ارائه¬ روش خوشه¬بندی انرژی-کارا مبتنی بر الگوریتم های فراکتشافی با در نظرگرفتن معیار فواصل درون خوشه ای در شبکه های حسگر بی سیم
فریبا ساقی
برق و کامپیوتر
۱۴۰۰
۶۲ص.
سی دی
کارشناسی ارشد
مهندسی کامپیوتر گرایش معماری سیستم های کامپیوتری
۱۴۰۰/۱۱/۲۷
شبکه¬ها¬ی حسگر بی¬سیم (WSNs) از تعداد زیادی گره¬های حسگر تشکیل شده¬اند که برای نظارت بر وقوع بسیاری از حوادث مورد استفاده قرار می¬¬گیرند. انرژی محدود گره¬های حسگر باعث کاهش طول عمر شبکه می¬شود. یکی از تکنیک¬های مناسب برای افزایش طول عمر شبکه¬های حسگر بی¬سیم استفاده از مسیریابی سلسله¬مراتبی می¬باشد. خوشه¬بندی یکی از روش¬های موثر مسیریابی سلسله¬مراتبی برای مدیریت مناسب انرژی و افزایش طول عمر شبکه¬های حسگر بی¬سیم می¬باشد. تا کنون روش¬های زیادی برای خوشه¬بندی پیشنهاد شده است که هر کدام کوشیده¬اند تا برخی از مشکلات خوشه¬بندی را رفع کنند.بررسی¬ها نشان می¬دهد که بسیاری از این روش¬ها فواصل درون¬خوشه¬ای را در نطر نمی¬گیرند از این¬رو ایرادهایی دارند که باید برطرف شوند مانند: مرگ زود¬رس گره¬ها، اتلاف انرژی، مناسب نبودن سرخوشه انتخاب¬شده. با توجه به اطلاعات موجود در این پایان¬نامه یک روش خوشه¬بندی با الگوریتم بهینه¬سازی پروانه بر اساس فواصل درون¬خوشه¬ای در شبکه¬های حسگر بی-سیم ارائه شده¬است که باعث بهبود مصرف انرژی و افزایش طول عمر شبکه می¬شود. در روش ارائه شده معیار فواصل درون-خوشه¬ای و انحراف معیار تعداد اعضای خوشه در کنار سایر معیار¬ها مانند انرژی باقی¬مانده گره و فاصله از ایستگاه پایه به عنوان تابع برازش جدید پیشنهاد شده ¬است. جهت اثبات درستی عملکرد روش ارائه شده، این روش توسط نرم افزار متلب در دو سناریو متفاوت بر اساس مکان قرارگیری ایستگاه¬پایه، شبیه¬سازی شده و بر اساس معیار مرگ اولین گره، تعداد گره¬های زنده، انرژی مصرفی، انحراف معیار تعداد اعضای خوشه و طول عمر شبکه با یکی از جدیدترین روش¬ها در این زمینه مقایسه می-شود. نتایج حاصل از سناریوی اول نشان می¬دهد که مرگ اولین گره 1.32 برابر، انرژی مصرفی 6 درصد، انحراف معیار تعداد گره¬های خوشه 30.5 درصد و طول عمر شبکه 1.08 برابر بهبود دارد. هم چنین سناریوی دوم هم برای معیارهای مرگ اولین گره 1.8برابر، انرژی مصرفی 1.29 درصد، انحراف معیار تعداد گره¬های خوشه 20.8 درصد و طول عمر شبکه 1.9 برابر بهبود نشان می¬دهد
Abstract: Wireless sensor networks (WSNs) are made up of a large number of sensor nodes that are used to monitor the occurrence of many events. The limited energy of the sensor nodes reduces the life of the network. One of the best techniques for extending the life of wireless sensor networks is the use of hierarchical routing. Clustering is one of the effective hierarchical routing methods for proper energy management and extending the life of wireless sensor networks. So far, many clustering methods have been proposed, each of which has tried to solve some of the clustering problems. Studies show that many of these methods do not take into account intra-cluster distances, so they have drawbacks that need to be solved, such as: premature node death, energy loss, appropriate absence of selected cluster heads. According to the information in this thesis, a clustering method with butterfly optimization algorithm based on intra-cluster distances in wireless sensor networks is proposed, which improves energy consumption and increases lifetime. In the proposed method, the criterion of intra-cluster distances and the standard deviation of the number of cluster members along with other criteria such as node residual energy and distance from the base station are proposed as a new fittness function. In order to prove the correctness of the proposed method, this method is simulated by MATLAB software and based on the criterion of death of the first node, number of alive nodes, energy consumption, standard deviation of the number of cluster members and network life time with one of the newest methods in this area are compared. The results of the first scenario show that the death of the first node is 1.32 times, the energy consumption is 6%, the standard deviation of the number of cluster nodes is 30.5% and the network life is 1.08 times better. Also, the second scenario for the first node death criteria shows 1.8 times, energy consumption 1.29 %, standard deviation of the number of cluster nodes 20.8 % and network lifespan 1.9 times
Proposing energy-efficient clustering method based on meta-heuristic algorithms by considering the criterion of intra-cluster distances in WSNs