بهبود مسیریابی در شبکه های حسگر بی سیم با استفاده از شبکه های عصبی

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. 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 لزوما 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.