Mobil kablosuz algılayıcı ağlarda hedef kapsama probleminin yeni nesil optimizasyon algoritmaları ile analizi

Abstract

Son yıllarda, Kablosuz Algılayıcı Ağları (Wireless Sensor Network, WSN), gerçek zamanlı izleme yetenekleri sayesinde giderek artan bir ilgi görmektedir. WSN'ler, küçük ve düşük güçlü cihazları bir ağ yapısı içinde birleştirerek veri toplamayı ve iletmeyi amaçlamaktadır. 5G ve Nesnelerin İnterneti (Internet of Things, IoT) teknolojilerinin yükselişi, WSN'leri önemli bir teknolojik ilerleme haline getirmiştir. İlk olarak askeri amaçlarla kullanılan WSN'ler, 5G ve IoT'nin etkisiyle farklı sektörlerde kullanılmaya başlanmıştır. Özellikle akıllı tarım uygulamaları, modern teknolojileri kullanarak tarımsal verimliliği artırma hedefini benimsemiştir. WSN'ler, gerçek zamanlı veri sağlayarak çiftçilere verim optimizasyonu, atık azaltma ve üretkenlik artışı sunarak tarım sektörünün dijital dönüşümünü desteklemektedir. Ancak WSN'lerin vaat ettiği uygulamalara ek olarak, yönlendirme, yerelleştirme, enerji verimliliği ve kapsama alanı gibi çeşitli zorluklarla karşılaşılmaktadır. Bu çalışma, WSN'lerde sensör düğümlerinin en iyi yerleşimini bulmayı amaçlayan kapsama optimizasyonu problemine odaklanmaktadır. Bu problem, veri toplama ve izleme performansını büyük ölçüde etkilemektedir. Kapsama optimizasyonu çeşitli matematiksel optimizasyon teknikleri, sezgisel ve meta-sezgisel yaklaşımlar ve simülasyonlar kullanılarak ele alınabilir. Bu çalışma, Parçacık Sürü Algoritması, Karınca Koloni Algoritması, Balina Sürüsü Algoritması, Gri Kurt Algoritması ve Guguk Kuşu Algoritması gibi yeni nesil meta-sezgisel optimizasyon algoritmalarının hedef kapsama sorununa nasıl yaklaştığını incelemektedir. Bu algoritmalar, maksimum hedef kapsama oranı ve optimum çözüme ulaşma süresi gibi metriklerle değerlendirilmiştir. Sonuçlar, bu algoritmaların kablosuz sensör ağlarındaki hedef kapsama sorununu çözmedeki performansını karşılaştırmalı olarak analiz etmektedir. WSA, değerlendirilen yöntemler arasında en iyi performansı göstermiştir.

In recent years, Wireless Sensor Networks (WSN) have attracted increasing attention due to their real-time monitoring capabilities. WSNs aim to collect and transmit data by combining small and low-power devices in a network structure. The rise of 5G and Internet of Things (IoT) technologies has made WSNs a significant technological advancement. First used for military purposes, WSNs have begun to be used in different sectors with the influence of 5G and IoT. In particular, smart agriculture applications have adopted the goal of increasing agricultural productivity using modern technologies. WSNs support the digital transformation of the agricultural sector by providing real-time data and offering farmers yield optimization, waste reduction and increased productivity. However, in addition to the applications promised by WSNs, various challenges such as routing, localization, energy efficiency and coverage are encountered. This study focuses on the target coverage optimization problem, which aims to find the best placement of sensor nodes in WSNs. This problem greatly affects the data collection and monitoring performance. Target coverage optimization can be addressed using various mathematical optimization techniques, heuristic and meta-heuristic approaches, and simulations. This paper investigates how next generation meta-heuristic optimisation algorithms such as Particle Swarm Algorithm, Ant Colony Algorithm, Whale Swarm Algorithm, Grey Wolf Algorithm and Cuckoo Algorithm approach the target coverage problem. These algorithms are evaluated with metrics such as maximum target coverage rate and time to reach the optimum solution. The results comparatively analyse the performance of these algorithms in solving the target coverage problem in wireless sensor networks. The WSA algorithm demonstrated the best performance among the evaluated methods.