بهینه‌سازی انتخاب سرخوشه در شبکه‌های حسگر بی‌‌سیم با استفاده از الگوریتم کرم شب تاب و ژنتیک

شبکه‌های حسگر بیسیم نسل جدیدی از شبکه‌ها هستند که به طور کلی از تعداد زیادی گره تشکیل شده‌اند و ارتباط بین این گره‌ها بصورت بی‌سیم انجام می‌شود. در این مقاله، الگوریتم جدیدی برای بهبود عملکرد الگوریتم eammh ارائه شده است. برای این منظور، الگوریتم کرم شب تاب و الگوریتم ژنتیک، مدل سازی شده و به جای انتخاب تصادفی سرخوشه‌ها، روی جواب‌های احتمالی تمرکز شده است که دارای خصوصیات برتری نسبت به آنهاست و همچنین میزان بقای بیشتری دارد. نتایج مقایسه پروتکل‌های leach و eammh و روش پیشنهادی ما از نظر تعداد گره‌های مرده در مقایسه با تعداد زمان‌های اجرا برای 50 ، 100 و 200 گره نشان می‌دهد که تعداد گره‌های مرده برای شبیه سازی پروتکل leach تقریباً برابر با تعداد گره‌های مرده برای پروتکل eammh است، اما الگوریتم پیشنهادی در این مقاله تقریباً 10 درصد گره مرده کمتری نسبت به دو روش دیگر دارد، همچنین با افزایش تعداد گره‌ها (به تعداد 200 گره) تعداد گره‌های مرده روش پیشنهادی در مقایسه با الگوریتم‌های leach وeammh به ترتیب 35 درصد و 22 درصد کاهش یافته است.

optimizing cluster head selection in wireless sensor networks using firefly and genetics algorithm

sensor networks are a new generation of networks. in this paper, an algorithm has been proposed to improve the performance of the eammh algorithm. for this purpose, the evolutionary firefly algorithm and genetic algorithm that itself has been modeled after natural biological evolution modeling have been used, and instead of randomly choosing cluster heads, it works on the possible answers that have superior attributes and also have a higher survival rate. the results of comparing leach and eammh protocols and the proposed method in terms of the number of dead nodes compared to the number of execution times based on 50, 100, and 200 nodes indicates that the number of dead nodes for the simulation of leach protocol is almost equal to the number of dead nodes for the eammh protocol, but the proposed algorithm has approximately 10 percent less dead nodes, but by an increase in the number of nodes (200 nodes) the number of dead nodes have decreased 35 percent and 22 percent compared to leach and eammh algorithms respectively.