کاهش مصرف انرژی در ردیابی سوسک حنایی خرما با شبکه های حسگر بی سیم با استفاده از الگوریتم های تکاملی مبتنی بر طبیعت (الگوریتم مگس میوه و الگوریتم بهینه سازی گله شیرها)
الموضوعات :
شایسته طباطبائی
1
,
حسن نصرتی ناهوک
2
1 - هیات علمی دانشگاه
2 - دانشگاه سراوان
الکلمات المفتاحية: خوشه بندي, شبکه هاي حسگر بي سيم, سوسک سرخرطومی, رديابي هدف, الگوریتم مگس میوه, الگوریتم گله شیرها.,
ملخص المقالة :
سوسک سرخرطومی خرما یکی از آفات جدی نخلستان‌ها است که به درختان خرما در سراسر جهان حمله کرده و موجب نابودی آن‌ها می‌شود. تشخیص و ردیابی اولیه این آفت برای جلوگیری از گسترش و کاهش آسیب‌های ناشی از آن بسیار حیاتی است. شبکه‌های حسگر بی‌سیم (WSN) به عنوان فناوری نویدبخش برای نظارت و شناسایی این آفت در مزارع خرما مطرح هستند. با این حال، WSNها با چالش‌های مختلفی از جمله محدودیت‌های انرژی، پهنای باند و منابع محاسباتی روبرو هستند. از این رو، نیاز به روش‌های کارآمد و هوشمند برای بهینه‌سازی عملکرد WSN در تشخیص و ردیابی این آفت احساس می‌شود. در این مقاله، روشی نوین برای ردیابی این آفت در شبکه‌های حسگر ارائه شده است که با ترکیب دو الگوریتم هوشمند، شامل الگوریتم مگس میوه و الگوریتم بهینه‌سازی گله شیرها، به خوشه‌بندی گره‌ها می‌پردازد و بدین ترتیب در مصرف انرژی باتری گره‌ها صرفه‌جویی می‌کند. نتایج شبیه‌سازی این روش نشان می‌دهد که در مقایسه با پروتکل LPOBC، پروتکل پیشنهادی عملکرد بهتری از نظر مصرف انرژی، تأخیر انتها به انتها و نرخ گذردهی دارد. به طور خاص، تأخیر انتها به انتها به میزان 28.286 درصد، نرخ گذردهی به میزان 13.80 درصد و میانگین انرژی مصرفی باتری به میزان 11.86 درصد بهبود یافته است.
[1] Rhynchophorus ferrugineus - Wikipedia.
[2] W. A. Azmi et al., "The red palm weevil, Rhynchophorus ferrugineus: Current issues and challenges in Malaysia," Oil Palm Bulletin, vol. 74, no. May, pp. 17-24, 2017.
[3] S. Roy, N. Mazumdar, and R. Pamula, "An energy and coverage sensitive approach to hierarchical data collection for mobile sink based wireless sensor networks," Journal of Ambient Intelligence and Humanized Computing, vol. 12, no. 1, pp. 1267-1291, 2021.
[4] F. Delavernhe, A. Rossi, and M. Sevaux, "An online method for robust target tracking using a wireless sensor network," Expert Systems with Applications, vol. 230, p. 120549, 2023.
[5] C. Zhao et al., "An energy-balanced unequal clustering approach for circular wireless sensor networks," Ad Hoc Networks, vol. 132, p. 102872, 2022.
[6] C. Lv, J. Zhu, Z. Tao, and Y. Pi, "An improved target tracking scheme based on MC-MPMC method for mobile wireless sensor networks," EURASIP Journal on Wireless Communications and Networking, vol. 2022, no. 1, p. 74, 2022.
[7] Z. Qu and B. Li, "An energy-efficient clustering method for target tracking based on tracking anchors in wireless sensor networks," Sensors, vol. 22, no. 15, p. 5675, 2022.
[8] E. FayaziBarjini, D. Gharavian, and M. Shahgholian, "Target tracking in wireless sensor networks using NGEKF algorithm," Journal of Ambient Intelligence and Humanized Computing, vol. 11, pp. 3417-3429, 2020.
[9] M. S. Adam, M. H. Anisi, and I. Ali, "Object tracking sensor networks in smart cities: Taxonomy, architecture, applications, research challenges and future directions," Future Generation Computer Systems, vol. 107, pp. 909-923, 2020.
[10] K. A. Darabkh, S. S. Ismail, M. Al-Shurman, I. F. Jafar, E. Alkhader, and M. F. Al-Mistarihi, "Performance evaluation of selective and adaptive heads clustering algorithms over wireless sensor networks," Journal of Network and Computer Applications, vol. 35, no. 6, pp. 2068-2080, 2012.
[11] S. S. Sefati, M. Abdi, and A. Ghaffari, "QoS-based routing protocol and load balancing in wireless sensor networks using the markov model and the artificial bee colony algorithm," Peer-to-Peer Networking and Applications, vol. 16, no. 3, pp. 1499-1512, 2023.
[12] S. Tabatabaei, A. Rajaei, and A. M. Rigi, "A novel energy-aware clustering method via Lion Pride Optimizer Algorithm (LPO) and fuzzy logic in wireless sensor networks (WSNs)," Wireless Personal Communications, vol. 108, pp. 1803-1825, 2019.
[13] حامد شهرکی و شایسته طباطبائی،"بهبود مصرف انرژی در شبکه‌های حسگر بی‌سیم با استفاده از الگوریتم مگس میوه و منطق فازی. "، سیستم های فازی و کاربردها, 6 1 (1402): 195-222، doi: 10.22034/jfsa.2023.379555.1157
[14] B. Wang, X. Jin, and B. Cheng, "Lion pride optimizer: An optimization algorithm inspired by lion pride behavior," Science China Information Sciences, vol. 55, pp. 2369-2389, 2012.
