[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 5، شماره 3 - ( 9-1396 ) ::
جلد 5 شماره 3 صفحات 31-49 برگشت به فهرست نسخه ها
جانمایی حسگرها در یک شبکه‌ حسگر بی‌سیم با استفاده از یک رهیافت تکاملی چندهدفه مقید بر مبنای تجزیه
مینا خالصیان، محمودرضا دلاور
استاد دانشگاه تهران
چکیده:   (540 مشاهده)
جانمایی حسگرها یکی از بنیادی‌ترین مسائل در طراحی شبکه‌های حسگر بی‌سیم محسوب می‎گردد. یکی از چالش‌های اصلی در جانمایی حسگرها، یافتن موازنه‌ای‌ بهینه بین اهداف متعارض شبکه (مانند پوشش و طول عمر شبکه) تحت قیود همبندی می‌باشد. از طرف دیگر، تجزیه، یک روش پایه در بهینه‌سازی چندهدفه محسوب می‎گردد که در سال‌های اخیر ایده استفاده از آن در بهینه‌سازی تکاملی چندهدفه مطرح شده است. در این مقاله یک رهیافت "تکاملی چندهدفه پَرِتو مبنای مقید بر پایه تجزیه" برای حل مسئله جانمایی بهینه حسگرها در یک شبکه حسگر بی‌سیم مطرح شده است. هدف این رهیافت آن است که با تجزیه‌ مسئله ‌بهینه‌سازی چندهدفه جانمایی حسگرها به چندین زیرمسئله بهینه‌سازی اسکالر و بهینه نمودن همزمان آنها، به یافتن جانمایی‌های بهینه پَرِتویی بپردازد که در آنها پوشش و طول عمر شبکه حداکثر شده و همبندی کامل بین هر گره حسگر و گره ارتباطی با انرژی بالا نیز برقرار باشد. در این مقاله، مقایسه متریک‌های کارایی مطرح در این زمینه نشان می‌دهد که رهیافت پیشنهاد شده منجر به بهبودهایی مهم در کارایی کلی رهیافت "تکاملی چندهدفه پَرِتو مبنای مقید" شده است. همچنین، نتایج شبیه‌سازی بر روی یک نمونه آزمایشی حاکی از برتری رهیافت "تکاملی چندهدفه پَرِتو مبنای مقید بر پایه تجزیه" بر رهیافت "تکاملی چندهدفه پَرِتو مبنای مقید" و تولید مجموعه‌ای متنوع از شبکه‌های طراحی شده با کیفیت بالا برای ارائه به تصمیم‌گیرندگان و تسهیل انتخاب شبکه مناسب می‌باشد.

