چکیده فارسی‌:

شبکه های حسگر بی سیم گره های متعدد باانرژی محدود با قابلیت نظارت بر اطراف خود را دارند و این گره ها در یک منطقه جغرافیایی محدود پراکنده شده اند. یکی از مسائل مهم در این شبکه ها،افزایش طول عمر شبکه می باشد. در این مطالع هیک پروتکل کارآمد برای تبادل بین بارها و افزایش طول عمر شبکه معرفی می کنیم که به عنوان CFGA (خوشه بندی شبکه های حسگر بی سیم با استفاده از منطق فازی والگوریتم) شناخته شده که ازمتد تک مرحله ای برای ارتباط درون خوشه ای و چند مرحله ای برای ارتباط بین خوشه ای استفاده می کند . در آغازهر دور، هر گره برای اولین بار ماژول یا واحد فازی خود را چک می کند و بر اساس خروجی ماژول فازی ، اگر قابلیت رأس خوشه برای گره وجود دارد ، می بایست آماده باشد ( در هر منطقه،تعدادیاز بهترین گره ها می بایست آماده باشد) ، پس از آن در ایستگاه مبنا یا پایه با استفاده از الگوریتم ژنتیک و موقعیت رأس های خوشه بر مبنای حداقل انرژی مصرف شده، گره های شبکه ای بهینه تعیین می شود. در این مطالعه ، از مصرف انرژی برای گره های یکه قادر نیستند خوشه ای شوند، اجتناب شده ونیز تنها گره هایی با قابلیت های بالا در الگوریتم ژنتیک بمنظور همگرایی سریع تر به راه حل مطلوب، شرکت می کنند.

کلمات کلیدی: الگوریتم ژنتیک ، انرژی متعادل، شبکه حسگر بی سیم. طبقه بندی خوشه ای ، منطق فازی

چکیده انگلیسی:

Wireless sensor networks have numerous nodes with limited energy which have the ability to monitor around themselves and these nodes are scattered in a limited geographic area. One of the important issues in these networks is increasing the network lifetime. In this study, we introduce an efficient protocol for trade-off between loads and increase in life expectancy of the network, known as CFGA (Clustered wsn using fuzzy logic and genetic algorithm) which uses the single step method for intracluster communication and multi step for intercluster communication. At the beginning of each round, each node first checks its fuzzy module, and based on output of the fuzzy module, if the clusterhead capability number exists for node, it would be ready ( in each region, of the best nodes would be ready), then at the base station by using genetic algorithm and the location of clusterheads based on minimum energy consumed, the optimum network nodes are determined. In this study, consumption of energy for nodes which are not capable of becoming clustered is prevented and also only nodes with high capabilities in genetic algorithm take part in order to converge faster to the optimum solution.
Keywords- Genetic Algorithm ; balance energy ; wireless sensor networks ; cluster classification ; fuzzy logic