Алгоритм энергоэффективного взаимодействия узлов беспроводной сенсорной сети

Предмет исследования. Рассмотрена актуальная задача развития методов взаимодействия узлов в беспроводных сенсорных сетях, ориентированных на энергосбережение. Показано, что работа такой сети построена с учетом компромиссных механизмов, которые могут продлить срок службы сети при наличии маломощных сенсорных узлов. Сделан вывод о необходимости внедрения новых алгоритмов в работу беспроводных сенсорных сетей, для сокращения числа операций при вычислении маршрута, передачи данных или других операций без потери функциональности, что позволяет снизить расход энергии. Предложен алгоритм, который развивает идею кластеризации беспроводных сенсорных сетей с целью снижения энергопотребления сенсорными узлами с помощью передачи части функций на головные узлы кластеров. Методы. В отличие от известного алгоритма адаптивной кластеризации с низким потреблением энергии (Low-Energy Adaptive Clustering Hierarchy, LEACH), предложенный алгоритм основан на роевом интеллекте и позволяет в текущем раунде функционирования беспроводной сенсорной сети выбрать не только головные узлы кластеров, но и перспективные узлы, которые станут главами кластеров в последующих раундах. Если один цикл работы сети состоит из предопределенного количества раундов, то процедуру поиска глав кластеров можно выполнять не в начале каждого раунда, а только в начале каждого цикла функционирования сети. Основные результаты. Показано, что определение глав кластеров беспроводной сенсорной сети в результате снижает общий расход энергии и тем самым увеличивает продолжительность жизненного цикла сети. Обнаружено преимущество добавления алгоритма роя пчел в процедуру кластеризации сети по таким показателям как время гибели первого сенсорного узла, зависимости числа функционирующих узлов от времени функционирования сети и коэффициента доставки пакетов данных. Практическая значимость. Процедура кластеризации беспроводной сенсорной сети с добавлением алгоритма роя пчел для выбора глав кластеров может быть полезна при разворачивании работы сети в реальных приложениях.

1. Zanella A., Bui N., Castellani A., Vangelista L., Zorzi M. Internet of Things for Smart Cities // IEEE Internet of Things Journal. 2014. V. 1. N 1. P. 22–32. https://doi.org/10.1109/JIOT.2014.2306328
2. Wang C., Lin H., Jiang H. CANS: Towards congestion-adaptive and small stretch emergency navigation with wireless sensor networks // IEEE Transactions on Mobile Computing. 2016. V. 15. N 5. P. 1077–1089. https://doi.org/10.1109/TMC.2015.2451639
3. Galinina O., Mikhaylov K., Andreev S., Turlikov A. Wireless sensor network based smart home system over BLE with energy harvesting capability // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2014. V. 8638. P. 419–432. https://doi.org/10.1007/978-3-319-10353-2_37
4. Krishnamurthy V. POMDP multi-armed bandit formulation for energy minimization in sensor networks // Proc. of the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP). 2005. Р. 793–796. https://doi.org/10.1109/ICASSP.2005.1416423
5. Lee P. Internet of Things for Architects. Packt Publishing, 2018. 524 p.
6. Татарникова Т.М. Статистические методы исследования сетевого трафика // Информационно-управляющие системы. 2018. № 5(96). С. 35–43. https://doi.org/10.31799/1684-8853-2018-5-35-43
7. Dias de Assunção M., da Silva Veith A., Buyya R. Distributed data stream processing and edge computing: A survey on resource elasticity and future directions // Journal of Network and Computer Applications. 2018. V. 103. P. 1–17. https://doi.org/10.1016/j.jnca.2017.12.001
8. Tran T.X., Hajisami A., Pandey P., Pompili D. Collaborative mobile edge computing in 5G networks: New paradigms, scenarios, and challenges // IEEE Communications Magazine. 2017. V. 55. N 4. P. 54–61. https://doi.org/10.1109/MCOM.2017.1600863
9. Ran G., Zhang H., Gong S. Improving on LEACH protocol of wireless sensor networks using fuzzy logic // Journal of Information and Computational Science. 2010. N 7. N 3. P. 767–775.
10. Bogatyrev V.A., Bogatyrev A.V., Bogatyrev S.V. Redundant servicing of a flow of heterogeneous requests critical to the total waiting time during the multi-path passage of a sequence of info-communication nodes // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2020. V. 12563. P. 100–112. https://doi.org/10.1007/978-3-030-66471-8_9
11. Pahl C., Helmer S., Miori L., Sanin J., Lee B. A container-based edge cloud PaaS architecture based on raspberry Pi clusters // Proc. of the 4^th IEEE International Conference on Future Internet of Things and Cloud Workshops (FiCloudW). 2016. P. 117–124. https://doi.org/10.1109/W-FiCloud.2016.36
12. Miori L., Sanin J., Helmer S. A platform for edge computing based on Raspberry Pi clusters // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2017. V. 10365. P. 153–159. https://doi.org/10.1007/978-3-319-60795-5_16
13. Basford P.J., Johnston S.J., Perkins C.S., Garnock-Jones T., Tso F.P., Pezaros D., Mullins R.D., Yoneki E., Singer J., Cox S.J. Performance analysis of single board computer clusters // Future Generation Computer Systems. 2020. V. 102. P. 278–291. https://doi.org/10.1016/j.future.2019.07.040
14. Dziubenko I.N., Tatarnikova T.M. Algorithm for solving optimal sensor devices placement problem in areas with natural obstacles // Proc. of the Wave Electronics and its Application in Information and Telecommunication Systems (WECONF). 2018. P. 8604325. https://doi.org/10.1109/WECONF.2018.8604325
15. Татарникова Т.М., Дзюбенко И.Н. Методы увеличения жизненного цикла сети Интернета вещей // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т. 18. № 5. С. 843–849. https://doi.org/10.17586/2226-1494-2018-18-5-843-849

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License