logo móvil
Contáctanos

Un algoritmo genético de clasificación no dominada basado en el diagrama de Voronoi para el despliegue de redes de sensores inalámbricos en terrenos 3D

Autores: Tang, Yifeng; Huang, Dechang; Li, Rong; Huang, Zhaodi

Idioma: Inglés

Editor: MDPI

Año: 2022

Descargar PDF

Acceso abierto

Artículo científico
2022

Un algoritmo genético de clasificación no dominada basado en el diagrama de Voronoi para el despliegue de redes de sensores inalámbricos en terrenos 3D


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Estrategia de implementación
Redes de sensores inalámbricos
Calidad de servicio
Optimización multiobjetivo
Diagrama de Voronoi
QoS

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 31

Citaciones: Sin citaciones


Descripción
La estrategia de implementación para las redes de sensores inalámbricos (WSNs) afecta la calidad del servicio (QoS). Adoptar una estrategia de implementación razonable puede mejorar la QoS de las WSNs. En este documento, el problema relacionado con la implementación de nodos sensores para WSNs en terreno tridimensional (3D) se modela como un problema de optimización multiobjetivo. La tasa de cobertura de las WSNs, su consumo de energía desequilibrado y el número de nodos sensores se utilizan como funciones de aptitud para el problema de optimización. Proponemos un algoritmo genético de clasificación no dominada basado en un diagrama de Voronoi (VNSGA) para resolver el problema de implementación de redes de sensores inalámbricos y mejorar la QoS de las WSNs en terreno 3D. El algoritmo propuesto aplica el diagrama de Voronoi para obtener el radio de detección de nodos y el radio de comunicación, que son adecuados para terrenos 3D con respecto al cálculo de la función de aptitud del problema de optimización. La solución óptima de Pareto se obtiene conservando la solución cercana al punto de referencia. Los experimentos comparan el algoritmo propuesto con el Algoritmo de Enjambre de Partículas Multiobjetivo (MOPSO) y el Algoritmo Genético de Clasificación No Dominada III (NSGA-III) en dos terrenos con diferentes rangos. Los resultados experimentales muestran que el algoritmo propuesto supera al algoritmo de comparación en ambos terrenos con diferentes tamaños de rango. El algoritmo propuesto puede mejorar la cobertura al 97,95% y reducir el desequilibrio en el consumo de energía al 9,13% en un terreno de rango grande.

Otros recursos que podrían interesarte

Temas Virtualpro