Все
 
 
 


Улучшение качества обслуживания в беспроводной сенсорной сети с использованием метода опыления цветов
 
Код статьиS013234740002762-3-1
DOI10.31857/S013234740002762-3
Тип публикации Статья
Статус публикации Опубликовано
Авторы
Muruganantham R.  
Аффилиация: Department of Computer Science and Engineering, M.A.M. School of Engineering
Адрес: Индия, Тируччираппалли
Ganeshkumar P.
Аффилиация: Department of Information Technology, Anna University, Regional Campus
Адрес: Индия, Коимбатур
Название журналаПрограммирование
ВыпускВыпуск 6
Страницы15-27
Аннотация

Одной из известных и быстрорастущих исследовательских работ является разработка и внедрение новых приложений в беспроводных сенсорных сетях. Наблюдение и мониторинг, военная и медицинская промышленности являются примерами новых сфер применения. Как правило, узлы датчиков развертываются случайным образом и распределяются внутри региона сети. В беспроводной сенсорной сети трудно увеличить жизненный цикл и максимально увеличить охват наиболее важных точек при определенных ограничениях. Сенсорный узел может воспринимать только информацию об окружающей среде в пределах своей зоны считывания данных; поэтому развертывание узла должно охватывать наиболее важные точки с учетом энергии узлов. Для этого мы предлагаем метод опыления цветов (FPA — Flower Pollination Algorithm) для оптимизации местоположения узлов датчиков и баланса остаточной энергии узлов. FPA метод настраивает узлы датчиков и назначает состояние узла (Сон/Активность) для поддержания целевого охвата в течение длительного периода времени. Предлагаемый FPA испытывается с использованием симуляции, и далее проверяются полученные результаты. Из результатов видно, что время охвата цели увеличивается на 30%, а производительность оценивается путем сравнения полученных результатов с результатами существующих алгоритма интеллектуальных капель воды (IWD — Intellectual Water Drops) и муравьиного алгоритма (ACO — Ant Colony Optimization). Наконец, подтверждается, что алгоритм опыления цветов превосходит алгоритмы IWD и ACO, увеличивая энергоэффективность на 40% по сравнению с существующими подходами.

Ключевые слова
Получено11.12.2018
Дата публикации24.12.2018
Цитировать   Скачать pdf Для скачивания PDF необходимо авторизоваться
Размещенный ниже текст является ознакомительной версией и может не соответствовать печатной.

