DOI: https://doi.org/10.29284/5b1a5r43
تاريخ النشر: 2026-02-10
المؤلف: S. Mageshwaran وآخرون
الموضوع الرئيسي: شبكات الاستشعار اللاسلكية الموفرة للطاقة
نظرة عامة
تقدم ورقة البحث خوارزمية هجينة جديدة، وهي خوارزمية تحسين سنجاب البحر – تحسين السرب التنافسي (SOA-CSO)، تهدف إلى تعزيز كفاءة اختيار رأس العنقود (CH) في الشبكات اللاسلكية الاستشعارية (WSNs). نظرًا للتحديات المتعلقة بالحفاظ على الطاقة وطول عمر الشبكة بسبب عمر البطارية المحدود لعقد الاستشعار، تجمع خوارزمية SOA-CSO المقترحة بين قدرات البحث العالمية لخوارزمية تحسين سنجاب البحر مع ديناميكيات التعلم التنافسي لتحسين السرب. يظهر أن هذا الدمج يقلل بشكل كبير من استهلاك الطاقة ويحسن مجموعة متنوعة من مقاييس الأداء، بما في ذلك عمر الشبكة، ومعدل النقل، ونسبة تسليم الحزم، وتوازن الحمل، والاستقرار.
تشير نتائج المحاكاة إلى أن نهج SOA-CSO يتفوق باستمرار على خوارزمية FA-ROA عبر شبكات بأحجام مختلفة (100، 200، و300 عقدة). تشمل النتائج الرئيسية زيادة ملحوظة في عدد العقد الحية، مع تحسين مقياس أول عقدة ميتة (FND) بمعدل 38.42% ومقياس آخر عقدة ميتة (LND) بمعدل 26.54%. بالإضافة إلى ذلك، تعزز الخوارزمية الهجينة من معالجة حركة مرور الشبكة وكفاءة نقل البيانات، حيث زادت نسبة نقل الحزم داخل العنقود بمعدل 29.94% ونقل الحزم بين العناقيد بمعدل 26.84%. تؤكد هذه النتائج على قابلية التوسع والصلابة لنهج SOA-CSO، مما يجعله حلاً واعدًا للشبكات اللاسلكية الاستشعارية ذات قيود الطاقة وتطبيقات إنترنت الأشياء الذكية.
مقدمة
تناقش مقدمة ورقة البحث الدور الحاسم للشبكات اللاسلكية الاستشعارية (WSNs) في تطبيقات إنترنت الأشياء (IoT) المختلفة، بما في ذلك المدن الذكية وأنظمة الرعاية الصحية. تواجه كل عقدة استشعار، بينما هي مزودة بقدرات الاستشعار والمعالجة والاتصال، تحديات كبيرة تتعلق بنفاد الطاقة، مما يؤثر بشكل مباشر على طول عمر الشبكة. لمعالجة هذه التحديات، ظهرت التجميعات كاستراتيجية فعالة للحفاظ على الطاقة، حيث يتم تجميع عقد الاستشعار، ويتم انتخاب رأس عنقود (CH) لإدارة تجميع البيانات ونقلها. ومع ذلك، غالبًا ما تؤدي طرق اختيار CH التقليدية إلى توزيع غير متوازن للطاقة وزيادة فقدان الحزم، مما يقصر من عمر الشبكة.
لتحسين اختيار CH، تسلط الورقة الضوء على استخدام خوارزميات التحسين المستوحاة من العمليات الطبيعية، مثل تحسين سرب الجسيمات (PSO) والخوارزميات الجينية (GA). على الرغم من مزاياها، تواجه هذه الخوارزميات غالبًا مشكلات تتعلق بتوقف التقارب وعدم التوازن الكافي بين الاستكشاف والاستغلال. يقترح المؤلفون نهجًا هجينيًا جديدًا يجمع بين خوارزمية تحسين سنجاب البحر (SOA)، المعروفة بقدراتها القوية في البحث العالمي، مع تحسين السرب التنافسي (CSO)، الذي يعزز دقة البحث المحلي. يهدف هذا الإطار الهجين SOA-CSO إلى تحسين اختيار CH في WSNs، مما يحسن في النهاية كفاءة الطاقة ويطيل عمر الشبكة.
مناقشة
تؤكد قسم المناقشة في ورقة البحث على الدافع وراء تطوير إطار تحسين هجيني يجمع بين خوارزمية تحسين سنجاب البحر (SOA) وتحسين السرب التنافسي (CSO) لاختيار رأس العنقود (CH) في الشبكات اللاسلكية الاستشعارية (WSNs). غالبًا ما تؤدي طرق التجميع التقليدية إلى عدم توازن الطاقة وفشل العقد قبل الأوان، مما يؤثر سلبًا على طول عمر الشبكة. يهدف إطار SOA-CSO المقترح إلى تعزيز كفاءة الطاقة واستقرار الاتصال من خلال اختيار CHs بشكل ذكي مع تحقيق توازن بين الاستكشاف والاستغلال خلال عملية التحسين.
