ارائه یک الگوریتم جهت بالابردن دقت و صحت خوشه بندی داده‌های اینترنت اشیا با استفاده از تکنیک‌های کلونی مورچگان و بهینه سازی توده ذرات بر مبنای هوش جمعی

با توجه به منابع محدود در شبکه‏های اینترنت اشیا، بهینه سازی انرژی در این شبکه‏ها یک امر مهم می‏باشد. تکنیک‏های مدیریت انرژی کارآمد برای افزایش طول عمر شبکه اینترنت اشیا، و تضمین عملکرد پایدار ضروری هستند. رویکردهای مختلفی مانند خوشه‌بندی، پروتکل‌های مسیریابی و تجمیع داده‌های اینترنت اشیا برای بهینه سازی انرژی در شبکه‏های اینترنت اشیا پیشنهاد شده‌اند. هدف این روش ها کاهش ارتباطات اضافی، فعال کردن پردازش محلی و بهینه سازی تخصیص منابع است. در این پژوهش، برای بهبود عملکرد الگوریتم خوشه‏بندی k-means از یک الگوریتم فراابتکاری ترکیبی به نام (pso-aco) استفاده شده است که از ترکیب دو الگوریتم بهینه سازی ازدحام ذرات و کلونی مورچگان است. این الگوریتم نتایج امیدوارکننده‌ای را برای بهینه‌سازی انرژی در شبکه‌های بی‌سیم نشان داده است. خوشه‌بندی k-means تشکیل خوشه‌های کاملاً تعریف‌شده را امکان‌پذیر می‌سازد، تجمیع کارآمد داده‌ها را تسهیل می‌کند و مصرف انرژی را کاهش می‌دهد. علاوه بر این، الگوریتم pso-aco باعث انتخاب بهینه سرخوشه‏ها نیز می‏شود که در افزایش بهره‏وری خوشه‏بندی بسیار موثر است. انرژی باقی‏مانده در شبکه اینترنت اشیا که توسط روش پیشنهادی خوشه بندی شده است در دور 2000 برابر 0.18 ژول است که تقریبا 80 درصد نسبت به روش مقاله مرجع، انرژی بیشتری ذخیره کرده است.