DOI: https://doi.org/10.1038/s41598-025-32271-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41507254
تاريخ النشر: 2026-01-08
المؤلف: Mehdi Hosseinzadeh وآخرون
الموضوع الرئيسي: شبكات الاستشعار اللاسلكية الموفرة للطاقة
نظرة عامة
يقدم القسم نظرة عامة على إطار العمل المعتمد على الطاقة الديناميكية متعدد الطبقات (DEBML)، المصمم لتعزيز توجيه البيانات في شبكات الاستشعار اللاسلكية (WSNs) ذات الموارد المحدودة ضمن إنترنت الأشياء (IoT). يتناول DEBML تحديات القابلية للتوسع وكفاءة الطاقة والموثوقية من خلال تنظيم العقد في طبقات ديناميكية بناءً على مستويات الطاقة المتبقية. يسمح هذا التصنيف بتنفيذ بروتوكولات توجيه محددة لكل طبقة، حيث تدير الطبقات عالية الطاقة النقلات الحرجة بتوجيه قوي، بينما تركز الطبقات منخفضة الطاقة على الحفاظ على الطاقة للاتصالات الروتينية.
يسلط البحث الضوء على عدة مساهمات رئيسية لـ DEBML، بما في ذلك تحسين الموثوقية في تسليم الحزم، وتقليل زمن الانتظار من النهاية إلى النهاية، وآلية إعادة تصنيف ديناميكية مبتكرة تعمل على تحسين الأداء بناءً على تقييمات الطاقة في الوقت الحقيقي. تظهر نتائج المحاكاة أداء DEBML المتفوق من حيث نسبة تسليم الحزم، وزمن التأخير من النهاية إلى النهاية، وعمر الشبكة الكلي مقارنة بالطرق الحالية. بينما يفترض البحث وجود عقد متجانسة لتبسيط التقييم، فإنه يعترف بقدرة الإطار على التكيف مع البيئات غير المتجانسة، مما يجعله حلاً واعدًا للقدرات المتنوعة للطاقة والمعالجة الموجودة في شبكات IoT العملية.
مقدمة
تناقش مقدمة الورقة إنترنت الأشياء (IoT) وتأثيره التحويلي عبر مختلف القطاعات، مع تسليط الضوء أيضًا على التحديات الكبيرة المتعلقة بكفاءة الطاقة وموثوقية البيانات والقابلية للتوسع، خاصة ضمن شبكات الاستشعار اللاسلكية (WSNs). تتفاقم هذه التحديات بسبب القيود الجوهرية لشبكات الاستشعار اللاسلكية، مثل موارد الطاقة المحدودة والطرز الديناميكية للشبكة. ركزت الأبحاث الحديثة على تطوير آليات توجيه فعالة من حيث الطاقة وقابلة للتوسع، مع التأكيد على جوانب مثل تنقل المصب، وتحسين مهام السحاب الضبابي، واستراتيجيات التجميع المدركة لجودة الخدمة (QoS). ومع ذلك، غالبًا ما تتجاهل بروتوكولات توجيه IoT الحالية القضايا الحرجة مثل عدم المساواة في الطاقة بين العقد، مما يؤدي إلى استنفاد الطاقة المبكر وتقليل عمر الشبكة، بالإضافة إلى الصعوبات في إعادة تكوين الشبكة الديناميكية التي تؤدي إلى عدم الكفاءة وارتفاع معدلات فقدان الحزم.
لمعالجة هذه القيود، تقترح الدراسة نهج التوجيه المعتمد على الطاقة الديناميكية متعدد الطبقات (DEBML)، وهي استراتيجية توجيه مبتكرة مصممة لشبكات IoT. يقوم إطار DEBML بتقسيم الشبكة بشكل فريد إلى طبقات متميزة وفقًا لمستويات الطاقة المتبقية للعقد، بهدف تعزيز إدارة الطاقة، وتقليل التأخيرات، وتحسين موثوقية تسليم البيانات. يسعى هذا النهج الجديد إلى التغلب على تحديات القابلية للتوسع والمرونة التي تواجهها مخططات التوجيه الحالية، مما يسهل التواصل الأكثر فعالية في بيئات IoT الكبيرة أو الكثيفة.
طرق
في الدراسات الحديثة، تم استخدام خوارزميات التحسين بشكل فعال لتعزيز التوجيه في شبكات الاستشعار اللاسلكية (WSNs). قام سينثيل وآخرون بدمج تحسين سرب الجسيمات (PSO) مع خوارزمية البحث عن البرق، مما أدى إلى تحسين الكفاءة في التجميع والتوجيه. بالإضافة إلى ذلك، استخدم أتييا وآخرون تقنيات البرمجة الديناميكية لتسهيل التوجيه متعدد المسارات في شبكات إنترنت الأشياء (IoT) الكثيفة، مما يظهر قابلية تكيف هذه الطرق في البيئات المعقدة.
