مروری بر کاربرد الگوریتم های فراابتکاری نسل جدید در بهینه سازی مصرف انرژی و مسیریابی شبکه های حسگر بی سیم

شبکه های حسگر بی سیم (WSNs) به عنوان یکی از زیرساخت های اصلی اینترنت اشیا (IoT)، نقش مهمی در جمع آوری و انتقال داده ها در کاربردهایی مانند شهرهای هوشمند، پایش محیط زیست، سلامت هوشمند، صنایع و کشاورزی دقیق ایفا می کنند. با این حال، محدودیت انرژی گره های حسگر همچنان مهم ترین چالش این شبکه ها محسوب می شود. پروتکل های مسیریابی سنتی در شبکه های بزرگ و پویا معمولا به دلیل مصرف انرژی بالا و توزیع نامتوازن بار، کارایی مطلوبی ندارند. ازاین رو، استفاده از الگوریتم های فراابتکاری الهام گرفته از طبیعت به عنوان راهکاری موثر برای بهینه سازی مصرف انرژی و انتخاب مسیرهای مناسب مورد توجه پژوهشگران قرار گرفته است. در این مقاله مروری، کاربرد الگوریتم های فراابتکاری نسل جدید در بهینه سازی مصرف انرژی و مسیریابی شبکه های حسگر بی سیم بررسی می شود. علاوه بر الگوریتم های شناخته شده ای مانند کلونی مورچگان (ACO)، ازدحام ذرات (PSO) و الگوریتم ژنتیک (GA)، رویکردهای نوین شامل الگوریتم های ترکیبی، روش های مبتنی بر هوش مصنوعی و یادگیری ماشین نیز مرور شده اند. همچنین روندهای جدیدی نظیر بهینه سازی چندهدفه، خوشه بندی هوشمند و مسیریابی تطبیقی مورد بررسی قرار گرفته است. نتایج مطالعات نشان می دهد که الگوریتم های فراابتکاری ترکیبی در مقایسه با روش های کلاسیک، عملکرد بهتری از نظر افزایش طول عمر شبکه، کاهش مصرف انرژی، بهبود قابلیت اطمینان و مقیاس پذیری ارائه می کنند و گزینه ای مناسب برای شبکه های حسگر بی سیم نسل آینده به شمار می روند.

کلیدواژه ها:

شبکه های حسگر بی سیم ، اینترنت اشیا ، الگوریتم های فراابتکاری ، بهینه سازی مصرف انرژی ، مسیریابی