چکیده فارسی:

مصرف انرژی یکی از موضوعات مهم در طراحی شبکه های حسگر بی سیم است. برای دست یابی به کارائی انرژی، برخی از پروتکل های مسیر یابی ارائه شده اند و LEACH یکی از این پروتکل های ارائه شده است. LEACH سر دسته ها را به صورت چرخشی و تصادفی مورد استفاده قرار می دهد تا همواره بار انرژی را در تمامی گره ها توزیع کند. به هرحال، آن فقط به مدل احتمالی بستگی دارد و کارائی انرژی را نمی توان ماکزیمم کرد. در این مقاله، یک پروتکل مسیر یابی کم انرژی کاربرد خاص به نام ASLPR معرفی می شود که برخی از مفاهیم گره های حسگر را بررسی می کند (فاصله از ایستگاه اصلی، انرژی باقیمانده، فاصله ی مابین سرگروه ها) تا سر گروه های بهینه را انتخاب کند. هر چند که پروتکل مسیر یابی ارائه شده پیچیده است و دارای برخی پارامتر های قابل کنترل است، میزان سازی پارامتر های آن مسئله ی مهمی برای دست یابی به بهترین کارائی در کاربردها است. در این تحقیق، یک الگوریتم پیوندی بر مبنای الگوریتم ژنتیک و گذاختگی شبیه سازی شده برای بهینه کردن ASLPR به کار می رود تا بر مبنای مشخصات کاربرد مورد نظر، طول عمر شبکه را هم افزایش دهد. نتایج شبیه سازی کارائی متدولوژی ارائه شده را برای متعادل کردن مصرف انرژی گره ها و ماکزیمم کردن طول عمر شبکه نشان می دهند. صرفه جویی (در حالت متوسط) در ناحیه ی پایداری از ASLPR ، در مقایسه با سه پروتکل بر مبنای LEACH، تا زمان مرگ اولین گره 78% است.

چکیده انگلیسی :

Energy consumption is a major issue in designing wireless sensor networks. To achieve the energy efficiency, many routing protocols have been proposed and LEACH is the representative one. LEACH utilize randomize rotation of the cluster heads to evenly distribute energy load among all nodes. However, it depends only on a probability model and energy efficiency could not be maximized. In this paper, a new application specific low power routing protocol named ASLPR is introduced that takes into account some concepts from sensor nodes (e.g., distance from base station, residual energy, distance between cluster heads) to elect the optimal cluster heads. As the proposed routing protocol is complex and has some controllable parameters, tuning of its parameters is an important problem to achieve the best performance based on the application. In this work, a hybrid algorithm based on genetic algorithm and simulated annealing is applied to optimize ASLPR in order to prolong the network lifetime, based on the application specifications. Simulation results demonstrate the efficiency of the proposed methodology to balance the energy consumption of nodes and maximize network lifetime. The gain (on average) in stable region of ASLPR until first node dies is 78%, as compared with three LEACH-based protocols.