تم إحراز تقدم إضافي من قبل أرافيند وماديكونتا، وكذلك كارونكوزالي وآخرون، الذين دمجوا المنطق الضبابي مع خوارزمية تحسين هاريس هوكس (HHO). يهدف هذا الدمج إلى تحسين عمليات اتخاذ القرار في التوجيه، مما يظهر إمكانيات الأساليب الهجينة في تحسين أداء WSN. بشكل عام، تسلط هذه الدراسات الضوء على الدور الكبير للطرق المعتمدة على التحسين والمستوحاة من الطبيعة في معالجة تحديات التوجيه في WSNs وشبكات IoT.
نتائج
تظهر نتائج المحاكاة للطريقة المقترحة DEBML، التي أجريت باستخدام محاكي NS2، أدائها المتفوق مقارنة بثلاث طرق راسخة: كيامانسوري وآخرون، EB-MT، وكارونكوزالي وآخرون. شملت معايير التقييم معدل تسليم الحزم (PDR)، ونسبة فقدان الحزم، وزمن التأخير من النهاية إلى النهاية، وعمر الشبكة، مع التركيز على معالجة التحديات الرئيسية في IoT مثل الموثوقية، والكمون، وكفاءة الطاقة. شملت المحاكاة شبكات تتكون من 25 إلى 150 عقدة ضمن منطقة 500م × 500م، حيث بدأت كل عقدة استشعار بـ 10 جول من الطاقة ولديها نطاق اتصال يبلغ 80 مترًا.
تشير النتائج إلى أن DEBML تحقق باستمرار معدل PDR أعلى عبر جميع أحجام الشبكات المختبرة، مع معدل PDR ملحوظ يبلغ 95% في تكوين مكون من 150 عقدة، متجاوزة EB-MT بنسبة 15% وكيامانسوري وآخرون بنسبة 20%. يُعزى هذا التحسن إلى آلية الطبقات المدركة للطاقة في DEBML، التي تعطي الأولوية للعقد ذات الطاقة الأعلى للمهام الحرجة، مما يقلل من التصادمات وإعادة الإرسال. يتضمن النموذج التحليلي لـ PDR عوامل مثل احتمال التصادم واستنفاد الطاقة، مما يظهر أن إعادة تصنيف DEBML التكيفية تحافظ بفعالية على أداء التوجيه الأمثل. تؤكد هذه النتائج على إمكانية DEBML في نقل البيانات بشكل موثوق في التطبيقات الحرجة لـ IoT، مثل مراقبة الصحة، حيث يعد تقليل فقدان الحزم أمرًا أساسيًا.
مناقشة
يقدم قسم المناقشة في ورقة البحث إطار العمل المعتمد على الطاقة الديناميكية متعدد الطبقات (DEBML)، الذي يعالج التحديات الحرجة في شبكات إنترنت الأشياء (IoT)، وخاصة كفاءة الطاقة والموثوقية. ينظم DEBML العقد في طبقات بناءً على مستويات الطاقة الخاصة بها، مما يسمح للعقد عالية الطاقة بإدارة نقل البيانات الحرجة باستخدام بروتوكولات توجيه قوية، بينما تركز العقد منخفضة الطاقة على الحفاظ على الطاقة باستخدام بروتوكولات خفيفة الوزن. لا يوازن هذا النهج الطبقي عبء العمل عبر الشبكة فحسب، مما يقلل من خطر فشل العقد بسبب استنفاد الطاقة، بل يقلل أيضًا من تصادمات الحزم والتأخيرات، مما يعزز جودة الخدمة.
تشمل الابتكارات الرئيسية لـ DEBML تشكيل طبقات متعددة مدركة للطاقة ديناميكيًا، حيث يتم إعادة تعيين العقد إلى طبقات بناءً على مراقبة الطاقة في الوقت الحقيقي، واستراتيجيات توجيه تكيفية محددة للطبقة مصممة لتناسب الخصائص الطاقية للعقد. تضمن هذه القابلية للتكيف أداءً مثاليًا للشبكة في البيئات الديناميكية. تم التحقق من صحة الإطار من خلال محاكاة NS2، مما يظهر أداءً متفوقًا من حيث نسبة تسليم الحزم، وفقدان الحزم، وزمن التأخير من النهاية إلى النهاية، وكفاءة الطاقة، وعمر الشبكة الكلي مقارنة بالبروتوكولات الحالية. من خلال معالجة مشكلة عدم المساواة في الطاقة السائدة في طرق التوجيه التقليدية بشكل فعال، يعزز DEBML استدامة وموثوقية نشرات IoT، مما يجعله مناسبًا بشكل خاص للتطبيقات الحساسة للكمون مثل الرعاية الصحية وأتمتة الصناعة.
DOI: https://doi.org/10.1038/s41598-025-32271-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41507254
Publication Date: 2026-01-08
Author(s): Mehdi Hosseinzadeh et al.
Primary Topic: Energy Efficient Wireless Sensor Networks
Overview
The section presents an overview of the Dynamic Energy-Based Multilayer Routing (DEBML) framework, designed to enhance data routing in resource-constrained Wireless Sensor Networks (WSNs) within the Internet of Things (IoT). DEBML addresses the challenges of scalability, energy efficiency, and reliability by organizing nodes into dynamic layers based on their residual energy levels. This stratification allows for the implementation of layer-specific routing protocols, where high-energy layers manage critical transmissions with robust routing, while lower-energy layers focus on conserving energy for routine communications.
