پروتکل E-Reec به‌منظور بهبود خوشه‌بندی کارآمد انرژی مبتنی بر رتبه‌بندی با چند ایستگاه پایه و زمان‌بندی خواب در شبکههای حسگر بی‌سیم
الموضوعات :
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
الکلمات المفتاحية: شبکه حسگر بی‌سیم, سرخوشه, الگوریتم خوشه‌بندی, چند ایستگاه پایه, الگوریتم زمان‌بندی ,
ملخص المقالة :
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.
[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.
