رویکرد هوش مصنوعی برای بهینه سازی انرژی و افزایش عمر شبکه های حسگر بی سیم با استفاده از HHO و ILEACH

شبکه های حسگر بی سیم (WSN) به عنوان یکی از زیرساخت های حیاتی در حوزه های مختلف مانند محیط زیست، نظامی و پزشکی و ... شناخته می شوند. یکی از چالش های اصلی در این شبکه ها، بهینه سازی مصرف انرژی و افزایش طول عمر شبکه است. در این تحقیق، یک راه حل جدید برای بهبود بهره وری انرژی و پایداری شبکه در WSN پیشنهاد شده است که در آن از ترکیب بهینه سازی Harris Hawks با الگوریتم خوشه بندی بهینه با انرژی کم برای انتخاب گره هد خوشه (CH) استفاده می شود. هدف این روش، افزایش پایداری شبکه و کاهش مصرف انرژی در فرآیند تجمیع داده ها است. مقایسه نتایج شبیه سازی نشان دهنده برتری روش پیشنهادی در مقایسه با سایر الگوریتم ها در زمینه های مختلف است. در مورد حفظ گره های زنده، روش پیشنهادی با ۷۳٪ گره های زنده، بهترین عملکرد را در بین الگوریتم های مقایسه شده نشان می دهد. همچنین، این روش توانسته است تعداد گره های مرده را به ۲۵٪ کاهش دهد که نشان دهنده بهبود چشمگیر در حفظ گره ها و کاهش مرگ زودرس آن ها است. از نظر توان عملیاتی، روش پیشنهادی با مقدار ۳۷۰ بهترین عملکرد را دارد و در مقایسه با سایر روش ها توان عملیاتی بالاتری را ارائه می دهد. علاوه بر این، این روش با مصرف انرژی کم (۱.۰۲ × ۱۰⁴) و تاخیر کم (۸۰ میلی ثانیه) به طور قابل توجهی از سایر الگوریتم ها پیشی گرفته است. نتایج نشان می دهد که روش پیشنهادی به طور کلی در بهبود بهره وری انرژی، افزایش پایداری شبکه، کاهش تاخیر و بهینه سازی مصرف انرژی عملکرد بسیار بهتری نسبت به سایر الگوریتم ها دارد.

کلیدواژه ها:

شبکه های حسگر بی سیم ، بهینه سازی Harris Hawks ، خوشه بندی با انرژی کم ، انتخاب گره هد خوشه ، بهره وری انرژی