The growing application of body area networks (BANs) in different fields makes the low energy clustering a paramount issue. A clustering optimization algorithm in BANs is a fundamental scheme to guarantee that the essential collected data can be forwarded in a reliable path and improve the lifetime of BANs. Low energy clustering is a technique, which provides a method that shows how to reduce network communication costs in BANs. A careful low energy clustering scheme is one of the most critical means in the research of BANs, which has attracted considerable attention, comprising monitoring capability constraints. However, the classical clustering method leads to high cost when constraints such as large overall energy consumption are undertaken. Hence, a binary immune hybrid artificial bee colony algorithm (BIHABCA), a randomized swarm intelligent scheme applied in BANs, motivated by immune theory and hybrid scheme is introduced. Furthermore, we designed the formulation that considers both distances between two nodes and the length of bits. Finally, we have compared the energy cost optimized by BIHABCA with a shuffled frog leaping algorithm, ant colony optimization, and simulated annealing in the simulation with different quantity of nodes in terms of energy cost. Results show that the energy cost of the network optimized by the proposed BIHABCA method decreased compared to those by the other three methods which mean that the proposed BIHABCA finds the global optima and reduces the energy cost of transmitting and receiving data in BANs.

中文翻译：

---

人体局域网中低能量聚类问题的生物启发算法

身体区域网络（BAN）在不同领域中的日益增长的应用使得低能耗集群成为最重要的问题。BAN中的聚类优化算法是一种基本方案，可确保可以在可靠的路径中转发必要的收集数据并提高BAN的寿命。低能耗群集是一种技术，它提供了一种方法，该方法显示了如何减少BAN中的网络通信成本。谨慎的低能量聚类方案是BAN研究中最关键的手段之一，引起了广泛的关注，包括监视能力约束。然而，当采取诸如大的总能量消耗之类的约束时，经典的聚类方法导致高成本。因此，采用了二元免疫杂交人工蜂群算法（BIHABCA），介绍了一种基于免疫理论和混合策略的随机群智能化方法。此外，我们设计的公式考虑了两个节点之间的距离和位的长度。最后，在能源成本方面，我们将BIHABCA与改组的蛙跳算法，蚁群优化和模拟退火在不同节点数量的仿真中进行了比较，比较了能源成本。结果表明，与其他三种方法相比，所提出的BIHABCA方法所优化的网络的能量成本降低了，这意味着所提出的BIHABCA找到了全局最优值，并降低了BAN中发送和接收数据的能量成本。我们设计的公式考虑了两个节点之间的距离和位的长度。最后，在能源成本方面，我们将BIHABCA与改组的蛙跳算法，蚁群优化和模拟退火在不同节点数量的仿真中进行了比较，比较了能源成本。结果表明，与其他三种方法相比，所提出的BIHABCA方法所优化的网络的能量成本降低了，这意味着所提出的BIHABCA找到了全局最优值，并降低了BAN中发送和接收数据的能量成本。我们设计的公式考虑了两个节点之间的距离和位的长度。最后，在能源成本方面，我们将BIHABCA与改组的蛙跳算法，蚁群优化和模拟退火在不同节点数量的仿真中进行了比较，比较了能源成本。结果表明，与其他三种方法相比，所提出的BIHABCA方法所优化的网络的能量成本降低了，这意味着所提出的BIHABCA找到了全局最优值，并降低了BAN中发送和接收数据的能量成本。在能源成本方面，在具有不同节点数量的模拟中进行模拟退火。结果表明，与其他三种方法相比，通过BIHABCA方法优化的网络的能量成本有所降低，这意味着所提出的BIHABCA找到了全局最优值，并降低了BAN中数据收发的能量成本。在能源成本方面，在具有不同节点数量的模拟中进行模拟退火。结果表明，与其他三种方法相比，所提出的BIHABCA方法所优化的网络的能量成本降低了，这意味着所提出的BIHABCA找到了全局最优值，并降低了BAN中发送和接收数据的能量成本。