يك روش نيمه‌متمركز براي بهبود ذخيره‌سازي انرژي در شبكه‌هاي حسگر بي‌سيم واقعي با استفاده از خوشه‌بندي و چاهك‌هاي متحرك

A Semi-Central Method to Improve Energy Saving in Real Wireless Sensor Networks Using Clustering and Mobile Sinks

استفاده از يك راهكار مسيريابي سلسله‌مراتبي مبتني بر تكنيك‌هاي خوشه‌بندي و چاهك متحرك مي‌تواند انرژي مصرفي در شبكه‌هاي حسگر بي‌سيم را به طرز قابل توجهي كاهش دهد. دو مسأله مهم در طراحي اين راهكار سلسله‌مراتبي، انتخاب حسگر شايسته‌تر به عنوان سرخوشه و نيز تخصيص بهينه چاهك‌هاي متحرك به مناطق بحراني (يعني مناطقي كه ريسك ايجاد حفره انرژي در آنها بالا است) مي‌باشد. از آنجايي كه چاهك‌هاي متحرك هزينه بالايي را به شبكه تحميل مي‌كنند، تعداد محدودي از آنها به كار گرفته مي‌شوند. لذا تخصيص اين تعداد محدود چاهك به شمار بالاي درخواست‌هاي واصل‌شده از نقاط بحراني در دسته مسايل NP-hard است. بيشتر راهكارهاي موجود با تطبيق يك روش تكاملي و اجراي آن توسط حسگرها سعي در حل اين مسأله داشته‌اند. اين در حالي است كه تكنولوژي به كار گرفته شده در طراحي حسگرهاي امروزي و نيز منابع محاسباتي بسيار محدود آنها، اجرايي‌شدن اين روش‌ها در شبكه‌هاي واقعي را دچار چالش مي‌كند. به بيان ديگر، اجراي چنين ايده‌هايي از حد تئوري فراتر نمي‌رود. در نتيجه براي رسيدن به توازني مناسب ميان افزايش دقت و كاهش بار محاسباتي در مسيريابي مبتني بر خوشه‌بندي‌ چاهك متحرك يك روش نيمه‌متمركز بر اساس الگوريتم ژنتيك پيشنهاد مي‌كنيم. در اين روش، محاسبات سبك‌وزن از سنگين‌وزن جدا شده و اجراي دسته اول محاسبات بر عهده حسگرها و دسته دوم بر عهده ايستگاه پايه گذاشته مي‌شود. اقدامات روبه‌رو در طراحي راهكار پيشنهادي انجام شده است: 1) انتخاب سرخوشه بر اساس پارامترهاي تأثيرگذار محيطي و نيز تعريف تابع هزينه عضويت حسگر در خوشه، 2) مدل‌سازي رياضي شانس يك ناحيه براي دريافت چاهك متحرك و 3) طراحي يك تابع برازش براي ارزيابي شايستگي هر تخصيص از چاهك‌هاي متحرك به مناطق بحراني در الگوريتم ژنتيك. در اقدامات اخيراً ذكرشده مينيمم‌سازي تعداد و نيز طول پيام‌ها مورد توجه قرار گرفته است. به طور خلاصه، مزيت مهم روش پيشنهادي امكان اجرايي‌شدن آن در شبكه‌هاي حسگر واقعي (به دليل جداسازي محاسبات سبك‌وزن از محاسبات سنگين‌وزن) در كنار ايجاد موازنه‌اي مناسب ميان اهداف تعريف‌شده است. نتايج شبيه‌سازي نشان‌دهنده بهبود در عملكرد روش پيشنهادي است.

Applying a hierarchical routing approach based on clustering technique and mobile sink has a great impact on reducing energy consumption in WSN. Two important issues in designing such an approach are cluster head selection and optimal allocation of mobile sinks to critical regions (i.e., regions those have low remaining energy and thus, high risk of energy hole problem). The limited number of mobile sinks should be utilized due to a high cost. Therefore, allocating the limited number of mobile sinks to the high amount of requests received from the critical regions is categorized as a NP-hard problem. Most of the previous studies address this problem by using heuristic methods which are carried out by sensor nodes. However, this type of solutions cannot be implemented in real WSN due to the sensors’ current technology and their limited processing capability. In other words, these are just theoretical solutions. Consequently, a semi-central genetic algorithm based method using mobile sink and clustering technique is proposed in order to find a trade-off between reduction of computation load on the sensors and increasing accuracy. In our method, lightweight computations are separated from heavyweight computations. While, the former computations are carried out by sensors, the latter are carried out by base station. Following activities are done by the authors: 1) cluster head selection by using effective environmental parameters and defining cost function of cluster membership, 2) mathematical modeling of a region’s chance to achieve mobile sink, and 3) designing a fitness function to evaluate the fitness of each allocation of mobile sinks to the critical regions in genetic algorithm. Furthermore, in our activities minimizing the number and length of messages are focused. In summary, the main distinguishing feature of the proposed method is that it can be implemented in real WSN (due to separation of lightweight computations from heavyweight computations) with respect to early mentioned objectives. The simulation results show the better performance of the proposed method compared to comparison bases.