TAVLAMA BENZETİMİ ALGORİTMASI İLE GENİŞ ÖLÇEKLİ KABLOSUZ ALGILAYICI AĞLARDA LEACH PROTOKOLÜNÜN OPTİMİZASYONU

Abstract

Kablosuz Algılayıcı Ağ (KAA) yapılarında kullanılan algılayıcı düğümler enerji, hız ve bellek kullanımı açısından sınırlı kapasiteye sahiptirler. Bu sınırlı kapasite KAA’larda her bir veri gönderim çevriminde azalmakta ve sonunda KAA kullanılamaz duruma gelmektedir. Bu çalışmada, LEACH yönlendirme protokolünü kullanan KAA’larda algılayıcı düğümlerin enerji kayıplarını azaltmak ve KAA’nın aktif kalma süresini arttırmak için Tavlama Benzetimi (TB) algoritmasına dayalı bir yöntem sunulmuştur. Yapılan çalışmada, her bir veri aktarım çevriminde kullanılan küme başlarının seçimi LEACH protokolü ile gerçekleştirilmiş, sonrasında ise TB algoritması kullanılarak, seçilen küme başı düğümlerden daha iyi komşu düğümler olup olmadığı araştırılmıştır. Test çalışmalarında, algılayıcı sayısı 100 olan, geniş ölçekli KAA modelleri seçilmiştir. Ağ modelinde algılayıcı düğümler 100x100m alana rasgele bir şekilde dağıtılmıştır. Geliştirilen algoritmanın başarımı; ağın her bir veri aktarımı çevriminde tükettiği enerji ve ağın aktif olduğu süre boyunca gönderdiği veri miktarı açısından MATLAB R2015b yazılımı kullanılarak değerlendirilmiştir. Çalışma sonucunda algılayıcı sayısı 100 olan geniş ölçekli ağlarda ağın toplam yaşam süresi açısından %82 ve veri aktarımı açısından %72.2 verim elde edilmiştir.

Sensor nodes used in Wireless Sensor Network (WSN) structures have limited capacity in terms of energy, speed and memory usage. This limited capacity decreases with each data delivery cycle in WSN, and eventually, WSN becomes unavailable. In this study, a method based on the Simulated Annealing (SA) algorithm was presented to increase the duration of WSNs active stay, and reduce the energy losses of sensor nodes in WSNs using the LEACH routing protocol. In the study, the selection of cluster heads used in each data transfer cycle was performed using the LEACH protocol and then using the SA algorithm, it was investigated whether there were better neighboring nodes than the selected cluster heads. In the tests, WSN models with 100 sensors and large-scale were selected. In the network model, the sensor nodes are randomly distributed over an area of 100x100m. The success of the developed algorithm was evaluated using MATLAB R2015b software in terms of the energy the network consumes in each data transfer cycle and the amount of data it sends during the time the network is active. As a result of the study, the efficiency of 82% in terms of the total lifetime of the network and 72.2% in terms of data transfer was achieved in large-scale networks with 100 sensors.