無線センサーネットワークにおけるエネルギー消費のバランスを取るための人工ニューラルネットワークに基づくクラスタリング

無線センサーネットワーク（WSN）の安定性は、軍事、防衛、およびその他の監視システムなどのリアルタイムアプリケーションにおいて重要な要件です。WSNにおけるクラスタリングは、通信時間の最小化、エネルギー利用の最適化、ネットワーク寿命の延長、ネットワークの安定性の確保などの利点を提供する最も一般的な技術の一つです。さらに、エネルギー消費とネットワークの安定性を維持するバランスは、クラスタのサイズに大きく影響されます。本研究論文では、クラスタベースのルーティングとクラスタ形成のパラダイムに関連する課題に取り組み、人工ニューラルネットワーク（ANN）の原理を用いた新しいアルゴリズムを導入します。特に、提案されたアルゴリズムは、自己組織化マップ（SOM）とK平均クラスタリングのハイブリッド戦略を統合して、エネルギー効率の良いクラスタを形成し、さらにそれらの間でエネルギー分配を均一に確保します。提案されたアルゴリズムの妥当性は、MATLABを使用して実施された実験分析によって確認されています。シミュレーション結果は、SOMとK平均クラスタリングのハイブリッド組み合わせがエネルギー消費を最小限に抑え、ネットワークの安定性を維持するのに非常に効率的であることを示しています。また、発見された結果は、平均して80%の安定したネットワーク寿命を示し、パケット受信比率（PRR）98%を達成しており、これは他の二つのプロトコル、すなわちLEACHおよびMODLEACHプロトコルよりもはるかに高いものです。