Key points are not available for this paper at this time.
축산업에서 무선 센서 네트워크(WSN)는 많은 동물의 건강 상태와 행동을 모니터링하는 데 중요한 역할을 합니다. WSN에서 에너지 절약은 센서가 제약된 자원에 연결되어 있기 때문에 중요한 복잡한 작업 중 하나로 간주됩니다. 따라서 클러스터링 접근법은 WSN에서 에너지를 절약하는 데 효과적임이 입증되었습니다. 최근 연구에서는 에너지 소모를 줄여 네트워크 수명을 개선하기 위해 최적화 기법을 사용하는 다양한 클러스터링 접근법이 도입되었습니다. 그러나 이들은 네트워크에서 최적의 클러스터 헤드를 선택하는 데 시간이 더 오래 걸립니다. 게다가 네트워크에서 에너지가 빠르게 소진됩니다. 이 논문은 에너지 소비율을 최소화하여 네트워크 수명을 연장하는 인공 토끼 최적화 알고리즘 기반의 에너지 효율적인 클러스터 형성(EECHS-ARO) 접근법을 제안합니다. EECHS-ARO 기술은 최적의 클러스터 헤드를 선택하는 과정에서 탐색과 활용의 균형을 유지합니다. 실험은 다양한 센서 노드를 사용하여 MATLAB 2021a 플랫폼에서 수행되었습니다. EECHS-ARO의 결과는 교육-학습 기반 최적화 알고리즘(TLBO), 개사자 최적화기(ALO) 및 준 대립 나비 최적화 알고리즘(QOBOA)과 비교됩니다. 제안된 EECHS-ARO는 네트워크 수명을 약 15% 연장하고 패킷 전달 비율을 약 5% 개선합니다.
Ramalingam et al. (Sun,)는 이 문제를 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: