Abstract

Wireless sensor networks (WSNs) have a large number of existing applications and is continuously increasing. Thus it is envisioned that WSN will become an integral part of our life in the near future. Direct propagation, chain formation, cluster creation are various techniques by which data is communicated by sensor nodes to the sink. It has been proved that Clustering is an efficient and scalable method to utilize the energy of sensor nodes efficiently. Optimal election of cluster heads is an NP (non deterministic polynomial time)-Hard problem. In our proposed work, a multi-objective optimization algorithm, non dominated sorting genetic algorithm-II based clustering in wireless sensor networks has been proposed. Energy conservation, network lifetime, coverage and load balancing are the four conflicting objective functions used. Our proposed algorithm handles all of these multiple objectives simultaneously. To reduce the computational complexity of the algorithm, efficient non-dominated level update mechanism for sorting has been used, which eliminates the need of applying non dominated sorting from scratch every time. The algorithm returns a solution set consisting of multiple non dominated solutions, wherein every solution is a best solution according to some objective function, in a single run, from which any solution can be chosen based on user preferences. According to our simulation carried on MATLAB, the proposed approach outperforms the established clustering algorithms in terms of network characteristics such as network lifetime, energy consumption and number of packets received.

中文翻译：

---

具有ENLU启发的NSGA-II，用于无线传感器网络的集群

摘要

无线传感器网络（WSN）具有大量现有应用，并且正在不断增加。因此可以预见，WSN将在不久的将来成为我们生活中不可或缺的一部分。直接传播，链形成，集群创建是各种技术，传感器节点通过这些技术将数据传递到接收器。事实证明，聚类是一种有效且可扩展的方法，可以有效利用传感器节点的能量。簇首的最佳选择是一个NP（不确定性多项式时间）-Hard问题。在我们提出的工作中，提出了一种多目标优化算法，基于非支配排序遗传算法的无线传感器网络聚类算法。节能，网络寿命，覆盖范围和负载平衡是所使用的四个相互矛盾的目标功能。我们提出的算法可以同时处理所有这些多个目标。为了降低算法的计算复杂性，已使用了有效的非支配等级更新机制进行分类，从而消除了每次都从头开始应用非支配等级的需求。该算法返回一个由多个非控制解决方案组成的解决方案集，其中每个解决方案都是根据某个目标函数的最佳解决方案，并且可以在一次运行中根据用户的偏好从中选择任何解决方案。根据我们在MATLAB上进行的仿真，在网络特征（例如网络寿命，能耗和接收的数据包数量）方面，所提出的方法优于已建立的聚类算法。为了降低算法的计算复杂性，已使用有效的非支配等级更新机制进行分类，从而消除了每次都从头开始应用非支配等级的需求。该算法返回由多个非支配解决方案组成的解决方案集，其中每个解决方案都是根据某个目标函数的最佳解决方案，并且可以在一次运行中根据用户的偏好从中选择任何解决方案。根据我们在MATLAB上进行的仿真，在网络特征（例如网络寿命，能耗和接收的数据包数量）方面，所提出的方法优于已建立的聚类算法。为了降低算法的计算复杂性，已使用了有效的非支配等级更新机制进行分类，从而消除了每次都从头开始应用非支配等级的需求。该算法返回一个由多个非控制解决方案组成的解决方案集，其中每个解决方案都是根据某个目标函数的最佳解决方案，并且可以在一次运行中根据用户的偏好从中选择任何解决方案。根据我们在MATLAB上进行的仿真，在网络特性（例如网络寿命，能耗和接收的数据包数量）方面，所提出的方法优于已建立的聚类算法。这样就无需每次都从头开始应用非主导排序。该算法返回一个由多个非控制解决方案组成的解决方案集，其中每个解决方案都是根据某个目标函数的最佳解决方案，并且可以在一次运行中根据用户的偏好从中选择任何解决方案。根据我们在MATLAB上进行的仿真，在网络特性（例如网络寿命，能耗和接收的数据包数量）方面，所提出的方法优于已建立的聚类算法。这样就无需每次都从头开始应用非主要排序。该算法返回一个由多个非控制解决方案组成的解决方案集，其中每个解决方案都是根据某个目标函数的最佳解决方案，并且可以在一次运行中根据用户的偏好从中选择任何解决方案。根据我们在MATLAB上进行的仿真，在网络特性（例如网络寿命，能耗和接收的数据包数量）方面，所提出的方法优于已建立的聚类算法。