ارائه يك الگوريتم جهت بالابردن دقت و صحت خوشه بندي داده‌هاي اينترنت اشيا با استفاده از تكنيك‌هاي كلوني مورچگان و بهينه سازي توده ذرات بر مبناي هوش جمعي

با توجه به منابع محدود در شبكه‏هاي اينترنت اشيا، بهينه سازي انرژي در اين شبكه‏ها يك امر مهم مي‏باشد. تكنيك‏هاي مديريت انرژي كارآمد براي افزايش طول عمر شبكه اينترنت اشيا، و تضمين عملكرد پايدار ضروري هستند. رويكردهاي مختلفي مانند خوشه‌بندي، پروتكل‌هاي مسيريابي و تجميع داده‌هاي اينترنت اشيا براي بهينه سازي انرژي در شبكه‏هاي اينترنت اشيا پيشنهاد شده‌اند. هدف اين روش ها كاهش ارتباطات اضافي، فعال كردن پردازش محلي و بهينه سازي تخصيص منابع است. در اين پژوهش، براي بهبود عملكرد الگوريتم خوشه‏بندي K-means از يك الگوريتم فراابتكاري تركيبي به نام (PSO-ACO) استفاده شده است كه از تركيب دو الگوريتم بهينه سازي ازدحام ذرات و كلوني مورچگان است. اين الگوريتم نتايج اميدواركننده‌اي را براي بهينه‌سازي انرژي در شبكه‌هاي بي‌سيم نشان داده است. خوشه‌بندي K-means تشكيل خوشه‌هاي كاملاً تعريف‌شده را امكان‌پذير مي‌سازد، تجميع كارآمد داده‌ها را تسهيل مي‌كند و مصرف انرژي را كاهش مي‌دهد. علاوه بر اين، الگوريتم PSO-ACO باعث انتخاب بهينه سرخوشه‏ها نيز مي‏شود كه در افزايش بهره‏وري خوشه‏بندي بسيار موثر است. انرژي باقي‏مانده در شبكه اينترنت اشيا كه توسط روش پيشنهادي خوشه بندي شده است در دور 2000 برابر 0.18 ژول است كه تقريبا 80 درصد نسبت به روش مقاله مرجع، انرژي بيشتري ذخيره كرده است.