 
واژه‌های کلیدی: شبکه حسگر بی‌سیم، جانمایی حسگرهای بی‌سیم، رهیافت تکاملی چندهدفه پَرِتو مبنای مقید بر پایه تجزیه، بهینه‌سازی
متن کامل [PDF 1270 kb]   (143 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سیستمهای اطلاعات مکانی (عمومی)
دریافت: ۱۳۹۶/۱۰/۲۰ | پذیرش: ۱۳۹۶/۱۰/۲۰ | انتشار: ۱۳۹۶/۱۰/۲۰
فهرست منابع
1. [1] M. Younis and K. Akkaya, "Strategies and techniques for node placement in wireless sensor networks: A survey," Ad Hoc Networks, vol. 6, pp. 621-655, 2008. [DOI:10.1016/j.adhoc.2007.05.003]
2. [2] Zhu, C. Zheng, L. Shu, and G. Han, "A survey on coverage and connectivity issues in wireless sensor networks," Journal of Network and Computer Applications, vol. 35, pp. 619-632, 2012. [DOI:10.1016/j.jnca.2011.11.016]
3. [3] J. P. Juul, O. Green, and R. H. Jacobsen, "Deployment of Wireless Sensor Networks in Crop Storages," Wireless Personal Communications, vol. 81, pp. 1437-1454, 2015. [DOI:10.1007/s11277-015-2482-3]
4. [4] S. Nittel, "A survey of geosensor networks: Advances in dynamic environmental monitoring," Sensors, vol. 9, pp. 5664-5678, 2009. [DOI:10.3390/s90705664]
5. [5] I. F. Akyildiz, W. Su, Y. Sankarasubramaniam, and E. Cayirci, "Wireless sensor networks: A survey," Computer Networks, vol. 38, pp. 393-422, 2002. [DOI:10.1016/S1389-1286(01)00302-4]
6. [6] A. Ghosh and S. K. Das, "Coverage and connectivity issues in wireless sensor networks: A survey," Pervasive and Mobile Computing, vol. 4, pp. 303-334, 2008. [DOI:10.1016/j.pmcj.2008.02.001]
7. [7] A. Ghosh and S. K. Das, "Coverage and Connectivity Issues in Wireless Sensor Networks," in Mobile, Wireless, and Sensor Networks: Technology, Applications, and Future Directions, ed: John Wiley & Sons, 2006, pp. 221-256.
8. [8] S. Meguerdichian, F. Koushanfar, M. Potkonjak, and M. B. Srivastava, "Coverage problems in wireless ad-hoc sensor networks," in Proceedings - IEEE INFOCOM, 2001, pp. 1380-1387.
9. [9] S. Park, A. Savvides, and M. B. Srivastava, "Simulating networks of wireless sensors," in Proceedings of the 33nd conference on Winter simulation, 2001, pp. 1330-1338.
10. [10] F. V. Martins, E. G. Carrano, E. F. Wanner, R. H. Takahashi, and G. R. Mateus, "A hybrid multiobjective evolutionary approach for improving the performance of wireless sensor networks," Sensors Journal, IEEE, vol. 11, pp. 545-554, 2011. [DOI:10.1109/JSEN.2010.2048897]
11. [11] S. Jin, M. Zhou, and A. S. Wu, "Sensor network optimization using a genetic algorithm," Proceedings of the 7th World Multiconference on Systemics, Cybernetics and Informatics, pp. 109-116, 2003.
12. [12] H. Z. Abidin, N. M. Din, and Y. E. Jalil, "Multi-objective Optimization (MOO) approach for sensor node placement in WSN," in 2013, 7th International Conference on Signal Processing and Communication Systems (ICSPCS), ed, 2013. [DOI:10.1109/ICSPCS.2013.6723994]
13. [13] R. G. Vieira, A. M. da Cunha, and A. P. de Camargo, "An energy management method of sensor nodes for environmental monitoring in Amazonian Basin," Wireless Networks, vol. 21, pp. 793-807, 2015. [DOI:10.1007/s11276-014-0815-x]
14. [14] W.-H. Liao, S.-C. Kuai, and M.-S. Lin, "An Energy-Efficient Sensor Deployment Scheme for Wireless Sensor Networks Using Ant Colony Optimization Algorithm," Wireless Personal Communications, pp. 1-19, 2015. [DOI:10.1007/s11277-015-2338-x]
15. [15] H. Mostafaei and M. R. Meybodi, "Maximizing lifetime of target coverage in wireless sensor networks using learning automata," Wireless Personal Communications, vol. 71, pp. 1461-1477, 2013. [DOI:10.1007/s11277-012-0885-y]
16. [16] Q. Wu, N. S. V. Rao, X. Du, S. S. Iyengar, and V. K. Vaishnavi, "On efficient deployment of sensors on planar grid," Computer Communications, vol. 30, pp. 2721-2734, 2007. [DOI:10.1016/j.comcom.2007.05.012]
17. [17] S. B. Chaudhry, V. C. Hung, R. K. Guha, and K. O. Stanley, "Pareto-based evolutionary computational approach for wireless sensor placement," Engineering Applications of Artificial Intelligence, vol. 24, pp. 409-425, 2011. [DOI:10.1016/j.engappai.2010.07.007]
18. [18] A. Konstantinidis and K. Yang, "Multi-objective K-connected Deployment and Power Assignment in WSNs using a problem-specific constrained evolutionary algorithm based on decomposition," Computer Communications, vol. 34, pp. 83-98, 2011. [DOI:10.1016/j.comcom.2010.08.011]
19. [19] A. Konstantinidis, K. Yang, Q. Zhang, and D. Zeinalipour-Yazti, "A multi-objective evolutionary algorithm for the deployment and power assignment problem in wireless sensor networks," Computer Networks, vol. 54, pp. 960-976, 2010. [DOI:10.1016/j.comnet.2009.08.010]
20. [20] J. Jia, J. Chen, G. Chang, and Z. Tan, "Energy efficient coverage control in wireless sensor networks based on multi-objective genetic algorithm," Computers and Mathematics with Applications, vol. 57, pp. 1756-1766, 2009. [DOI:10.1016/j.camwa.2008.10.036]
