基于重復(fù)博弈的WSN節(jié)點合作性研究

張超，董穎，呂楊，蘇真真

?

基于重復(fù)博弈的WSN節(jié)點合作性研究

張超，董穎，呂楊，蘇真真

(吉林大學(xué)通信工程學(xué)院，吉林長春，130012)

將博弈論引入節(jié)點行為的決斷中，在網(wǎng)絡(luò)中建立1個基于節(jié)點數(shù)據(jù)傳輸可靠度的重復(fù)博弈模型。針對節(jié)點的行為引入最優(yōu)懲罰程度的懲罰機制，在保證對自私節(jié)點產(chǎn)生足夠震懾的同時，又避免對自私節(jié)點過度懲罰而造成節(jié)點的提早死亡，從而提升網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)恼w效益。研究結(jié)果表明：采取最優(yōu)懲罰輪數(shù)的懲罰策略能夠在保證最少的減小網(wǎng)絡(luò)生命周期的前提下，最大程度地提升網(wǎng)絡(luò)的整體效益約22.83%。

無線傳感器網(wǎng)絡(luò)；能量均衡；路由；重復(fù)博弈；理性偏好

無線傳感器網(wǎng)絡(luò)(wireless sensor network，WSN)作為物聯(lián)網(wǎng)研究的一個重要組成部分吸引了大量科研工作者的關(guān)注。WSN由眾多具有自我控制、感知、數(shù)據(jù)處理和無線通信能力的無線傳感器節(jié)點通過自組織的方式構(gòu)成[1?3]。由于WSN中節(jié)點的能量有限[4]，使得部分節(jié)點會以節(jié)省自身能量為主導(dǎo)而選擇自私行為[5]，拒絕轉(zhuǎn)發(fā)其他節(jié)點的數(shù)據(jù)包，從而造成整個網(wǎng)絡(luò)吞吐量迅速下降。如何有效規(guī)范WSN內(nèi)節(jié)點的行為，在盡可能保證網(wǎng)絡(luò)能耗均衡的前提下提升網(wǎng)絡(luò)的吞吐量成為WSN研究的一個重要內(nèi)容。博弈論是研究不同決策主體間決策均衡的理論[6]，因此利用博弈論規(guī)范WSN中節(jié)點的行為就成為解決網(wǎng)絡(luò)能耗均衡問題的有效手段[7]。近年來，利用博弈論處理無線網(wǎng)絡(luò)能耗問題得到了較多的應(yīng)用。王博等[8]建立了Ad Hoc無限重復(fù)合作轉(zhuǎn)發(fā)博弈模型, 結(jié)合該模型提出了激勵節(jié)點之間合作的積極性條件，并給出了一種通用的懲罰機制。JAMIN等[9]運用博弈理論在無線傳感器網(wǎng)絡(luò)中提出了一種高效的路由算法，整個過程被建模為一個動態(tài)的、合作的不完全信息博弈，根據(jù)信號干擾噪聲比確定最優(yōu)路徑，并定義一個效用函數(shù)，在能量消耗和延遲之間實現(xiàn)平衡。LI等[10]構(gòu)建了基于進化博弈的WSN信任策略模型，通過動態(tài)分析進化穩(wěn)定狀態(tài)的定理和推論，給出了信任激勵和數(shù)據(jù)重傳的上限。LIU[11]考慮到節(jié)點希望其他節(jié)點轉(zhuǎn)發(fā)自身信息，并盡量避免中繼傳輸其他節(jié)點的信息，導(dǎo)致節(jié)點表現(xiàn)出自私性，為避免這種情況發(fā)生，在WSN中引入非合作競爭均衡，每個節(jié)點都要經(jīng)過競爭以實現(xiàn)數(shù)據(jù)傳輸，達(dá)到網(wǎng)絡(luò)性能的提升。以上研究表明，在WSN中通過引入博弈論來規(guī)范節(jié)點行為是有效的，利用懲罰自私節(jié)點既可以均衡網(wǎng)絡(luò)能耗，又能夠提升網(wǎng)絡(luò)的吞吐量。但是，節(jié)點自私行為的程度各不相同，某些節(jié)點可能持續(xù)采取自私行為，而某些節(jié)點只是偶爾采取自私行為。因此，研究根據(jù)節(jié)點行為的自私程度不同而采取最優(yōu)的懲罰措施是非常必要的。基于此，本文作者建立了基于重復(fù)博弈的分層WSN模型，選擇最優(yōu)懲罰程度的機制，既保證對節(jié)點產(chǎn)生足夠震懾，又不會對節(jié)點造成損害，從而實現(xiàn)在保證網(wǎng)絡(luò)生命周期的同時，最大程度地提升網(wǎng)絡(luò)的整體性能。

