模擬結果

一開始我們先以起始電源都相同 energy=100000 焦耳(J)的情況下執行我們的 方法與 balance tree 做比較，以下為執行 100 次後平均所得的結果。

由圖 6.3 中我們可以得知，我們的方法在單一個收集器的情況下仍然比 balance tree 要好，網路能存活的更久，而當收集器增加時，我們的方法都能夠 增加網路的存活時間，而在感測區域中將收集器固定位置時，由於隨機分佈收集 器時，收集器要集中在一起的機會本來就不高，因此多收集樹法在固定收集器時 並沒有明顯的提升，反而是單一收集樹法因為能確實的將收集器分散開來，使得 收集器能夠對稱存在，因此感測點在切換收集器時能明顯的平衡電量的消耗，提 升網路生存時間，不過由於傳輸半徑過短使得建樹的成功率降低了許多，如表 6.3。

由圖 6.4 中我們可以得知，在傳輸半徑長時更加需要轉換收集樹，因為多收 集樹法與 balance tree 都是由收集器開始建立收集樹，因此當傳輸半徑長時鄰居 則增加了，所帶的子孫傳送資訊過來的距離差距將更大，因此在只有一個收集器 的情況下，並不能將網路存活時間提高，不過當收集器愈多越多可以切換的收集 樹時，我們的方法依然能達到傳輸半徑短時所擁有的網路存活時間。

而在圖 6.3 和 6.4 中我們的單一收集樹法不管是處於何種狀況，網路存活時 間都很長，因為這個方法並沒有考慮到鄰居的個數也不是從收集器開始建立的，

而是以能源消耗的最小生成樹建造出來的，不過在收集器不斷增加時，雖然有提 升網路存活時間，不過當收集器越多時，反而網路存活時間還下降了回來，原因 是因為它所建出來的收集樹只有一個，僅是靠著變換資料流動的方向所造成的成 果必然有限，過多的收集器轉換反而造成了額外的負擔。

最大傳輸半徑短sr=80 收集者隨機分佈

0 2000 4000 6000 8000 10000 12000 14000 16000 18000

1 2 3 4 5 6 7 8 9

收集者(Sink)數目

感測網路執行了幾輪(round)

多收集樹法 單一收集樹法 Balance tree

(a) 最大傳輸半徑短(sr)=80，收集器隨機分佈

最大傳輸半徑短sr=80，收集者固定位置

0 2000 4000 6000 8000 10000 12000 14000 16000 18000

1 2 3 4 5 6 7 8 9

收集者(Sink)數目

感測網路執行了幾輪(round)

多收集樹法 單一收集樹法 Balance tree

(b) 最大傳輸半徑短(sr)=80，收集器固定位置

圖 6.3：最大傳輸半徑短(sr)=80，網路存活時間。(a)收集器隨機分佈，(b)收集器

最大傳輸半徑長sr=200，收集者隨機分佈

0 2000 4000 6000 8000 10000 12000 14000 16000

1 2 3 4 5 6 7 8 9

收集者(Sink)數目

感測網路執行了幾輪(round) ^{多收集樹法}

單一收集樹法

Balance tree

(a) 最大傳輸半徑長(sr)=200，收集器隨機分佈

最大傳輸半徑長sr=200，收集者固定位置

0 2000 4000 6000 8000 10000 12000 14000 16000

1 2 3 4 5 6 7 8 9

收集者(Sink)數目

感測網路執行了幾輪(round)

多收集樹法

單一收集樹法

Balance tree

(b) 最大傳輸半徑長(sr)=200，收集器固定位置

圖 6.4：最大傳輸半徑長(sr)=200，網路存活時間。(a) 收集器隨機分佈，(b) 收 集器固定位置

由圖 6.5 我們可以得知在收集器越多時，我們的方法在網路中斷時每個節點 所剩的能源平均越來越少，可想而知我們操作資料收集樹平衡感測網路的電源消 耗，在收集器不斷增加時，在網路中斷後，各個感測點所剩的能量越來越少，更 能善用各個感測點的資源到最後一刻，使得浪費的電源變少了。

由圖 6.6 中所顯示的標準差，得知 balance tree 這個方法雖然固定了接收的子 孫數，不過由於傳送的長短不一，加上壓縮封包的膨脹，使得靠近收集器的感測 點很快的死亡，而遠離的感測點能量還很多，使得標準差過高，因此儘管平均感 測點剩下的能源很低，不過剩下的感測點所帶的能源多寡差距甚大，有許多感測 點仍然帶有大量的能源而沒有使用到，這證明了我們所建造的收集樹，以 lifetime 作為考量比控制 degree 有效的多。

