[发明专利]用于智能环境的分布式推理节点优化分配方法

说明书

本发明提出了一种用于智能环境的分布式推理节点优化分配方法，包括如下步骤：S1，根据智能环境采集传感器节点信息，通过传感器节点集合所采集的活动类型、积累的规则，推算出传感器网络活动类型之间的距离，并进行分类，然后分别构造传感器网络推理网络模型；S2，根据智能环境中传感器节点位置以及由传感器节点之间形成的传输邻接边，计算出传感器节点之间的最短距离并保存其传输路径信息；S3，对传感器网络进行资源分配评估和实时性评估，将传感器网络中的推理节点优化分配到各个传感器节点中，从而形成优化的分布式传感器网络。

技术领域

本发明涉及计算机软件控制领域，尤其涉及一种用于智能环境的分布式推理节点优化分配方法。

背景技术

近年来，随着人工智能的普及，人们向往方便快捷的生活方式，智能环境的概念也由此诞生。智能环境之所以智能化，是利用产生式系统的规则推理，在环境中依靠对行为模式的识别以及周围的某些环境因素，将规则与传感器所获取到的事实数据进行匹配，一旦规则的条件满足时，触发相应规则来做出类似人类智能的行为。而在智能环境的嵌入式设备中进行规则推理，还将面临着空间与时间两大问题：

(1)资源分配问题：由于嵌入式设备的存储资源、内存消耗有限，分配推理工作的不合理会导致个别节点过载而其它节点空闲，节点资源利用不充分；

(2)实时性问题：传感器节点之间的传输耗费时间，如果不结合当前环境对推理工作进行分配，将会导致系统响应时间延迟，智能化程度不够。

这就亟需本领域技术人员解决相应的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种用于智能环境的分布式推理节点优化分配方法。

为了实现本发明的上述目的，本发明提供了一种用于智能环境的分布式推理节点优化分配方法，包括如下步骤：

S1，根据智能环境采集传感器节点信息，通过传感器节点集合所采集的活动类型、积累的规则，推算出传感器网络活动类型之间的距离，并进行分类，然后分别构造传感器网络推理网络模型；

S2，根据智能环境中传感器节点位置以及由传感器节点之间形成的传输邻接边，计算出传感器节点之间的最短距离并保存其传输路径信息；

S3，对传感器网络进行资源分配评估和实时性评估，将传感器网络中的推理节点优化分配到各个传感器节点中，从而形成优化的分布式传感器网络。

所述的用于智能环境的分布式推理节点优化分配方法，优选的，所述S1包括：

S1-1，建立传感器网络模型的过程：

传感器节点Sensor＝{S₁,S₂,...S_n}，表示智能环境中所有传感器节点的集合，n表示传感器的数目；S代表传感器节点；

规则Rule＝{R₁,R₂,...R_m}表示智能环境下所积累的经验提取出的规则库，其中m表示规则的数目；R代表智能环境积累的规则；

活动类型Activity＝{A₁,A₂,...A_l}表示该智能环境可识别的活动类型集，其中l表示活动类型的数目；A代表智能环境下采集的活动类型；

每个活动类型对应着不同的规则集，而每个规则都需要获取不同传感器节点中的数据，所以活动类型之间的规则虽然不同，但是所用到的传感器节点是可能重叠交叉的；