مهدی هنرمند؛ علی قیاسیان؛ حسین سعیدی
دوره 6، شماره 3 ، آبان 1394، ، صفحه 0-16
چکیده
خوشهبندی یکی از تکنیکهای موثر برای مدیریت مناسب انرژی و افزایش طول عمر در شبکههای حسگر بی سیم میباشد. یکی از پارامترهای حائز اهمیت در ساخت خوشههای بهینه، انتخاب سرخوشه مناسب است که علاوه ...
بیشتر
خوشهبندی یکی از تکنیکهای موثر برای مدیریت مناسب انرژی و افزایش طول عمر در شبکههای حسگر بی سیم میباشد. یکی از پارامترهای حائز اهمیت در ساخت خوشههای بهینه، انتخاب سرخوشه مناسب است که علاوه بر افزایش طول عمر شبکه و داده دریافتی در چاهک، کاهش انرژی اتلافی را به دنبال خواهد داشت. در این مقاله ابتدا به بررسی چند الگوریتم خوشهبندی مبتنی بر روشهای هوش محاسباتی پرداخته شده و سپس نسبت به ارائه دو الگوریتم خوشه بندی انرژی آگاه در شبکههای ناهمگن مبتنی بر الگوریتم ژنتیک تحت عناوین EAGCA و *EAGCA اقدام شده است. الگوریتم های پیشنهادی با استفاده از اطلاعاتی از گره ها مانند ترافیک گره، انرژی باقیمانده گره، انرژی گرههای همسایه و فاصله محلی به انتخاب سرخوشه بهینه ودر نهایت ایجاد خوشه بهینه اقدام میکنند. نتایج شبیهسازی‌ها، توانایی این الگوریتم ها را در ایجاد خوشه مناسب و یافتن سرخوشه بهینه، به خوبی نشان می‌دهد. همچنین روش های پیشنهادی با دیگر روشهای خوشه بندی از جمله LEACH و EAERP در پارامترهایی نظیر تعداد گرههای زنده، داده دریافتی در چاهک و طول عمر شبکه مقایسه شده است. نتایج مقایسه ها، ناظر بر عملکرد بهتر الگوریتم های EAGCA و *EAGCA نسبت به سایر الگوریتم ها در افزایش طول عمر شبکه و افزایش داده دریافتی در چاهک میباشد.
