يك الگوريتم كنترل توپولوژي مبتني بر خوشه بندي نامتقارن در شبكه هاي حسگر بي سيم با استفاده از آتوماتاي يادگير

An Unequal Clustering-Based Topology Control Algorithm in Wireless Sensor Networks using Learning Automata

خوشه بندي يك روش كارآمد براي صرفه جويي در مصرف انرژي گره ها در شبكه هاي حسگر بي سيم مي باشد. در اغلب روش هاي خوشه بندي، اندازه خوشه ها با هم مساوي مي باشد. اين ويژگي موجب افزايش مصرف انرژي در خوشه-هاي نزديك به چاهك خواهد شد. به همين منظور در اين تحقيق يك روش جديد مبتني بر آتوماتاي يادگير براي خوشه بندي نامتعادل گره ها در شبكه حسگر بي سيم ارائه شده است. در اين روش، با كاهش فاصله بين خوشه ها و چاهك، اندازه خوشه ها نيز كاهش مي يابد. اين ويژگي علاوه بر بهبود مصرف انرژي در شبكه، در افزايش تعداد بسته هاي ارسال شده به سمت چاهك نيز مؤثر خواهد بود. كارايي روش پيشنهادي با استفاده از پياده سازي آن در محيط شبيه سازي مورد ارزيابي قرار گرفته و نتايج حاصل با روش هاي پيشين مقايسه شده است. نتايج حاصل نشان مي دهد كه روش پيشنهادي در كاهش مصرف انرژي و افزايش تعداد بسته ارسالي بهتر از روش هاي پيشين عمل مي كند.

Clustering is an efficient method in saving nodes consumption of energy within wireless sensor networks. In the majority of clustering methods, the sizes of clusters are equal to each other. This feature will lead to a rise in consumption of energy in clusters which are close to the sink node. For this purpose, a new method has been presented based on the learning automata for the unequal clustering of nodes in wireless sensor network. In this method, upon reduction of the distance between the clusters and the sink hole, the size of clusters also shrinks. This feature in addition to optimization of consumption of energy in the network, will also be efficient in a rise in the number of packages delivered toward the sink hole. The effectiveness of the proposed method has been assessed based on its implementation in a simulated environment, while the corresponding results have been compared with previous approaches. The results show that the proposed method acts better than previous methods in reduction of consumption of energy and a rise in the number of delivered packages.