مسیریابی خوشه ای در شبکه های حسگر با توجه به توان و معیارهای کیفیت سرویس

در سالهای اخیر، توجه بسیاری به استفاده از شبکه های حسگر بیسیم شده است. ویژگی های خاص این شبکه ها، امکان استفاده از آنها را درکاربردهایی مانند کنترل و بررسی مناطق حادثه خیز، حفاظت مرزها و مراقبت های امنیتی و نظامی فراهم می کند. زمانی که محل استقرار شبکه های حسگر در محیط های خطرناک و دور از دسترس است، تعداد زیادی حسگر به صورت تصادفی در ناحیه پراکنده می شوند. برای ساده سازی مدیریت چنین شبکه هایی و افزایش قابلیت توسعه ی آنها، معمولا گره ها را در خوشه هایی مجزا و غیر همپوشان دسته بندی می کنند. خوشه بندی گره های شبکه در کارهای زیادی مورد بررسی قرار گرفته است. هر یک از این روش ها، خوشه بندی را با اهداف مختلفی همچون توازن بار، افزایش تحمل پذیری در مقابل خطا، افزایش میزان اتصالات، کاهش تاخیر و یا افزایش طول عمر شبکه انجام می دهند. درصورتی که خوشه بندی به شکلی صحیح انجام گیرد، می تواند منجر به کاهش مصرف انرژی، افزایش طول عمر شبکه و ساده سازی مسیریابی گردد. اهمیت وکاربرد زیاد شبکه های حسگر بیسیم در کنار ویژگی های خاص آنها و مزایای حاصل از خوشه بندی، نیاز پرداختن به این موضوع را آشکار می کند. در این تحقیق به دنبال روشی مناسب جهت انجام خوشه بندی، انتخاب سرخوشه ها و مسیریابی بسته ها هستیم. الگوریتمی که در این پایان نامه ارائه میشود، براساس محاسبه ی وزن ترکیبی عمل میکند. وزنی که برای گره ها محاسبه میشود در هر دو قسمت الگوریتم، خوشه بندی و مسیریابی، مورد استفاده قرار میگیرد.جهت ارزیابی الگوریتمهای خوشه بندی، متریکهایی مانند تعداد خوشه ها، توازن بار کاری، نحوه ی توزیع chها در سطح شبکه و بهینگی مصرف انرژی مورد بررسی قرار می گیرند. مزیت الگوریتم پیشنهادی دارا بودن قابلیت توسعه است. ارسال چندگامی بسته ها، این امکان را فراهم می کند که الگوریتم بتواند با بزرگ شدن شبکه هم به عملکرد خود ادامه دهد.علاوه بر این بتواند در مقابل محل قرار گیری bs تا حدی مقاوم باشد. برحسب موقعیت شبکه، bs میتواند در داخل یا خارج ناحیه ی مورد بررسی قرار گرفته باشد.درصورتی که تنظیمات شبکه به درستی انجام گیرند الگوریتم قادر است به کار خود ادامه دهد. با حذف محدودیت شعاع ارسال به خوبی نحوه ی توزیع بار انرژی در الگوریـتم های مختلف مشاهده شد. سطوح انرژی گره ها و chها در الگوریتم پیشنهادی نزدیک است. با بررسی نمودارهای مختلف مربوط به تعداد و جمعیت خوشه ها مشهود است که الگوریتم پیشنهادی میتواند براساس شرایط شبکه در ارتباط با تعداد مناسب خوشه تصمیم بگیرد. ترکیب پارامترها در این الگوریتم به رفتار متعادل الگوریتم در شرایط مختلف کمک کرده است. نرخ خطا در الگوریتم پیشنهادی با درنظر گرفتن شرایط محدود از دو الگوریتم استاتیک و leach بهتر بود.