جانمایی حسگرها در یک شبکه‌ حسگر بی‌سیم با استفاده از یک رهیافت تکاملی چندهدفه مقید بر مبنای تجزیه

جانمایی حسگرها یکی از بنیادی ترین مسائل در طراحی شبکه های حسگر بی سیم محسوب می گردد. یکی از چالش های اصلی در جانمایی حسگرها، یافتن موازنه ای بهینه بین اهداف متعارض شبکه (مانند پوشش و طول عمر شبکه) تحت قیود همبندی می باشد. از طرف دیگر، تجزیه، یک روش پایه در بهینه سازی چندهدفه محسوب می گردد که در سال های اخیر ایده استفاده از آن در بهینه سازی تکاملی چندهدفه مطرح شده است. در این مقاله یک رهیافت تکاملی چندهدفه پَرِتو مبنای مقید بر پایه تجزیه برای حل مسئله جانمایی بهینه حسگرها در یک شبکه حسگر بی سیم مطرح شده است. هدف این رهیافت آن است که با تجزیه مسئله بهینه سازی چندهدفه جانمایی حسگرها به چندین زیرمسئله بهینه سازی اسکالر و بهینه نمودن همزمان آنها، به یافتن جانمایی های بهینه پَرِتویی بپردازد که در آنها پوشش و طول عمر شبکه حداکثر شده و همبندی کامل بین هر گره حسگر و گره ارتباطی با انرژی بالا نیز برقرار باشد. در این مقاله، مقایسه متریک های کارایی مطرح در این زمینه نشان می دهد که رهیافت پیشنهاد شده منجر به بهبودهایی مهم در کارایی کلی رهیافت تکاملی چندهدفه پَرِتو مبنای مقید شده است. همچنین، نتایج شبیه سازی بر روی یک نمونه آزمایشی حاکی از برتری رهیافت تکاملی چندهدفه پَرِتو مبنای مقید بر پایه تجزیه بر رهیافت تکاملی چندهدفه پَرِتو مبنای مقید و تولید مجموعه ای متنوع از شبکه های طراحی شده با کیفیت بالا برای ارائه به تصمیم گیرندگان و تسهیل انتخاب شبکه مناسب می باشد.

Wireless Sensor Networks Deployment Using a Constrained Multi-objective Evolutionary Approach Based on Decomposition

Wireless sensors deployment is considered as one of the major and fundamental steps of wireless sensor networks (WSNs) design. One of the main challenges of sensors deployment is to find a tradeoff between conflicting and competing objectives of the WSN including network coverage and lifetime under connectivity constraints. Besides, decomposition is a basic method in traditional multiobjective optimization and in recent decades, it has also been used for optimizing multiobjective evolutionary problems. In this paper, a constrained Paretobased multiobjective evolutionary approach based on decomposition (CPMEA/D) is proposed for solving the sensors optimal deployment problem in a WSN. The aim of this approach is to decompose the multiobjective optimization problem into a number of scalar optimization subproblems and then to optimize them simultaneously for finding the Pareto optimal layouts in which the network coverage is maximized and the sensors energy consumption is minimized while the connectivity between each sensor node and the high energy communication node (i.e. sink) is maintained. In this paper, the comparison of the common performance metrics indicates that the proposed approach has made significant improvements on the overall performance of the CPMEA. Moreover, the simulation results on a WSN test instance have shown the superiority of the proposed approach (i.e. CPMEA/D) over the CPMEA and a diverse set of high quality designed networks has been provided to facilitate decision maker rsquo;s choices.