خوشه بندی پویا و انتخاب سرخوشه مناسب بر اساس منطق فازی در شبکه های حسگر بی سیم

برای شبیه سازی واقعی خوشه بندی پویا مثال های زیادی را می توان عنوان کرد. یکی از آنها الگوریتم خوشه بندی سیستم های شبکه حسگر بی سیم می باشد که برای عملی کردن یک محیط واقعی برای سیستم خوشه بندی پویا در شبکه های حسگر بی سیم ما علاوه برای کاهش نودها در مجموعه داده، اقدام به اضافه کردن نودهای پویا و استفاده از تغییرات محیطی نیز کرده ایم که یک شبیه سازی واقعی خوشه بندی پویا باشد. هدف از خوشه بندی در شبکه های حسگر بی سیم کاهش مصرف انرژی و سریع تر رسیدن بسته انتقالی می باشد. با افزایش مصرف انرژی، طول عمر شبکه کمتر خواهد داشت. استفاده از یک خوشه بندی دقیق تر باعث افزایش عمر شبکه می شود و با توجه به اینکه سیستم خوشهبندی شبکه حسگر هر لحظه در حال تغییر می باشد، خوشه بندی پویا نتیجه بهتری در این زمینه خواهد داشت. در این تحقیق الگوریتمی جدید با استفاده از الگوریتم تکاملی Asexual Reproduction Optimization ARO ارائه نموده ایم که وظیفه خوشه بندی پویای سیستم را برعهده دارد و بر اساس روش فازی سازی بهترین تصمیم برای انتخاب سرخوشه به منظور کاهش مصرف انرژی صورت می پذیرد . در این تحقیق دو حالت برای گره های حسگر در نظر گرفته شده است.حالت اول مکان گره ها ثابت و حالت دوم گره ها متحرک هستند. نتایج حاصل از ارزیابی نشان می دهد زمان مرگ اولین گره FND زمان مرگ نیمی از گره ها HND و زمان مرگ آخرین گره LND در حالت اول در روش پیشنهادی F_WU_ARO نسبت به روش های F_WU_ GA و F_WU_ PSO ۱ به طور میانگین ۱/۳۰۹ درصد بهبود داشته و این در حالی است که در زمان مرگ گره ها، تعداد داده های ارسالی در روش پیشنهادی F_WU_ARO نسبت به روش های F_WU_ GA و F_WU_ PSO به مقدار ۱/۰۸ درصد بیشتر است. با توجه به تعداد داده های ارسالی، انرژی باقیمانده کل شبکه هنگام مرگ اولین ، میانه و آخرین گره در روش پیشنهادی ترکیبی F_WU_ARO در مقایسنه با روش های F_WU_GA و F_WU_PSO به طور میانگین ۱/۲۷۱ درصد کاهش یافته است. این بهبود حالتی که گره ها متحرک هستند نیز قابل مشاهده می باشد

Keywords:

خوشه بندی پویا , شبکه حسگر بی سیم , روش بهینه سازی ARO , انتخاب سر خوشه , کاهش مصرف انرژی , الگوریتم های فازی , انرژی آگاه و بافر.