تشمل المساهمات الرئيسية لهذا البحث تقديم نموذج SOA-CSO هجيني جديد يحسن كفاءة البحث ومقاييس الأداء مثل عمر الشبكة وتوزيع الطاقة. تظهر التقييمات المقارنة ضد الخوارزميات الحالية، مثل FA-ROA، تحسينات كبيرة في استقرار الشبكة، حيث تم تأخير وفاة العقدة الأولى بنسبة 29.47% وتم تمديد وفاة العقدة الأخيرة بنسبة 28.14%. كما يعزز النهج الهجين من قدرات نقل البيانات، كما يتضح من زيادة معدلات حركة مرور الشبكة ونقل الحزم التراكمي. على الرغم من مزاياها، تعترف الدراسة بالتحديات المتعلقة بتعقيد التصميم وحساسية المعلمات، خاصة في بيئات إنترنت الأشياء ذات الموارد المحدودة. بشكل عام، يقدم إطار SOA-CSO حلاً قويًا لتحسين اختيار CH في الشبكات اللاسلكية الاستشعارية الكبيرة، مع معالجة القيود الحرجة للطرق التقليدية.
DOI: https://doi.org/10.29284/5b1a5r43
Publication Date: 2026-02-10
Author(s): S. Mageshwaran et al.
Primary Topic: Energy Efficient Wireless Sensor Networks
Overview
The research paper presents a novel hybrid algorithm, the Sandpiper Optimization Algorithm-Competitive Swarm Optimization (SOA-CSO), aimed at enhancing the efficiency of Cluster Head (CH) selection in Wireless Sensor Networks (WSNs). Given the challenges of energy conservation and network longevity due to the limited battery life of sensor nodes, the proposed SOA-CSO combines the global search capabilities of the Sandpiper Optimization Algorithm with the competitive learning dynamics of Competitive Swarm Optimization. This integration is shown to significantly reduce energy consumption and improve various performance metrics, including network lifetime, throughput, packet delivery ratio, load balance, and stability.
Simulation results indicate that the SOA-CSO approach consistently outperforms the FA-ROA algorithm across networks of varying sizes (100, 200, and 300 nodes). Key findings include a notable increase in the number of alive nodes, with the First Node Dead (FND) metric improving by an average of 38.42% and the Last Node Dead (LND) metric by 26.54%. Additionally, the hybrid algorithm enhances network traffic handling and data transmission efficiency, with intra-cluster packet transmission increasing by an average of 29.94% and inter-cluster transmission by 26.84%. These results underscore the scalability and robustness of the SOA-CSO approach, making it a promising solution for energy-constrained WSNs and smart IoT applications.
Introduction
The introduction of the research paper discusses the critical role of Wireless Sensor Networks (WSNs) in various Internet of Things (IoT) applications, including smart cities and healthcare systems. Each sensor node, while equipped with sensing, processing, and communication capabilities, faces significant challenges related to energy depletion, which directly impacts network longevity. To address these challenges, clustering has emerged as an effective strategy for energy conservation, where sensor nodes are grouped, and a Cluster Head (CH) is elected to manage data aggregation and transmission. However, traditional CH selection methods often lead to uneven energy distribution and increased packet loss, thereby shortening the network’s lifespan.
To enhance CH selection, the paper highlights the use of optimization algorithms inspired by natural processes, such as Particle Swarm Optimization (PSO) and Genetic Algorithms (GA). Despite their advantages, these algorithms frequently encounter issues with convergence stagnation and an inadequate balance between exploration and exploitation. The authors propose a novel hybrid meta-heuristic approach that combines the Sandpiper Optimization Algorithm (SOA), known for its strong global search capabilities, with the Competitive Swarm Optimization (CSO), which enhances local search accuracy. This hybrid SOA-CSO framework aims to optimize CH selection in WSNs, ultimately improving energy efficiency and extending network lifetime.
Discussion
The discussion section of the research paper emphasizes the motivation behind developing a hybrid optimization framework combining the Sandpiper Optimization Algorithm (SOA) and Competitive Swarm Optimization (CSO) for cluster head (CH) selection in Wireless Sensor Networks (WSNs). Traditional clustering methods often lead to energy imbalances and premature node failures, which adversely affect network longevity. The proposed SOA-CSO framework aims to enhance energy efficiency and communication stability by intelligently selecting CHs while balancing exploration and exploitation during the optimization process.
Key contributions of this research include the introduction of a novel SOA-CSO hybrid model that improves search efficiency and performance metrics such as network lifetime and energy distribution. Comparative evaluations against existing algorithms, such as FA-ROA, demonstrate significant improvements in network stability, with the first node death delayed by 29.47% and the last node death extended by 28.14%. The hybrid approach also enhances data transmission capabilities, evidenced by increased network traffic rates and cumulative packet transmissions. Despite its advantages, the study acknowledges challenges related to design complexity and parameter sensitivity, particularly in resource-constrained IoT environments. Overall, the SOA-CSO framework presents a robust solution for optimizing CH selection in large-scale WSNs, addressing critical limitations of traditional methods.