Застосування технологій обчислювального інтелекту в задачах кластеризації бездротових сенсорних мереж
DOI:
https://doi.org/10.30837/2522-9818.2025.4.151Ключові слова:
бездротова сенсорна мережа; кластеризація; нечітка логіка; нейронна мережа; генетичний алгоритм.Анотація
Предметом дослідження є процес вибору основного вузла кластера в бездротових сенсорних мережах (БСМ) із використанням інтелектуальних підходів, здатних адаптуватися до мінливих умов середовища. БСМ містять значну кількість сенсорних вузлів, що збирають, обробляють і передають інформацію. Ефективна кластеризація є одним із важливих механізмів оптимізації роботи БСМ, адже дає змогу зменшити енергоспоживання, підвищити надійність і масштабованість мережі. Метою роботи є аналіз особливостей застосування сучасних інструментів і методів обчислювального інтелекту для підвищення ефективності процесу кластеризації сенсорних вузлів, що допомагає брати до уваги множину факторів у прийнятті рішень про формування кластерів і обрання основних вузлів. Традиційні алгоритми кластеризації не завжди здатні адаптуватися до змін у параметрах мережі, особливо за наявності неоднорідних вузлів або змін у топології. У зв’язку з цим усе більшої актуальності набувають методи, основані на обчислюваному інтелекті, зокрема генетичні алгоритми, нейронні мережі, нечітка логіка, а також гібридні підходи. Ці методи дають змогу зважати на низку параметрів у процесі формування кластерів та вибору їх основних вузлів. Завдання дослідження: аналіз наявних підходів до кластеризації в БСМ; розроблення нечіткої системи кластеризації; побудова бази правил для прийняття оптимальних рішень; експериментальна перевірка запропонованої моделі. Застосовані методи: інструменти обчислювального інтелекту, зокрема нейромережеве навчання, генетична оптимізація та нечітке управління, комп’ютерне моделювання. У статті проаналізовано переваги використання кожного з наявних підходів. Результати: розроблено структуру нечіткої системи логічного висновку; визначено вхідні та вихідні змінні; сформовано базу нечітких правил і функцій належності; змодельовано роботу системи в середовищі MATLAB; оптимізовано розроблену систему й валідацію її роботи. Висновки: застосування гібридних інтелектуальних підходів має суттєві переваги для розв’язання задач кластеризації в БСМ, що може свідчити про перспективи подальшого розвитку систем, здатних ефективно функціювати в умовах обмежених ресурсів і високої складності середовища.Завантаження
Посилання
References
Abdulwahid, A. and Salih, M. (2022), "Wireless sensor networks applications, challenges, and security requirements", in Proceedings of 2nd International Multi-Disciplinary Conference Theme: Integrated Sciences and Technologies, IMDC-IST 2021. DOI: 10.4108/eai.7-9-2021.2314823
Afroz, F. and Braun, R. (2020), "Energy-efficient MAC protocols for wireless sensor networks: a survey", International journal of sensor networks, 32(3), Р. 150-173. DOI: https://doi.org/10.1504/ijsnet.2020.105563
Doddapaneni, K. et al. (2014), "Deployment challenges and developments in wireless sensor networks clustering", in 2014 28th International Conference on Advanced Information Networking and Applications Workshops. IEEE. Victoria, BC, Canada. DOI: 10.1109/WAINA.2014.46
Jubair, A.M. et al. (2021), "Optimization of clustering in wireless sensor networks: Techniques and protocols", Applied sciences, 11(23), 11448 р. DOI: https://doi.org/10.3390/app112311448
Kalkha, H., Satori, H., Satori, K. (2017), "A dynamic clustering approach for maximizing scalability in wireless sensor networks", Transactions on machine learning and artificial intelligence, 5(4). DOI: https://doi.org/10.14738/tmlai.54.3328
Kaur, L., Kad, S. (2017), "Clustering techniques in wireless sensor network: A review", International journal of computer applications, 179(5), Р. 30–34. DOI: https://doi.org/10.5120/ijca2017915952
Ali-Gburyi, K., Shah, A.F.M.S. (2023), "Performance comparison of PEGASIS, HEED and LEACH protocols in wireless sensor networks", Celal Bayar University Journal of Science, 19(1), Р. 11–18. DOI https://doi.org/10.18466/cbayarfbe.1165816
Balakrishnan, B., Balachandran, S. (2017), "FLECH: Fuzzy Logic Based Energy Efficient Clustering Hierarchy for nonuniform wireless sensor networks", Wireless communications and mobile computing, 2017, Р. 1–13. DOI: https://doi.org/10.1155/2017/1214720
Chit, T.A., Maung, N.A.M. and Zar, K.T. (2021), "Modified LEACH and fuzzy C-means based clustering protocol for wireless sensor networks", International journal of advances in scientific research and engineering, 07(01), Р. 48–54. DOI: https://doi.org/10.31695/ijasre.2021.33963
Alkwai, L.M. and Yadav, K. (2025), "Energy‐efficient clustering algorithm using distributed fuzzy‐logic to prolong the survivability of wireless sensor networks", Internet technology letters, 8(2). DOI: https://doi.org/10.1002/itl2.549
Kaushik, A.K. (2016), "A Hybrid Approach of Fuzzy C-means Clustering and Neural network to make Energy-Efficient heterogeneous Wireless Sensor network", International Journal of Electrical and Computer Engineering (IJECE), 6(2), 674 р. DOI: https://doi.org/10.11591/ijece.v6i2.pp674-681
Nayak, P. et al. (2024), "Artificial neural network-based clustering in Wireless sensor Networks to balance energy consumption", Cogent engineering, 11(1). DOI: https://doi.org/10.1080/23311916.2024.2384652
Al-Mousawi, A.J. (2020), "Evolutionary intelligence in wireless sensor network: routing, clustering, localization and coverage", Wireless networks, 26(8), Р. 5595–5621. DOI: https://doi.org/10.1007/s11276-019-02008-4
Sahoo, B.M., Pandey, H.M. and Amgoth, T. (2022), "A genetic algorithm inspired optimized cluster head selection method in wireless sensor networks", Swarm and evolutionary computation, 75(101151), 101151 р. DOI: https://doi.org/10.1016/j.swevo.2022.101151
Balobaid, A.S. et al. (2023), "Neural network clustering and swarm intelligence-based routing protocol for wireless sensor networks: A machine learning perspective", Computational intelligence and neuroscience, 2023(1), 4758852 р. DOI: https://doi.org/10.1155/2023/4758852
Mohsin, R. razaq. (2022), "Genetic Algorithm: A study survey". Iraqi Journal of Science. Vol 63 No 3. Р. 1215–1231. DOI: https://doi.org/10.24996/ijs.2022.63.3.27
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
-
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
-
Автори мають право укладати самостійні додаткові угоди щодо не комерційного та не ексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
-
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису опублікованої роботи, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.
