DOI: https://doi.org/10.1038/s41598-025-00184-2
PMID: https://pubmed.ncbi.nlm.nih.gov/40325030
تاريخ النشر: 2025-05-05
المؤلف: Muhammad Suhail Shaikh وآخرون
الموضوع الرئيسي: شبكات الاستشعار اللاسلكية الموفرة للطاقة
نظرة عامة
تقدم البحث خوارزمية تحسين الذئب الرمادي الفوضوي المحسنة (ICGWO) التي تهدف إلى تعزيز التغطية والاتصال في الشبكات اللاسلكية الاستشعارية (WSNs)، والتي تعتبر ضرورية لجمع البيانات ونقلها بشكل فعال في التطبيقات الحديثة. تطور الدراسة نموذجًا رياضيًا لتحسين وضع عقد الاستشعار، مع معالجة التحديات مثل ارتفاع تكاليف النشر والتغطية المحدودة. من خلال دمج خريطة فوضوية في مُحسِّن الذئب الرمادي (GWO)، تُظهر خوارزمية ICGWO قدرات محسنة في إيجاد الحلول وسرعة التقارب. تكشف تقييمات الأداء باستخدام وظائف معيار CEC_22 أن ICGWO تتفوق بشكل كبير على طرق التحسين الحالية، محققةً معدلات تغطية تصل إلى 99.7822% عبر سيناريوهات مختلفة مع أعداد مختلفة من عقد الاستشعار.
تشير النتائج إلى أن ICGWO تحقق باستمرار نتائج متفوقة من حيث التغطية والاتصال، مع تحسينات ملحوظة مقارنة بالخوارزميات الأخرى، لا سيما في حالات الاختبار المحددة. على سبيل المثال، مع 20 عقدة استشعار، حققت ICGWO معدل تغطية قدره 95.9077%، بينما بالنسبة لـ 30 عقدة، وصلت التغطية إلى 98.2211%. تسلط الدراسة أيضًا الضوء على قدرة الخوارزمية على التكيف عبر مناطق المراقبة والتكوينات المختلفة، مؤكدةً فعاليتها في تعظيم أداء الشبكة. ستركز الأعمال المستقبلية على معالجة التحديات المتعلقة بالبيئات الديناميكية، مثل حركة العقد والعقبات، وتعزيز القابلية للتوسع لضمان التطبيق العملي في نشرات WSN في العالم الحقيقي.
مقدمة
ت outlines مقدمة ورقة البحث المساهمات الرئيسية للعمل المقترح. تؤكد على أهمية النتائج وتأثيرها المحتمل على المجال. يهدف المؤلفون إلى معالجة فجوات محددة في الأدبيات الحالية، وتقديم رؤى أو منهجيات جديدة تعزز الفهم أو التطبيق في المجال المعني. تمهد هذه القسم الطريق للتحليل التفصيلي والنتائج المقدمة في الورقة، مما يبرز أهمية المساهمات في تقدم المعرفة والممارسة.
طرق
في هذا القسم، يقوم المؤلفون بتقييم الحد الأقصى من التغطية التي تحققها خوارزميات مختلفة في الشبكات اللاسلكية الاستشعارية (WSNs) لتحديد معدلات الاتصال الفردية، وقيم الملاءمة، وعدد عقد الاستشعار المطلوبة. تشير النتائج إلى أن خوارزمية تحسين البحث عن الطيور المحسنة (ICGWO) تتفوق باستمرار على الخوارزميات الأخرى، محققةً نسب تغطية قصوى تبلغ 95.91% عند 20 عقدة، و98.22% عند 30 عقدة، وأكثر من 99% عند أعداد عقد أعلى في تكوينات مناطق مختلفة. بالمقابل، تُظهر خوارزمية مُحسِّن الذئب الرمادي (GWO) وخوارزمية سرب السالب (SCA) معدلات تغطية أقل، لا سيما مع زيادة عدد العقد، مما يبرز فعالية ICGWO في تحسين وضع عقد الاستشعار.
