
= 0
,
∀
i
∈
V
. Finalmente, onsidere queω
(
i
) :=
{
j
∈
V
:
d
ij
≤
R
}
denota o onjunto de vérties suientemente próximos dei
. Observe quediantedas deniçõesanterioresi
∈
ω
(
i
)
,
∀
i
∈
V
.Uma solução para o PIRC em
D
é uma oleção deK
rotas sujeitas a algumasrestriçõesadiionais. Cadarota
k
∈ K
temseu iníioem1
,visitaumonjuntoS
k
\ {
1
}
devértiesseleionadoseretornaaovértie1
. Referimo-nosaosubgrafodeD
induzido poradarotak
omoH
k
= (
S
k
, A
k
)
. Consequentemente,H
=
S
K
k
=1
(
S
k
, A
k
)
representao subgrafo assoiado ao onjunto ompleto de
K
rotas. No que segue, dizemos quei
6∈
S
K
k
=1
S
k
é oberto porj
se existek
∈ K
talquej
∈
S
k
ei
∈
ω
(
j
)
. Quando esteforoaso,tambémdizemosque
i
éobertopelarotak
. Sedenirmosf
(
H
k
) =
P
(
i,j
)
∈
Ak
d
ij
omoo omprimentoda
k
−
ésima rota, ousto de uma soluçãoviávelH
para oPIRCédado por
f
(
H
) =
max{
f
(
H
k
) :
k
= 1
, . . . , K
}
.Diante doexposto, o PIRConsiste noproblema de:
min
f
(
H
) :
H
=
K
[
k
=1
(
S
k
, A
k
)
,
(3.1)talque
∀
k
∈ K
:
A
k
induz um iruitoHamiltonianoentre os vértiesdeS
k
,
(3.2)∀
i
∈
V
:
i
∈
K
[
k
=1
S
k
ou∃
j
∈
V
\ {
i
}
:
j
∈
K
[
k
=1
S
k
, i
∈
ω
(
j
)
.
(3.4)Note que (3.3) garante que o depósito é o únio vértie em omum visitado por
qualquer par de rotas e que (3.4) impõe que ada vértie é um luster head ou está
oberto poralgum luster head.
O PIRC é laramente um problema uja versão de deisão é NP-Completo, uma
vez que o Problema do Caixeiro Viajante [Dantzig et al., 1954; Jüngeret al., 1995℄ é
um de seus asos espeiais, quando
K
= 1
eω
(
i
) =
{
i
}
,
∀
i
∈
V
(R
= 0
).De aordoom nossa revisão bibliográa,a variantedoProblema de Roteamento
deVeíulos(PRV)maispróximadoPIRCéaqueladisutidaporGlaab[2002℄. Naquele
trabalho, os autores introduzem um Problema de Roteamento de Veíulos que surge
no ontexto do projeto de sistemas semi-automátios de orte de ouro. Assimomo
no PIRC, deseja-se minimizar o omprimento da rota mais longa e o tamanho da
frota é xo. Entretanto, o PIRC difere daquela variante do PRV em dois aspetos
fundamentais: (i) por aquela variante não apresentar natureza seletiva (i.e. todos os
lientes devem ser visitados) e (ii) pelo fato de que ada veíulo iniia sua trajetória
de um depósito diferente.
Cabe menionar que outrosproblemas de OtimizaçãoCombinatóriaguardam
sim-ilaridades om o PIRC exatamente por exibir uma natureza seletiva. Como
exemp-los, podemos itar o Covering Tour Problem [Gendreau et al., 1997℄, o Problema do
Caixeiro Viajante Seletivo [Gendreau et al., 1998℄ e o problema do Caixeiro Viajante
Generalizado [Fishetti etal., 1997℄. Todos estes três problemas são semelhantes ao
PIRC noaso espeial em que
K
= 1
. Entretanto, todos diferem do PIRCde alguma forma.Dados onjuntos de vérties
T, V, W
, tais queT
⊆
V
, no Covering Tour Problemdeseja-se enontrar um iruito hamiltonianode usto mínimo quepasse portodos os
vérties de
T
. Em adição a estes, podem também ser visitados vérties emV
\
T
. Oiruito esolhido deve ser tal que todo vértie em
W
esteja suientemente próximode algum vértie visitado. Observe que quando
K
= 1
, o PIRC difere do Covering Tour Problem já que no PIRC não existe um onjunto de vérties terminaisT
queneessariamente preisaser visitado.
Assimomo o CoveringTourProblem, noProblemado CaixeiroViajante Seletivo
há um onjunto de vérties
T
que deve ser visitado. Alémde ustos serem atribuídosàs arestas do grafo, prêmios não negativos são também assoiados aos seus vérties.
Assim sendo,deseja-se obter um iruito ujasoma dos prêmios dos vértiesvisitados
22 Clusterização em RSSFs
NoProblemadoCaixeiroViajanteGeneralizado,porsuavez,osvértiesdografode
deniçãodo problema são previamenteorganizados emlusters (onjuntos de vérties
disjuntos). Oobjetivoonsisteentãoemobterumtour demínimoustoquevisitepelo
menosum vértie de adaluster. Observequeeste problema difere doPIRC(
K
= 1
) uma vez que neste último, a organização dos vérties em lusters não é previamenteestabeleida.
