参考文献（Batalin and Sukhatme，2005）提出了一种基于单执行器配置方法LRV（Least Recently Visited，最近最少访问），它假定感知和通信半径相等，且根据先前部署传感器的建议，来引导执行器运动。在起始阶段，执行器（机器人）在其当前位置部署了一个节点。每次部署的传感器维护一个方向集，沿着该方向，机器人可以从当前位置移开。方向遵循某个图结构（如树）或可以进行预定义（如4个地理方向）。它也可以为每个方向分配一个权重，初始值为0，表示执行器遍历该方向的次数。
当执行器位于其传感器的通信范围内时，每一个传感器通过向执行器发送消息，来推荐其局部LRV方向。方向可以预定，为了防止形成环路，推荐单一方向比较合适。执行器在推荐者方向上运动预定距离。但是，如果所选方向是阻塞的，则它将通知推荐者，并申请一个新建议方向。每当执行器离开或到达时，其当前传感器将提高其离开方向（或到达方向）的权重。这可以通过传感器向执行器发送通知消息来实现。当执行器开始下次运动之前，在预定义短期内，它仍然位于某个位置。在此期间，如果它没有接收到传感器消息，则它将在环境中撒布一个新传感器。
图10-2对LRV方法进行了说明。机器人首先从位置A出发，沿着4个地理方向运动，这4个地理方向的排序是南、东、北、西。未来，粗箭头代表机器人轨迹，节点周围的数字表示4个方向上的局部权重。交叉用于标记局部已知（来自于机器人的消息）的阻塞方向。机器人在位置A撒布一个传感器，然后传感器建议它向南运动。根据该建议，机器人运动到位置B，在那里撒布一个新传感器，并将其作为当前传感器。当前传感器首先为机器人推荐向南的方向（机器人发现该方向处于阻塞状态），然后推荐向东的方向。机器人按照这种方式前进，到达位置C，如图10-2a所示。然后，它必须向其进入方向（北）运动，因为所有其他方向是阻塞的。它根据先前部署传感器的推荐不停地移动，并在适当位置撒布传感器，最后返回到起点A，如图10-2b所示。
(www.xing528.com)
图10-2 最近最少访问方法
a）快照1 b）快照2
LRV是一种纯局部算法，因而消息传输效率高，容错性好。虽然作者们证明，LRV在有限图上的搜索时间是有限的，但是算法在何种条件下终止不太清楚。因为机器人没有覆盖的全局视图，且经常接收来自于当前传感器的推荐者方向，它无法停止运动，直至没有现成的传感器可用。但是，详尽的运动支持机器人访问和修复（通过撒布新传感器）由运行节点失效导致的新近感知洞穴（由于远离空穴的区域中推荐的随机特性，因而发现这种搜索的路径效率比较低）。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