всего просмотров: 993

Оценка читателей: голосов 0 

1. S. Soro and W. Heinzelman, A Survey of Visual Sensor Networks, Advances in Multimedia, 2009, pp. 1–21.
2. M. Guvensan and A. Yavuz, On Coverage Issues In Directional Sensor Networks: A Survey, Ad Hoc Networks, 2011, vol. 9, no. 7, pp. 1238–1255.
3. Gu Zhiyue, Wang Yiyin, Yang Bo, Chen Cailian, Guan Xinping, Maximum Network Lifetime of Directional Sensor Networks with Dynamic Coverage Constraints, Chinese Control conference, 2014, pp. 28–30.
4. W. Cheng, S. Li, X. Liao, S. Changxiang and H. Chen, Maximal Coverage Scheduling in Randomly Deployed Directional Sensor Networks, in Proc. of International Conference on Parallel Processing Workshops (ICPPW’07), Xi-An, China, Sept. 10–14, 2007, pp. 68–73.
5. G. Fusco and H. Gupta, Selection and Orientation of Directional Sensors for Coverage Maximization, in Proc. of the 6th Annual IEEE Communications Society Conference on Sensor, Mesh and Ad Hoc Communications and Networks (SECON’09), Rome, Italy, Jun. 22–26, 2009, pp. 1–9.
6. Y. Cai, W. Lou and M. Li, Cover Set Problem in Directional Sensor Networks, in Proc. of 2007 Future Generation Communication and Networking (FGCN’07), Jeju, Korea, Dec. 6–8, 2007, pp. 274–278.
7. M. Wu and W. Lu, On Target Coverage Problem of Angle Rotatable Directional Sensor Networks, in Proc. of the 7th International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing (IMIS’03), Taichung, Taiwan, Jul. 3–5, 2013, pp. 605–610.
8. C. Liu and G. Cao, Distributed Critical Location Coverage in Wireless Sensor Networks with Lifetime Constraint, in Proc. of the 31st IEEE international Conference on Computer Communications (INFOCOM’02), Orlando, USA, Mar. 25–30, 2012, pp. 1314–1322.
9. A. Elfes, Occupancy grids: a stochastic spatial representation for active robot perception, in Autonomous Mobile Robots: Perception, Mapping and Navigation, vol. 1, S.S. Iyenger and A. Elfes, Editors, IEEE Computer Society Press, 1991, pp. 60–70.
10. O. Jemai, R. Ejbali, M. Zaied, C. Ben Amar, A speech recognition system based on hybrid wavelet network including a fuzzy decision support system, Seventh International Conference on Machine Vision (ICMV), 2015, pp. 503–944.
11. X.S. Yang, Flower pollination algorithm for global optimization, in Unconventional Computation and Natural Computation, 2012, vol. 744, pp. 240–249.
12. Y. Hong, D. Kim, D. Li, B. Xu, W. Chen and A. Tokuta, Maximum Lifetime Effectivesensing Partial Target-coverage in Camera Sensor Networks, in Proc. of the 11th International Symposium on Modeling & Optimization in Mobile, Ad Hoc &Wireless Networks (WiOpt’03), Tsukuba Science City, Japan, May 13–17, 2013, pp. 619-626.
13. Y. Cai, W. Lou, M. Li and M. Li, Target-oriented Scheduling in Directional Sensor Networks, in Proc. of the 26th IEEE International Conference on Computer Communications (INFOCOM’07), Anchorage, USA, May 6–12, 2007, pp. 1550–1558.
14. Y. Cai, W. Lou, M. Li and M. Li, Energy Efficient Target oriented Scheduling in Directional Sensor Networks, IEEE Trans. on Computers, 2009, vol. 58, no. 9, pp. 1259–1274.
15. X. Cao, X. Jia and G. Chen, Maximizing Lifetime of Sensor Surveillance Systems with Directional Sensors, in Proc. Of the 6th International Conference on Mobile Ad-hoc and Sensor Networks (MSN’00), Hangzhou, China, Dec. 20–22, 2010, pp. 110–115.
16. Y. Kim, Y. Han, Y. Jeong and D. Park, Lifetime Maximization Considering Target Coverage and Connectivity in Directional Image/Video Sensor Networks, The Journal of Super computing, 2013, vol. 65, no. 1, pp. 365–382.
17. P. GaneshKumar, D. Devaraj, Fuzzy Classifier Design using Modified Genetic Algorithm, International Journal on Computational Intelligence Systems, 2010, vol. 3, no. 3, pp. 334–342.
18. P. GaneshKumar, C. Rani, D. Devaraj, and T. Aruldoss Albert Victoire, Hybrid Ant Bee Algorithm for Fuzzy Expert System Based Sample Classification, IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2014, vol. 11, no. 2, pp. 347–360.
19. D. Devaraj, P. GaneshKumar, Mixed Genetic Algorithm approach for Fuzzy Classifier Design, International Journal of Computational Intelligence and Applications, 2010, vol. 9, no. 1, pp. 49–67.
20. R. Sathish Kumar, C. Rani, P. Ganesh Kumar, Design of Smart Logistics Transportation System using MapReduce Intelligent Water Drops Algorithm in Hadoop Environment International Journal of Logistics Systems and Management (Accepted for Publication), 2017.

Система Orphus

Загрузка...
Вверх