Scientific Journal ASR-E-BARQ

fa افزایش طول عمر شبکه های حسگر بی سیم با استفاده از منطق فازی نوع-3 مبتنی بر الگوریتم گرگ خاکستری T3FL-GWO: Type-3 Fuzzy Logic-Based on Gray Wolf Optimization Algorithm Used to Extend the Lifetime of Wireless Sensor Network تخصصي Special علمی- پژوهشی Scientific research افزایش طول عمر شبکه به دلیل محدودیت انرژی حسگرها یکی از چالش‌های اصلی در شبکه‌های حسگر بی‌سیم (WSN) است. تشکیل خوشه یکی از روش‌های بهینه برای افزایش طول عمر شبکه محسوب می‌شود. هرچند خوشه‌بندی در شبکه‌های حسگر بی‌سیم مزایای زیادی دارد، اما با دو چالش اساسی نیز روبه‌رو است. چالش اول در انتخاب گره سرخوشه (CH) است که مشکلی پیچیده است و به عنوان مسئله‌ای NP-hard شناخته می‌شود. همچنین، پیدا کردن دسته خوشه بهینه نیز چالش‌برانگیز است.در لایه‌های بالاتر شبکه‌های حسگر بی‌سیم، تعدادی از عدم قطعیت‌ها از جمله انرژی باقیمانده گره‌ها، مرکزیت خوشه و فاصله خوشه تا ایستگاه پایه (BS) وجود دارد. برای بهبود این عدم قطعیت‌ها و افزایش طول عمر شبکه حسگر بی‌سیم در فرآیند انتخاب سرخوشه، از ترکیب منطق فازی نوع-3 (T3FL) و الگوریتم بهینه‌ساز گرگ‌ خاکستری (GWO) استفاده شده است. منطق فازی نوع-۳ قادر است عدم قطعیت‌ها و پیچیدگی‌های موجود در شبکه‌های حسگر بی‌سیم را بهتر مدیریت کند و انتخاب سرخوشه‌ها را با دقت بیشتری انجام دهد. الگوریتم بهینه‌ساز گرگ‌ خاکستری نیز به یافتن بهترین راه‌حل‌ها برای مسائل بهینه‌سازی پیچیده به‌عنوان یک الگوریتم فراابتکاری کارآمد کمک می‌کند. عملکرد الگوریتم پیشنهادی T3FL-GWO با روش‌ قبلی ما و همچنین سایر الگوریتم‌های سیستم فازی مقایسه شده است. نتایج شبیه‌سازی‌ها نشان می‌دهد که این الگوریتم نسبت به الگوریتم‌های دیگر عملکرد بهتری داشته است. این نتایج حاکی از آن است که ترکیب منطق فازی نوع-3 و الگوریتم بهینه‌ساز گرگ‌ خاکستری می‌تواند موجب کاهش مصرف انرژی و افزایش طول عمر کلی شبکه شود.   Extending network lifetime due to the energy constraints of sensor nodes is one of the main challenges in wireless sensor networks (WSNs). Clustering is considered an efficient method to enhance network longevity. Although clustering in WSNs offers numerous advantages, it faces two major challenges. The first challenge lies in selecting the cluster head (CH), which is a complex problem and is recognized as an NP-hard issue. Additionally, finding the optimal cluster configuration is also challenging. In the upper layers of WSNs, several uncertainties exist, including the residual energy of nodes, cluster centrality, and the distance from the cluster to the base station (BS). To address these uncertainties and improve the lifetime of WSNs in the cluster head selection process, a combination of Type-3 Fuzzy Logic (T3FL) and the Grey Wolf Optimizer (GWO) algorithm has been employed. Type-3 Fuzzy Logic is capable of better managing the uncertainties and complexities in WSNs, enabling more accurate cluster head selection. The Grey Wolf Optimizer, as an efficient metaheuristic algorithm, assists in finding optimal solutions for complex optimization problems. The performance of  the proposed T3FL-GWO algorithm has been compared with our previous method as well as other fuzzy-based algorithms. Simulation results demonstrate that this algorithm outperforms other existing approaches. These findings indicate that the integration of Type-3 Fuzzy Logic and the Grey Wolf Optimizer can effectively reduce energy consumption and enhance the overall network lifetime.   شبکه حسگر بی‌سیم, خوشه بندی, عدم قطعیت, سیستم فازی نوع -3, الگوریتم گرگ‌ خاکستری wireless sensor network, clustering, uncertainty, type-3 fuzzy system, gray wolf optimizer 14 25 http://kiaeee.ir/browse.php?a_code=A-10-520-2&slc_lang=fa&sid=1 سید مجید مزینانی smajidmazinani@imamreza.ac.ir 10031947532846001215 10031947532846001215 Yes مرتضی مظفری m.mozaffari@mshdiau.ac.ir 10031947532846001216 10031947532846001216 No علی اکبر خزاعی khazaei@mshdiau.ac.ir 10031947532846001217 10031947532846001217 No