Now in the era of the Internet of Energy (IoE), researchers are more focused on optimal energy utilization. In the wireless sensor network, maximization of battery lifetime or network lifetime is one of the primary research objectives. There are many techniques available to enhance the network lifetime, and interference minimization is one of them. Interference minimization leads to less transmission power consumption in wireless sensor networks and thus enhances the network lifetime. The interference minimization is proven to be NP-Hard problem. In this paper, we have proposed a method to minimize receiver interference using different encoding schemes and genetic algorithm. We have used more realistic probabilistic interference model to calculate receiver interference instead of the graph-based model used in most of the literature. The Genetic Algorithm used to minimize receiver interference uses three different chromosome representation schemes, namely Prüfer code, Edge-set, and Edge-window-decoder. We have used benchmark data sets and special cases like exponential node chain, two exponential node chain, spiral model, one cluster, and two-cluster for experimental simulations. Our proposed algorithm outperforms other algorithms available in the literature like MI-S (Minimizing Interference in Sensor networks), MinMax-RIP (Minimizing Maximum Receiver Interference Problem), and MST (Minimum Spanning Tree: Prim’s algorithm) in terms of minimizing maximum receiver interference in the network.

如今，在能源互联网（IoE）时代，研究人员更加专注于最佳能源利用。在无线传感器网络中，最大化电池寿命或网络寿命是主要的研究目标之一。有许多技术可用来延长网络寿命，而使干扰最小化就是其中之一。干扰最小化可减少无线传感器网络中的传输功耗，从而延长网络寿命。干扰最小化被证明是NP-Hard问题。在本文中，我们提出了一种使用不同的编码方案和遗传算法来最小化接收器干扰的方法。我们已经使用更现实的概率干扰模型来计算接收器干扰，而不是大多数文献中使用的基于图的模型。用于最小化接收器干扰的遗传算法使用三种不同的染色体表示方案，即Prüfer码，Edge-set和Edge-window-decoder。我们已使用基准数据集和特殊情况（例如指数节点链，两个指数节点链，螺旋模型，一个群集和两个群集）进行实验仿真。我们建议的算法在将最大接收器干扰最小化方面胜过其他文献中的其他算法，例如MI-S（最小化传感器网络中的干扰），MinMax-RIP（最小化最大接收方干扰问题）和MST（最小生成树：Prim's算法）。在网络中。我们已使用基准数据集和特殊情况（例如指数节点链，两个指数节点链，螺旋模型，一个群集和两个群集）进行实验仿真。我们建议的算法在将最大接收器干扰最小化方面胜过其他文献中的其他算法，例如MI-S（最小化传感器网络中的干扰），MinMax-RIP（最小化最大接收方干扰问题）和MST（最小生成树：Prim's算法）。在网络中。我们已使用基准数据集和特殊情况（例如指数节点链，两个指数节点链，螺旋模型，一个群集和两个群集）进行实验仿真。我们建议的算法在将最大接收器干扰最小化方面胜过其他文献中的其他算法，例如MI-S（最小化传感器网络中的干扰），MinMax-RIP（最小化最大接收方干扰问题）和MST（最小生成树：Prim's算法）。在网络中。