يناقش المؤلفون أيضًا أهمية اكتشاف العقبات والتحكم فيها في البيئات الديناميكية، مقترحين استراتيجيات مختلفة مثل استخدام أجهزة الاستشعار فوق الصوتية وLiDAR للتعديلات في الوقت الحقيقي. يؤكدون على الحاجة إلى خوارزميات يمكن أن تتكيف مع التغيرات في البيئة، بما في ذلك العقد المتحركة والعقبات، من خلال دمج قيود العقبات في عملية التحسين. بالإضافة إلى ذلك، يقترحون طرقًا متقدمة مثل تدرج السياسة الحتمي العميق (DDPG) والتحسين المعتمد على الأحداث (ETO) للتكيف في الوقت الحقيقي في وضع العقد. تؤكد النتائج على أهمية اختيار الخوارزميات المناسبة لأحجام الشبكات وظروفها المحددة لتعزيز التغطية والاتصال في WSNs، مع تحديد مجالات البحث المستقبلية في اكتشاف العقبات وإدارة البيئات الديناميكية.
نقاش
في قسم النقاش من ورقة البحث، يتم مراجعة مختلف التقدمات في تقنيات الذكاء الجماعي لتحسين التغطية في الشبكات اللاسلكية الاستشعارية (WSNs). تم اقتراح عدة خوارزميات لمعالجة مشكلة تحسين تغطية العقد، بما في ذلك خوارزمية سرب السالب المحسنة، CFL-PSO، IGWO-MS، وSA-GWO، من بين آخرين. تهدف هذه الطرق إلى تعزيز الاتصال والتغطية مع معالجة التحديات مثل تكرار العقد والتقارب المبكر. من الجدير بالذكر أن طريقة IWHO تقدم التعلم القائم على المعارضة والطفرات كوشي لتحسين الاستكشاف العالمي في WSNs غير المتجانسة. على الرغم من هذه التقدمات، غالبًا ما تكافح الخوارزميات الحالية مع الأمثل المحلية والظروف البيئية المتغيرة، مما يحد من قابليتها العملية.
تحدد الدراسة فجوة كبيرة في الأدبيات فيما يتعلق بتكيف خوارزميات التحسين مع مناطق المراقبة المتنوعة ونطاقات الاتصال. لمعالجة هذه التحديات، تم تقديم خوارزمية ICGWO المقترحة، التي تعزز التغطية والاتصال في WSNs من خلال استراتيجيات تحسين وضع العقد. يتم التحقق من أداء ICGWO مقابل الخوارزميات المعروفة، مما يظهر نتائج متفوقة من حيث مساحة التغطية ونسب الاتصال عبر سيناريوهات متعددة. تؤكد الدراسة على الحاجة إلى تقنيات تحسين يمكن أن توازن بشكل فعال بين الاستكشاف العالمي والاستغلال المحلي، لا سيما في البيئات الديناميكية وغير المتجانسة، وبالتالي تساهم في التطوير المستمر لحلول WSN الفعالة.
القيود
في المرحلة المناقشة، يبرز البحث قيدًا كبيرًا يتعلق بالتجانس المعماري لعقد الاستشعار. على وجه التحديد، يُطلب من جميع عقد الاستشعار أن تمتلك تصاميم متطابقة ونطاقات استشعار دائرية وغير معاقة. يعتبر هذا التجانس ضروريًا لضمان إمكانية اكتشاف ومراقبة عقد الاستشعار المجاورة دون تأخير. تتضمن دالة الملاءمة المستخدمة في الدراسة هذا القيد التصميمي، من بين عوامل أخرى، لتقييم فعالية التغطية والاتصال داخل شبكة الاستشعار. قد يؤثر هذا القيد على المرونة العامة وقابلية التكيف لنشر الاستشعار في بيئات متنوعة.
DOI: https://doi.org/10.1038/s41598-025-00184-2
PMID: https://pubmed.ncbi.nlm.nih.gov/40325030
Publication Date: 2025-05-05
Author(s): Muhammad Suhail Shaikh et al.
Primary Topic: Energy Efficient Wireless Sensor Networks
Overview
The research presents an Improved Chaotic Grey Wolf Optimization (ICGWO) algorithm aimed at enhancing coverage and connectivity in wireless sensor networks (WSNs), which are crucial for effective data collection and transmission in modern applications. The study develops a mathematical model to optimize sensor node placement, addressing challenges such as high deployment costs and limited coverage. By integrating a chaotic map into the Grey Wolf Optimizer (GWO), the ICGWO algorithm demonstrates improved solution-finding capabilities and faster convergence. Performance evaluations using CEC_22 benchmark functions reveal that ICGWO significantly outperforms existing optimization methods, achieving coverage rates of up to 99.7822% across various scenarios with different numbers of sensor nodes.
