]> AND Private Git Repository - JournalMultiPeriods.git/blobdiff - article.tex
Logo AND Algorithmique Numérique Distribuée

Private GIT Repository
english corrections
[JournalMultiPeriods.git] / article.tex
index cd6a361dbcd853f68b6525ea50306275fcccc186..b0a1878c0b36f49d0fb3cca79d631c737305bd99 100644 (file)
@@ -149,10 +149,10 @@ in~\cite{idrees2015distributed}.
 %more  interesting  to  divide  the  area  into  several  subregions,  given  the
 %computation complexity.
 
-\textcolor{blue}{ Compared  to our  previous paper~\cite{idrees2015distributed},
-  in  this one  we study  the  possibility of  dividing the  sensing phase  into
-  multiple rounds.   In fact, in this  paper we make a  multiround optimization,
-  while it was a single round optimization in our previous work.  The idea is to
+\textcolor{blue}{ Compared  to our  previous work~\cite{idrees2015distributed},
+  in  this paper  we study  the  possibility of  dividing the  sensing phase  into
+  multiple rounds.   We make a  multiround optimization,
+  while previously it was a single round optimization.  The idea is to
   take advantage  of the  pre-sensing phase  to plan  the sensor's  activity for
   several  rounds instead  of one,  thus saving  energy. In  addition, when  the
   optimization problem becomes  more complex, its resolution is  stopped after a
@@ -291,34 +291,13 @@ Indeed, each sensor  maintains its own timer and its  wake-up time is randomized
 \subsection{Assumptions and primary points}
 \label{pp}
 
-\textcolor{blue}{Assumptions and coverage model are identical to those presented
-  in~\cite{idrees2015distributed}.}
-
-\iffalse
-We  consider a  randomly and  uniformly  deployed network  consisting of  static
-wireless sensors.  The sensors are  deployed in high density to ensure initially
-a high  coverage ratio  of the interested  area.  We  assume that all  nodes are
-homogeneous  in   terms  of  communication  and   processing  capabilities,  and
-heterogeneous  from the  point  of view  of  energy provision.   Each sensor  is
-supposed  to get information  on its  location either  through hardware  such as
-embedded GPS or through location discovery algorithms.
-   
-To model  a sensor node's coverage  area, we consider the  boolean disk coverage
-model   which  is  the   most  widely   used  sensor   coverage  model   in  the
-literature. Thus, each  sensor has a constant sensing range  $R_s$ and all space
-points within  the disk centered  at the sensor  with the radius of  the sensing
-range  is  said  to  be  covered  by  this sensor.   We  also  assume  that  the
-communication   range  satisfies   $R_c  \geq   2R_s$.   In   fact,   Zhang  and
-Zhou~\cite{Zhang05} proved that if  the transmission range fulfills the previous
-hypothesis, a complete coverage of  a convex area implies connectivity among the
-active nodes.\fi
-
-\textcolor{blue}{We  consider a  scenario where  sensors are  deployed in  high
-  density to ensure initially a high coverage ratio of the interested area. Each
+\textcolor{blue}{The assumptions and the coverage model are identical to those presented
+  in~\cite{idrees2015distributed}. We  consider a  scenario in which  sensors are  deployed in  high
+  density to  initially ensure a high coverage ratio of the interested area. Each
   sensor  has  a  predefined  sensing  range $R_s$,  an  initial  energy  supply
   (eventually different  from each other)  and is  supposed to be  equipped with
-  module for  locating its geographical  positions. All space points  within the
-  disk centered at the sensor with the radius of the sensing range is said to be
+  a module to  locate its geographical  positions. All space points  within the
+  disk centered at the sensor with the radius of the sensing range are said to be
   covered by this sensor.}
 
 \indent Instead of working with the coverage area, we consider for each sensor a
@@ -377,8 +356,8 @@ inside a subregion is less than or equal to 3.
 
 As can  be seen  in Figure~\ref{fig2},  our protocol  works in  periods fashion,
 where   each   period   is    divided   into   4~phases:   Information~Exchange,
-Leader~Election,  Decision, and  Sensing. \textcolor{blue}{Compared  to protocol
 DiLCO described in~\cite{idrees2015distributed},} each sensing phase is itself
+Leader~Election,  Decision, and  Sensing. \textcolor{blue}{Compared  to 
the DiLCO protocol described in~\cite{idrees2015distributed},} each sensing phase is itself
 divided into $T$ rounds of equal duration and for each round a set of sensors (a
 cover  set) is  responsible  for the  sensing  task. In  this  way a  multiround
 optimization process is performed  during each period after Information~Exchange
@@ -503,8 +482,8 @@ determine the possibility  of activating sensor $j$ during round  $t$ of a given
 sensing phase.  We also consider primary  points as targets.  The set of primary
 points is denoted by $P$ and the set  of sensors by $J$. Only sensors able to be
 alive  during  at  least  one  round   are  involved  in  the  integer  program.
-\textcolor{blue}{Note that the proposed integer  program is an extension of that
-  formulated  in~\cite{idrees2015distributed},  variables  are  now  indexed  in
+\textcolor{blue}{Note that the proposed integer  program is an
+  extension of the one   formulated  in~\cite{idrees2015distributed},  variables  are  now  indexed  in
   addition with the number of round $t$.}
 
 For a  primary point  $p$, let $\alpha_{j,p}$  denote the indicator  function of
@@ -695,8 +674,7 @@ the following  we have  set the number  of subregions  to~16 \textcolor{blue}{as
   in~\cite{raghunathan2002energy}.   It  is   based   on   the  model   proposed
   by~\cite{ChinhVu}. We refer to the sensor  node Medusa~II which uses an Atmels
   AVR ATmega103L  microcontroller~\cite{raghunathan2002energy} to  use numerical
-  values.}   \textcolor{red}{Est-ce qu'il  faut en  ecrire plus  et redonner  le
-  tableau de valeurs?}
+  values.}  
 
 \iffalse
 \subsection{Energy model}
@@ -856,7 +834,8 @@ points. The  objective of this  comparison is to  select the suitable  number of
 primary points to be used by  a MuDiLCO protocol.  In this comparison, MuDiLCO-1
 protocol is used  with five primary point models, each  model corresponding to a
 number of primary  points, which are called Model-5 (it  uses 5 primary points),
-Model-9, Model-13,  Model-17, and  Model-21. \textcolor{blue}{Note  that results
+Model-9, Model-13,  Model-17, and  Model-21. \textcolor{blue}{Note
+  that the results
   presented in~\cite{idrees2015distributed}  correspond to Model-13  (13 primary
   points)}.