而圖 6.6 所顯示的標準差，雖然並沒有讓標準差降到 0，但是仍然是讓各個 感測點剩下的能源差距更小了，尤其是多收集樹法是所有標準差最低的，表示考 慮 lifetime 來建樹，最能將感測點的消耗能源平衡下來，加上圖 6.5 的平均電源 越來越少的顯示，更加能證明當結束的瞬間每個感測點的電源也都能越來越往 0 逼近，一點都沒有浪費，每個感測點都盡到了最佳的責任，所浪費的電源越來越 少，真正的達到了平衡所該有的成果。

表 6.2 說明在 9 個收集器固定位置的狀態下每次轉換收集器時控制封包的數 量，確實單一收集樹法減少了許多控制封包的數量，讓轉換時更為迅速。

表 6.2：轉換收集器時控制封包的數量 收集器(ID)

方法

1 2 3 4 5 6 7 8 9 1

多收集樹法 99 99 99 99 99 99 99 99 99 99

單一收集樹法 99 6 13 11 9 10 10 9 9 11

0 10000 20000 30000 40000 50000 60000 70000 80000 90000

1 2 3 4 5 6 7 8 9 10

收集者(Sink)數目

剩於感測點平均能源

多收集樹法 單一收集樹法 Balance tree

圖 6.5：剩餘感測點的平均能量

0 5000 10000 15000 20000 25000 30000 35000

1 2 3 4 5 6 7 8 9

收集者(Sink)數目

標準差

多收集樹法

單一收集樹 法

Balance tree

圖 6.6：剩餘感測點能量的標準差

在圖 6.5 中顯示出在任何情況 balance tree 所剩餘的能量都比多收集樹和 單一收集樹要少，可是所執行的次數並沒有多收集樹和單一收集樹多，原因是因 為 balance tree 單次傳送資訊所消耗的能源要遠大於多收集樹和單一收集樹，

如圖 6.7。為何會相差如此多，原因是因為 balance tree 強調子孫數固定，因 此透過計算出來每個感測點所需要攜帶的子孫數將會固定，不過由於一定要使子 孫數相同，但是各個感測點之間的距離不一，所以會造成過多的感測點連接父親 時距離過大而使得單次傳送資訊所消耗的能源變多。因此儘管 balance tree 所 剩下的能源都比較少，但是執行的次數並沒有多收集樹和單一收集樹來的多。

單次傳送資訊所消耗的能源

0 500 1000 1500 2000 2500 3000 3500

1 2 3 4 5 6 7 8 9 收集器個數(個)

消耗電量(J)

多收集樹 單一收集樹 balance tree

圖 6.7：單次傳送資訊所消耗的能源

既然在最大傳輸距離短時所執行的次數較多，為何不使用較短的最大傳輸距 離，原因是因為在最大傳輸距離短時，每個感測點所擁有的鄰居數會變少，因此 建樹的成功率將會降低，表 6.3 顯示在這 100 次執行的過程中建樹的成功機率，

很明顯的看出來多收集樹法和 balance tree 只要有鄰居可以連便可以建造出樹 來，而單一收集樹法則是因為要求收集器必須落於整棵樹的葉子(leaf)上，因此

成功率降低了一些，不過仍然有 90%以上的成功率，不算太差。

表 6.3：建造收集樹的成功率

方法 傳輸距離距離 80 的成功率 傳輸距離距離 200 的成功率

多收集樹法 57% 100%

單一收集樹法 43% 93.6%

Balance tree 50% 100%

接下來若是電源能量起始分佈便不平均的情況下如圖 6.8，以下圖的情況來 執行我們的方法與 balance tree 做比較。

感測點電源

0 50000 100000 150000 200000 250000

1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 感測點

起始電源

感測點電源

圖 6.8：感測點電源起始分佈圖

由圖 6.9 中我們可以得知儘管電源起始分配不平均，不過我們的方法更能顯 現出他的效能，跟電源分配相同的狀態做比較，多收集樹法能執行的次數明顯的 增加了，但相較於 balance tree 卻沒有明顯的增加，這完全是因為我們的多收集

樹法是使用生存時間做為連接的依據，使得帶電量少的感測點不會分配到吃重的 工作，因此在電源分配不平均的情況下，網路能存活的更久，而僅僅考慮接收耗 電量相同的 balance tree 明顯不適合在電源分配不平均的情況下執行。

電源分佈不平均的執行結果

0 5000 10000 15000 20000 25000

1 2 3 4 5 6 7 8 9

收集者數目

感測網路執行了幾輪(round)

