A Hybrid Method for Mobile Agent Moving Trajectory Scheduling using ACO and PSO in WSNs

طريقة هجينة لجدولة مسار حركة الوكيل المتنقل باستخدام خوارزميتي ACO وPSO في شبكات الاستشعار اللاسلكية (WSNs)

Clicks: 310
ID: 267334
2019
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #698 of 1,694 articles by views in sensors

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 1,694 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Wireless Sensor Networks (WSNs) are usually troubled with constrained energy and complicated network topology which can be mitigated by introducing a mobile agent node. Due to the numerous nodes present especially in large scale networks, it is time-consuming for the collector to traverse all nodes, and significant latency exists within the network. Therefore, the moving path of the collector should be well scheduled to achieve a shorter length for efficient data gathering. Much attention has been paid to mobile agent moving trajectory panning, but the result has limitations in terms of energy consumption and network latency. In this paper, we adopt a hybrid method called HM-ACOPSO which combines ant colony optimization (ACO) and particle swarm optimization (PSO) to schedule an efficient moving path for the mobile agent. In HM-ACOPSO, the sensor field is divided into clusters, and the mobile agent traverses the cluster heads (CHs) in a sequence ordered by ACO. The anchor node of each CHs is selected in the range of communication by the mobile agent using PSO based on the traverse sequence. The communication range adjusts dynamically, and the anchor nodes merge in a duplicated covering area for further performance improvement. Numerous simulation results prove that the presented method outperforms some similar works in terms of energy consumption and data gathering efficiency.
عادةً ما تعاني شبكات الاستشعار اللاسلكية (WSNs) من محدودية الطاقة وتعقيد بنية الشبكة، وهو ما يمكن التخفيف من حدته عن طريق إدخال عقدة وكيل متنقل. ونظرًا لكثرة العقد الموجودة، لا سيما في الشبكات واسعة النطاق، فإن اجتياز جميع العقد بواسطة جامع البيانات يستغرق وقتًا طويلاً، وينجم عنه زمن انتقال كبير داخل الشبكة. وعليه، ينبغي جدولة مسار حركة جامع البيانات بدقة لتحقيق مسافة أقصر تضمن جمع البيانات بكفاءة. وعلى الرغم من الاهتمام الواسع بتخطيط مسار حركة الوكيل المتنقل، إلا أن النتائج تنطوي على قيود من حيث استهلاك الطاقة وزمن انتقال الشبكة. نقترح في هذه الورقة طريقة هجينة تُدعى HM-ACOPSO تجمع بين خوارزمية تحسين مستعمرة النمل (ACO) وخوارزمية تحسين سرب الجسيمات (PSO) لجدولة مسار حركة فعال للوكيل المتنقل. في طريقة HM-ACOPSO، يُقسَّم حقل الاستشعار إلى عناقيد، ويجتاز الوكيل المتنقل رؤساء العناقيد (CHs) وفق تسلسل تحدده خوارزمية ACO. وتُحدد عقدة الارتكاز لكل رئيس عنقود ضمن نطاق الاتصال بواسطة الوكيل المتنقل باستخدام خوارزمية PSO استنادًا إلى تسلسل الاجتياز. كما يُضبط نطاق الاتصال ديناميكيًا، وتُدمج عُقد الارتكاز في مناطق التغطية المتداخلة لتعزيز الأداء بشكل أكبر. وتُثبت نتائج المحاكاة المتعددة أن الطريقة المقدمة تتفوق على بعض الأعمال المشابهة من حيث استهلاك الطاقة وكفاءة جمع البيانات.
Reference Key
gao2019sensorsa Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Yu Gao;Jin Wang;Wenbing Wu;Arun Kumar Sangaiah;Se-Jung Lim;Gao, Yu;Wang, Jin;Wu, Wenbing;Sangaiah, Arun Kumar;Lim, Se-Jung;
Journal sensors
Year 2019
DOI
10.3390/s19030575
URL
https://www.mdpi.com/1424-8220/19/3/575#citedby
Keywords
particle swarm optimization wireless sensor network ant colony optimization mobile agent moving trajectory

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.