عنوان

A hybrid approach based on Grey Wolf optimization to select energy efficient cluster head for wireless sensor network

Number

T24391

.Language of Text, Soundtrack etc

انگلیسی

Title Proper

A hybrid approach based on Grey Wolf optimization to select energy efficient cluster head for wireless sensor network

General Material Designation

Dissertation

First Statement of Responsibility

Aysar Hadi oleiwi

Name of Publisher, Distributor, etc.

Faculty of Computer Engineering

Date of Publication, Distribution, etc.

1399

Specific Material Designation and Extent of Item

70p.

Other Physical Details

cd

Dissertation or thesis details and type of degree

degree of Master

Discipline of degree

Computer Engineering

Date of degree

1399/09/12

Body granting the degree

Tabriz

Text of Note

Today, due to the wide range of applications that wireless sensor networks have, a lot of research has been focused on these networks. Wireless sensor networks are a group of special networks consisting of hundreds or thousands of wireless sensor nodes. The data collected by these sensors is eventually transmitted to the base station, which provides the data to the end user. In order to achieve better scalability as well as data aggregation, sensor nodes are grouped into smaller groups that do not overlap. These groups, called clusters, create a hierarchical design in wireless sensor networks that optimizes energy utilization and thus extends network life. The biggest challenges related to these networks are resource constraints, lack of fixed infrastructure and dynamic topology. In this research, an energy efficient Cluster Head selection algorithm which is based on Binary Grey Wolf Optimizer Algorithm (BGWO) proposed. Accordingly, the proposed method helps in selection of energy aware cluster heads based on a fitness function which considers the residual energy of the nodes and distances. The proposed method was tested on homogeneous and inhomogeneous networks and compared with LEACH, LEACH-C, DEEC and DDEEC methods. The results show that our proposed method has performed better than these methods in network lifetime and residual energy. Compared to other researches, our proposed method is better in lifetime and energy parameters

Text of Note

امروزه به دلیل گستردگی برنامه های کاربردی شبکه های حسگر بی سیم ، تحقیقات زیادی در مورد این شبکه ها متمرکز شده است. شبکه های حسگر بی سیم به گروهی از شبکه های ویژه متشکل از صدها یا هزاران گره سنسور بی سیم گفته می شود. داده های جمع آوری شده توسط این سنسورها سرانجام به ایستگاه پایه منتقل می شود که داده ها را در اختیار کاربر نهایی قرار می دهد. به منظور دستیابی به مقیاس پذیری بهتر و همچنین تجمیع داده ها ، گره های حسگر در گروه های کوچکتری دسته بندی می شوند که با هم تداخل ندارند. این گروه ها که خوشه نامیده می شوند ، یک طراحی سلسله مراتبی در شبکه های حسگر بی سیم ایجاد می کنند که استفاده از انرژی را بهینه می کند و بنابراین عمر شبکه را افزایش می دهد. بزرگترین چالش های مربوط به این شبکه ها محدودیت منابع ، کمبود زیرساخت های ثابت و توپولوژی پویا است. در این تحقیق ، الگوریتم انتخاب کارآمد انرژی Cluster Head که براساس الگوریتم بهینه ساز گرگ خاکستری باینری (BGWO) ارائه شده است. بر این اساس ، روش پیشنهادی براساس انتخاب عملکرد تناسب اندام که انرژی باقیمانده گره ها و سایر پارامترها را در نظر می گیرد ، به انتخاب سر خوشه های آگاه از انرژی کمک می کند. روش پیشنهادی در شبکه های همگن و ناهمگن مورد آزمایش قرار گرفت و با روشهای LEACH ، LEACH-C ، DEEC و DDEEC مقایسه شد. نتایج نشان می دهد که روش پیشنهادی ما در طول عمر شبکه و انرژی باقیمانده عملکرد بهتری نسبت به این روش ها داشته است. در مقایسه با سایر تحقیقات ، روش پیشنهادی ما از نظر پارامترهای طول عمر و انرژی بهتر است

Variant Title

ارائه روشی ترکیبی برای انتخاب سرخوشه انرژی کارا در شبکه های حسگر بیسیم با استفاده از الگوریتم گرگ خاکستری

Subject Term

Wireless Sensor Network, Grey Wolf Optimizer, Cluster Head Selection Network Life Time

Subject Term

شبکه حسگر بی سیم ، الگوریتم بهینه سازی گرگ خاکستری ، طول عمر شبکه، انتخاب سر خوشه

Entry Element

Hadi oleiwi,

Part of Name Other than Entry Element

Aysar

Relator Code

Producer

Entry Element

Salehpoor,

Entry Element

Aghdasi,

Part of Name Other than Entry Element

pedram

Part of Name Other than Entry Element

Hadi

Relator Code

Thesis advisor

Relator Code

Consulting advisor

Entry Element

Tabriz

Country

ایران

Agency

Center library of tabriz

Date of Transaction

20220308

Call Number

ارشد پایاننامه QA76 .H23 1399

Electronic name

e

TL

276903

a

Y