A Performance Study of Splittable and Unsplittable Traffic Allocation in Wireless Sensor Networks
Notice bibliographique
Résumé
Energy is often considered the primary resource constraint in a wireless sensor network. Compared to sensing and data processing, the cost of communication is among the highest in energy consumption. In this paper, we study the effects of relaying data in a wireless sensor network according to two different strategies. The first strategy allows traffic splitting, in which data can be sent on multiple paths from the source to the destination. The second strategy disallows traffic splitting, in which data must be sent on a single path from the source to the destination. We present algorithms based on linear and integer programming for finding an optimal allocation of splittable and unsplittable traffic in a wireless sensor network that minimizes total energy consumption. The technique provides optimal solutions, and can be used by designers of communication protocols to assess the energy efficiency of a data relaying scheme for a given network configuration. We also perform an empirical analysis to quantify the comparative performance gains and losses of a splittable and unsplittable traffic allocation strategy for wireless sensor networks. Results show that although the energy savings of a splittable traffic allocation strategy is relatively small when compared to the unsplittable case (on average, ranging from 0% to 1.82%), an allocation of splittable traffic can tolerate up to an additional 14.1% increase in network traffic load until any further load increase returns no feasible solutions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».