خلاصة:
در ارسال های مستقیم اطلاعلات در شبکههای حسگر بی سیم، هرکدام از حسگرها مستقیما اطلاعات را به مرکز یا ایستگاه پایه می فرستند که به دلیل فاصله زیاد حسگرها از مرکز، انرژی زیادی مصرف میشود. از طرف دیگر طراحیهایی که فواصل ارتباطی را کوتاهتر میکنند، میتوانند دوره حیات شبکه را طولانیتر کنند. بنابراین چیدمان بهینه و مصرف انرژی، مستقیما طول عمر شبکه حسگر را تحت تاثیر قرار میدهند. در اینجا روشهایی بکار گرفنه میشود که باعث کوتاه تر شدن فاصله ارتباطی شود. برای اینکاردر ابتدا با استفاده از الگوریتم فرا ابتکاری بهینهساز ذرات، سرخوشههای بهینه در شبکه پیدا شده و بعد خوشه بندی برای هرکدام از سرخوشهها انجام میگیرد و سپس با بکار گیری الگوریتم فرا ابتکاری گرگ خاکستری Gwo عمل مکانیابی گرههای متحرک انجام شده و مکان بهینه آنها مشخص میگردد و درنهایت، قرار گیری گرههای متحرک در فواصل بین ایستگاه پایه و سرخوشهها باعث کوتاه شدن فاصله ارسال گرهها شده و بدین ترتیب، این روش باعث مصرف کمتر انرژی و افزایش طول عمر شبکه میشود.
ملخص الجهاز:
برای اینکاردر ابتدا با استفاده از الگوریتم فرا ابتکاری بهینهساز ذرات، سرخوشههای بهینه در شبکه پیدا شده و بعد خوشه بندی برای هرکدام از سرخوشهها انجام میگیرد و سپس با بکار گیری الگوریتم فرا ابتکاری گرگ خاکستری Gwo عمل مکانیابی گرههای متحرک انجام شده و مکان بهینه آنها مشخص میگردد و درنهایت، قرار گیری گرههای متحرک در فواصل بین ایستگاه پایه و سرخوشهها باعث کوتاه شدن فاصله ارسال گرهها شده و بدین ترتیب، این روش باعث مصرف کمتر انرژی و افزایش طول عمر شبکه میشود.
در این روش ابتدا ایستگاه پایه اطلاعات اولیه (شامل انرژی اولیه و مکان حسگرها) را دریافت کرده و با استفاده از الگوریتم تجمع پرندگان سرخوشهها را پیدا کرده وپس از این که ایستگاه پایه کاندیدهای سرخوشه را تعیین کرد، وظیفه سرخوشههای انتخاب شده اینست که همانند Leach پیامی را با همان قدرت سیگنال به دیگر گرهها میفرستند و گرهها به عضویت سرخوشهای که پیام قوی ارسال کرده در میآیند به این ترتیب خوشهبندی اولیه شکل میگیرد ازآنجا که سرخوشهها اعضای خود را میشناسند، سرخوشهها با اجرا کردن یک برنامه زمانبندی TDMA، به هر عضو خوشه خود یک بازه زمانی اختصاص میدهند تا به ارسال دادههای جمعآوری شده در بازه اختصاص داده شده بپردازند، سرخوشهها بعد از جمعآوری دادههای ارسالی از خوشه خود آنها را پس از پردازش اولیه و حذف دادههای زاید و فشردهسازی به سمت ایستگاه پایه میفرستند در این روش عوامل مهمی مانند انرژی و تراکم گره برای انتخاب دقیق سرخوشهها در نظر گرفته میشود.
Ravishankar, “SVM -GA: Genetic Algorithm –Based Energy-Efficient Adaptive Clustering Protocol for Wireless sensor Networks,” International Journal of Machine Learning and Computing, Vol. 1, No. 1, 2011.