کاهش مصرف انرژی در ردیابی سوسک حنایی خرما با شبکه های حسگر بی سیم با استفاده از الگوریتم های تکاملی مبتنی بر طبیعت (الگوریتم مگس میوه و الگوریتم بهینه سازی گله شیرها)

سوسک سرخرطومی خرما یکی از آفات جدی نخلستان ها است که به درختان خرما در سراسر جهان حمله کرده و موجب نابودی آن ها می شود. تشخیص و ردیابی اولیه این آفت برای جلوگیری از گسترش و کاهش آسیب های ناشی از آن بسیار حیاتی است. شبکه های حسگر بی سیم (WSN) به عنوان فناوری نویدبخش برای نظارت و شناسایی این آفت در مزارع خرما مطرح هستند. با این حال، WSNها با چالش های مختلفی از جمله محدودیت های انرژی، پهنای باند و منابع محاسباتی روبرو هستند. از این رو، نیاز به روش های کارآمد و هوشمند برای بهینه سازی عملکرد WSN در تشخیص و ردیابی این آفت احساس می شود. در این مقاله، روشی نوین برای ردیابی این آفت در شبکه های حسگر ارائه شده است که با ترکیب دو الگوریتم هوشمند، شامل الگوریتم مگس میوه و الگوریتم بهینه سازی گله شیرها، به خوشه بندی گره ها می پردازد و بدین ترتیب در مصرف انرژی باتری گره ها صرفه جویی می کند. نتایج شبیه سازی این روش نشان می دهد که در مقایسه با پروتکل LPOBC، پروتکل پیشنهادی عملکرد بهتری از نظر مصرف انرژی، تاخیر انتها به انتها و نرخ گذردهی دارد. به طور خاص، تاخیر انتها به انتها به میزان ۲۸.۲۸۶ درصد، نرخ گذردهی به میزان ۱۳.۸۰ درصد و میانگین انرژی مصرفی باتری به میزان ۱۱.۸۶ درصد بهبود یافته است.

Keywords:

خوشه بندی , شبکه های حسگر بی سیم , سوسک سرخرطومی , ردیابی هدف , الگوریتم مگس میوه , الگوریتم گله شیرها.