ترکیب الگوریتم های جهش قورباغه ای و کرم شب تاب در توسعه الگوریتم مسیریابی چندگامی شبکه‌های‌حسگر بی‌سیم

نوع مقاله : پژوهشی

نویسندگان

1 دانشکده مهندسی صنایع، دانشگاه یزد، ایران

2 گروه مهندسی صنایع ، دانشگاه یزد، ایران

3 عضو هیات علمی

4 دانشکده مهندسی صنایع-دانشگاه یزد

چکیده

محدودیت توان و انرژی درگره های حسگر ساختار شبکه‌های‌حسگر بی‌سیم ، طراحی پروتکل مسیریابی انرژی- کارآمد برای انجام موثر وظایف ارتباطی و پردازشی دردامنه ی هدف، و بهبود طول عمررا بااهمیت می نماید. حداکثرسازی طول عمر شبکه‌های‌حسگر بی‌سیم مسئله‌ای- NP سخت است. لذا، تحقیقات گسترده‌ای به کمک فراابتکاری‌ها برای حل آن انجام شده است. دراین مقاله، الگوریتم مسیریابی چند‌هدفه مبتنی برخوشه بندی از ترکیب الگوریتم های جهش قورباغه ای و الگوریتم کرم شب تاب به‌نام MOFSA پیشنهاد می شود. دراین رویکرد ابتدا برای یافتن سرخوشه ها درفازخوشه بندی و سپس برای یافتن گره‌های بازفرستنده درفاز مسیریابی چندگامی، دو تابع برازندگی چند هدفه ارائه می شود. نتایج شبیه سازی و مقایسه عملکرد الگوریتم با پروتکل های مسیریابی موجود افزایش شاخص های طول عمرشبکه را 230 درصد نسبت به LEACH،100 درصد نسبت به EAR، 38 درصد نسبت به SIF و 260 درصد نسبت به FSFLA درسناریوهای پیشنهادی نشان داد.

کلیدواژه‌ها


عنوان مقاله [English]

Multihop Clustering Based Routing for Wireless Sensor Networks: A Hybrid Swarm intelligence Based Approach

نویسندگان [English]

  • - - 1
  • Amirhossein Barzin 2
  • Hassan khademi zare 3
  • mahboobeh honarvar 4
1 yazd university,
2 Department of Industrial Engineering, Yazd Univercity,Yazd,Iran
3 Faculty of Industrial Engineering, Yazd University, Daneshgah Blvd., Safayieh, PO Box: 89195-741, Yazd, IRAN. Tel: +98-035-31232404
4 Assistant Professor of Industrial Engineering, Faculty of Industrial Engineering, Yazd University, Daneshgah Blvd., Safayieh,PO Box: 89195-741, Yazd, IRAN. Tel: +98-035-31232404 Yazd, IRAN
چکیده [English]

Wireless sensor networks (WSN) comprise of a large number of low-power but low-cost small sensing nodes which distributed randomly in a specific area far from the human reach , for the purpose of surveillance, recognition and monitoring the nearby environment based on their inter communication. Each node includes units i.e. sensing, processing, transducing, location positioning and power supply. Owing to various features of sensors such as quickness, self-awareness and self-configurability, WSNs have various applications in different areas and many methods are being developed to improve their performance in an application specific way. WSNs face many challenges, including energy restrictions, security, communication reliability, design, and so on. It should be mentioned that is hard to balance all these challenges because of the conflicts they have with each other.Hitherto, researchers have done extensive studies to bridle the concerns. Sensor nodes are small and have often limited and irreplaceable sources of energy. Furthermore, they can send information at short distances. In long run operations, each node generally does the data collection singly. In this paper, a multi-objective swarm intelligence-based algorithm built on Shuffled frog-leaping algorithm and Firefly Algorithm (named MOFSA) is presented as an adaptive clustering-based multi-hop routing protocol for WSNs. MOFSA’s multi-objective function regards different criteria (e.g., inter- and intra-cluster distances, residual energy of nodes, distances from the sink, overlap and load of clusters) to select appropriate cluster heads at each round. Moreover, another multi-objective function is proposed to select the forwarder nodes in the routing phase. The controllable parameters of MOFSA in both clustering and multi-hop phases can be adaptively tuned to achieve the best performance based on the network requirements according to the specific application. Simulation outcomes demonstrate average lifetime improvements of 230% compared with LEACH, 100% compared with ERA, 38% compared with SIF and 260% compared with FSFLA in different network scenarios

کلیدواژه‌ها [English]

  • Wireless Sensor Networks
  • Clustering
  • Multi-hop routing
  • Shuffled Frog Leaping Algorithm
  • Firefly algorithm