基于测量的沿线无线中继网络即兴部署的序贯决策算法

我们的动机源于某些应用中对无线传感器网络进行即兴或随行（as-you-go）部署的需求。一个人沿一条线行走，从汇聚节点（例如基站）出发，朝向位于先验未知位置的源节点（例如传感器）前进。在等间距的位置，他测量到前一个中继的链路质量，并在其中某些位置部署中继，旨在通过多跳无线路径将源连接到汇聚节点。本文考虑两种即兴部署方法：(i) 部署代理只能向前移动（我们称之为纯随行方法），(ii) 部署代理可以在连续若干步中进行测量，然后从中选择一个放置位置（我们称之为探索-前进方法）。我们考虑轻流量机制，并将问题表述为马尔可夫决策过程，其权衡在于节点所用功率、链路中断概率以及每单位距离放置的中继数量之间。我们获得了纯随行方法和探索-前进方法的最优策略结构。我们还考虑了自然的启发式算法以作比较。数值例子表明探索-前进方法显著优于纯随行方法。接下来，我们提出两种基于随机逼近的探索-前进方法的学习算法，它们渐近收敛到最优策略集，且不使用任何无线传播模型的知识。我们通过数值证明，这些学习算法能够（随着部署进行）相当快地收敛到最优策略集，因此可作为大面积部署的实用、无模型算法。