یک تکنیک خوشه بندی برای بهبود الگوریتم k-means با ترکیب پارامترهای خاص در شبکه حسگر بیسیم

در طراحی برنامه های کاربردی و الگوریتم های شبکه های حسگر بی سیم کاهش مصرف انرژی و افزایش طول عمر شبکه یک موضوع اساسی می باشد. 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.بنابراین خوشه بندیِ شبکه های حسگر نقش عمده ای بر مدیریت مناسب تر و مقیاس پذیری این شبکه ها دارد. در این تحقیـق یک روش جدید مسیـریابی خوشه بندی توزیـع شـده با استـفاده از بهبـود الگوریتــم k-means در شبکه های حسگر بی سیم ارائه خواهیم داد. در الگوریتم ارائه شده با گرید بندی شبکه و انتخاب نقاط اولیه الگوریتم k-means به روشی قانونمند ، مشکلات مربوط به الگوریتم k-means را برطرف نموده و خوشه ها را تشکیل دهیم .همچنین با در نظر گرفتن پارامترهای میزان انرژی باقیمانده ی هر حسگر ، میانگین انرژی حسگرهای هر خوشه، تعداد همسایگان هر حسگر و فاصله هر حسگر تا ایستگاه مبنا ، تابع بهینه برای انتخاب بهترین سرخوشه را ایجاد نماییم . پس از تشکیل خوشه ها، انتقال اطلاعات از سرخوشه ها به ایستگاه مبنا با ترکیبی از روش های تک گامی و چندگامی انجام شده است تا از مزایای هر دو روش استفاده شود. نتایج شبیه سازی نشان می دهد که الگوریتم ارائه شده طول عمر، مقیاس پذیری و میانگین مصرف انرژی شبکه را نسبت به الگوریتم های خوشه بندی که قبلاً ارائه شده همانند eeuc,leach به میزان قابل توجهی بهبود می دهد.