1 網(wǎng)絡(luò)模型

WSN的層次結(jié)構(gòu)能夠提高節(jié)點的能量效率、改善WSN的可擴展性和有效地利用網(wǎng)絡(luò)資源，如圖1所示，因此本文基于層次網(wǎng)絡(luò)結(jié)構(gòu)建立重復(fù)博弈的模型。整個網(wǎng)絡(luò)可分為若干簇，每簇內(nèi)包含若干簇內(nèi)節(jié)點和1個簇頭節(jié)點，簇內(nèi)節(jié)點與網(wǎng)絡(luò)中其他簇節(jié)點的通信必須通過簇頭節(jié)點，由簇頭節(jié)點將數(shù)據(jù)轉(zhuǎn)發(fā)到Sink節(jié)點[12]。網(wǎng)絡(luò)的工作過程包括簇頭節(jié)點的選擇過程和數(shù)據(jù)的傳送過程[13?14]，為方便分析，本文建立了1個理想的WSN網(wǎng)絡(luò)模型，該網(wǎng)絡(luò)應(yīng)具有以下性質(zhì)：

圖1 網(wǎng)絡(luò)模型

1) 網(wǎng)絡(luò)中節(jié)點的分布是不均勻的，且每個節(jié)點具有唯一的ID，節(jié)點具有完全理性[15]，完全可以按照自己的意愿進行策略選擇以實現(xiàn)自身效益的最大化；

2) 節(jié)點一旦布置完成，能量有限且不能補給；

3) 網(wǎng)絡(luò)的運行時間可劃分成若干相等的時隙，即釆用離散時間模型，使用TDMA模式發(fā)送數(shù)據(jù)，且假設(shè)每個時隙每節(jié)點只發(fā)送1次數(shù)據(jù)包。

4) 假設(shè)節(jié)點發(fā)送或者轉(zhuǎn)發(fā)1個數(shù)據(jù)包所消耗的能量是固定的。

2 博弈模型建立

2.1 階段博弈與重復(fù)博弈

WSN中節(jié)點理性偏好的設(shè)計是決定博弈模型能否成功的關(guān)鍵性因素[16]，源節(jié)點數(shù)據(jù)能否成功傳送到Sink節(jié)點以及數(shù)據(jù)傳輸過程中的能耗問題則是影響網(wǎng)絡(luò)性能最關(guān)鍵的2個因素，所以，本文基于這2個因素對節(jié)點的理性偏好進行設(shè)定。

博弈參與者：在分簇路由協(xié)議中將節(jié)點分為簇內(nèi)節(jié)點與簇頭節(jié)點2類。簇內(nèi)節(jié)點負(fù)責(zé)數(shù)據(jù)的發(fā)送，簇頭節(jié)點在完成數(shù)據(jù)發(fā)送的同時還要進行數(shù)據(jù)的轉(zhuǎn)發(fā)任務(wù)。節(jié)點的自私行為(即不轉(zhuǎn)發(fā)數(shù)據(jù))主要是發(fā)生在簇頭節(jié)點處，因而本模型建立的是針對簇頭節(jié)點是否轉(zhuǎn)發(fā)簇內(nèi)節(jié)點數(shù)據(jù)而進行的博弈。故在該模型中將博弈者設(shè)為簇頭節(jié)點，由于簇頭節(jié)點每輪是隨機變化的，每個節(jié)點都有可能當(dāng)選為簇頭節(jié)點，所以，從博弈整體來看，博弈參與者即為網(wǎng)絡(luò)中所有的傳感器節(jié)點。

參與者策略空間：針對本文中節(jié)點理性偏好的設(shè)定，簇頭節(jié)點的策略選擇是對是否轉(zhuǎn)發(fā)簇內(nèi)節(jié)點的數(shù)據(jù)包到Sink節(jié)點與能耗問題的一個權(quán)衡，所以簇頭節(jié)點的策略集為{轉(zhuǎn)發(fā)簇內(nèi)節(jié)點數(shù)據(jù)包，不轉(zhuǎn)發(fā)簇內(nèi)節(jié)點數(shù)據(jù)包}。

