یک روش فرا ابتکاری و مقایسه آن برای مساله خوشه بندی متعادل ساز بار در شبکه های حسگر بی سیم

خوشه بندی گره های حسگر یک روش موثر کنترلی برای کاهش مصرف انرژی گره های حسگر است تا طول عمر شبکه های حسگر بی سیم را افزایش دهد. با این وجود در یک شبکه حسگر بی سیم که مبنای خوشه ای دارد، رهبرها (سرخوشه ها) باری اضافی برای فعالیت های متعددی چون گردآوری داده ها، انباشت داده ها و انتقال داده های انباشت شده به سمت ایستگاه پایه، حمل می کنند. بنابراین متعادل سازی بار سرخوشه ها مساله ای چالش برانگیز برای اجرای طولانی مدت شبکه حسگر بی سیم است. الگوریتم های بهینه سازی از رویکردهای معروف تکاملی هستند که برای یافتن راه حلی موثر برای چنین مساله ای به کار می روند. در این مقاله ما یک روش بر مبنای الگوریتم ژنتیک برای خوشه بندی گره ها ارایه داده و همچنین الگوریتم های ژنتیک سنتی (GA)، شبیه سازی تبرید (SA)، بهینه سازی ازدحام ذرات (PSO)، رقابت استعماری (ICA) و برنامه نویسی خطی (LP) را برای خوشه بندی متعادل ساز بار در شبکه حسگر بی سیم پیاده سازی نمودیم. ما شبیه سازی های گسترده ای برای روش پیشنهادی انجام دادیم و نتایج را با رویکردهای تکاملی و بهینه سازی عنوان شده و همچنین روش های تفاضل تکاملی (DE)، LDC و LBC برگرفته از دیگر مقالات مورد مقایسه قرار دادیم. نتایج نشان داد که الگوریتم ژنتیک پیشنهادی، عملکرد بهتری از تمامی الگوریتم های دیگر از نظر زمان اجرا و تعداد سنسور نودهای فعال و زمان خاموش شدن اولین گیت وی داشت. البته بقیه الگوریتم ها نیز در این مقاله از نظر نرخ همگرایی و زمان اجرا و میزان مصرف انرژی و تعداد سنسور نودهای فعال با هم مقایسه گردیدند.

کلیدواژه ها:

برنامه ریزی خطی ، بهینه سازی ازدحام ذرات ، شبیه سازی تبرید ، شبکه حسگر بی سیم ، روش های بهینه سازی