مسيريابي در اينترنت اشياء با استفاده از الگوريتم جستجوي عروس دريايي

در شبكه اينترنت اشياء ارسال يك بسته از مبداء به مقصد و مسيريابي بهينه يك چالش اساسي است زيرا بسته‌ها بايد در مسير بهينه و با حداقل تاخير و نرخ كمينه خطا ارسال شوند. يكي از چالش‌هاي اين بخش عدم در نظر گرفتن مسئله ازدحام مسيرهاي ارسال بسته‌ها در بيشتر پژوهش‌ها است. در اين مقاله براي مسيريابي بهينه در اينترنت اشياء يك رويكرد جديد بر اساس پيش بيني مسير كم ازدحام و يك رويكرد انتخاب مسير بهينه با هوش گروهي ارائه مي‌شود. در روش پيشنهادي براي پيش‌بيني مسيرهاي داراي ازدحام كم از يادگيري مبتني بر راي‌گيري اكثريت شبكه عصبي، درخت تصميم‌گيري و جنگل تصادفي استفاده مي‌شود. در روش پيشنهادي از الگوريتم عروس دريايي براي بهينه‌سازي مسير ارسال بسته‌ها استفاده مي‌شود. نقش الگوريتم عروس دريايي يافتن مسيرهاي بهينه در شبكه با حداقل تاخير، حداقل طول صف، حداقل خطاي ارسال و بيشترين نرخ ارسال در مسير مورد نظر است. پياده‌سازي روش پيشنهادي در نرم‌افزار متلب انجام شده است و براي پيش بيني ازدحام از داده‌هاي شبيه‌سازي شده در اينترنت اشياء استفاده شده است. يافته‌هاي تحقيق نشان مي‌دهد تابع هدف مسيريابي روش پيشنهادي نسبت به الگوريتم بهينه‌سازي گرگ خاكستري، بهينه‌سازي وال و كرم شب‌تاب از كارايي مناسب‌تري برخوردار است و اين بدان است كه روش پيشنهادي نسبت به اين الگوريتم‌ها داراي مسيريابي كم خطاتر، با تاخير كمتر و طول صف كمتر است. انرژي باقي مانده در گره‌هاي شبكه در روش پيشنهادي نسبت به الگوريتم بهينه‌سازي گرگ خاكستري، بهينه سازي وال و كرم شب‌تاب ديرتر مصرف مي‌شود و عمر شبكه در روش پيشنهادي از اين روش‌ها بيشتر است. روش پيشنهادي در پيش بيني ازدحام داراي دقت، حساسيت و صحتي به ترتيب برابر 97.63% ، 96.85% و 97.19% است. بكارگيري راي‌گيري اكثريت باعث مي شود تا دقت روش پيشنهادي نسبت به درخت تصميم‌گيري، جنگل تصادفي و شبكه عصبي مصنوعي چند لايه به ترتيب 6.39%، 1.42% و 3.40% افزايش يابد. آزمايشات نشان داد كه روش پيشنهادي در پيش بيني ازدحام در مسيرهاي انتخاب شده از درخت تصميم‌گيري، درختان تكراري، درختان تصادفي، روش خوشه‌بندي داراي دقت، حساسيت و صحت بيشتري است.