An iterative algorithm for the opti

An iterative algorithm for the optimal solution is introduced in [8]. This algorithm is based on the upper bound of the network lifetime for specific network topologies. The objective function is to maximize the network lifetime and the flow bounded by the data rates. The complexity of the distributed algorithm is O(N4), where N is the number of nodes of the network. The duty cycle is tuned dynamically, based on the network conditions to achieve the desired end-to-end delay guarantees [9]. The delay and fault-tolerance are the objective of the optimization in the protocol design. The authors introduce a MOPT formulation for the two objectives and find a sub-optimal solution but with extra complexity that overloads the limited processing power of the sensor node.
An approach that optimizes the energy and the coverage is introduced in [10]. The coverage problem is defined as how to arrange the sensor nodes to achieve the best coverage in a reasonable way. Coverage in one limited region is the key to improve the performance of the whole network and it is one of the basic problems in WSNs. The introduced algorithm in [10] achieves good performance in terms of the network lifetime. However, it suffers from very high computational complexity. An evolutionary algorithm is presented in [11] which optimizes the packet speed and the set of candidate nodes for forwarding the traffic. A sub-optimal solution is obtained using the multi-objective evolutionary algorithm. The evolutionary algorithm achieves an acceptable performance but does not fit for large scale networks. A comparison of the existing MOPT algorithms is summarized in Table I.

結果 (繁體中文) 1:

[8] 中，介紹了最優解的反覆運算演算法。該演算法基於特定的網路拓撲結構的網路存留時間的上限。目標函數是最大化網路生命週期和流北臨資料速率。分散式演算法的複雜度是的 O(N4)，其中 N 是網路節點的數目。占空比被調整的動態，基於網路條件來實現所需的端到端時延保證 [9]。延遲和容錯能力是優化的協定設計中目標。作者介紹的兩個目標的初一配方和找到近似最優解，但與額外的複雜性，重載的感應器節點的有限的處理能力。[10] 介紹了優化的能量和覆蓋範圍的方法。覆蓋問題被指如何安排感應器節點，以合理的方式實現最佳的覆蓋範圍。在一個有限的區域覆蓋是提高網路整體性能的關鍵，它是無線感應器網路中的基本問題之一。[10] 介紹的演算法在網路存留期方面性能良好。然而，它患有很高的計算複雜度。進化演算法 [11] 優化資料包速度和候選節點的轉發流量套。利用多目標進化演算法，得到了次優的解。進化演算法達到可接受的性能，但不適合大規模的網路。表總結了現有的初一演算法比較的我。

結果 (繁體中文) 2:

為最優解的迭代算法是在[8]引入。這個算法是基於上限網絡壽命為特定的網絡拓撲。目標函數是最大化網絡生命週期和由所述數據傳輸速率為界的流動。的分佈式算法的複雜度為O（N 4），其中，N是網絡的節點的數目。佔空比被動態調整，根據網絡條件，以實現所期望的端至端延遲保證[9]。延遲和容錯是在協議設計優化的目標。作者介紹這兩個目標的MOPT製劑並找到一個次優的解決方案，但具有額外的複雜性是重載傳感器節點的處理能力有限。
，優化的能量的一種方法和覆蓋在[10]引入。覆蓋問題被定義為如何安排傳感器節點，以達到最佳的覆蓋以合理的方式。覆蓋在一個有限的區域是提高整個網絡的性能的關鍵，這是在無線傳感器網絡的基本問題之一。文獻[10]提出的算法實現在網絡壽命方面不錯的表現。然而，它從非常高的計算複雜性。進化算法，在[11]可優化該分組的速度和用於轉發業務的組候選節點。使用多目標進化算法得到一種次優的解決方案。在進化算法達到一個可接受的性能，但不適合大型網絡。現有MOPT算法的比較總結於表I.

結果 (繁體中文) 3:

在[ 8 ]中引入一個反覆運算算灋的最佳解決方案。該算灋是基於特定的網絡拓撲結構的網絡生命週期的上限。目標函數是最大限度地提高網絡的生命週期和流量範圍內的資料速率。分佈式算灋的複雜度為O（n），其中n是網絡中的節點的數目。占空比動態調整，根據網絡條件，以實現所需的端到端的延遲保證[ 9 ]。延遲和容錯是優化設計的目標。本文介紹一種兩目標數學開放題教學的製定和找到一個次優解，但額外的複雜的感測器節點的處理能力有限。一種方法，優化的能量和覆蓋範圍被引入在[ 10 ]。覆蓋問題被定義為如何安排感測器節點，以實現最佳的覆蓋範圍在一個合理的管道。在一個有限區域的覆蓋範圍是提高整個網絡效能的關鍵，是無線感測器網路的基本問題之一。在[ 10 ]中引入的算灋在網絡生存期中取得了良好的效能。然而，它受到了非常高的計算複雜度。在[ 11 ]中提出了一種進化演算法，優化了數据包的速度和用於轉發流量的候選節點集。利用多目標進化演算法得到一個次優解。進化演算法實現了一個可以接受的效能，但不適合大規模網絡。數學開放題教學的現有算灋的比較總結在錶一中。