多收集樹法 單一收集樹法 Balance tree

圖 6.9：感測點電源分佈不平均的執行結果

以上實驗所顯示出來的結果，單一收集樹雖然增加收集器所造成的幅度較小 但是所執行的次數都比多收集樹來的多，這是因為壓縮比較小無法讓多收集樹的 方法完全發揮出來，而在圖 6.10 到 6.18 中，我們將壓縮比不斷的提高所顯示出 來的結果，多收集樹所顯示出來的效果越來越好，而在封包壓縮比(β)=1 的情況 下，多收集樹所執行出來的結果全部都高於單一收集樹，這是因為當封包壓縮比 為 0.1 時，靠近收集器的感測點所累積的封包量與其他感測點的封包量相差的距 離不夠大，因此並不能完全發揮多收集樹的效能，而當壓縮比越來越高時，收集 器附近的感測點所累積的封包量與其他感測點的封包量相差距離越來越大，因此 效能逐漸的提升，而當封包完全沒有壓縮時更能完全發揮出多收集樹的效能。

壓縮比=0.2所執行的結果

0 2000 4000 6000 8000 10000 12000 14000

1 2 3 4 5 6 7 8 9 收集器個數

感測網路所執行的次數(round)

多收集樹 單一收集樹 balance tree

圖 6.10：壓縮比(β)=0.2 時，感測網路所執行的次數

壓縮比=0.3所執行的情況

0 2000 4000 6000 8000 10000 12000

1 2 3 4 5 6 7 8 9 收集器個數

感測網路所執行的次數(round)

多收集樹 單一收集樹 balance tree

圖 6.11：壓縮比(β)=0.3 時，感測網路所執行的次數

壓縮比=0.4所執行的情況

0 1000 2000 3000 4000 5000 6000 7000 8000 9000

1 2 3 4 5 6 7 8 9 收集器個數

感測網路所執行的次數(round)

多收集樹 單一收集樹 balance tree

圖 6.12：壓縮比(β)=0.4 時，感測網路所執行的次數

壓縮比=0.5 所執行的結果

0 1000 2000 3000 4000 5000 6000 7000 8000

1 2 3 4 5 6 7 8 9 收集器個數

感測網路所執行的次數(round)

多收集樹 單一收集樹 balance tree

圖 6.13：壓縮比(β)=0.5 時，感測網路所執行的次數

壓縮比=0.6所執行的情況

0 1000 2000 3000 4000 5000 6000

1 2 3 4 5 6 7 8 9 收集器個數

感測網路所執行的次數(round)

多收集樹 單一收集樹 balance tree

圖 6.14：壓縮比(β)=0.6 時，感測網路所執行的次數

壓縮比=0.7所執行的情況

0 500 1000 1500 2000 2500 3000 3500 4000 4500

1 2 3 4 5 6 7 8 9 收集器個數

感測網路所執行的次數(round)

多收集樹 單一收集樹 balance tree

圖 6.15：壓縮比(β)=0.7 時，感測網路所執行的次數

壓縮比=0.8所執行的情況

0 500 1000 1500 2000 2500 3000

1 2 3 4 5 6 7 8 9 收集器個數

感測網路所執行的次數(round)

多收集樹 單一收集樹 balance tree

圖 6.16：壓縮比(β)=0.8 時，感測網路所執行的次數

壓縮比=0.9所執行的情況

0 200 400 600 800 1000 1200 1400 1600 1800

1 2 3 4 5 6 7 8 9 收集器個數

感測網路所執行的次數(round)

多收集樹 單一收集樹 balance tree

圖 6.17：壓縮比(β)=0.9 時，感測網路所執行的次數

壓縮比=1所執行的情況

0 100 200 300 400 500 600 700 800 900

1 2 3 4 5 6 7 8 9 收集器個數

感測網路執行的次數(round)

多收集樹 單一收集樹 balance tree

圖 6.18：壓縮比(β)=1 時，感測網路所執行的次數

接下來所比較的是單一收集樹中收集器切換順序方法若不同，所造成的控制 封包多寡也會不同，如表 6.4，顯示出來 Breadth-First-Search(BFS)雖然因為鄰居 優先而使得在切換上控制封包較少，但是當最後一個收集器要轉換成第一個收集 器時所浪費的控制封包就遠高出許多，而 Depth-first search (DFS)由於一直往深 處走因此較為平均，不過因為沒有方向性，因此仍然較有方向性的 Euler Tour 所 造成的控制封包要多。

我們也比較若是收集器不限定於樹的 leaf 上，造成切換時所消耗的控制封包 的多寡是否較存放在 leaf 上來的多，由表 6.5 所顯示出來的結果得知收集器存放 在 leaf 尚無論使用何種切換順序，切換時所造成消耗的控制封包多寡均比收集器 不存放在 leaf 上來的少，證實了存放在 leaf 上確實能將轉換收集器時所消耗的控 制封包壓低，以提高單一收集樹的效能。

在文檔中 中 華 大 學 (頁 32-47)