بررسی مسئله و بهینه‌سازی میزان پوشش انرژی در شبکه های حس‌گر بی سیم به کمک الگوریتم های فرا ابتکاری جستجوی گرانشی
محورهای موضوعی : مهندسی الکترونیک
حامد امین زاده
1
(دانشکده مهندسی برق، دانشگاه پیام نور، 4697-19395، تهران، ایران)
عباسعلی رضایی
2
(دانشکده مهندسی برق، دانشگاه پیام‌نور، 4697-19395، تهران، ایران)
کلید واژه: الگوریتم جستجوی گرانشی, پوشش انرژی, شبکه حس گر, مهندسی مخابرات,
چکیده مقاله :
شبکه های حس گر کاربردهای فراوانی درشاخه های مختلف مهندسی پیدا کرده اند. یک شبکه حس گر از تعدادزیادی حس گر کوچک تشکیل شده است که با کمک یکدیگر اطلاعاتی را در مورد میدان اطراف در اختیار کاربران قرار می دهند. یکی از مسائل مهم و اساسی در شبکه های حس گر بی سیم، مسئله پوشش است که محیط فیزیکی اطراف تا چه اندازه تحت نظارت حس گرهای اطراف قرار دارد. اهمیت این مسئله تا بدان حد است که از آن به عنوان یکی از پارامترهای کیفیت سرویس دهی یاد می شود. با توجه به این نکته، روش هایی که بتوانند پوشش شبکه را به طور دقیق محاسبه کنند از اهمیت خاصی برخوردار هستند. با استفاده از الگوریتم فراابتکاری جستجوی گرانشی، در این مقاله جواب بهینه ای برای مسئله پوشش در شبکه های حس گر بی سیم ارائه گردیده است. با در نظر گرفتن یک گره گذرگاه، توان شبکه بهینه سازی شده به میزان پنج برابر افزایش یافته است.
Sensor networks have found many applications in different branches of science. A sensor grid is made up of a large number of small sensors. These sensors help each other to provide information about the sensory field. One of the major issues in sensor networks is the problem of coverage. The problem of coverage explores the answer to the question of how far the physical environment of a sensor network is properly monitored by the nodes of the network. The importance of this issue is to the extent that it is considered as one of the parameters of the quality of service in such networks. In all cases, the need for the methods that can accurately calculate network coverage is well known. In this paper, we try to provide an optimal solution to the problem of coverage in a wireless sensor network with the help of a modified gravitational search algorithm.
1. Akyildiz, I.F., et al., 2002, Wireless sensor networks: a survey. Computer networks. 38(4): p. 393-422.
2. Yang, K., 2014, Wireless sensor networks. Principles, Design and Applications.
3. Arampatzis, T., J. Lygeros, and S. Manesis. 2005, A survey of applications of wireless sensors and wireless sensor networks. in Intelligent Control, 2005. Proceedings of the 2005 IEEE International Symposium on, Mediterrean Conference on Control and Automation. IEEE.
4. Karaboga, D., S. Okdem, and C. Ozturk, 2012, Cluster based wireless sensor network routing using artificial bee colony algorithm. Wireless Networks. 18(7): p. 847-860.
5. Cardei, M. and J. Wu, 2006, Energy-efficient coverage problems in wireless ad-hoc sensor networks. Computer communications. 29(4): p. 413-420.
6. Li, M., Z. Li, and A.V. Vasilakos, 2013, A survey on topology control in wireless sensor networks: Taxonomy, comparative study, and open issues. Proceedings of the IEEE. 101(12): p. 2538-2557.
7. Jameii, S.M., K. Faez, and M. Dehghan, 2015, Multiobjective optimization for topology and coverage control in wireless sensor networks. International Journal of Distributed Sensor Networks.
8. Wang, X., et al., 2013, Coverage and energy consumption control in mobile heterogeneous wireless sensor networks. IEEE Transactions on Automatic Control. 58(4): p. 975-988.
9. Rashedi, E., H. Nezamabadi-Pour, and S. Saryazdi, 2009, GSA: a gravitational search algorithm. Information sciences. 179(13): p. 2232-2248.
10. Wang, X., et al. 2003, Integrated coverage and connectivity configuration in wireless sensor networks. in Proceedings of the 1st international conference on Embedded networked sensor systems. ACM.
11. Halder, S. and S.D. Bit, 2014, Enhancement of wireless sensor network lifetime by deploying heterogeneous nodes. Journal of Network and Computer Applications. 38: p. 106-124.
12. Wan, P.-J., X. Xu, and Z. Wang. 2011, Wireless coverage with disparate ranges. in Proceedings of the Twelfth ACM International Symposium on Mobile Ad Hoc Networking and Computing. ACM.
13. Zhang, H. and J.C. Hou, 2005, Maintaining sensing coverage and connectivity in large sensor networks. Ad Hoc & Sensor Wireless Networks. 1(1-2): p. 89-124.
14. Torkestani, J.A., 2013, An adaptive energy-efficient area coverage algorithmfor wireless sensor networks. Ad hoc networks. 11(6): p. 1655-1666.
15. Tian, D. and N.D. Georganas. 2002, A coverage-preserving node scheduling scheme for large wireless sensor networks. in Proceedings of the 1st ACM international workshop on Wireless sensor networks and applications. ACM.
16. Kim, Y.-h., et al., 2013, Lifetime maximization considering target coverage and connectivity in directional image/video sensor networks. The Journal of Supercomputing: p. 1-18.
17. Ai, J. and A.A. Abouzeid, 2006, Coverage by directional sensors in randomly deployed wireless sensor networks. Journal of Combinatorial Optimization. 11(1): p. 21-41.
18. Yang, Y., A. Ambrose, and M. Cardei, 2011, Coverage for composite event detection in wireless sensor networks. Wireless Communications and Mobile Computing. 11(8): p. 1168-1181.
19. Cai, Y., et al., 2009, Energy efficient target-oriented scheduling in directional sensor networks. IEEE Transactions on Computers. 58(9): p. 1259-1274.
20. Gil, J.-M. and Y.-H. Han, 2011, Atarget coverage scheduling scheme based on genetic algorithms in directional sensor networks. Sensors. 11(2): p. 1888-1906.
21. Heinzelman, W.R., A. Chandrakasan, and H. Balakrishnan. 2000, Energy-efficient communication protocol for wireless microsensornetworks. in System sciences, 2000. Proceedings of the 33rd annual Hawaii international conference on. IEEE.
22. Daskin, M.S., 2011, Network and discrete location: models, algorithms, and applications. John Wiley & Sons.
_||_