پروتکل E-Reec به‌منظور بهبود خوشه‌بندی کارآمد انرژی مبتنی بر رتبه‌بندی با چند ایستگاه پایه و زمان‌بندی خواب در شبکههای حسگر بی‌سیم
محورهای موضوعی : مهندسی برق ( الکترونیک، مخابرات، قدرت، کنترل)
عاطفه کریمی
1
*
,
محمد مهدی شیر محمدی
2
1 - گروه کامپیوتر، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
2 - مهندسی کامپیوتر، دانشگاه ازاد اسلامی همدان، همدان، ایران
کلید واژه: شبکه حسگر بی‌سیم, سرخوشه, الگوریتم خوشه‌بندی, چند ایستگاه پایه, الگوریتم زمان‌بندی ,
چکیده مقاله :
شبکههای حسگر بی‌سیم امروزه در بسیاری از بخش‌ها و صنایع کاربردهای گسترده‌ای پیدا کرده‌اند. اما یکی از مشکلات اساسی این شبکه‌ها، محدودیت منابع انرژی و نیاز به افزایش طول عمر آن‌هاست. چرا که گره‌های حسگر، عموماً از باتری استفاده می‌کنند و تعویض یا شارژ باتری در برخی کاربردها، مانند نظارت در مناطق دورافتاده یا حساس، کار دشواری است؛ بنابراین، راهکارهایی که بتوانند مصرف انرژی را بهینه کنند و طول عمر شبکه را افزایش دهند، از اهمیت بالایی برخوردار هستند. در این مقاله تلاش شده است که با استفاده از روش‌های مسیریابی و خوشه‌بندی، راهکارهای مؤثری برای افزایش طول عمر شبکه ارائه شود. به طور خاص، استفاده از الگوریتم‌های هوشمند برای انتخاب مسیرهای بهینه و سرخوشه‌های مناسب، می‌تواند تأثیر قابل‌توجهی بر کاهش مصرف انرژی داشته باشد. همچنین به‌کارگیری پروتکل‌های ارتباطی که بتوانند سازگاری بیشتری با شرایط شبکه داشته باشند، به بهبود عملکرد گره‌ها و افزایش زمان عملیاتی شبکه کمک می‌کند. نتایج این مطالعه نشان می‌دهد که استفاده از روش‌های پیشنهادی در مقایسه با روش‌های سنتی، باعث کاهش چشمگیر مصرف انرژی و افزایش طول عمر گره‌ها شده است. علاوه بر این، بهینه‌سازی مسیرهای ارتباطی در شبکه، موجب پایداری بهتر ارتباطات و افزایش کارایی شبکه به‌طورکلی می‌شود. این دستاوردها به‌خصوص در کاربردهای حساس و حیاتی مانند نظارت‌های محیط‌زیستی، مدیریت بحران و سامانه‌های نظامی می‌تواند بسیار ارزشمند باشد.
Wireless sensor networks (WSNs) have found extensive applications in various sectors and industries today. However, one of the fundamental challenges in these networks is the limited energy resources and the need to extend their lifespan. This is because sensor nodes typically rely on batteries, and replacing or recharging these batteries can be difficult in some applications, such as monitoring in remote or sensitive areas. Therefore, solutions that can optimize energy consumption and increase network longevity are of paramount importance. This paper attempts to propose effective solutions for extending network lifetime by employing routing and clustering methods. Specifically, the use of intelligent algorithms for selecting optimal routes and appropriate cluster heads can significantly impact energy consumption reduction. Furthermore, utilizing communication protocols that can better adapt to network conditions contributes to improved node performance and increased network operational time. The results of this study demonstrate that using the proposed methods, compared to traditional approaches, leads to a significant reduction in energy consumption and an increase in node lifespan. In addition, optimizing communication paths within the network results in better communication stability and increased overall network efficiency. These achievements can be extremely valuable, especially in critical and sensitive applications such as environmental monitoring, crisis management, and military systems
[1] Xiuwen Fu, Haiqing Yao, Yongsheng Yang, Cascading failures in wireless sensor networks with load redistribution of links and nodes, Ad Hoc Networks 93(2019) Article No 101900.
[2] S. Singh, U. Singh, The effect of chaotic mapping on naked mole-rat algorithm for energy efficient smart city wireless sensor network, Comput. Ind. Eng. 173 (1) (2022) 1–19.
[3] D. Rajesh, T. Jaya, Energy competent cluster-based secured CH routing EC2SR protocol for mobile wireless sensor network, Concurrency Comput. Pract. Ex. 34 (1) (2022) 1–12.
