بهینه سازی موثر پوشش شبکه های حسگر بی سیم با هوش مصنوعی و الگوریتم فراابتکاری Polar Fox

مقاله حاضر به ارزیابی و بهبود نرخ پوشش استقرار گره ها در شبکه های حسگر بی سیم با استفاده از الگوریتم بهبود یافته Polar Fox می پردازد. این الگوریتم با ترکیب استراتژی های تنظیم وزن اینرسی پویا و رهبری تصادفی چند نخبگان، توانسته است به طور موثری پوشش شبکه را در نواحی تحت نظارت بهبود بخشد و هدررفت منابع را کاهش دهد. در این پژوهش، عملکرد الگوریتم Polar Fox با استفاده از یازده تابع بنچمارک و توابع تست CEC۲۰۱۴ ارزیابی و با سایر الگوریتم ها مقایسه شد. نتایج نشان می دهند که با افزایش ابعاد تابع هدف، پیچیدگی آن افزایش می یابد، اما میانگین حل الگوریتم Polar Fox در ابعاد مختلف ثابت باقی می ماند. این الگوریتم به ویژه در توابعی مانند f۱ و f۲ که تغییرات بالاتری دارند، بهینه سازی بهتری را در ابعاد بزرگ تر انجام می دهد. از سوی دیگر، توابعی مانند f۷ و f۹ که روند یکنواخت تری دارند، پایداری بیشتری را در ابعاد بالاتر نشان می دهند. در مقایسه با سایر الگوریتم ها، Polar Fox توانسته است در توابع یکنواخت عملکرد بهتری از خود نشان دهد و به طور موثری از بهینه های محلی خارج شود. نتایج نشان می دهند که Polar Fox در شبکه با ۳۵ گره به نرخ پوشش ۹۰.۲٪ و با ۵۵ گره به نرخ پوشش ۹۷.۲٪ دست یافته است. در آزمایش های مختلف، Polar Fox با دستیابی به نرخ پوشش ۹۶.۷۲٪ بهترین عملکرد را در میان الگوریتم های مختلف از خود نشان داد. به طور کلی، این الگوریتم با توانایی بالا در بهینه سازی پوشش شبکه، گزینه ای مناسب برای استفاده در شبکه های حسگر بی سیم است.

کلیدواژه ها:

Polar Fox ، شبکه های حسگر بی سیم ، بهینه سازی پوشش ، اینرسی پویا