بخشی از مقاله
چکیده
همگام با پیشرفتهای روزافزون تکنولوژی در زمینه های مختلف، تکنولوژی شبکه های حسگر بی سیم نیز در دهه های گذشته رشد چشمگیری داشته و انتظار می رود که با شناسایی سایر زمینه های کاربردی آن در آینده شاهد نمود بیشتر این تکنولوژی نوظهور در حل بسیاری از مسایل اساسی چالش برانگیز که مورد توجه محققان قرارگرفته است، باشیم.
یکی از مهمترین مسایل چالش برانگیز در این شبکه ها کاهش مصرف انرژی است. روش پیشنهادی جهت تحقق این امر مبادرت به استفاده از الگوریتم های بهینه سازی الهام گرفته زیستی مبتنی بر خوشه بندی می نماید. خوشه بندی علاوه بر جلوگیری از تبادل پیام های تکراری در شبکه باعث جمع آوری و ترکیب داده ها در سرخوشه با هدف کاهش تعداد بسته های ارسال شده به نقطه دسترسی می گردد. روش انتخاب سرخوشه ها نیز از جمله پارامترهای اساسی در خوشه بندی است که در کاهش مصرف انرژی تاثیر به سزایی دارد. ارزیابی های انجام گرفته حاکی ازکارایی بهینه روش پیشنهادی در مقایسه با سایر روشهاست.
.1 مقدمه
شبکه های حسگر بی سیم خانواده مهمی از شبکه های کامپیوتری محسوب گردیده که با توجه به قابلیتهای منحصر به فردی همچون هزینه اندک راه اندازی، امکان قرارگیری در مناطق غیرقابل دسترس بدون نیاز به برپاسازی تجهیزات و زیرساختهای خاص، تحمل خطا در هنگام خرابی تعدادی ازگره های موجود در شبکه و ... بیشتر از سایر شبکه ها مورد توجه قرار گرفته است. مهمترین چالش در این شبکه ها کاهش مصرف انرژی است که همواره طول عمر شبکه را تحت تاثیر مستقیم خود قرار داده است. خوشه بندی یک روش موثر جهت مدیریت مصرف انرژی است.
خوشه بندی ضمن حفاظت از انرژی محدود حسگرها باعث کاهش اندازه جدول مسیریابی گره ها و عواملی از این قبیل می شود. به دلیل انرژی محدود حسگرها هرگره حسگر به طور مجزا به جای ارسال کامل اطلاعات به مقصد، پردازش اولیه را انجام داده و پردازش نهایی در مراحل بعدی توسط گره های خاص صورت می پذیرد. در حال حاضر پروتکل ها و الگوریتم های زیادی برای کاهش مصرف انرژی در شبکه های حسگر بی سیم ارایه شده است، طوری که بتوانند با مسیریابی بهینه در داخل شبکه از انرژی محدودگره ها به طورکارآمد بهره برداری نمایند. ما در این مقاله جهت کاهش مصرف انرژی از تکنیک خوشه بندی استفاده نمودیم.
این تکنیک با کمک گرفتن از الگوریتم های بهینه سازی الهام گرفته زیستی به حل مشکلات اساسی شبکه های حسگر بی سیم پرداخته و در ابتدا با در نظرگرفتن انرژی اولیه یکسان برای تمامی گره های موجود در شبکه و محاسبه انرژی باقیمانده گره ها در پایان هر دور اقدام به انتخاب مناسب تعدادی از گره های خاص به نام سرخوشه ها می نماید. سرخوشه های انتخاب شده در هر دور در مقایسه با گره های دیگر دارای همسایگان بیشتر و فاصله کمتر می باشند.
بقیه مقاله به صورت زیر سازماندهی شده است. در بخش2 پیشینه ارایه می گردد. خوشه بندی در شبکه های حسگر بی سیم به عنوان تکنیک راهبردی مورد استفاده در روش پیشنهادی در بخش3 مورد بررسی قرار می گیرد . بخش 4 مربوط به روش پیشنهادی است. در بخش 5 نیز ارزیابی های کارایی انجام گرفته و سرانجام بخش 6 نتیجه گیری است.