The paper highlights several key contributions of DEBML, including improved reliability in packet delivery, reduced end-to-end latency, and an innovative dynamic re-layering mechanism that optimizes performance based on real-time energy assessments. Simulation results demonstrate DEBML’s superior performance in terms of packet delivery ratio, end-to-end delay, and overall network lifespan compared to existing methods. While the study assumes homogeneous nodes to simplify evaluation, it acknowledges the framework’s adaptability to heterogeneous environments, making it a promising solution for the diverse energy and processing capabilities found in practical IoT networks.
Introduction
The introduction of the paper discusses the Internet of Things (IoT) and its transformative impact across various sectors, while also highlighting significant challenges related to energy efficiency, data reliability, and scalability, particularly within Wireless Sensor Networks (WSNs). These challenges are exacerbated by the inherent constraints of WSNs, such as limited energy resources and dynamic network topologies. Recent research has focused on developing energy-efficient and scalable routing mechanisms, emphasizing aspects like sink mobility, fog-cloud task optimization, and Quality of Service (QoS)-aware clustering strategies. However, existing IoT routing protocols often overlook critical issues such as energy inequality among nodes, which leads to premature power depletion and reduced network lifespan, as well as difficulties in dynamic network reconfiguration that result in inefficiencies and high packet drop rates.
To address these limitations, the study proposes the Dynamic Energy-Based Multilayer Routing (DEBML) approach, an innovative routing strategy tailored for IoT networks. The DEBML framework uniquely segments the network into distinct layers according to the residual energy levels of the nodes, aiming to enhance energy management, minimize delays, and improve data delivery reliability. This novel approach seeks to overcome the scalability and flexibility challenges faced by current routing schemes, thereby facilitating more effective communication in large or dense IoT environments.
Methods
In recent studies, optimization algorithms have been effectively utilized to enhance routing in Wireless Sensor Networks (WSNs). Senthil et al. combined Particle Swarm Optimization (PSO) with the Lightning Search Algorithm, resulting in improved clustering and routing efficiency. Additionally, Ateya et al. employed dynamic programming techniques to facilitate multipath routing in dense Internet of Things (IoT) networks, demonstrating the adaptability of these methods in complex environments.
Further advancements were made by Aravind and Maddikunta, as well as Karunkuzhali et al., who integrated fuzzy logic with the Harris Hawks Optimization (HHO) algorithm. This integration aims to refine decision-making processes in routing, showcasing the potential of hybrid approaches in optimizing WSN performance. Overall, these studies highlight the significant role of optimization-based and bio-inspired methods in addressing the challenges of routing in WSNs and IoT networks.
Results
The simulation results of the proposed DEBML method, conducted using the NS2 simulator, demonstrate its superior performance compared to three established methods: Kiamansouri et al., EB-MT, and Karunkuzhali et al. The evaluation criteria included packet delivery rate (PDR), packet loss ratio, end-to-end delay, and network lifetime, with a focus on addressing key IoT challenges such as reliability, latency, and energy efficiency. The simulation involved networks of 25 to 150 nodes within a 500m x 500m area, with each sensor node starting with 10 joules of energy and having a communication range of 80 meters.
The results indicate that DEBML consistently achieves a higher PDR across all tested network sizes, with a notable PDR of 95% in a 150-node configuration, surpassing EB-MT by 15% and Kiamansouri et al. by 20%. This improvement is attributed to DEBML’s energy-aware layering mechanism, which prioritizes nodes with higher energy for critical tasks, thereby reducing collisions and retransmissions. The analytical model for PDR incorporates factors such as collision probability and energy depletion, demonstrating that DEBML’s adaptive re-layering effectively maintains optimal routing performance. These findings underscore DEBML’s potential for reliable data transmission in critical IoT applications, such as healthcare monitoring, where minimizing packet loss is essential.
Discussion
The discussion section of the research paper presents the Dynamic Energy-Based Multilayer Routing (DEBML) framework, which addresses critical challenges in Internet of Things (IoT) networks, particularly energy efficiency and reliability. DEBML organizes nodes into layers based on their energy levels, allowing high-energy nodes to manage critical data transmission using robust routing protocols, while low-energy nodes focus on energy conservation with lightweight protocols. This layered approach not only balances the workload across the network, reducing the risk of node failure due to energy depletion, but also minimizes packet collisions and delays, thereby enhancing the quality of service.
Key innovations of DEBML include dynamic energy-aware multilayer formation, where nodes are reassigned to layers based on real-time energy monitoring, and layer-specific adaptive routing strategies tailored to the energy characteristics of the nodes. This adaptability ensures optimal network performance in dynamic environments. The framework has been validated through NS2 simulations, demonstrating superior performance in terms of packet delivery ratio, packet loss, end-to-end delay, energy efficiency, and overall network lifetime compared to existing protocols. By effectively addressing the energy inequality problem prevalent in traditional routing methods, DEBML enhances the sustainability and reliability of IoT deployments, making it particularly suitable for latency-sensitive applications such as healthcare and industrial automation.