[4] M.E.A. Envelope, A.M.B. Envelope, W.A.C. Envelope, An enhanced routing algorithm based on a Re-position particle swarm optimization (RA-RPSO) for wireless sensor network, Journal of King Saud University - Computer and Information Sciences 34 (10) (2022) 10304–10318.
[5] Xin Liu, Xueyan Zhang, Rate and Energy Efficiency Improvements for 5G-Based IoT With Simultaneous Transfer, IEEE Internet of Things Journal 6 (2019) 5971-5980.
[6] N. Sharma, V. Gupta, A framework for wireless sensor network optimization using fuzzy-based fractal clustering to enhance energy efficiency, J. Circ. Syst. Comput 34 (13) (2022) 29–54.
[7] V. Mhatre and C. Rosenberg, “Homogeneous vs Heterogeneous Clustered Sensor Networks: A Comparative Study”, In: Proc. of IEEE International Conf. on Communications, pp. 3646–3651, 2004.
[8] J. Kim, S. Lee, B. Cho, Discrimination of battery characteristics using dis-charging/charging voltage pattern recognition, in: Proceedings of the IEEE Conference on Energy Conversion Congress and Exposition, 2009, pp.1799–1805, San Jose, CA.
[9] M.M Shirmohammadi, K. Faez, M. Chhardoli, “LELE: Leader Election with Load balancing Energy in Wireless Sensor Network”, International Conference on Communications and Mobile Computing, 2009.
[10] H. Y. An, X. C. Lu, Z. H. Gong, and W. Peng, “A Cluster-based QoS Multipath Routing Protocol for Large-Scale MANET”, In: Proc. of International Conf. on High Performance Computing and Communications, pp. 321–330, 2005.
[11] A. Kumar, V. Kumar, and N. Chand, “Energy Efficient Clustering and Cluster Head Rotation Scheme for Wireless Sensor Networks”, International Journal of Advanced Computer Science and Applications, Vol. 3, No. 5, pp. 129-136, 2011.
[12] Gamwarige and C. Kulasekere, “An Algorithm for Energy Driven Cluster Head Rotation in a Distributed Wireless Sensor Network”, In: Proc. of the International Conf. on Information and Automation, pp. 354-359, 2005.
[13] W. Heinzelman, A. Chandrakasan, and H. Balakrishnan, “Energy-Efficient Communication Protocol for Wireless Microsensor Networks”, In: Proc. of IEEE Hawaii International Conf. on System Sciences, pp. 1-10, 2000.
[14] G. A. Shah, M. O. Farooq, and A. B. Dogar, “MR-LEACH: Multi-hop Routing with Low Energy Adaptive Clustering Hierarchy”, In: Proc. of International Conf. on SENSORCOMM, pp. 262-268, 2010.
[15] W. K. Lai, C. S. Fan and L. Y. Lin, “ACT: Arranging Cluster Sizes and Transmission Ranges for Wireless Sensor Networks”, Information Sciences, Vol. 183, No. 1, pp. 117-131, 2012.
[16] Ahmad, N. Javaid, Z. A. Khan, U. Qasim, and T. A. Alghamdi, “ACH2” Routing Scheme to Maximize Lifetime and Throughput of Wireless Sensor Networks”, IEEE Sensors Journal, Vol. 14, No. 10, pp. 3516–3532, 2014.
[17] M. Lotfinezhad, B. Liang, and E. S. Sousa, “Adaptive Cluster-Based Data Collection in Sensor Networks with Direct Sink Access”, IEEE Transactions on Mobile Computing, Vol. 7, No. 7, pp. 884–897, 2008.
[18] M. M. Shirmohammadi and M. Chahardoli, Wireless Sensor Network. Hamadan, Iran: Publications of the Islamic Azad University, 2010, ISBN: 978-964-543-103-5.
[19] A. Ezzati and M. M. Shirmohammadi, "Optimal Lifespan Enhancement of Wireless Sensor Network After Smurf Attack Using Network-Based Intrusion Detection System and Clustering Algorithm," Intelligent Knowledge Discovery and Processing, vol. 13, no. 4, 2024. [Online]. Available: https://www.kdip.ir/article_208555.html.
[20] M. Aeini and M. M. Shirmohammadi, "An Optimized and Resilient Protocol Against Black Hole and Wormhole Attacks: AODV-OBW in Femtocell Networks," in Proceedings of the 2nd International Conference on Artificial Intelligence and Future Technologies, vol. 2, Babol, Iran: Babol Noshirvani University of Technology, 2024.