بهبود مصرف انرژی در شبکه‌های حسگر بی‌سیم با استفاده از الگوریتم مگس میوه و منطق فازی.

فرستنده‌های اطلاعات در شبکه‌های حسگر بی‌سیم منابع ذخیره و انرژی محدودی دارند. یکی از حیاتی ترین مسائل در طراحی این شبکه‌ها استفاده بهینه از انرژی است، چرا که شارژ یا جایگزینی باتری در گره‌های حسگر تقریباً غیر ممکن است. در راستای رفع محدودیت‌های انرژی در شبکه‌های حسگر، بکارگیری الگوریتم‌های خوشه‌بندی می‌تواند نقشی موثر ایفا کند. در واقع، این الگوریتم‌ها با یک خوشه‌بندی مناسب و انتخاب سرخوشه‌های بهینه به متعادل کردن بار شبکه کمک می‌کنند که این امر به کاهش مصرف انرژی و متعاقباً افزایش طول عمر شبکه منتهی خواهد شد.بر این اساس در این مقاله، به منظور انتخاب بهترین گره‌ها به عنوان سرخوشه، روشی جدید بر اساس الگوریتم مگس میوه و منطق فازی پیشنهاد شده است. در پروتکل پیشنهادی، از منطق فازی جهت محاسبه پارامتر شدت بو در الگوریتم مگس میوه استفاده می‌شود. گره‌های کاندید سرخوشه شدن از سه پارامتر فاصله تا سینک، میزان انرژی باقیمانده باتری و فاصله تا مرکز خوشه به عنوان ورودی منطق فازی (جهت محاسبه شدت بو) استفاده می‌کنند. با شبیه سازی روش پیشنهادی و مقایسه آن با پروتکل های شناخته شده afsrpو پروتکل dcrrp می‌توان دریافت که پروتکل پیشنهادی عملکرد بسیار بهتری از نظر مصرف انرژی، تاخیر ارسال داده و نسبت سیگنال به نویز نسبت به afsrp و dcrrp دارد. بطوریکه نرخ تاخیر انتها به انتها به میزان 40/2 درصد نسبت به سناریوی پروتکل afsrp و به میزان 48/19 درصد نسبت به سناریوی پروتکل dcrrp، نرخ تاخیر دسترسی به رسانه نسبت به پروتکل dcrrp به میزان 81/2 درصد، نرخ گذردهی به میزان 16/6 درصد نسبت به سناریو پروتکل afsrp و همچنین به میزان 31/4 درصد نسبت به سناریو پروتکل dcrrp، نرخ تحویل با موفقیت بسته‌های داده به میزان 18/2درصد نسبت به سناریو پروتکل afsrp و همچنین به میزان 93/1 درصد نسبت به سناریو پروتکل dcrrp، نسبت سیگنال به نویز به میزان 93/2 درصد نسبت به سناریو پروتکل afsrp و همچنین به میزان 41/0 درصد نسبت به سناریو پروتکل dcrrp و میانگین انرژی مصرفی باتری به میزان 57/9 درصد نسبت به سناریوی پروتکل afsrp و همچنین به میزان 71/10 درصد نسبت به سناریو پروتکل dcrrp بهبود یافته است.

improving energy consumption in wireless sensor networks using fruit fly algorithm and fuzzy logic.

information transmitters in wireless sensor networks have limited storage and energy. one of the most critical issues in the design of these networks is the optimal use of energy since it is almost impossible to charge or replace batteries in sensor nodes. in order to solve energy limitations in sensor networks, the use of clustering algorithms can play an effective role. in fact, these algorithms help to balance the network load with proper clustering and selection of optimal cluster heads, which will reduce energy consumption and subsequently increase the network's lifespan. accordingly, in this article, in order to select the best nodes as cluster heads, a new method based on the fruit fly algorithm and fuzzy logic is proposed. in the proposed protocol, fuzzy logic is used to calculate the odor intensity parameter in the fruit fly algorithm. candidate nodes for clustering use the three parameters of the distance to the sink, the amount of remaining battery energy, and the distance to the center of the cluster as fuzzy logic input (to calculate the smell intensity). by simulating the proposed method and comparing it with the well-known afsrp protocol, it can be seen that the proposed protocol has a much better performance in terms of energy consumption, data transmission delay, media access delay, and signal-to-noise ratio than afsrp.