Nas Seções seguintes, apresentamos dois modelos de Programação Inteira para o
PIRC: oprimeirobaseado emFluxosemRedes eosegundo baseado emDesigualdades
de Eliminaçãode Subrotas.
3.3 Uma Formulação de Fluxos para o PIRC
Oprimeiro modelo de Programação Inteira que apresentamos para o PIRC é baseado
emFluxosemRedes[Ahuja et al.,1993℄. Suaprinipalideiaéatribuirumameradoria
k
∈ K
,iniialmentedisponívelnovértie depósito, atodarotak
∈ K
. Umvértiedevereeberumaúniaunidadedameradoria
k
seesomenteseforumluster head narotak
. Neste aso, umaunidade de ada meradoriak
deveentão ser entregue dodepósitoàquele vértie, utilizandoaros apropriados darede.
Para formularmos o problema, modelaremos ada rota de ada sorvedouro omo
um aminhosimples em um digrafo
D
= (
{
0
} ∪
V, A
)
obtido aose adiionaraD
:•
(i)um vértie artiial0
(uma ópiado depósito1
)emonjunto om•
(ii) um onjunto de aros artiiais{
(
i,
0) :
d
i
0
=
d
1
i
,
∀
i
∈
V
\ {
1
}}
inidentesa
0
.Comoresultado, temos
A
:=
A
∪ {
(
i,
0) :
∀
i
∈
V
\ {
1
}}
.Não édifíilpereber que,poronstrução, o omprimento de um aminhosimples
em
D
queomeçaem1
, visitaadavértieemS
k
\ {
1
}
exatamenteumavez etermina em0
é preisamentef
(
H
k
)
.Para formular oPIRComo um Problemade Fluxos emRedes sujeito a restrições
ompliantes, os seguintes onjuntos de variáveisde deisão serãoempregados:
•
y
k
i
∈
B
,
∀
i
= 0
, . . . , n,
∀
k
∈ K
, assumindo valor1
sei
é um luster head narotak
(0
,aso ontrário);•
x
k
ij
∈
B
,
∀
(
i, j
)
∈
A,
∀
k
∈ K
, assumindo valor1
seo aro(
i, j
)
é seleionadopara•
v
k
ij
∈
R
+
,
∀
(
i, j
)
∈
A,
∀
k
∈ K
, indiando a quantidade de meradoriak
que uipeloaro
(
i, j
)
;•
w
∈
R
+
denotandoo omprimentodamais longa dasK
rotas.Umaformulação para o PIRC édada por:
f
=
min{
w
: (
w, v, x, y
)
∈ P
F LU XO
∩
(
R
+
,
R
K
|
A
|
+
,
B
K
|
A
|
,
B
K
|
V
∪{
0
}|
)
}
,
(3.5)onde
P
F LU XO
é o poliedro denido pelas restrições:X
i
∈
V
\{
1
}
v
k
1
,i
=
X
i
∈{
0
}∪
V
\{
1
}
y
i
k
,
∀
k
∈ K
,
(3.6)X
j
∈{
0
}∪
V
\{
1
}
v
ij
k
−
X
j
∈
V
v
ji
k
=
−
y
k
i
,
∀
i
∈
V
\ {
1
}
,
∀
k
∈ K
,
(3.7)X
i
∈
V
v
i,
k
0
= 1
,
∀
k
∈ K
,
(3.8)v
k
ij
≤
nx
k
ij
,
∀
(
i, j
)
∈
A,
∀
k
∈ K
,
(3.9)x
k
ij
≤
y
k
i
,
∀
(
i, j
)
∈
A,
∀
k
∈ K
,
(3.10)x
k
ij
≤
y
k
j
,
∀
(
i, j
)
∈
A,
∀
k
∈ K
,
(3.11)X
k
∈K
y
k
i
≤
1
,
∀
i
∈
V
\ {
1
}
,
(3.12)X
k
∈K
X
j
∈
ω
(
i
)
y
j
k
≥
1
,
∀
i
∈
V
\ {
1
}
,
(3.13)X
j
∈
V
∪{
0
}
x
k
ij
≤
1
,
∀
i
∈
V,
∀
k
∈ K
,
(3.14)w
≥
X
(
i,j
)
∈
A
d
ij
x
k
ij
,
∀
k
∈ K
,
(3.15)y
k
1
=
y
0
k
= 1
,
∀
k
∈ K
,
(3.16)y
k
i
≥
0
,
∀
i
∈
V
∪ {
0
}
,
∀
k
∈ K
,
(3.17)v
k
ij
≥
0
,
∀
(
i, j
)
∈
A,
∀
k
∈ K
,
(3.18)x
k
24 Clusterização em RSSFs
{
1
}
,V
\ {
1
}
e{
0
}
,respetivamente. Notequeasrestrições(3.6)impõemqueaquanti-dadedemeradoriasdotipo
k
quedeixam odepósito é|
(
S
k
\ {
1
}
)
∪ {
0
}|
. Asrestrições (3.7), poroutro lado, garantem que um vértiei
queé visitado pelarotak
deve reterumaunidadedameradoria
k
. Asdesigualdades(3.9)-(3.10),porsuavez,sãorestriçõesde aoplamento. Elas garantem que só pode haver uxo dameradoria
k
emum aroasoomesmosejaseleionadoparafazerpartedarota
k
. Adiionalmenteelasimpõemque um aro é seleionado para estar em uma rota somente se suas extremidades
re-eberem uma unidade da meradoria orrespondente. As restrições (3.12) garantem
quenenhum luster head será visitado por maisde uma rota. As desigualdades (3.13)
asseguram que ada nó sensor é um luster head ou é oberto por um luster head.
