انتخاب سرخوشه فازی مبتنی بر اعتماد در شبکه‌های حسگر بی‌سیم

شبکه‌های حسگر بی‌سیم متشکل از تعداد زیادی گره حسگر می‌باشند که در یک منطقه محدود جغرافیایی پراکنده شده‌اند. چالش اصلی این شبکه‌ها محدودیت انرژی است. خوشه‌بندی، یک راه‌حل شناخته‌شده برای صرفه‌جویی در مصرف انرژی و افزایش طول عمر شبکه است. در اکثر روش‌های ارائه‌شده در هر دوره، آرایش خوشه‌ها و سرخوشه‌ها جهت افزایش طول عمر شبکه تغییر می‌یابد که باعث تحمیل مصرف انرژی بالا به سرخوشه‌ها می‌شود. همچنین برخی از روش‌های خوشه‌بندی منجر به انتخاب سرخوشه‌های مجزا برای خوشه‌های نزدیک به یکدیگر می‌شوند که مصرف انرژی بیشتری در پی دارند. مسئله اساسی دیگر، انتخاب گره‌های نامعتبر و نامطمئن به عنوان سرخوشه است زیرا منجر به عدم اطمینان در تعامل میان گره‌ها و کاهش امنیت کل شبکه می‌شود. هدف از روش پیشنهادی، ارائه یک روش خوشه‌بندی کارا است که علاوه بر برخورداری از مزایای مدیریت مصرف انرژی از طریق راهکارهایی نظیر عدم تغییر آرایش خوشه‌ها و سرخوشه‌ها در هر دور از اجرا و عدم انتخاب سرخوشه‌های مجزا برای خوشه‌های نزدیک، بتواند با تشخیص گره‌های مخرب و عدم انتخاب آن‌ها به عنوان سرخوشه، مسیری امن برای تعامل و ارتباط میان گره‌ها فراهم نماید. در روش پیشنهادی، شانس سرخوشه‌گی هر گره با استفاده از رویکرد فازی محاسبه شده و گرههای با شانس بیشتر، به عنوان گره مجاز و معتبر برای برقراری ارتباط شناخته می‌شوند. همچنین فرایند تشکیل خوشه به روش فازی و با تعریف تابع هدف متشکل از پارامترهای انرژی باقی‌مانده، فاصله تا ایستگاه پایه و میانگین فاصله گره‌های درون یک خوشه تا سرخوشه انجام می‌شود. کارایی روش پیشنهادی با روش‌های پایه و مرز دانش مقایسه شده است. نتایج آزمایش‌ها نشان میدهند روش پیشنهادی به طور میانگین 59.83% افزایش طول عمر و 14.75% کاهش مصرف انرژی را در پی دارد.

Trust based Fuzzy Cluster Head Selection in Wireless Sensor Networks

Wireless sensor networks consist of a large number of sensor nodes scattered over a limited geographical area. The main challenge of these networks is energy consumption. Clustering is a wellknown way to save energy and extend network’s lifetime. Many studies iteratively change the cluster formation to increase the network’s lifetime; however, this issue imposes high energy consumption on clusters. Also, some clustering methods select individual cluster heads for near clusters, which leads to more energy consumption. Another major issue is selecting untrusted and unreliable nodes as headers because it leads to unreliable interactions between nodes and reduces the security of the network. The proposed method aims to provide an efficient clustering method that, in addition to having the benefits of energy consumption management, can provide a secure path for interaction and communication between nodes by identifying malicious nodes and not selecting them as headers. For this purpose, each node’s chance is calculated using the fuzzy approach, and nodes that have the highest chances are considered cluster heads. The efficiency of the proposed method is compared with stateoftheart methods. Also, the process of cluster formation is done by fuzzy logic and by defining the objective function consisting of residual energy, distance to the base station, and the average intracluster distance. The statistical analysis indicates that the proposed method on average provides better results than other competitors and the results demonstrate how this method at least improves life time and residual energy by 59.83% and 14.75%, respectively.