由于分簇路由協(xié)議一般是在多跳范圍內(nèi)實現(xiàn)數(shù)據(jù)的通信，所以收益考慮了多跳范圍內(nèi)的連通性，同時基于節(jié)點的自我理性偏好分析，節(jié)點的收益取決于是否成功將自身數(shù)據(jù)包發(fā)送到Sink節(jié)點，因此，定義為

其中：為數(shù)據(jù)包成功發(fā)送至Sink節(jié)點所獲得的獎勵；為數(shù)據(jù)包一跳傳輸成功的概率；為通信跳數(shù)。

當(dāng)節(jié)點當(dāng)選為簇頭節(jié)點時其代價[17]為

當(dāng)節(jié)點為簇內(nèi)節(jié)點時其代價為

(4)

節(jié)點進行數(shù)據(jù)的轉(zhuǎn)發(fā)是一個重復(fù)博弈的過程。假設(shè)節(jié)點重復(fù)博弈次，那么，節(jié)點的累積效用為

在實際情況下，由于每個節(jié)點死亡時間是不確定的，故網(wǎng)絡(luò)節(jié)點的整個博弈結(jié)束時間存在不確定性，這種博弈就成為可能隨機結(jié)束的重復(fù)博弈，在一般情況下，這種博弈可以按無限次重復(fù)博弈進行分析，那么該博弈模型中節(jié)點的平均效用[6]為

式(1)的效用函數(shù)是節(jié)點在一次博弈中所獲得的收益，從效用函數(shù)中可以看出，在階段性博弈中對于簇頭節(jié)點而言，采取不轉(zhuǎn)發(fā)的策略所獲得的效用值更大，從自身利益出發(fā)，會存在節(jié)點選擇自私行為以節(jié)省自身能量。因此，在階段博弈中博弈參與者采取不轉(zhuǎn)發(fā)的策略即為此次博弈的納什均衡，但博弈是一個重復(fù)過程，節(jié)點的自私行為會導(dǎo)致網(wǎng)絡(luò)的整體性能的下降，為了防止這種現(xiàn)象的產(chǎn)生，本文引入懲罰機制。

2.2 懲罰機制

由節(jié)點的理性偏好可知：節(jié)點選擇不合作的策略是由于其只考慮到當(dāng)前單次博弈的收益，沒有考慮到當(dāng)前不合作行為對未來收益的影響。若不對節(jié)點采取相應(yīng)的懲罰措施，則會導(dǎo)致某些節(jié)點不考慮長久收益，從短期收益出發(fā)采取不轉(zhuǎn)發(fā)其他節(jié)點數(shù)據(jù)包的自私行為，導(dǎo)致網(wǎng)絡(luò)整體性能下降。

本文對自私節(jié)點采取如下懲罰措施，以保證節(jié)點采取合作的態(tài)度：當(dāng)節(jié)點在上一輪采取自私行為時，整個網(wǎng)絡(luò)會立即標(biāo)記該節(jié)點的所屬ID，在其后輪的簇頭選擇過程中，會將這些自私節(jié)點選為簇頭節(jié)點，強制其轉(zhuǎn)發(fā)簇內(nèi)節(jié)點的數(shù)據(jù)包，使其付出的代價超過當(dāng)前作弊所獲得的短期收益，從而對節(jié)點產(chǎn)生足夠的威懾，迫使節(jié)點在后面的數(shù)據(jù)轉(zhuǎn)發(fā)中采取合作的態(tài)度。節(jié)點接受完懲罰以后在下一輪的博弈中以新的狀態(tài)繼續(xù)參與數(shù)據(jù)的發(fā)送/轉(zhuǎn)發(fā)。

為了保證整個策略的合理性，本文重點在于研究對自私節(jié)點懲罰的最優(yōu)輪數(shù)，即在保證對自私節(jié)點產(chǎn)生足夠震懾的同時，防止節(jié)點因所受懲罰程度過大而造成節(jié)點過早死亡，影響網(wǎng)絡(luò)的整體性能，下面對懲罰的最優(yōu)輪數(shù)予以證明。