21. [21] J. Jia, J. Chen, G. Chang, Y. Wen, and J. Song, "Multi-objective optimization for coverage control in wireless sensor network with adjustable sensing radius," Computers and Mathematics with Applications, vol. 57, pp. 1767-1775, 2009. [DOI:10.1016/j.camwa.2008.10.037]
22. [22] S. C. Oh, C. H. Tan, F. W. Kong, Y. S. Tan, K. H. Ng, G. W. Ng, et al., "Multiobjective optimization of sensor network deployment by a genetic algorithm," in 2007 IEEE Congress on Evolutionary Computation, CEC 2007, 2007, pp. 3917-3921.
23. [23] G. Molina, E. Alba, and E. G. Talbi, "Optimal sensor network layout using multi-objective metaheuristics," Journal of Universal Computer Science, vol. 14, pp. 2549-2565, 2008.
24. [24] Y. Qu and S. V. Georgakopoulos, "Relocation of wireless sensor network nodes using a genetic algorithm," in 2011 IEEE 12th Annual Wireless and Microwave Technology Conference, WAMICON 2011, Florida, 2011. [DOI:10.1109/WAMICON.2011.5872882]
25. [25] M. Marks, "A survey of multi-objective deployment in wireless sensor networks," Journal of Telecommunications and Information Technology, pp. 36-41, 2010.
26. [26] H. Zhang and J. C. Hou, "Maintaining sensing coverage and connectivity in large sensor networks," Ad Hoc & Sensor Wireless Networks, vol. 1, pp. 89-124, 2005. [DOI:10.1201/9780203323687.ch28]
27. [27] J. Jia, J. Chen, G. Chang, J. Li, and Y. Jia, "Coverage optimization based on improved NSGA-II in wireless sensor network," in IEEE ICIT 2007 - 2007 IEEE International Conference on Integration Technology, 2007, pp. 614-618. [DOI:10.1109/ICITECHNOLOGY.2007.4290391]
28. [28] S. Sengupta, S. Das, M. Nasir, and B. K. Panigrahi, "Multi-objective node deployment in WSNs: In search of an optimal trade-off among coverage, lifetime, energy consumption, and connectivity," Engineering Applications of Artificial Intelligence, vol. 26, pp. 405-416, 2013. [DOI:10.1016/j.engappai.2012.05.018]
29. [29] S. Sengupta, S. Das, M. Nasir, A. V. Vasilakos, and W. Pedrycz, "An evolutionary multiobjective sleep-scheduling scheme for differentiated coverage in wireless sensor networks," Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE Transactions on, vol. 42, pp. 1093-1102, 2012. [DOI:10.1109/TSMCC.2012.2196996]
30. [30] Q. Zhang and H. Li, "MOEA/D: A multiobjective evolutionary algorithm based on decomposition," IEEE Transactions on Evolutionary Computation, vol. 11, pp. 712-731, 2007. [DOI:10.1109/TEVC.2007.892759]
31. [31] M. Khalesian and M. R. Delavar, "Wireless sensors deployment optimization using a constrained Pareto-based multi-objective evolutionary approach," Engineering Applications of Artificial Intelligence, vol. 53, pp. 126-139, 2016. [DOI:10.1016/j.engappai.2016.03.004]
32. [32] K. Deb, Multi-objective optimization using evolutionary algorithms vol. 2012: John Wiley & Sons Chichester, 2001.
33. [33] K. Miettinen, Nonlinear multiobjective optimization vol. 12: Springer Science & Business Media, 2012.
34. [34] T. H. Cormen, C. E. Leiserson, R. L. Rivest, and C. Stein, Introduction to algorithms vol. 2: MIT press Cambridge, 2001.
35. [35] X. Liu and P. Mohapatra, "On the deployment of wireless data back-haul networks," Wireless Communications, IEEE Transactions on Evolutionary Computation, vol. 6, pp. 1426-1435, 2007. [DOI:10.1109/TWC.2007.348339]
36. [36] E. Zitzler, Evolutionary algorithms for multiobjective optimization: Methods and applications vol. 63: Shaker Ithaca, 1999.
37. [37] E. Zitzler and L. Thiele, "Multiobjective evolutionary algorithms: A comparative case study and the strength Pareto approach," IEEE Transactions on Evolutionary Computation, vol. 3, pp. 257-271, 1999. [DOI:10.1109/4235.797969]
38. [38] D. A. Van Veldhuizen and G. B. Lamont, "Multiobjective evolutionary algorithm research: A history and analysis," Air Force Inst., Dept. Elec. Comput. Eng., Graduate School of Eng.1998.
39. [39] S. M. Jameii, K. Faez, and M. Dehghan, "Multiobjective optimization for topology and coverage control in wireless sensor networks," International Journal of Distributed Sensor Networks, vol. 2015, 2015.
ارسال پیام به نویسنده مسئول


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Wireless Sensor Networks Deployment Using a Constrained Multi-objective Evolutionary Approach Based on Decomposition. 3. 2017; 5 (3) :31-49
URL: http://jgit.kntu.ac.ir/article-1-515-fa.html

خالصیان مینا، دلاور محمودرضا. جانمایی حسگرها در یک شبکه‌ حسگر بی‌سیم با استفاده از یک رهیافت تکاملی چندهدفه مقید بر مبنای تجزیه. مهندسی فناوری اطلاعات مکانی. 1396; 5 (3) :31-49

URL: http://jgit.kntu.ac.ir/article-1-515-fa.html



دوره 5، شماره 3 - ( 9-1396 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 30 queries by YEKTAWEB 3638