Гібридний підхід до енергоефективної кластерізації для гетерогенної бездротової сенсорної мережі
Анотація
Гетерогенні бездротові сенсорні мережі (БСМ) сьогодні знаходять широке застосування у моніторингу навколишнього середовища, в системах безпеки, охорони здоров'я та військовій сфері. Основною проблемою БСМ є необхідність максимізувати час життя мережі, зменшуючи при цьому споживання енергії вузлів сенсора. Для її вирішення удосконалюють протоколи маршрутизації шляхом удосконалення процедури кластеризації для БСМ. Метаевристичні методи показали гарну ефективність при розв'язанні задач оптимізації, пов'язаних з широким спектром практичних застосувань в бездротових сенсорних мережах. Оптимізація на основі біогеографії (BBO) — це еволюційний метод, заснований на міграції видів між середовищами існування, який широко застосовується при вирішенні завдань глобальної оптимізації. Визначено завдання оптимізації в термінах і позначеннях моделей біогеографії: кожний острів представляє одне рішення, відображене ознакою життєздатності — цільовою функцією, значення якої є індексом придатності острова-рішення. Хороше рішення має високий показник придатності. У статті представлено гібридний підхід для кластеризації бездротових сенсорних мереж, який об'єднує метаевристичний алгоритм BBO та метод кластеризації K-середніх.
Для дослідження запропонованого підходу до енергоефективної кластеризації для гетерогенної бездротової сенсорної мережі на його основі розроблено протокол маршрутизації, названий KBBO. Продуктивність KBBO була ретельно протестована та порівняна з відомими протоколами SEP, IHCR та ERP за кількома показниками: тривалість життєвого циклу мережі (кількість живих вузлів, кількість раундів), залишкова енергія, період стабільності та пропускна здатність на 10% та 20% розширених вузлів. Результати моделювання показали, що пропонований підхід дозволив значно покращити ефективність вказаних параметрів БСМ.
Посилання
Jennifer Yi., Mukherjee B., Ghosal D. Wireless sensor network survey. Computer networks, 2008, vol. 52, no 12, pp. 2292-2330.
Akyildiz I.F., SuWeilian, Sankarasubramaniam Y., Cayirci E. A Survey on Sensor Networks. IEEE Communications Magazine, 2002, vol. 40, no 8, pp. 102-114.
Xuxun L. A survey on clustering routing protocols in wireless sensor networks. Sensors, 2002, vol. 12, no 8, pp. 11113-11153.
Katiyar Vi., Narottam Ch., Surender So. Clustering algorithms for heterogeneous wireless sensor network: A survey. International Journal of Applied Engineering Research, 2010, vol. 1, no 2, p. 273.
Heinzelman W. B., Chandrakasan A. P., Balakrishnan H. An application-specific protocol architecture for wireless microsensor networks. IEEE Transactions on wireless communications, 2002, vol. 1, no 4, pp. 660-670.
Smaragdakis G., Matta I., Bestavros A. SEP: A stable election protocol for clustered heterogeneous wireless sensor networks. Boston University Computer Science Department, 2004.
OssamaYo., Fahmy So. HEED: a hybrid, energyefficient, distributed clustering approach for ad hoc sensor networks. IEEE Transactions on mobile computing, 2010, vol. 3, no 4, pp. 366-379.
Lindsey S. PEGASIS: Power-efficient gathering in sensor information systems. IEEE Aerospace conference proceedings, 2002, vol. 3.
Michalewicz Zb. Genetic algorithms + data structures = evolution programs. Springer, 2009.
Kennedy J. Particle swarm optimization. Encyclopedia of machine learning, Springer US, 2011, pp. 760-766.
Simon D. Biogeography-based optimization. IEEE transactions on evolutionary computation, 2008, vol. 12, no 6, pp. 702-713.
Matin A. W., Hussain S. Intelligent hierarchical cluster-based routing. 2006, vol. 7, 8 p.
Bara’a A. A., Khalil E. A. A new evolutionary based routing protocol for clustered heterogeneous wireless sensor networks. Applied Soft Computing, 2012, vol. 12, no. 7, pp. 1950-1957.
Basagni S. A. generalized clustering algorithm for peerto-peer networks. Proc. Workshop on Algorithmic Aspects of Communication, 1997.
Ma H., Simon D., Siarry P., Yang Z., Fei M. Biogeography-based optimization: A 10 year review. IEEE
transaction on emerging topics in computational intelligence, 2017, vol. 9, no 5, pp. 391-407.
Han J., Kamber M. Data Mining: Concepts and Techniques. Morgan Kaufman Publishers. 2006.
Kuila Pr., Suneet K.G., Prasanta K. J. A novel evolutionary approach for load balanced clustering problem for wireless sensor networks. Swarm and Evolutionary Computation, 2013, no 12, pp. 48-56.
Kuila Pr., Prasanta K. J. Energy efficient clustering and routing algorithms for wireless sensor networks: Particle swarm optimization approach. Engineering Applications of Artificial Intelligence, 2014, no 33, pp. 127-140.
Raju P., Pandey H. M. A., Saraswat M. BEECP: Biogeography optimization-based energy efficient clustering protocol for HWSNs. Ninth International Conference on IEEE.Contemporary Computing, 2016.
Lalwani Pr., Haider B., Chiranjeev K. BERA: A biogeography-based energy saving routing architecture for wireless sensor networks. Soft Computing, 2016, pp. 1-17. http://10.0.68.77/ijst/2015/v8i16/61986
Авторське право (c) 2018 Бхушан Ш. Ш., Антощук С. Г.
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
