كاهش انرژي مصرفي در شبكه‌هاي حس‌گر بي‌سيم نامتقارن بر اساس الگوريتم فاخته

Optimizing the Energy Consumption in Heterogeneous Wireless Sensor Networks based on Cuckoo Search Algorithm

در شبكه هاي حس‌گر بي‌سيم ناهمگن به‌طور معمول دو نوع گره حس‌گر "سرخوشه" و "عادي" وجود دارد. سرخوشه ها انرژي مصرفي بيشتري نسبت به گره هاي عادي دارند، بنابراين انتخاب بهينه و كمينه‌كردن تعداد آنها براي افزايش عمر شبكه اهميت ويژه اي دارد. مساله انتخاب بهينه و كمينه‌كردن تعداد سرخوشه ها يك مساله NP-Hard است، لذا جهت حل اين مساله روش هاي مختلف غير قطعي مانند الگوريتم هاي اكتشافي و تكاملي مانند الگوريتم ژنتيك و الگوريتم كلوني زنبور و غيره ارايه شده اند. در اين مقاله از يك الگوريتم متاهيورستيك جديد به‌نام الگوريتم جستجوي فاخته (CSA) كه بر پايه تقليد از رفتار پرندگان است براي حل اين مساله استفاده شده است. مهم‌ترين هدف اين مقاله به‌دست آوردن مقدار بهينه بين تعداد سرخوشه و انرژي مصرفي شبكه است. جهت شبيه‌سازي روش پيشنهادي از نرم افزار متلب استفاده شده است. نتايج به‌دست آمده از شبيه‌سازي بهبود كارايي و زمان اجراي الگوريتم را نشان مي دهد.

Heterogeneous wireless sensor network consists of several nodes with different functions and characters. Energy minimizing in these networks is one of the challenging issues. Several approaches have been presented to solve this problem up to now; such as Genetic Algorithm, Bee Algorithm, PSO Algorithm and etc. In this paper a novel meta-heuristic algorithm Cuckoo Search Algorithm (CSA), is introduced to solve this problem. The main contribution of this paper is to reach an optimum trade-off between the number of super nodes and network efficiency to decrease the energy consumption. MATLAB, simulation toolkit, is used to simulate the efficiency of this method. Simulation results show that proposed algorithm quickly finds a good solution and has better performance than Genetic based algorithm