Sensing Coverage Optimization of Mountainous Terrain Based on the Geological Contour Map by Wireless Sensor Networks Using Imperialist Competitive Algorithm
Dissertation
Imad Al-Ghafil
Electrical and Computer Engineering
1401
52p.
cd
M.S.
computer engineering (Artificial Intelligence)
1401/06/28
One of the essential application areas of wireless sensor networks (WSN) is environmental monitoring. Based on the application and sensor nodes' processing power, various sensing devices can be mounted and used by wireless sensor networks. Some applications like environment monitoring use camera-equipped sensor nodes. In this thesis, we assumed that each sensor node is equipped with a camera that covers a complete view of 360 degrees around the sensor node. Many types of research have been accomplished on sensing coverage of flat two-dimensional areas. Some researchers have studied sensing coverage of three-dimensional regions such as oceans, assuming cubical shapes for the environment. However, fewer studies have been accomplished on sensing coverage of irregular 2.5-dimensional environments like the surface of mountains. Surveillance of mountainous borderlines is a big challenge for most countries. This thesis aims to find optimal locations for visual wireless sensor placement. It is an np-hard problem; therefore, we used one of the meta-heuristic optimization methods. In this thesis, we used the Imperialist Competitive Algorithm (ICA) as a meta-heuristic method to find near-optimal solutions for optimizing the placement of visual wireless sensor nodes to increase the one-degree sensing coverage. We assume a rectangular mountainous environment with a predefined dimension and a predefined number of visual wireless sensor nodes whose sensing radius is known. We used an actual geological DEM map of a natural mountainous area in the USA with an accuracy of 1-meter to have the 2.5-dimensional shape of the environment's surface. Then we tried to find near-optimal places for visual wireless sensor nodes to maximize the one-degree visual sensing coverage. We also set up numerous optimization scenarios to draw a diagram representing the relationship between the number of visual wireless sensor nodes and the amount of visual coverage of the environment. We used the Matlab tool for optimization simulation scenarios on two Intel core-i7 and core-i5 laptops.
یکی از حوزه های کاربردی ضروری شبکه های حسگر بی سیم (WSN) نظارت بر محیط است. بر اساس برنامه کاربردی و قدرت پردازش گره های حسگر، دستگاه های حسگر مختلفی را می توان نصب کرد و توسط شبکه های حسگر بی سیم استفاده کرد. برخی از برنامه ها مانند نظارت بر محیط از گره های حسگر مجهز به دوربین استفاده می کنند. در این پایان نامه فرض کردیم که هر گره حسگر مجهز به دوربینی است که نمای کامل 360 درجه اطراف گره حسگر را پوشش می دهد. بسیاری از انواع تحقیقات در مورد پوشش حسی مناطق دو بعدی مسطح انجام شده است. برخی از محققان پوشش حسی مناطق سه بعدی مانند اقیانوس ها را با فرض اشکال مکعبی برای محیط مورد مطالعه قرار داده اند. با این حال، مطالعات کمتری در زمینه سنجش پوشش محیطهای 2.5 بعدی نامنظم مانند سطح کوهها انجام شده است. نظارت بر خطوط مرزی کوهستانی یک چالش بزرگ برای اکثر کشورها است. هدف این پایان نامه یافتن مکان های بهینه برای قرارگیری حسگرهای بی سیم بصری است. این یک مشکل np-hard است. بنابراین از یکی از روش های بهینه سازی فراابتکاری استفاده کردیم. در این پایان نامه، ما از الگوریتم رقابت امپریالیستی (ICA) به عنوان یک روش فراابتکاری برای یافتن راه حل های تقریباً بهینه برای بهینه سازی قرارگیری گره های حسگر بی سیم بصری برای افزایش پوشش حسگر یک درجه استفاده کردیم. ما یک محیط کوهستانی مستطیلی را با یک بعد از پیش تعریف شده و تعداد از پیش تعریف شده گره های حسگر بی سیم بصری که شعاع سنجش آنها مشخص است، فرض می کنیم. ما از نقشه واقعی DEM زمین شناسی یک منطقه کوهستانی طبیعی در ایالات متحده با دقت 1 متر برای داشتن شکل 2.5 بعدی سطح محیط استفاده کردیم. سپس سعی کردیم مکانهای تقریباً بهینه را برای گرههای حسگر بیسیم بصری پیدا کنیم تا پوشش حسگر بصری یک درجه را به حداکثر برسانیم. ما همچنین سناریوهای بهینهسازی متعددی را برای ترسیم نموداری تنظیم کردیم که نشاندهنده رابطه بین تعداد گرههای حسگر بیسیم بصری و میزان پوشش بصری محیط است. ما از ابزار Matlab برای سناریوهای شبیه سازی بهینه سازی در دو لپ تاپ اینتل core-i7 و core-i5 استفاده کردیم.
بهینه سازی پوشش حسی زمین کوهستانی براساس نقشه خطوط هم تراز جغرافیایی توسط شبکه های حسگر بی سیم با استفاده از الگوریتم رقابت استعماری