IoT 지원 무선 센서 네트워크를 위한 향상된 메타휴리스틱 기반 에너지 인식 클러스터 라우팅 방식

사물인터넷(IoT)은 인터넷을 통해 서로 연결된 수많은 장치들의 네트워크입니다. 무선 센서 네트워크(WSN)는 IoT에서 중요한 역할을 하며, 이는 네트워크의 수명에 큰 영향을 미치는 원활한 데이터를 생성하는 데 도움을 줍니다. IoT의 중요한 응용에도 불구하고 보안, 에너지, 부하 균형 및 저장소와 같은 여러 도전 과제가 존재합니다. 에너지 효율성은 IoT 지원 WSN 설계의 중요한 부분으로 여겨지며, 이는 클러스터링 및 다중 홉 라우팅 기술을 통해 달성됩니다. 이에 따라, 우리는 IoT 지원 WSN을 위한 향상된 메타휴리스틱 기반 에너지 인식 클러스터 라우팅(IMD-EACBR) 방식을 소개합니다. 제안된 IMD-EACBR 모델은 네트워크에서 최대 에너지 활용 및 수명을 달성하기 위해 설계되었습니다. 이를 달성하기 위해 IMD-EACBR 모델은 클러스터 헤드(CH) 선출 및 클러스터 조직을 위한 향상된 아르키메데스 최적화 알고리즘 기반 클러스터링(IAOAC) 기술을 주로 설계합니다. 또한, IAOAC 알고리즘은 에너지 효율성, 분리, 노드 정도 및 클러스터 간 거리와 같은 여러 구조를 특히 연결하는 적합성 목적을 계산합니다. 게다가, 교육-학습 기반 최적화(TLBO) 알고리즘 기반 다중 홉 라우팅(TLBO-MHR) 기술이 목적지에 대한 최적 경로 선택을 위해 적용됩니다. 또한 TLBO-MHR 방법은 에너지와 거리 지표를 사용하여 적합성 목적을 생성합니다. IMD-EACBR 모델의 성능은 여러 측면에서 검토되었습니다. 시뮬레이션 결과는 최근 최첨단 접근 방식 대비 IMD-EACBR 모델의 향상된 성능을 보여주었습니다. IMD-EACBR은 긴급 데이터 전송을 위해 제안된 모델이며, TLBO-MHR 기술은 홉 수와 거리 요구 사항을 기반으로 합니다. 마지막으로, 제안된 네트워크는 NS-3.26의 전체 시뮬레이션 기능을 사용하여 철저한 테스트를 거칩니다. 시뮬레이션 결과는 죽은 노드의 비율, 네트워크의 수명, 소비된 에너지 양, 패킷 전송 비율(PDR), 지연 시간 측면에서 성능 향상을 보여줍니다.