Resumen

Las redes de sensores inalámbricos de alta densidad (HDWSN) suelen desplegarse aleatoriamente, y cada nodo de la red recoge datos de entornos complejos. Dado que la energía de los nodos sensores se alimenta de baterías, es básicamente imposible sustituir las baterías o cargarlas en los entornos complejos. En este trabajo, se diseña un modelo de consumo de energía de enrutamiento QoS, y se propone una optimización de colonia de hormigas de élite adaptativa mejorada (AEACO) para reducir el consumo de energía de enrutamiento HDWSN. Este algoritmo utiliza el operador adaptativo y el operador de élite para acelerar la velocidad de convergencia. Para validar la eficiencia de AEACO, se contrasta con la optimización por enjambre de partículas (PSO) y el algoritmo genético (GA). Los resultados de la simulación muestran que la velocidad de convergencia de AEACO es superior a la de PSO y GA. Además, el consumo de energía de las HDWSN utilizando AEACO se reduce en un 30,7 omparado con GA y un 22,5 omparado con PSO. Por lo tanto, AEACO puede reducir con éxito el consumo de energía de toda la HDWSN.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:aeaco, consumo de energía, pso, velocidad de convergencia, optimización adaptativa de colonias de hormigas de élite, modelo de consumo de energía, optimización de enjambre de partículas, redes de sensores inalámbricas, hdwsns, baterías
• Keywords:aeaco, energy consumption, pso, convergence speed, adaptive elite ant colony optimization, energy consumption model, particle swarm optimization, wireless sensor networks, hdwsns, batteries