Wireless sensor network is a hot research topic with massive applications in different domains. Generally, wireless sensor network comprises hundreds to thousands of sensor nodes, which communicate with one another by the use of radio signals. Some of the challenges exist in the design of wireless sensor network are restricted computation power, storage, battery and transmission bandwidth. To resolve these issues, clustering and routing processes have been presented. Clustering and routing processes are considered as an optimization problem in wireless sensor network which can be resolved by the use of swarm intelligence–based approaches. This article presents a novel swarm intelligence–based clustering and multihop routing protocol for wireless sensor network. Initially, improved particle swarm optimization technique is applied for choosing the cluster heads and organizes the clusters proficiently. Then, the grey wolf optimization algorithm–based routing process takes place to select the optimal paths in the network. The presented improved particle swarm optimization–grey wolf optimization approach incorporates the benefits of both the clustering and routing processes which leads to maximum energy efficiency and network lifetime. The proposed model is simulated under an extension set of experimentation, and the results are validated under several measures. The obtained experimental outcome demonstrated the superior characteristics of the improved particle swarm optimization–grey wolf optimization technique under all the test cases.

中文翻译：

---

基于群智能的节能聚类与多跳路由协议可持续无线传感器网络

无线传感器网络是一个在不同领域有大量应用的热门研究课题。通常，无线传感器网络包括成百上千个传感器节点，它们通过使用无线电信号相互通信。无线传感器网络设计中存在的一些挑战是有限的计算能力、存储、电池和传输带宽。为了解决这些问题，已经提出了集群和路由过程。聚类和路由过程被认为是无线传感器网络中的一个优化问题，可以通过使用基于群智能的方法来解决。本文提出了一种用于无线传感器网络的新型基于群智能的聚类和多跳路由协议。原来，改进的粒子群优化技术用于选择簇头并熟练地组织簇。然后，基于灰狼优化算法的路由过程发生以选择网络中的最佳路径。提出的改进的粒子群优化-灰狼优化方法结合了聚类和路由过程的优点，从而实现了最大的能源效率和网络寿命。所提出的模型在扩展实验集下进行模拟，结果在多种措施下得到验证。获得的实验结果证明了改进的粒子群优化-灰狼优化技术在所有测试用例下的优越特性。基于灰狼优化算法的路由过程发生以选择网络中的最佳路径。提出的改进的粒子群优化-灰狼优化方法结合了聚类和路由过程的优点，从而实现了最大的能源效率和网络寿命。所提出的模型在扩展实验集下进行模拟，结果在多种措施下得到验证。获得的实验结果证明了改进的粒子群优化-灰狼优化技术在所有测试用例下的优越特性。进行基于灰狼优化算法的路由过程来选择网络中的最佳路径。提出的改进的粒子群优化-灰狼优化方法结合了聚类和路由过程的优点，从而实现了最大的能源效率和网络寿命。所提出的模型在扩展实验集下进行模拟，结果在多种措施下得到验证。获得的实验结果证明了改进的粒子群优化-灰狼优化技术在所有测试用例下的优越特性。提出的改进的粒子群优化-灰狼优化方法结合了聚类和路由过程的优点，从而实现了最大的能源效率和网络寿命。所提出的模型在扩展实验集下进行模拟，结果在多种措施下得到验证。获得的实验结果证明了改进的粒子群优化-灰狼优化技术在所有测试用例下的优越特性。提出的改进的粒子群优化-灰狼优化方法结合了聚类和路由过程的优点，从而实现了最大的能源效率和网络寿命。所提出的模型在扩展实验集下进行模拟，结果在多种措施下得到验证。获得的实验结果证明了改进的粒子群优化-灰狼优化技术在所有测试用例下的优越特性。