Resumen

La red de sensores inteligentes tiene las características de bajo coste, bajo consumo de energía, tiempo real, gran adaptabilidad, etc., y cuenta con una amplia gama de perspectivas de aplicación en el campo agrícola. Sin embargo, el nodo sensor inteligente está limitado por su propia energía; también se enfrenta a muchos cuellos de botella en las aplicaciones agrícolas. Por lo tanto, equilibrar el consumo de energía de los nodos y prolongar la vida útil de la red son consideraciones importantes en el diseño de un enrutamiento eficiente para redes de sensores inteligentes. Teniendo en cuenta el problema de las limitaciones energéticas, este artículo propone un algoritmo de agrupamiento de redes de sensores inteligentes basado en la optimización caótica adaptativa de colonias de hormigas (ACACO). ACACO introduce un mapeo caótico lógico para interferir con la feromona en el camino inicial y utiliza la estrategia adaptativa para mejorar la fórmula de probabilidad de transición. Tras seleccionar el mejor nodo de siguiente salto, las hormigas que avanzan se liberan para actualizar la feromona local, y el contenido actual de feromona se ajusta mediante el factor de caos. Cuando las hormigas determinan la ruta, liberan las hormigas siguientes para actualizar la feromona global. Los resultados de la simulación muestran que ACACO tiene ventajas evidentes sobre el algoritmo genético (AG) y la optimización por enjambre de partículas (OGP).

• 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:acaco, optimización caótica adaptativa de colonias de hormigas, mejor nodo de siguiente salto, red inteligente de sensores, contenido actual de feromona, red inteligente de sensores, mapeo caótico lógico, bajo consumo, optimización de enjambre de partículas, redes inteligentes de sensores
• Keywords:acaco, adaptive chaotic ant colony optimization, best next hop node, smart sensor network, current pheromone content, intelligent sensor network, logical chaotic mapping, low power consumption, particle swarm optimization, smart sensor networks