ارائه روشی جدید به منظور بهبود دادن مصرف انرژی در شبکه‌های حسگر دوربین بی‌سیم
محورهای موضوعی : سامانه های پردازشی و ارتباطی چند رسانه ای هوشمند
جواد بیات
1
(گروه کامپیوتر، دانشکده برق و کامپیوتر، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران)
شیوا کریمی
2
(استادیار دانشگاه آزاد اسلامی زنجان)
کلید واژه: الگوریتم ژنتیک, انرژی مصرف شده, الگوریتم بهینه‌سازی شاهین هریس, خوشه‌بندی, شبکه‌های حسگر دوربین بی‌سیم,
چکیده مقاله :
در چند سال اخیر، شبکه‌های حسگر بی‌سیم از زمینه¬های تحقیقاتی بسیار فعال بوده‌اند. با این حال، بیشتر حسگرهای مورد استفاده در توسعه این شبکه‌ها، حسگرهای معمولی و غیرتصویربرداری مانند صوتی، لرزه‌ای، دما، رطوبت و غیره بوده‌اند. در توسعه شبکه‌های حسگر دوربین بی‌سیم چالش‌های منحصر به¬فردی همانند نیاز به پهنای باند بالا، نیاز به تأخیر اندک برای پردازش، انرژی مصرفی بالا و کنترل در زمان واقعی وجود دارد. در این مقاله یک مدل پیشنهادی جدید برمبنای الگوریتم بهینه‌سازی شاهین هریس به منظور بهبود مصرف انرژی در شبکه‌های حسگر دوربین بی‌سیم پیشنهادشده¬است. الگوریتم بهینه‌سازی شاهین هریس یکی از الگوریتم‌های فراابتکاری است که در سال 2019 ابداع¬شده¬است. از الگوریتم بهینه‌سازی شاهین هریس برای تشکیل خوشه‌بندی بهینه استفاده می¬شود. هر بردار تولیدشده در الگوریتم بهینه‌سازی شاهین هریس برمبنای تابع برازندگی محاسبه¬می‌شود و بهینه‌ترین بردارها جهت خوشه‌بندی انتخاب¬می‌شوند. در مدل پیشنهادی به فاکتورهایی همانند فاصله درون¬خوشه‌ای و فاصله برون¬خوشه‌ای و انرژی مصرفی توجه¬شده¬است. ارزیابی‌ها در محیط با تعداد گره‌های مختلف نشان¬می‌دهد که مدل پیشنهادی در مقایسه با PADT و الگوریتم ژنتیک (GA) دارای کارایی بهتری بوده¬است.
Introduction: In the development of wireless camera sensor networks, there are unique challenges such as the need for high bandwidth, low latency for processing, high energy consumption, and real-time control. Each wireless camera sensor node is able to process image data locally and extract suitable data and cooperate with other cameras based on the desired application. In these networks, high bandwidth is demanded to transmit visual data, and high volume calculations in these networks must be possible with low power. In this article, a new model based on Harris‘s Hawk optimization algorithm is proposed to improve energy consumption in wireless camera sensor networks. The optimization algorithm of Harris‘s Hawk is one of the meta-heuristic algorithms that was invented in 2019. Method: Harris‘s Hawk optimization algorithm was used to form optimal clustering. Each vector generated in Harris‘s Hawk optimization algorithm is calculated based on the fitness function and the most optimal vectors are selected for clustering. In the proposed model, factors such as intra-cluster distance and extra-cluster distance, and energy consumption have been considered. Results: Evaluations in the environment of 150×150 m2 and 300×300 m2 with a different number of nodes show that the proposed model has better efficiency compared to PADT and genetic algorithm (GA). Discussion: In wireless camera sensor networks, the imbalance of energy consumption among nodes is an effective factor in the network lifetime. In order to balance the energy consumption among nodes, clustering algorithms have been proposed for uniform energy distribution. In this paper, we proposed a new model for clustering camera sensor nodes based on Harris‘s Hawk optimization algorithm. In the proposed model, we paid attention to parameters such as intra-cluster distance, extra-cluster distance, and residual energy of sensor nodes. The cluster quality criterion is based on the intra-cluster distance, which depends on the position of the cluster head in the clusters. In the proposed model, because the distance criterion is taken into account and the distance of non-cluster nodes with the cluster head node is evaluated and the closest nodes to the cluster head are selected.
_||_