ALGORITHME DE CLUSTERING AGGLOMÉRATIF BASÉ SUR MOJO AVEC STRATÉGIE EDMT POUR LES RÉSEAUX DE CAPTEURS SANS FIL À GRANDE ÉCHELLE
DOI :
https://doi.org/10.59277/RRST-EE.2024.2.18Mots-clés :
Réseaux de capteurs sans fil, Sélection de têtes de cluster double, Algorithme de séquence d’indexation de quartier, RoutageRésumé
Le réseau de capteurs sans fil (WSN) est un réseau de capteurs distribués qui surveille et stocke les données environnementales sans fil en connectant des nœuds de capteurs dispersés. Étant donné que les nœuds de capteurs sans fil dépendent de batteries pour l’énergie, la consommation d’énergie et les limitations sont considérées comme des problèmes fondamentaux. Une nouvelle technique d'optimisation multi-objectifs des méduses basée sur les paramètres d'énergie, de degré, de distance, de mobilité et de temps (MOJO-ED2MT) a été proposée pour surmonter ces défis. Trois phases sont impliquées dans la méthode proposée : sélection des chefs de cluster, compression des données et routage des données. Dans cette première phase, un algorithme de clustering agglomératif flou est utilisé pour choisir une tête de cluster double optimale parmi les clusters inter-clusters et intra-clusters. Dans la deuxième phase, un algorithme de séquence d'indexation de voisinage (NIS) peut compresser le nombre de bits des données avant leur transmission. Dans la troisième phase, l'optimisation des méduses sélectionne le chemin le plus court en fonction de paramètres multi-objectifs. L'analyse de simulation et les statistiques des résultats montrent que l'approche MOJO-ED^2MT suggérée fonctionne mieux que les algorithmes de pointe sur diverses mesures de performances. Le cadre MOJO-ED^2MT proposé atteint une durée de vie du réseau 11,5, 15,4 % et 17,99 % supérieure à celle des algorithmes EOR-iABC, C3HA et ML-AEFA.
Références
(1) K. Jain, P.S. Mehra, A.K. Dwivedi, A. Agarwal, SCADA: scalable cluster-based data aggregation technique for improving network lifetime of wireless sensor networks, The Journal of Supercomputing, pp. 1–29 (2022).
(2) M. Prabhu, B. Muthu Kumar, A. Ahilan, Slime mold algorithm based fuzzy linear CFO estimation in wireless sensor networks, IETE Journal of Research, pp. 1–11 (2023).
(3) P. Bedi, S. Das, S.B. Goyal, P.K. Shukla, S. Mirjalili, M. Kumar, A novel routing protocol based on grey wolf optimization and Q learning for wireless body area network, Expert Systems with Applications, 210, pp. 118477 (2022).
(4) P. Rawat, S. Chauhan, A novel cluster head selection and data aggregation protocol for heterogeneous wireless sensor network, Arabian Journal for Science and Engineering, 47, 2, pp. 1971–1986 (2022).
(5) R. Elhabyan, W. Shi, M. St-Hilaire, A Pareto optimization-based approach to clustering and routing in wireless sensor networks, Journal of Network and Computer Applications,114, pp. 57–69 (2018).
(6) T. Stephan, K. Sharma, A. Shankar, S. Punitha, V. Varadarajan, P. Liu, Fuzzy-logic-inspired zone-based clustering algorithm for wireless sensor networks, International Journal of Fuzzy Systems, 23, 2, pp. 506–517 (2021).
(7) N. Malmurugan, S.C. Nelson, M. Altuwairiqi, H. Alyami, D. Gangodkar, M.M Abdul Zahra, S.A. Asakipaam, Hybrid encryption method for health monitoring systems based on machine learning, Computational Intelligence and Neuroscience (2022).
(8) T. Vaiyapuri, V.S. Parvathy, V. Manikandan, N. Krishnaraj, D. Gupta, K. Shankar, A novel hybrid optimization for cluster‐based routing protocol in information-centric wireless sensor networks for IoT-based mobile edge computing, Wireless Personal Communications, pp. 1–24 (2021).
