In this study, we propose a clustering algorithm to enhance the performance of wireless sensor and actuator networks (WSANs). In each cluster, a multi-level hierarchical structure can be applied to reduce energy consumption. In addition to the cluster head, some nodes can be selected as intermediate nodes (INs). Each IN manages a subcluster that includes its neighbors. INs aggregate data from members in its subcluster, then send them to the cluster head. The selection of intermediate nodes aiming to optimize energy consumption can be considered high computational complexity mixed-integer linear programming. Therefore, a heuristic lowest energy path searching algorithm is proposed to reduce computational time. Moreover, a channel assignment scheme for sub-clusters is proposed to minimize interference between neighboring subclusters, thereby increasing aggregated throughput. Simulation results confirm that the proposed scheme can prolong network lifetime in WSANs

چکیده

در این مطالعه قصد داریم به ارائه یک الگوریتم خوشه بندی برای بهبود کارائی شبکه های حسگر بی سیم و شبکه های محرک (WSAN) بپردازیم. در هر خوشه، می توان از یک ساختار سلسله مراتبی چند سطحی برای کاهش مصرف انرژی استفاده کرد. بعضی از گره ها را می توان علاوه بر سرآیند خوشه، به عنوان گره های میانی (IN) انتخاب کرد. هر IN می تواند یک زیر شاخه ای که شامل گره های همسایه می باشد را مدیریت نماید. IN ها اقدام به ادغام داده های مربوط به اعضای زیر خوشه نموده و سپس این داده ها را برای سرآیند خوشه ارسال می کنند. هدف از انتخاب گره های میانی، بهینه سازی مصرف انرژی در برنامه نویسی خطی ترکیبی با پیچیدگی محاسباتی بالا می باشد. بنابراین یک الگوریتم جستجوی مسیر با کمترین مصرف انرژی را پیشنهاد می دهیم تا زمان محاسباتی نیز کاهش پیدا کند. علاوه بر این، شِمایی را برای تخصیص کانال به خوشه ها ارائه می دهیم تا تداخل بین زیر خوشه های همسایه کاهش پیدا کرده و از این رو توان عملیاتی افزایش پیدا کند. نتایج شبیه سازی نشان می دهد که شِمای پیشنهادی می تواند طول عمر شبکه های WSAN را افزایش دهد.

1-مقدمه

در شبکه های حسگر بیسیم (WSN)، گره های مجاور ممکن است رویداد و داده های یکسانی را تشخیص دهند. این گره ها را می توان در قالب گروه هایی خوشه بندی کرد. یک سرآیند خوشه (CH)، مسئول جمع آوری داده ها برای گره های موجود در خوشه اش و سپس فوروارد داده ها به سمت ایستگاه پایه را بر عهده دارد. CH ها به گره های عمومی (GN) و آن هم در مقایسه با ایستگاه پایه، نزدیک تر می باشند. بنابراین، گره های موجود در خوشه ها می توانند در مصرف انرژی صرفه جویی نمایند...