بهبود مصرف انرژی در اینترنت اشیا با استفاده از الگوریتم بهینه سازی گروه میگوها و چاهک متحرک

فناوری اینترنت اشیا ( iot ) شامل تعداد زیادی گره های حسگر است که حجم انبوهی از داده تولید می کنند. مصرف بهینه انرژی گره های حسگر یک چالش اساسی در این نوع از شبکه هاست. خوشه بندی گره های حسگر در دسته های مجزا و تبادل اطلاعات از طریق سرخوشه ها، یکی از راهکارهای بهبود مصرف انرژی است. این مقاله یک پروتکل مسیریابی مبتنی بر خوشه بندی جدید به نام 1khcmsba را ارائه می دهد. پروتکل پیشنهادی بطور بیولوژیکی از ویژگی های جستجوی سریع و موثر الهام گرفته بر اساس رفتار غذایابی میگوها در الگوریتم بهینه سازی گروه میگوها برای خوشه بندی گره های حسگر استفاده می کند. در پروتکل پیشنهادی همچنین از چاهک متحرک برای جلوگیری از مشکل نقطه داغ استفاده می شود. فرآیند خوشه بندی در ایستگاه پایه با یک الگوریتم کنترل متمرکز انجام می شود که از سطوح انرژی و موقعیت قرارگیری گره های حسگر آگاه است. بر خلاف سایر پروتکل های موجود در سایر تحقیقات، khcmsba مدل انرژی واقع بینانه ای را در شبکه در نظر می گیرد که در شبیه ساز opnet عملکرد آن مورد آزمایش قرار می گیرد و نتایج حاصل از شبیه سازی با پروتکل ( artifical fish swarm routing protocol) afsrp مقایسه می شوند. نتایج حاصل از شبیه سازی حاکی از عملکرد بهتر روش پیشنهادی از نظر انرژی مصرفی به میزان 71 / 12 درصد، نرخ گذردهی به میزان 22 / 14 درصد، تاخیر انتها به انتها به میزان 07 / 76 درصد، نسبت سیگنال به نویز به میزان 82 / 46 درصد نسبت به پروتکل afsrp است.

improving energy consumption in the internet of things using the krill herd optimization algorithm and mobile sink

internet of things (iot) technology involves a large number of sensor nodes that generate large amounts of data. optimal energy consumption of sensor nodes is a major challenge in this type of network. clustering sensor nodes into separate categories and exchanging information through headers is one way to improve energy consumption. this paper introduces a new clustering-based routing protocol called khcmsba. the proposed protocol biologically uses fast and efficient search features inspired by the krill herd optimization algorithm based on krill feeding behavior to cluster the sensor nodes. the proposed protocol also uses a mobile well to prevent the hot spot problem. the clustering process at the base station is performed by a centralized control algorithm that is aware of the energy levels and position of the sensor nodes. unlike protocols in other research, khcmsba considers a realistic energy model in the grid that is tested in the opnet simulator and the results are compared with afsrp (artifical fish swarm routing protocolthe simulation results show better performance of the proposed method in terms of energy consumption by 12.71%, throughput rate by 14.22%, end-to-end delay by 76.07%, signal-to-noise ratio by 82.82%. 46% compared to the afsrp protocol