امروزه، در شبکه های حسگر بی سیم، پروتکل های مسیریابی مبتنی بر خوشه بندی از طریق تقسیم گره های همسایه به خوشه های مجزا و انتخاب سرخوشه های محلی برای ترکیب و ارسال اطلاعات هر خوشه به ایستگاه مبنا و سعی در مصرف متوازن انرژی توسط گره های شبکه، بهترین کارایی را از لحاظ افزایش طول عمر و حفظ پوشش شبکه ای در مقایسه با سایر روش های مسیریابی به دست می آورند. با این وجود، همه پروتکل های خوشه بندی ارایه شده تاکنون، تنها نزدیکی جغرافیایی(همسایگی) را به عنوان پارامتر تشکیل خوشه ها در نظر گرفته اند. در این تحقیق، یک پروتکل جدید خوشه بندی متمرکز مبتنی بر انرژی با استفاده از شبکه عصبی نقشه خودسازماندهی برای شبکه های حسگر بی سیم ارایه می شود که قادر به خوشه بندی گره های شبکه بر اساس سطح انرژی و مختصات گره ها می باشد. این پروتکل با استفاده از تعداد مشخصی از گره های پرانرژی در شبکه و اعمال آن ها به عنوان وزن نورون های نقشه خودسازماندهی، نزدیک ترین گره های کم انرژی را جذب گره های پرانرژی می کند؛ به طوری که خوشه ها لزوماً از گره های مجاور تشکیل نشده و در واقع براساس دو پارامتر سطح انرژی و همسایگی، خوشه هایی با انرژی متوازن تشکیل خواهند شد. به علاوه یک تابع هزینه جدید به منظور تصمیم گیری در انتخاب گره های سرخوشه، پیشنهاد شده است که سعی در ترکیب معیارهای مختلف موثر در انتخاب بر اساس میزان اهمیت آن ها دارد. کارایی برتر این پروتکل از لحاظ افزایش طول عمر مفید شبکه و حفظ بهتر پوشش شبکه ای در مقایسه با پروتکل های پیشین نظیر leach و lea2c و نیز تاثیر تابع هزینه پیشنهادی بر کارایی آن (با شبیه سازی) به اثبات رسیده است.

در این پایان نامه یک الگوریتم مسیریابی بر اساس جستجوی ممنوع در شبکه های حسگر بی سیم ارائه خواهیم نمود. الگوریتم ارائه شده، tsra، از فازها و استراتژی های موجود در جستجوی ممنوع مانند انتخاب راه حل اولیه، حرکت، حافظه کوتاه مدت و حافظه بلند مدت، استراتژی لیست کاندید کارا و لیست ممنوع، استفاده نموده است. در این الگوریتم از الگوریتم a* برای یافتن مسیر اولیه استفاده شده است. همچنین روش جدیدی برای یافتن مسیرهای همسایه برای مسیر اولیه، ارائه گردیده است. علاوه بر این ها، در الگوریتم ارائه شده، تابع صلاحیت جدیدی برای انتخاب مسیر همسایه و همچنین انتخاب گره گام بعدی در فرآیند مسیریابی به کارگرفته شده است. ما این الگوریتم را با الگوریتم پایه بهینه سازی کلونی مورچگان مانند aca، aclr، الگوریتم آگاه از انرژی و مکان مبتنی بر بهینه سازی کلونی مورچگان epwsn، که به عنوان اولین الگوریتم ارائه کرده ایم و الگوریتم آگاه از انرژی مبتنی بر بهینه سازی کلونی مورچگان در شبکه های حسگر بی سیم (eaaca) مقایسه خواهیم نمود. مقایسات انجام شده بر اساس میانگین مصرف انرژی شبکه، زمان حیات شبکه و میانگین طول مسیر خواهد بود. نتایج شبیه سازی برای شبکه های مختلف با تعداد گره های متفاوت، که گره های حسگر در آن ها به طور متوازن و تصادفی گسترده شده اند، نشان می دهد که الگوریتم ارائه شده مبتنی بر جستجوی ممنوع در مقایسه با الگوریتم های مسیریابی مبتنی بر بهینه سازی کلونی مورچگان ذکر شده، تعادل انتقال بیشتری را بین گره ها ایجاد می کند، و از آنجا که مصرف انرژی یکی از مهمترین مسائل در شبکه های حسگر بی سیم بدلیل محدودیت باتری در هر حسگر می باشد، الگوریتم ارائه شده مصرف انرژی را در مسیریابی کاهش داده و موجب افزایش زمان حیات شبکه می شود. علاوه بر این ها همانطور که نتایج شبیه سازی نشان می دهد، میانگین طول مسیر ایجاد شده توسط الگوریتم tsra، از الگوریتم های مبتنی بر کلونی مورچگان اشاره شده در بالا بهینه تر است.