Emonjunto, asdesigualdades(3.6)-(3.8) e(3.14) garantem que atopologiados aros
seleionadosinduzem
K
aminhos simplesonetando1
e0
. Finalmente,as restrições (3.15) são utilizadas para denir o maior omprimento de rota a ser minimizado em(3.5).
A formulação
P
F LU XO
é dita ompata por possuir um número de restrições evariáveisqueresepolinomialmentenamedidaemqueonúmerodevértiesaumenta.
Estaformulaçãoempregaumaúniameradoriaparaadarotaparadeniroonjunto
de vérties nela visitado. É sabido ([Magnanti eWolsey, 1995℄) que formulações de
uxosqueempregammúltiplasmeradoriasusualmenteforneemlimitesde Relaxação
Linear mais fortes, por permitir estabeleer restrições de aoplamento (do tipo das
restrições (3.9)) mais apertadas. Apesar disto, optamos pela formulação apresentada
por envolver um menor número de variáveis, uma vez que o onjunto de aros
A
éompleto.
3.4 Uma Formulação Baseada em Desigualdades de
Eliminação de Subrotas
Para apresentarmosumaformulaçãoparaoPIRCbaseada emDesigualdadesde
Elim-inaçãode Subrotas Generalizadas(GSEC)[Gendreau et al., 1997℄, empregaremos um
grafo não-direionado
G
= (
V, E
)
om o onjunto de vértiesV
(o mesmo utilizado para o digrafoD
) e de arestasE
. Uma vez que a matriz de distânias é simétria,empregaremos aqui um grafo não orientado para formular o PIRC através de um
modelo que usa desigualdades GSEC. Assim sendo,
E
=
{
[
i, j
] :
i < j
}
denota o onjunto ompleto de arestas ujas extremidades são vérties deV
. Naformu-lação que segue, empregaremos as seguintes denições. Para qualquer
W
⊂
V
,E
[
W, V
\
W
] :=
{
[
i, j
]
∈
E
:
i
∈
W, j
∈
V
\
W
}
dene o onjunto de arestas noSubrotas 25
ambas asextremidades em
W
.A formulaçãobaseada emdesigualdadesGSEC emprega osseguintes onjuntosde
variáveis:
•
y
k
i
∈
B
,
∀
i
= 0
, . . . , n,
∀
k
∈ K
, assumindo valor1
sei
é um luster head na rotak
(0
,aso ontrário);•
x
k
ij
∈
B
,
∀
[
i, j
]
∈
E,
∀
k
∈ K
, indiando se a aresta[
i, j
]
faz parte da rotak
(0
,aso ontrário);
•
w
∈
R
+
denotandoo omprimentodamais longa dasK
rotas.Umaformulação baseada em desigualdadesGSEC para o PIRCé dada por:
f
=
min{
w
: (
w, x, y
)
∈ P
GSEC
∩
(
R
+
,
B
K
|
E
|
,
B
K
|
V
|
)
}
,
(3.20)onde
P
GSEC
éo poliedro denido pelas restrições:X
[
i,j
]
∈
E
[
{
i
}
,V
\{
i
}
]
x
k
ij
= 2
y
k
i
,
∀
i
∈
V,
∀
k
∈ K
,
(3.21)X
k
∈K
X
j
∈
ω
(
i
)
y
k
j
≥
1
,
∀
i
∈
V,
(3.22)X
k
∈K
y
k
i
≤
1
,
∀
i
∈
V
\ {
1
}
,
(3.23)w
≥
X
[
i,j
]
∈
E
d
ij
x
k
ij
,
∀
k
∈ K
,
(3.24)X
[
i,j
]
∈
E
[
W,V
\
W
]
x
k
ij
≥
2
y
k
z
,
∀
W
⊂
V,
1
∈
W, z
6∈
W,
∀
k
∈ K
,
(3.25)y
1
k
= 1
,
∀
k
∈ K
,
(3.26)y
k
i
≥
0
,
∀
i
∈
V,
∀
k
∈ K
,
(3.27)x
k
ij
≥
0
,
∀
[
i, j
]
∈
E,
∀
k
∈ K
.
(3.28)Observequeasrestrições(3.21)asseguramquesempreque