Multi-hop and multi-sink wireless sensor networks have the potential to provide network performance through efficient data exchanges. In multi-sink phenomena, clusters of nodes are defined using distance vector and thereby specific node that lies at the center of the cluster is identified as a sink. The performance of multi-hop and multi-sink wireless networks is significantly affected by sink node placement and routing of data packets within the cluster. In this paper, the authors propose an application of three different algorithms to improve the performance of a sensor network in terms of sink node placement along with route construction and optimization using nature-inspired computational methods. Furthermore, at potential relays, opportunistic coding is used to reduce the number of transmissions. Hence, the proposed implementation integrates three algorithms, which combines the merits of each for significant enhancement in data transmission. First is the placement of sink node through particle swarm optimization, second is the route construction from sensors and sink of the particular cluster using minimum wiener spanning tree, which further optimized by artificial bee colony technique and third is opportunistic packet amalgamation before transmitting to neighbors. Finally, the proposed work is evaluated and validated for coded transmissions and non-coded transmissions through comparisons of evaluation metrics like throughput, energy conservation, packet delivery ratio and average hop-count between sensor and sink node.

多跳和多宿无线传感器网络具有通过有效的数据交换提供网络性能的潜力。在多沉现象中，使用距离矢量定义节点的簇，从而将位于簇中心的特定节点标识为沉。多跳和多接收器无线网络的性能受群集中接收器节点的放置和数据包路由的影响很大。在本文中，作者提出了三种不同算法的应用，以改善接收器节点放置的传感器网络的性能，以及使用自然启发性的计算方法进行路线构建和优化。此外，在潜在的继电器处，使用机会编码来减少传输次数。因此，所提出的实施方案集成了三种算法，结合了每种算法的优点，可以显着增强数据传输。首先是通过粒子群算法优化汇聚点的位置，其次是使用最小维纳生成树从特定簇的传感器和汇聚点构建路径，并通过人工蜂群技术对其进行了进一步优化，其三是机会分组融合后再传播给邻居。最后，通过比较评估指标（例如吞吐量，节能，数据包传输率和传感器与宿节点之间的平均跳数），对编码传输和非编码传输进行评估和验证。首先是通过粒子群算法优化汇聚点的位置，其次是使用最小维纳生成树从特定簇的传感器和汇聚点构建路径，并通过人工蜂群技术对其进行了进一步优化，其三是机会分组融合后再传播给邻居。最后，通过比较评估指标（例如吞吐量，节能，数据包传输率和传感器与宿节点之间的平均跳数），对编码传输和非编码传输进行评估和验证。首先是通过粒子群算法优化汇聚点的位置，其次是使用最小维纳生成树从特定簇的传感器和汇聚点构建路径，并通过人工蜂群技术对其进行了进一步优化，其三是机会分组融合后再传播给邻居。最后，通过比较评估指标（例如吞吐量，节能，数据包传输率和传感器与宿节点之间的平均跳数），对编码传输和非编码传输进行评估和验证。通过人工蜂群技术进一步优化，第三是机会数据包合并，然后再传播给邻居。最后，通过比较评估指标（例如吞吐量，节能，数据包传输率和传感器与宿节点之间的平均跳数），对编码传输和非编码传输进行评估和验证。通过人工蜂群技术进一步优化，第三是机会数据包合并，然后再传播给邻居。最后，通过比较评估指标（如吞吐量，节能，数据包传输率和传感器与接收节点之间的平均跳数），对编码传输和非编码传输进行评估和验证。