假設(shè)節(jié)點在第一輪當(dāng)選為簇頭節(jié)點，一開始采取自私的行為，其獲得的效用值為，網(wǎng)絡(luò)會標(biāo)記節(jié)點的ID，懲罰節(jié)點在后面的輪中作為簇頭節(jié)點，此時每輪所獲得的平均效用值為，在以后節(jié)點再次當(dāng)選為簇頭節(jié)點時將一直采取合作的策略，此時每輪的所獲得的平均效用值為。

(8)

其中：為簇頭節(jié)點所占比例。

由于無限重復(fù)博弈平均收益計算更加方便，所以給出此時節(jié)點的平均效用值為

(10)

若節(jié)點始終采取合作的策略，則它的平均效用為

為了促進簇頭節(jié)點選擇合作策略進行數(shù)據(jù)的轉(zhuǎn)發(fā)，單階段博弈達(dá)成子博弈完美納什均衡，則有：

＞

對式(12)兩邊取自然對數(shù)，得

＞(13)

式(13)給出了懲罰節(jié)點輪數(shù)的取值范圍，據(jù)此可以確定的最佳取值，以實現(xiàn)對節(jié)點產(chǎn)生足夠的震懾的同時，又不會對懲罰節(jié)點造成過多的能量損耗。

整個博弈過程如圖2所示，假設(shè)無線傳感器網(wǎng)絡(luò)中所有節(jié)點的初始能量保持一致，首先要按照分簇路由協(xié)議進行簇頭選擇，選完簇頭以后進入到數(shù)據(jù)傳輸階段，簇內(nèi)節(jié)點將數(shù)據(jù)包發(fā)送給相應(yīng)的簇頭節(jié)點，簇頭節(jié)點要對是否轉(zhuǎn)發(fā)簇內(nèi)節(jié)點數(shù)據(jù)包進行策略博弈。若節(jié)點選擇數(shù)據(jù)轉(zhuǎn)發(fā)，則簇頭節(jié)點會進行數(shù)據(jù)融合并將數(shù)據(jù)包轉(zhuǎn)發(fā)給Sink節(jié)點；若簇頭節(jié)點為惡意節(jié)點，選擇自私行為，網(wǎng)絡(luò)將會立即標(biāo)記該簇頭節(jié)點ID，在后續(xù)的輪中對節(jié)點進行處罰，將其作為簇頭節(jié)點消耗更多的能量，從而對節(jié)點產(chǎn)生足夠的震懾，保證節(jié)點在未來的策略選擇時選擇合作行為。因此，本文所提出的重復(fù)博弈轉(zhuǎn)發(fā)模型可以很好地應(yīng)用于一般的分簇路由協(xié)議。

圖2 博弈過程

3 仿真實驗以及結(jié)果分析

仿真實驗選取分簇路由協(xié)議中最經(jīng)典的LEACH協(xié)議進行實驗分析，檢驗基于LEACH協(xié)議的重復(fù)博弈模型的性能，利用Matlab仿真工具進行仿真實驗。通過對分簇路由協(xié)議LEACH[18?20]加入懲罰機制前后性能的對比以及加入不同程度的懲罰機制后網(wǎng)絡(luò)性能的對比，證明了該模型的優(yōu)越性。設(shè)網(wǎng)絡(luò)的生命周期為出現(xiàn)首個死亡節(jié)點的時間。該模型參數(shù)設(shè)置如表1所示，基于文獻(xiàn)[17]可以得出在兩跳范圍內(nèi)節(jié)點的成功傳輸?shù)母怕蚀蠹s0.9，所以在本文將值設(shè)定為0.9。

表1 網(wǎng)絡(luò)參數(shù)設(shè)置

圖3所示為網(wǎng)絡(luò)模擬運行10次的網(wǎng)絡(luò)壽命圖。從圖3可以看出：當(dāng)采取最嚴(yán)苛的懲罰策略(即一旦節(jié)點采取自私行為，其將在以后的數(shù)據(jù)傳輸中均被懲罰作為簇頭節(jié)點直至死亡)時，網(wǎng)絡(luò)的平均壽命約為3 800輪，不采取懲罰措施網(wǎng)絡(luò)的平均壽命約為4 600輪，不采取懲罰措施網(wǎng)絡(luò)的壽命要高于采取懲罰措施的壽命約21.05%。