.2 پیشینه
در این بخش تعدادی ازکارهای انجام شده در ارتباط با الگوریتم های بهینه سازی الهام گرفته از طبیعت به عنوان تکنیک هایی برای کاهش مصرف انرژی در شبکه های حسگر بی سیم ارایه می گردد. در این کار به بررسی روشهای کاهش مصرف انرژی در شبکه ها پرداخته و جدیدترین روشهایی که در دو سال اخیر ارایه شده اند، مورد ارزیابی قرار می گیرند. به دلیل منابع محدود انرژی و افزایش طول عمر شبکه های حسگر بی سیم جستجو برای پیداکردن روشهایی جهت استفاده موثر از انرژی گره های حسگر کماکان ادامه دارد. یکی از بهترین روشها جهت تحقق این امر خوشه بندی گره های حسگر می باشد.
زیرا گره های حسگر برای انتقال داده های خود علاوه بر طی کردن مسافت طولانی بایست انرژی زیادی را صرف کنند. پروتکل های مسیریابی مبتنی بر خوشه بندی یک رویکرد موثر برای کاهش مصرف انرژی محسوب می شوند که می توانند طول عمر شبکه و مقیاس پذیری آن را بهبود بخشند. بدین صورت که گره های شبکه درون خوشه ها به گونه ای سازماندهی می شوند که گره های با انرژی بالا به عنوان سرخوشه بتوانند برای پردازش و ارسال داده ها استفاده شوند، در حالی که گره ها با انرژی کم بتوانند برای انجام سنجش هدف مورد استفاده قرار گیرند - باطنی و همکاران، . - 1392
این کار طبیعت را به عنوان یک منبع بی پایان برای حل مسایل پیچیده در علم کامپیوتر معرفی نموده و معتقد است که طبیعت همواره راه حل بهینه ای را برای حل مشکلات پیش روی خود پیدا می کند. در دهه های گذشته تحقیقات بی شماری در حوزه الگوریتم های الهام گرفته از طبیعت انجام گرفته که علاوه بر نتایج جالب حوزه های کاربردی جدید نیز ایجاد نموده اند. این الگوریتم ها قصد دارند انقلاب جدیدی را در علم کامپیوتر ایجاد کنند. فرصتهای زیادی برای کشف رویکردهای جدید در این حوزه وجود داشته که این امر مستلزم همکاری محققان از رشته های مختلف می باشد .
با این حال این الگوریتم ها جزء قدرتمندترین الگوریتم ها برای بهینه سازی محسوب گردیده که قصد دارند اثرات وسیعی بر نسل آتی محاسبات داشته باشند . - Binitha & Sathya, 2012 - درکار دیگر بسیاری از مسایل همچون خوشه بندی در شبکه های حسگر بی سیم به عنوان مسایل بهینه سازی بیان گردیده و از طریق تکنیک های بیوگرافی الهام گرفته زیستی به آنها رسیدگی می شود.
بهینه سازی گروهی ذرات یک الگوریتم بهینه سازی زیستی محاسباتی، ساده و کارآمد برای حل مسایل بهینه سازی است. این الگوریتم جایگزین روشهای تحلیلی که نیازمند کارهای محاسباتی زیاد بودند و با رشد اندازه مشکل به طور تصاعدی رشد می کردند، می باشد و با استفاده از منابع کمتر راه حل های کیفی را تولید کرده و روشی معمول برای حل مشکلات بهینه سازی در شبکه های حسگر بی سیم می باشد.
.3 خوشه بندی در شبکه های حسگر بی سیم
در دهه های گذشته استفاده از شبکه های حسگر بی سیم رشد چشمگیری داشته است. مسیریابی در این شبکه ها مستلزم خوشه بندی گره های حسگر به طوری که جمع آوری و ترکیب داده ها ممکن باشد، است. به همین دلیل محققان به دسته بندی گره های حسگر در قالب خوشه هایی با هدف کارایی انرژی در شبکه های حسگر بی سیم توجه ویژه ای دارند. خوشه بندی مزایای فراوانی داشته و برای اهداف مختلفی انجام می گیرد.
