当前位置：
X-MOL 学术
›
Int. J. Commun. Syst.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Energy efficient hotspot problem mitigation techniques using multiple mobile sink in heterogeneous wireless sensor network
International Journal of Communication Systems ( IF 1.7 ) Pub Date : 2020-10-12 , DOI: 10.1002/dac.4641 Preeti Gupta 1 , Sachin Tripathi 1 , Samayveer Singh 2
International Journal of Communication Systems ( IF 1.7 ) Pub Date : 2020-10-12 , DOI: 10.1002/dac.4641 Preeti Gupta 1 , Sachin Tripathi 1 , Samayveer Singh 2
Affiliation
|
Wireless sensor networks (WSNs) are application‐oriented and mainly used in the following fields, such as battleground surveillance, border security, and disaster management. The sensor nodes should be extra reliable, and also, high consistency is needed to perform these tasks. Therefore, heterogeneous wireless sensor networks (HWSNs) are introduced to enhance the network lifetime and stability period by minimizing the node's communicative distance from mobile sinks (MSs). The maximum amount of energy is consumed while communicating the data from nodes to a single sink. In this work, multiple mobile sinks (MMSs) are used to transfer the data from nodes to sink with less energy consumption and a reduced number of hops. Also, higher connectivity is ensured as the sinks are placed close to the nodes, and data can be successfully delivered to sinks. This work reveals the importance of multiple MSs in HWSNs. The use of MMSs and cluster‐based routing approaches improves the efficiency of data collection in HWSNs. K‐medoid with adaptive sunflower optimization algorithm is used for the selection of cluster head (CH). To achieve energy efficiency (EE), detecting an optimal route for MS is a critical task. Then, the hybrid Harris Hawk and ant colony optimization (HANT) algorithm‐based sink moving strategy is used for finding an optimal traversal path. The proposed heterogeneous network is implemented in the network simulator (version 2) (NS2) platform. Simulation results show enhancement in EE in terms of network lifetime, stability period, several dead and alive nodes, and network's remaining energy.
中文翻译：
异构无线传感器网络中使用多个移动接收器的节能热点问题缓解技术
无线传感器网络（WSN）面向应用程序，主要用于以下领域，例如战场监视，边界安全和灾难管理。传感器节点应特别可靠，并且执行这些任务需要高度的一致性。因此，引入了异构无线传感器网络（HWSN），以通过最小化节点与移动宿（MS）的通信距离来延长网络寿命和稳定期。在将数据从节点传送到单个接收器时，将消耗最大的能量。在这项工作中，使用多个移动接收器（MMS）将数据从节点传输到接收器，从而降低了能耗并减少了跳数。此外，由于将接收器放置在靠近节点的位置，因此可以确保更高的连通性，并且数据可以成功地传递到接收器。这项工作揭示了HWSN中多个MS的重要性。MMS和基于集群的路由方法的使用提高了HWSN中数据收集的效率。具有自适应向日葵优化算法的K-medoid用于选择簇头（CH）。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇移动策略用于找到最佳的遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。这项工作揭示了HWSN中多个MS的重要性。MMS和基于集群的路由方法的使用提高了HWSN中数据收集的效率。具有自适应向日葵优化算法的K-medoid用于选择簇头（CH）。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇移动策略用于找到最佳的遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。这项工作揭示了HWSN中多个MS的重要性。MMS和基于群集的路由方法的使用提高了HWSN中数据收集的效率。具有自适应向日葵优化算法的K-medoid用于选择簇头（CH）。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇移动策略用于找到最佳的遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。MMS和基于集群的路由方法的使用提高了HWSN中数据收集的效率。具有自适应向日葵优化算法的K-medoid用于选择簇头（CH）。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇点移动策略用于找到最佳遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。MMS和基于群集的路由方法的使用提高了HWSN中数据收集的效率。具有自适应向日葵优化算法的K-medoid用于选择簇头（CH）。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇点移动策略用于找到最佳遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇移动策略用于找到最佳的遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇移动策略用于找到最佳的遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。
更新日期：2020-11-09
中文翻译：
异构无线传感器网络中使用多个移动接收器的节能热点问题缓解技术
无线传感器网络（WSN）面向应用程序，主要用于以下领域，例如战场监视，边界安全和灾难管理。传感器节点应特别可靠，并且执行这些任务需要高度的一致性。因此，引入了异构无线传感器网络（HWSN），以通过最小化节点与移动宿（MS）的通信距离来延长网络寿命和稳定期。在将数据从节点传送到单个接收器时，将消耗最大的能量。在这项工作中，使用多个移动接收器（MMS）将数据从节点传输到接收器，从而降低了能耗并减少了跳数。此外，由于将接收器放置在靠近节点的位置，因此可以确保更高的连通性，并且数据可以成功地传递到接收器。这项工作揭示了HWSN中多个MS的重要性。MMS和基于集群的路由方法的使用提高了HWSN中数据收集的效率。具有自适应向日葵优化算法的K-medoid用于选择簇头（CH）。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇移动策略用于找到最佳的遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。这项工作揭示了HWSN中多个MS的重要性。MMS和基于集群的路由方法的使用提高了HWSN中数据收集的效率。具有自适应向日葵优化算法的K-medoid用于选择簇头（CH）。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇移动策略用于找到最佳的遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。这项工作揭示了HWSN中多个MS的重要性。MMS和基于群集的路由方法的使用提高了HWSN中数据收集的效率。具有自适应向日葵优化算法的K-medoid用于选择簇头（CH）。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇移动策略用于找到最佳的遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。MMS和基于集群的路由方法的使用提高了HWSN中数据收集的效率。具有自适应向日葵优化算法的K-medoid用于选择簇头（CH）。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇点移动策略用于找到最佳遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。MMS和基于群集的路由方法的使用提高了HWSN中数据收集的效率。具有自适应向日葵优化算法的K-medoid用于选择簇头（CH）。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇点移动策略用于找到最佳遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇移动策略用于找到最佳的遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。为了实现能源效率（EE），检测MS的最佳路线是一项关键任务。然后，基于哈里斯·霍克（Hawk Hawk）和蚁群优化（HANT）混合算法的汇移动策略用于找到最佳的遍历路径。所提出的异构网络是在网络模拟器（版本2）（NS2）平台中实现的。仿真结果表明，EE在网络寿命，稳定期，多个死节点和活节点以及网络剩余能量方面均得到了增强。
京公网安备 11010802027423号