为了节省故障定位所需的网络能耗,给出了基于被动端到端的启发式贪婪故障链路推断算法。该算法基于被动端到端的数据建立故障链路推理模型,推断网络中最可能故障的链路集。使用端到端的数据计算各条路径的丢包率,通过与阈值的比较对路由矩阵进行简化,目的是去掉根据端到端的数据可以判定为好的路径。由于该推理模型需要各条链路的故障概率,通过简化矩阵的方式优化算法LIPM(loss inference based on passive measurement),给出了推测效果更好的LISC(loss inference based on passive measurement and set-cover)算法。仿真结果显示,新算法具有更好的精确度和运行效率。最后,迭代计算各条链路的权值,通过每次选择最优权值的链路并删除包含此链路的路径,直到所有的故障被解释为止。通过仿真验证了新算法具有更好的故障覆盖率。
为了维持无线传感器网络的正常运行,所有的故障链路需要被精确定位。将该问题转换为基于端到端的数据引导,以减少主动监测次数为目的的最优监测序列的问题。提出了通过拓扑拆分得到故障子图,并通过子图的概率集进一步计算节省主动探测次数的基于节点监测多条链路的启发式贪婪算法NTHG(node testing using heuristic greedy)。仿真结果表明仅需要监测小部分的节点,就可以定位网络中所有的故障链路。与该问题最新的解决算法LTHG(link testing using heristic greedy)相比,新算法需要更少的监测次数和平均CPU耗时,从而很好地降低了网络能耗,缩短了故障定位耗时。