The findings indicate that ICGWO consistently yields superior results in terms of coverage and connectivity, with notable improvements over other algorithms, particularly in specific test cases. For instance, with 20 sensor nodes, ICGWO achieved a coverage rate of 95.9077%, while for 30 nodes, the coverage reached 98.2211%. The study also highlights the algorithm’s adaptability across different monitoring areas and configurations, confirming its effectiveness in maximizing network performance. Future work will focus on addressing challenges related to dynamic environments, such as node mobility and obstacles, and enhancing scalability to ensure practical applicability in real-world WSN deployments.
Introduction
The introduction of the research paper outlines the primary contributions of the proposed work. It emphasizes the significance of the findings and their potential impact on the field. The authors aim to address specific gaps in existing literature, providing novel insights or methodologies that enhance understanding or application in the relevant domain. The section sets the stage for the subsequent detailed analysis and results presented in the paper, highlighting the importance of the contributions in advancing knowledge and practice.
Methods
In this section, the authors evaluate the maximum coverage achieved by various algorithms in wireless sensor networks (WSNs) to determine individual connection rates, fitness values, and the number of sensor nodes required. The results indicate that the Improved Crow Search Algorithm (ICGWO) consistently outperforms other algorithms, achieving maximum coverage percentages of 95.91% at 20 nodes, 98.22% at 30 nodes, and over 99% at higher node counts in various area configurations. In contrast, the Grey Wolf Optimizer (GWO) and the Salp Swarm Algorithm (SCA) demonstrate lower coverage rates, particularly as the number of nodes increases, highlighting the efficacy of ICGWO in optimizing sensor node placement.
The authors also discuss the importance of obstacle detection and control in dynamic environments, proposing various strategies such as using ultrasonic sensors and LiDAR for real-time adjustments. They emphasize the need for algorithms that can adapt to changes in the environment, including mobile nodes and obstacles, by integrating obstacle constraints into the optimization process. Additionally, they suggest advanced methods like Deep Deterministic Policy Gradient (DDPG) and Event-Triggered Optimization (ETO) for real-time adaptability in node positioning. The findings underscore the significance of selecting appropriate algorithms for specific network sizes and conditions to enhance coverage and connectivity in WSNs, while also identifying areas for future research in obstacle detection and dynamic environment management.
Discussion
In the discussion section of the research paper, various advancements in swarm intelligence techniques for optimizing coverage in Wireless Sensor Networks (WSNs) are reviewed. Several algorithms have been proposed to tackle the node coverage optimization problem, including an improved salp swarm algorithm, CFL-PSO, IGWO-MS, and SA-GWO, among others. These methods aim to enhance connectivity and coverage while addressing challenges such as node redundancy and premature convergence. Notably, the IWHO method introduces opposition-based learning and Cauchy mutation to improve global exploration in heterogeneous WSNs. Despite these advancements, existing algorithms often struggle with local optima and varying environmental conditions, limiting their practical applicability.
The research identifies a significant gap in the literature regarding the adaptation of optimization algorithms to diverse monitoring areas and communication ranges. To address these challenges, the proposed ICGWO algorithm is introduced, which enhances coverage and connectivity in WSNs through improved node placement strategies. The performance of ICGWO is validated against established algorithms, demonstrating superior results in terms of coverage area and connectivity ratios across multiple scenarios. The study emphasizes the need for optimization techniques that can effectively balance global exploration and local exploitation, particularly in dynamic and heterogeneous environments, thus contributing to the ongoing development of efficient WSN solutions.
Limitations
In the discussed phase, the research highlights a significant limitation regarding the architectural uniformity of sensor nodes. Specifically, all sensor nodes are required to possess identical designs and circular, unobstructed sensing ranges. This uniformity is crucial for ensuring that neighboring sensor nodes can be detected and monitored without delay. The fitness function employed in the study incorporates this design constraint, among other factors, to evaluate the effectiveness of coverage and connectivity within the sensor network. This limitation may impact the overall flexibility and adaptability of the sensor deployment in varied environments.