(9) ABD. El-Wanis, M. El-Sehiemy, M.A. Hamida, Parameter estimation of permanent magnet synchronous machines using particle swarm optimization algorithm, Rev. Roum. Sci. Techn. – Électrotechn. Et Énerg., 67, 4, pp. 377–382 (2022).
(10) S. Al-Otaibi, A. Al-Rasheed, R.F. Mansour, E. Yang, E., G.P. Joshi, W. Cho, Hybridization of metaheuristic algorithm for dynamic cluster-based routing protocol in wireless sensor networks, IEEE Access, 9, pp. 83751–83761, (2021).
(11) R. Punithavathi, C. Kurangi, S.P. Balamurugan, I.V. Pustokhina, D.A. Pustokhin, K. Shankar, Hybrid BWO-IACO algorithm for cluster-based routing in wireless sensor networks, Computers, Materials & Continua, 69, 1, pp. 433–449 (2021).
(12) M. Abdelwanis, R.A.G.B. El-Sehiemy, Efficient parameter estimation procedure using sunflower optimization algorithm for six-phase induction motor, Revue Roumaine des Sciences Techniques—Série Électrotechnique Et Énergétique, 67, 3, pp. 259–264 (2022).
(13) S.H. Sackey, J.A. Ansere, J.H. Anajemba, M. Kamal, C. Iwendi, Energy efficient clustering-based routing technique in WSN using brain storm optimization, In 2019 15th International Conference on Emerging Technologies (ICET) IEEE, pp. 1-6 (2019, December).
(14) R. Yarinezhad, M. Sabaei, An optimal cluster-based routing algorithm for lifetime maximization of Internet of Things. Journal of Parallel and Distributed Computing, 156, pp. 7–24 (2021).
(15) S.M.H. Daneshvar, P.A.A. Mohajer, S.M. Mazinani, Energy-efficient routing in WSN: A centralized cluster-based approach via grey wolf optimizer, IEEE Access, 7, pp. 170019–170031 (2019).
(16) G. Santhosh and K.V. Prasad, Energy optimization routing for hierarchical cluster based WSN using artificial bee colony, Measurement: Sensors, 29, p.100848 (2023).
(17) G.A. Senthil, A. Raaza, N. Kumar, Internet of things energy efficient cluster-based routing using hybrid particle swarm optimization for wireless sensor network, Wireless Personal Communications, 122, 3, pp. 2603–2619 (2022).
(18) N. Malisetti, V.K. Pamula, Energy efficient cluster-based routing for wireless sensor networks using moth levy adopted artificial electric field algorithm and customized grey wolf optimization algorithm. Microprocessors and Microsystems, 93, pp. 104593 (2022).
(19) H. El Alami, A. Najid, Fuzzy logic-based clustering algorithm for wireless sensor networks. In Sensor Technology: Concepts, Methodologies, Tools, and Applications, IGI Global, pp. 351–371 (2020).
(20) W. Osamy, A.A. El-Sawy, A. Salim, CSOCA: Chicken swarm optimization-based clustering algorithm for wireless sensor networks, IEEE Access, 8, pp. 60676-60688 (2020).
(21) A. Balamurugan, S. Janakiraman, M.D. Priya, A.C.J. Malar, Hybrid Marine predators’ optimization and improved particle swarm optimization-based optimal cluster routing in wireless sensor networks (WSNs), China Communications, 19, 6, pp. 219–247 (2022).
(22) C. Venkataramanan, B.S. Kumar, Fuzzy based local agent routing protocol for delay conscious MANETs. International Journal of Vehicle Information and Communication Systems, 7, 4, pp. 409–421 (2022).
(23) 23. K. Gayathri, K.P.A. Gladis, A.A. Mary, Real-time masked face recognition using deep learning based Yolov4 network, International Journal of Data Science and Artificial Intelligence, 1, 1, pp. 26–32, (2023).
Téléchargements
Publiée
Numéro
Rubrique
Licence
(c) Copyright REVUE ROUMAINE DES SCIENCES TECHNIQUES — SÉRIE ÉLECTROTECHNIQUE ET ÉNERGÉTIQUE 2024
Ce travail est disponible sous licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.
