بهبود مصرف انرژی شبکه های حسگر بیسیم مبتنی بر تلفیق داده و تصمیم‌گیری چندشاخصه با رویکرد فازی

کاهش مصرف انرژی در شبکه‌های حسگری، از چالشهای همیشگی بوده که برای بهبود آن از تکنیک‌ها و الگوریتم‌های مختلف استفاده شده است. خوشه‌بندی حسگرها یکی از بهترین پیشنهاداتی بوده که برای کاهش مصرف انرژی و در نتیجه افزایش طول عمر شبکه ارایه شده است. در چنین خوشه‌هایی، یافتن مسیر مناسب جهت انتقال داده از هر حسگر به حسگر پایه نیز چالش بعدی می‌باشد. انتخاب یک حسگر به‌عنوان سرخوشه از راهکارهایی است که برای این منظور در نظر گرفته می‌شود تا همه حسگرهای شبکه درگیر انتقال داده به حسگر پایه نباشند و در نتیجه در مصرف انرژی حسگرها صرفه‌جویی شود. با انتخاب الگوریتم‌های تصمیم‌گیری چند شاخصه برای بهینه‌سازی مصرف انرژی، در حالتی که انبوه حسگرها در موقعیت‌های مختلف هر کدام نیاز به ارسال داده‌های خود هستند، بهترین مسیرها در هر خوشه انتخاب می‌شوند به‌طوری‌که با کمترین انرژی، هر حسگر داده موردنظر خود را به مقصد برساند. در روش پیشنهادی بعد از خوشه‌بندی و انتخاب معیارهای چهارگانه، برای وزن‌دهی و ارزش‌گذاری معیارها از روش تحلیل سلسله‌مراتبی و swara و سپس تکنیک تصمیم‌گیری تاپسیس، جهت انتخاب سرخوشه از بین حسگرهای یک خوشه اقدام می‌شود. به دلیل وجود عدم قطعیت نیز در همه مراحل، از محاسبات فازی کمک گرفته شده است. برای مقایسه نتایج با سایر مراجع، انرژی مصرفی شبکه، انرژی باقیمانده شبکه و طول عمر شبکه مورد سنجش واقع شدند که درنهایت روش پیشنهادی در مورد طول عمر شبکه، نسبت به روش‌های swaram و topsis به ترتیب 0.16 و 0.18 برتری دارد.

a fuzzy approach for improving energy consumption of wsns based on data fusion and multi-criteria decision making

reducing energy consumption in sensor networks has always been a challenge, and various techniques and algorithms have been used to improve it. clustering of sensors is one of the best strategies to reduce energy consumption and thus increase the service life of the network. in such clusters, finding the proper path to transfer data from each sensor to the base sensor is another challenge. accordingly, selecting a sensor as the cluster head is a solution so that all sensors in the network do not participate in data transmission to the base sensor. consequently, energy consumption of the sensors is reduced. by choosing multi-criteria decision making algorithms to optimize energy consumption, when the optimal paths in each cluster are selected so that each sensor can transfer the desired data to the destination node with minimum energy consumption. in the proposed method, four criteria are selected after clustering. then, to weight and assess the criteria, the analytic hierarchy process (ahp) and stepwise weight assessment ratio analysis (swara) methods are used. next, the technique for order preference by similarity to ideal solution (topsis) is implemented to select the cluster head among the sensor nodes in a cluster. fuzzy calculations are used due to uncertainty in all stages. to compare the results of the present study with those in the literature, energy consumption, residual energy, and lifetime of the network are measured. finally, it is confirmed that the proposed method is superior to the swara and topsis methods by 0.16 and 0.18, respectively.