Підвищення енергоефективності маршрутизації в IoT шляхом впровадження багатокритеріальної оптимізації та Mesh-структур
Анотація
Стрімке розгортання сучасних екосистем Інтернету речей (IoT) загострює проблему автономності бездротових сенсорних мереж (WSN) через обмежений запас енергії елементів живлення. Робота охоплює етапи аналітичного моделювання енерговитрат вузлів на основі радіоенергетичної моделі, формалізацію метрик живучості мережі та розробку власної математичної моделі. Для вирішення цієї задачі пропонується гібридний підхід до організації передачі даних під назвою Adaptive S-Mesh PSO-LEACH (ASMPLEACH). Використано апарат нечіткої логіки для оцінки шансів вузлів стати лідерами кластерів та алгоритм рою частинок для глобальної оптимізації топології. Наукова новизна підходу полягає у використанні результатів нечіткого виведення як вагових коефіцієнтів для ініціалізації частинок у рої, що дозволяє прискорити знаходження глобального оптимуму та уникнути потрапляння алгоритму в локальні екстремуми. Створена інтелектуальна сітчаста магістраль між головними вузлами дозволяє замінити енергоємні прямі передачі на віддалену базову станцію послідовною ретрансляцією через проміжні вузли. Математична модель методу інтегрує фактор прогностичної стабільності, що базується на аналізі дисперсії енерговитрат вузлів, що дозволяє завчасно ідентифікувати найбільш навантажені ділянки мережі. Імітаційне моделювання підтвердило ефективність розробленого рішення: момент виходу з ладу першого вузла у запропонованого методу настає пізніше порівняно з класичними ієрархічними алгоритмами маршрутизації, а сумарна кількість доставлених пакетів даних зросла. Отримані результати дозволяють створювати масштабовані та надійні системи Інтернету речей з подовженим терміном автономної роботи, забезпечуючи рівномірне розрядження енергоресурсів системи.
Посилання
2. Т. М. Бехера, У. Ч. Самал, С. К. Мохапатра, М. С. Хан, Б. Аппасані, Н. Бізон, і П. Тхонтхонг, “Енергоефективні протоколи маршрутизації для бездротових сенсорних мереж: архітектури, стратегії та продуктивність,” Електроніка, т. 11, № 15, с. 2282, 2022. https://doi.org/10.3390/electronics11152282
3. С. Сен, Л. Саху, К. Тіварі, В. Симіч, і Т. Сенапаті, “Подовження життєвого циклу бездротової сенсорної мережі за допомогою K-medoids і методів багатокритеріального прийняття рішень в умовах невизначеності,” Applied Sciences (Прикладні науки), т. 13, № 5, с. 3196, 2023. https://doi.org/10.3390/app13053196
4. А. Джувайєд і Л. Яцковська-Струміло, “DL-HEED: підхід глибокого навчання до енергоефективної кластеризації в гетерогенних бездротових сенсорних мережах,” Applied Sciences (Прикладні науки), т. 15, № 16, с. 8996, 2025. https://doi.org/10.3390/app15168996
5. А. Джувайєд, “EMO-PEGASIS: двофазний протокол машинного навчання для оптимізації енергії та затримки в WSN,” Sensors (Сенсори), т. 26, № 2, с. 611, 2026. https://doi.org/10.3390/s26020611
