رویکرد مسیریابی چند معیاره در شبکه های اینترنت اشیاء مبتنی بر مدل خاکستری و الگوریتم بهینه سازی کرم شب تاب به منظور بهبود مصرف انرژی

شبکه های اینترنت اشیاء نیازمند الگوریتم های مسیریابی مقیاس پذیر و آگاه از انرژی هستند زیرا دستگاه های زیاد متصل به این شبکه ها با محدودیت انرژی روبرو هستند. تاکنون روش های گوناگونی به منظور مسیریابی و هدایت داده ها در اینترنت اشیاء ارائه شده اند. در این مقاله ضمن بررسی مزایا و معایب روش های گذشته، یک رویکرد مسیریابی جدید چند معیاره برای شبکه های اینترنت اشیاء مبتنی بر مدل خاکستری و الگوریتم بهینه سازی کرم شب تاب ارائه شده است. راهکار پیشنهادی با استفاده از مدل خاکستری و با در نظر گرفتن پارامترهای کیفیت سرویس برای هریک از مسیرها، یک اولویت بندی بهینه از تمامی مسیرهای موجود بر اساس این پارامترها ارائه می کند. به منظور بهبود مصرف انرژی، از الگوریتم بهینه سازی کرم شب تاب استفاده شده و با استفاده از تابع برازندگی این الگوریتم، مسیرهای بهینه از نظر سطح مصرف انرژی، اولویت بندی و انتخاب می شوند. نتایج آزمایش ها نشان دهنده بهبود زمان انتظار، زمان پاسخ سرور، طول عمر شبکه و نرخ بهره وری از پردازنده بهتری نسبت به رویکردهایی است که اخیراً در این زمینه ارائه شده اند. به ویژه طول عمر شبکه نسبت به روش های قبلی در تعداد بالای گره های شبکه، تا ده درصد افزایش یافته است که نشان دهنده کاهش چشمگیر مصرف انرژی در روش پیشنهادی است. در واقع با افزایش تعداد گره ها، کارایی روش پیشنهادی نسبت به روش های قبلی نمود بیشتری پیدا می کند که این مسئله نشان دهنده مقیاس پذیری بیشتر روش پیشنهادی است.

multi-criteria routing approach in internet of things networks based on gray model and firefly optimization algorithm in order to improve energy consumption

iot networks require scalable and energy-aware routing algorithms because many devices connected to these networks face energy constraints. so far, various methods have been proposed for routing and directing data in the iot. in this paper, while examining the advantages and disadvantages of previous methods, a new multi-criteria routing approach for iot networks based on the gray model and the firefly optimization algorithm is proposed. the proposed solution uses the gray model and considers the quality-of-service parameters for each path, and provides an optimal prioritization of all available paths based on these parameters. in order to improve energy consumption, the firefly optimization algorithm is used and, using the fitness function of this algorithm, the optimal paths in terms of energy consumption level are prioritized and selected. the experimental results show that the waiting time, server response time, network lifetime, and cpu utilization rate are better than the approaches that have been recently presented in this field. in particular, the network lifetime has increased by 10% compared to previous methods in a high number of network nodes, which indicates a significant reduction in energy consumption in the proposed method. in fact, with an increase in the number of nodes, the efficiency of the proposed method becomes more apparent compared to previous methods, which indicates the greater scalability of the proposed method.