1—采取懲罰措施；2—不采取懲罰措施。

圖4所示為網(wǎng)絡(luò)模擬運行10次時網(wǎng)絡(luò)整體效用圖，網(wǎng)絡(luò)整體效用即為網(wǎng)絡(luò)壽命結(jié)束之前所有節(jié)點所獲得效用值的總和。從圖4可以看出：由于懲罰機制的引入，迫使節(jié)點之間相互合作，使得網(wǎng)絡(luò)的整體收益有所提升。網(wǎng)絡(luò)采取懲罰措施(最嚴(yán)苛)模擬運行10次所得的平均網(wǎng)絡(luò)整體效用為7.7×105，而不采取懲罰措施所獲得的平均效用為7.1×105。由此可知，即使在最嚴(yán)苛的懲罰措施下，網(wǎng)絡(luò)模擬運行10次后所得的平均網(wǎng)絡(luò)整體效用都要高于不采取懲罰措施的網(wǎng)絡(luò)效用。

1—采取懲罰措施；2—不采取懲罰措施。

從圖3和圖4可以看出：當(dāng)采用最嚴(yán)苛的懲罰策略，即使不采取懲罰措施的網(wǎng)絡(luò)壽命要高于采取懲罰措施的網(wǎng)絡(luò)壽命約21.05%，但在網(wǎng)絡(luò)壽命終止時采取懲罰措施所獲得的整體效用仍會高于不采取懲罰策略的網(wǎng)絡(luò)效用，由此可以得出采取懲罰策略雖然會減少網(wǎng)絡(luò)壽命，但是對提升網(wǎng)絡(luò)的數(shù)據(jù)傳輸性能是有 效的。

圖5所示為不同懲罰輪數(shù)對網(wǎng)絡(luò)生命周期的影響，圖5中離散點為不同懲罰輪數(shù)下實驗10次所獲得的平均數(shù)據(jù)，曲線為數(shù)據(jù)擬合的結(jié)果，前8個數(shù)據(jù)采用線性擬合方式，其后實驗數(shù)據(jù)采用三階非線性擬合。從圖5可以看出：網(wǎng)絡(luò)的生命周期在懲罰節(jié)點為250輪左右時出現(xiàn)跳變，生命周期明顯提升，在250輪以后隨著懲罰輪數(shù)的增加，網(wǎng)絡(luò)生命周期不斷下降。

圖5 不同懲罰輪數(shù)下的網(wǎng)絡(luò)生命周期

圖6所示為不同懲罰輪數(shù)對網(wǎng)絡(luò)整體效用值的影響，采用與圖5中相同的數(shù)據(jù)擬合方式。從圖6可以看出：在250輪以前網(wǎng)絡(luò)效用保持在一個較低的水平，而當(dāng)節(jié)點懲罰輪數(shù)增加到250輪以后，網(wǎng)絡(luò)效用跳變提升，懲罰輪數(shù)在250輪以后，隨著懲罰輪數(shù)的增加，網(wǎng)絡(luò)效用又會緩慢下降。

圖6 不同懲罰輪數(shù)下的網(wǎng)絡(luò)效用

從圖5和圖6可以看出：當(dāng)懲罰輪數(shù)到達(dá)250輪時，網(wǎng)絡(luò)的效用值與生命周期均會出現(xiàn)明顯的變化。當(dāng)懲罰輪數(shù)小于250輪時，由于懲罰程度不足以對自私節(jié)點產(chǎn)生足夠的震懾，造成網(wǎng)絡(luò)性能的下降；當(dāng)懲罰輪數(shù)達(dá)到250輪左右時，網(wǎng)絡(luò)的效用值與生命周期迅速提升，證明250輪左右的懲罰機制對節(jié)點已經(jīng)產(chǎn)生了足夠的震懾，抑制了節(jié)點的自私行為；當(dāng)懲罰輪數(shù)超過250輪時，網(wǎng)絡(luò)的生命周期與效用值均下降。這說明對節(jié)點的懲罰程度有1個最佳值，證明了最佳懲罰輪數(shù)存在的合理性。當(dāng)超過最佳值時，網(wǎng)絡(luò)的生命周期與網(wǎng)絡(luò)效用不升反降。因此，對節(jié)點的懲罰必須在一定的范圍之內(nèi)，這樣既可以達(dá)到既震懾節(jié)點的自私性，又提高網(wǎng)絡(luò)性能的目的。

