کاهش مصرف انرژی در شبکه های حسگر بی سیم با استفاده از شبکه های عصبی som

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.