الگوریتم مسیریابی جدید براساس خوشه بندی با آستانه ثابت فازی انرژی کارآمد در شبکه حسگر بیسیم

نوع مقاله: مقاله پژوهشی فارسی

نویسندگان

1 دانشکده مهندسی برق و کامپیوتر، دانشگاه بین المللی امام رضا (ع)، مشهد، ایران

2 دانشکده مهندسی برق و کامپیوتر، دانشگاه خیام، مشهد، ایران

چکیده

افزایش طول عمر شبکه به عنوان چالشی اساسی در توسعه شبکه های حسگر بیسیم به شمار می آید. مسیریابی مبتنی بر خوشه بندی به عنوان یک راهکار مناسب به منظور بهبود مصرف انرژی و افزایش طول عمر در شبکه های حسگر بیسیم ارائه شده است. مبنای بسیاری از الگوریتم هایی که تاکنون ارائه شده اند، خوشه بندی در هر دور و ارسال تک پرشه اطلاعات، به ایستگاه پایه است. خوشه بندی در هر دور باعث افزایش تعداد پیام های کنترلی ارسالی، افزایش احتمال تصادم و کاهش انرژی در شبکه می شود. ارسال چند پرشه اطلاعات افزایش طول عمر گره سرخوشه و بهبود عملکرد شبکه را در پی دارد. در الگوریتم پیشنهادی به منظور استفاده همزمان از مزایای خوشه بندی و ارسال چند پرشه اطلاعات یک پروتکل مسیریابی فازی مبتنی بر خوشه بندی جدید با در نظر گرفتن حد آستانه ثابت ارائه شده است. نوآوری های صورت گرفته در این مقاله، شامل عدم اجرای خوشه بندی در هر دور، در نظرگرفتن حد آستانه ثابت، استفاده از الگوریتم های متفاوت به منظور خوشه بندی و همچنین ارائه مسیریابی چند پرشه با در نظر گرفتن گره میانی مناسب به منظور ارسال از هر خوشه به ایستگاه پایه است. از" انرژی باقیمانده "، " تعداد همسایه ها " و" فاصله " هر گره به عنوان معیارهای فازی برای انتخاب گره سرخوشه استفاده شده است. طرح پیشنهادی در چهار سناریو مختلف با سایر الگوریتم ها از جهت پارامترهای طول عمر شبکه، تعداد گره های مرده در هر دور، اولین گره مرده، نیمی از گره های مرده ، آخرین گره مرده وانرژی باقیمانده شبکه در هردور مقایسه شده است. نتایج حاصل از شبیه سازی نشان می دهد که الگوریتم پیشنهادی موجب افزایش 44.5 درصدی طول عمر شبکه نسبت به سایر روش ها شده است.

کلیدواژه‌ها


   [1]      Tifenn Rault and Abdelmadjid Bouabdallah and Yacine Challal,         ” Energy efficiency in wireless sensor networks: A top-down survey”, Computer Networks, 2014                                                                         

   [2]       I.F. Akyildiz  and  W. Su and Y. Sankarasubramaniam and E. Cayirci “Wireless sensor networks: a survey”. Computer Networks, 2002

 

   [3]       M. MehdiAfsar and Mohammad-H  and Tayarani-N ,” Clustering in sensor networks: Al literature survey”, Journal of Network and Computer Applications, 2016

   [4]      Junaid Ahmed Khan and  Hassaan Khaliq Qureshi and Adnan Iqbal, “Energy management in Wireless Sensor Networks: A survey", Elsevier, Computers and Electrical Engineering, 2015

   [5]      Gaurang Raval and Madhuri Bhavsar and Nitin Patel,” Enhancing data delivery with density controlled clustering in wireless sensor networks”, Microsystem Technologies, 2017

   [6]      Chirihane Gherbi and Zibouda Aliouat and Mohamed Benmohammed, " A Survey on Clustering Routing Protocols in Wireless Sensor Networks ", Sensor Review, 2017

   [7]       Naranjo and P.G.V and Shojafar and  M., Mostafaei and H. et al. J “ P-SEP: a prolong stable election routing algorithm for energy-limited heterogeneous fog-supported wireless sensor networks”. Supercomputing, 2017

   [8]      Nikolaos A. Pantazis, Stefanos A. Nikolidakis and Dimitrios D. Vergados,” Energy-Efficient Routing Protocols in Wireless Sensor Networks: A Survey”, IEEE Communications Surveys & Tutorials, 2013

   [9]       Huang, J. and Hong Y. and Zhao Z. et al, “An energy-efficient multi-hop routing protocol based on grid clustering for wireless sensor networks”, Springer,Cluster Computing, 2017

[10]      Chirihane Gherbi and  Zibouda Aliouat and Mohamed Benmohammed, “An adaptive clustering approach to dynamic load balancing andenergy efficiency in wireless sensor networks”, Elsevier Energy, 2016

[11]      Wenjing Guo and Wei Zhang,” survey on intelligent routing protocols in wireless sensor networks”, Journal of Network and Computer Applications, 2013

[12]      Ashutosh Kumar Singh and  N. Purohit and  S. Varma, “Fuzzy logic based clustering in wireless sensor networks: a survey”, Taylor & Francis, International Journal of Electronics, 2013

[13]      JSR Jang, CT Sun, E Mizutani, “Fuzzy inference systems, chapter 4”, 1997

[14]      Handy, M. J. and Haase, M. and Timmermann, D. “Low energy adaptive clustering hierarchy with deterministic cluster-head selection”, In Mobile and wireless communications network, 2002

[15]      O. Younis  and S. Fahmy ,” a hybrid, energy-efficient, distributed clustering approach for ad hoc sensor networks”, IEEE Transactions on Mobile Computing, 2004

[16]      Baranidharan, B. and  Santhi, B., “ DUCF: Distributed load balancing unequal clustering in wireless sensor networks using fuzzy approach”, Applied Soft Computing, 2016

[17]      Seyyit Alper and Sert Hakan and Bagci Adnan Yazici, “MOFCA: Multi-Objective Fuzzy Clustering Algorithm for Wireless Sensor Networks”, Applied Soft Computing , 2015

[18]      Bagci, H. and Yazici, A. “An energy aware fuzzy approach to unequal clustering in wireless sensor networks ” Applied Soft Computing, 2013

[19]      Akila, I.S. and Venkatesan. “A Cognitive Multi-hop Clustering Approach for Wireless Sensor Networks”, R. Wireless Pers Commun, 2016

[20]      Baranidharan Balakrishnan and Santhi Balachandran, “FLECH: Fuzzy Logic Based Energy Efficient Clustering Hierarchy for Nonuniform Wireless Sensor Networks”, Hindawi Wireless Communications and Mobile Computing, 2017