圖7所示為采取最優(yōu)懲罰輪數(shù)的網(wǎng)絡(luò)壽命與不采取懲罰策略網(wǎng)絡(luò)壽命的對比，網(wǎng)絡(luò)模擬運行10次。從圖7可以看出：不采取懲罰措施網(wǎng)絡(luò)壽命約為4 600輪，采取最優(yōu)懲罰輪數(shù)策略網(wǎng)絡(luò)壽命約為4350輪，不采取懲罰措施的網(wǎng)絡(luò)壽命要高于采取最優(yōu)懲罰輪數(shù)策略的網(wǎng)絡(luò)壽命約5.75%。

1—采取最優(yōu)輪數(shù)懲罰措施；2—不采取懲罰措施。

圖8所示為采取最優(yōu)懲罰輪數(shù)策略與不采取懲罰措施的網(wǎng)絡(luò)整體效用對比圖，網(wǎng)絡(luò)模擬運行10次。從圖8可以看出：采取最優(yōu)懲罰輪數(shù)策略在網(wǎng)絡(luò)壽命終止時所獲得的收益明顯高于不采取懲罰策略的網(wǎng)絡(luò)整體效用，提升約22.83%。

無線傳感器網(wǎng)絡(luò)采取最優(yōu)懲罰輪數(shù)的懲罰策略，將會在保證最小的減少網(wǎng)絡(luò)壽命的同時，最大提升網(wǎng)絡(luò)的整體收益，從圖7和圖8可以看出網(wǎng)絡(luò)的整體收益相對于不采取懲罰策略提升約22.83%。

1—采取最優(yōu)輪數(shù)懲罰措施；2—不采取懲罰措施。

4 結(jié)論

1) 以無限次重復(fù)博弈理論規(guī)范網(wǎng)絡(luò)簇頭節(jié)點的行為，通過引入懲罰機制，迫使節(jié)點之間相互合作，以實現(xiàn)最佳網(wǎng)絡(luò)性能。

2) 建立了基于無限次重復(fù)博弈的網(wǎng)絡(luò)模型，針對節(jié)點的自私行為引入不同程度的懲罰機制，并發(fā)現(xiàn)對自私節(jié)點的懲罰程度(懲罰輪數(shù))會極大影響網(wǎng)絡(luò)的生命周期和網(wǎng)絡(luò)效用。

3) 在WSN中不僅要對自私節(jié)點采用懲罰措施，而且需要確定對自私節(jié)點的最優(yōu)懲罰程度，即在保證自私節(jié)點受到足夠震懾的同時，又不會對自私節(jié)點產(chǎn)生過大的傷害，在盡量保證網(wǎng)絡(luò)生存時間的同時，又可提升網(wǎng)絡(luò)的整體效用。

[1] AKYILDIZ I F, SU W, SANKARASUBRAMANIAM Y, et al. Wireless sensor networks: a survey[J]. Computer Networks, 2002, 38(4): 393?422.

[2] LIU Qiang, HUANG Xiaoming, LENG Supeng, et al. Deployment strategy of wireless sensor networks for Internet of Things[J]. China Communications, 2011, 8(8): 111?120.

[3] LIAO Peikai, CHANG Minkuan,JAY KUO C C. A statistical approach to contour line estimation in wireless sensor networks with practical considerations[J]. IEEE Transactions on Vehicular Technology, 2009, 58(7): 3579?3595.

[4] YONG Qidong, CHEN Yang, YE Xiwen. Lifetime of WSN research based on energy balance[J]. Applied Mechanics and Materials. 2013, 303/304/305/306: 231?235.

[5] CHEN Bo, MAO Jianlin, GUO Ning, et al. An incentive detection mechanism for cooperation of nodes selfish behavior in wireless sensor networks[C]// 25th Control and Decision Conference (CCDC). Guiyang, 2013: 4021?4024.

[6] 范如國. 博弈論[M]. 武漢: 武漢大學(xué)出版社, 2011: 221?227. FAN Ruguo. Game theory[M]. Wuhan: Wuhan University Publishing Ceremony, 2011: 221?227.

[7] WANG Jiangtao, CHEN Zhigang, DENG Xiaoheng. A trustworthy energy-efficient routing algorithm based on game-theory for WSN[C]// IET International Communication Conference on Wireless Mobile and Computing (CCWMC 2009). Shanghai, 2009: 192?196.

