دو روش‌‌ مبتنی بر یادگیری خمینه‌ها در حل مسئلة مکان‌یابی در شبکه‌های حسگر بی‌سیم

نویسندگان

1 دانشگاه بیرجند

2 دانشگاه بیرجند

doi
10.22034/csj.2024.203196
چکیده

یکی از چالش‌ها در مورد شبکه‌های حسگر بی‌سیم نحوه مکان‌یابی حسگرهاست. تا کنون الگوریتم‌های مطرح شده در مسئلة مکان‌یابی در شبکه‌های حسگر استفاده از فاصله اقلیدسی نقاط بدون در نظر گرفتن موقعیت هندسی نقاط بوده است‌. در این مقاله از ویژگی‌های هندسی نقاط از جمله فاصله ژئودزیکی استفاده و نشان می‌دهیم اگر حسگرهای لنگر بر روی یک خمینه خاص قرار داشته ‌باشند، الگوریتم‌های مکان‌یابی عملکرد بهتری خواهند داشت‌. در این مقاله، دو روش پیشنهادی با استفاده از روش‌های یادگیری خمینه‌ها برای حل مسئلة ارایه و الگوریتم‌های پیشنهادی بر روی دو دسته از داده‌های تصادفی و یکنواخت بر روی کره بررسی می‌شوند‌. تعداد 256 حسگر در نظر گرفته که دارای 16 حسگر لنگر و 240 حسگر دارای مکان نامشخص هستند‌. بررسی خطای مکان‌یابی حاصل از ‌پیاده‌سازی ‌نشان‌دهنده عملکرد مناسب روش‌هاست. استفاده از فاصله ژئودزیکی منجر به کاهش خطای محاسبه مکان دقیق حسگرها می‌شود‌. در نهایت روش‌های پیشنهادی نسبت به سایر روش‌ها که از فاصله ژئودزیکی استفاده نمی‌کنند عملکرد بهتری دارد. در حالت داده‌های تصادفی برای تعداد همسایگی ۱۷ در روش 1 با استفاده از فواصل ژئودزیکی و اقلیدسی خطاهای 0/9504 و 1/8654 به دست آمده است. کمترین میزان خطا با استفاده از فاصله ژئودزیکی و اقلیدسی برای 21= k برای داده‌های یکنواخت به ترتیب 0/0070 و 0/7827 می‌باشد‌. در روش ۲ برای داده‌های یکنواخت به ازای تمام مقادیر k خطای فاصله ژئودزیکی کمتر از فاصله اقلیدسی است‌. کمترین خطا برای داده‌های تصادفی با استفاده از فاصله ژئودزیکی و اقلیدسی به ترتیب 0/1098 و 0/2901 است.