[8] 王博, 黃傳河, 楊文忠, 等. Ad Hoc網(wǎng)絡(luò)中基于懲罰機制的激勵合作轉(zhuǎn)發(fā)模型[J]. 計算機研究與發(fā)展, 2011, 48(3): 398?406. WANG Bo, HUANG Chuanhe, YANG Wenzhong, et al. An incentive-cooperative forwarding model based on punishment mechanism in wireless Ad Hoc networks[J]. Journal of Computer Research and Development, 2011, 48(3): 398?406.

[9] JAMIN B S, CHATTERJEE M, SAMANTA T. A game theoretic routing framework based on energy-delay conservation in WSNs[C]// 2015 IEEE Tenth International Conference on Intelligent Sensors, Sensor Networks and Information Processing (ISSNIP). Singapore, 2015: 1?5.

[10] LI Yuanjie, XU Hongyun, CAO Qiying, et al. Evolutionary game-based trust strategy adjustment among nodes in wireless sensor networks[J]. International Journal of Distributed Sensor Networks, 2015, 11(2): 1?12.

[11] LIU Yan. The application of Nash equilibrium in trust model of deterministic wireless sensor network[C]// 2014 Enterprise Systems Conference (ES). Shanghai, 2014: 284?288.

[12] AKKAYA K, YOUNIS M. A survey on routing protocols for wireless sensor networks[J]. Ad Hoc Networks, 2005, 3(3): 325?349.

[13] SUNDARESWARAN P, VARDHARAJULU K N, RAJESH R S. DECH: equally distributed cluster heads technique for clustering protocols in WSNs[J]. Wireless Personal Communications, 2015, 84(1): 137?151.

[14] QIAN Kaiguo. A clustering routing algorithm for sensor network based on distance probability[C]// 10th International Computer Conference on Wavelet Active Media Technology and Information Processing (ICCWAMTIP). Chengdu, 2013: 113?116.

[15] SHI Haiyan, WANG Wanliang, CHEN Shengyong, et al. Game theory for wireless sensor networks: a survey[J]. Sensors, 2012, 12(7): 9055?9097.

[16] RAJA P, DANANJAYAN P. Game theory based cooperative MIMO routing scheme for lifetime enhancement of WSN[J]. International Journal of Wireless Information Networks, 2015, 22(2): 116?125.

[17] WEN Hao, LIN Chuang, REN Fengyuan, et al. Retransmission or redundancy: transmission reliability study in wireless sensor networks[J]. Science China Information Sciences, 2012, 55(4): 737?746.

[18] SINGH K. WSN LEACH based protocols: a structural analysis[C]// 2015 International Conference and Workshop on Computing and Communication (IEMCON). Vancouver, Canada: IEEE, 2015: 1?7.

[19] PASHA M A, KHAN J H, MASUD S. I-LEACH: energy- efficient routing protocol for monitoring of irrigation canals[J]. Simulation, 2015, 91(8): 750?764.

[20] TANG Gaoming, LI Layuan, GAO Jipeng. IR-LEACH: an improved LEACH protocol for WSN[J]. Applied Mechanics and Materials. 2013, 373/374/375: 388?392.

(編輯 楊幼平)

Cooperative research of WSN nodes based on repeated game theory

ZHANG Chao, DONG Ying, Lü Yang, SU Zhenzhen

(College of Communication Engineering, Jilin University, Changchun 130012, China)

A repeated game model of the reliability of data transmission was proposed based on the hierarchical routing protocol. A punishment mechanism model in the game was introduced and the degree of punishment mechanism was demonstrated, which not only ensured the selfish node cooperation but also avoided the premature death of selfish nodes subjected to excessive punishment. The results show that the penalty strategy with the optimal penalty round can guarantee the minimum reduction of the network life cycle. The efficiency of the network can be improved by the penalty strategy with the optimal penalty round about 22.83%.

wireless sensor network (WSN); energy balance; routing; repeated game; rational preferences

10.11817/j.issn.1672-7207.2017.07.011

TP393

A

1672?7207(2017)07?1762?07

2016?07?16；

2016?09?19

國家自然科學(xué)基金資助項目(61107040)；吉林大學(xué)研究生創(chuàng)新研究計劃項目(2015111) (Project(61107040) supported by the National Natural Science Foundation of China; Project(2015111) supported by Graduate Innovation Research Program of Jilin University)

董穎，博士，副教授，從事無線網(wǎng)絡(luò)通信研究；E-mail: dongying@ jlu.edu.cn