Resumen

Con el desarrollo de diversas aplicaciones de las redes de sensores inalámbricos, su uso se ha generalizado en distintos ámbitos. Estas redes se establecen de forma autónoma y sencilla en la mayoría de los entornos sin ninguna infraestructura y recopilan información de los fenómenos del entorno para un correcto funcionamiento y análisis de los eventos y los transmiten a las estaciones base. Las redes de sensores inalámbricos se componen de varios nodos sensores que desempeñan el papel de nodo sensor y nodo repetidor en relación entre sí. Por otro lado, la falta de infraestructuras en estas redes limita las fuentes de tal forma que los nodos se alimentan de una batería de energía limitada. Teniendo en cuenta el establecimiento de la red en zonas intransitables, no es posible recargar o cambiar las baterías. Así pues, el ahorro de energía en estas redes es un reto esencial. Teniendo en cuenta que la tasa de consumo de energía mientras se detecta información y se reciben paquetes de información de otro nodo es constante, los nodos sensores consumen la máxima energía mientras realizan la transmisión de datos. Por lo tanto, los métodos de enrutamiento intentan reducir el consumo de energía basándose en enfoques organizados. Una de las soluciones prometedoras para reducir el consumo de energía en las redes de sensores inalámbricas es agrupar los nodos y seleccionar la cabeza de clúster basándose en los parámetros de transmisión de información, de forma que se reduzca el consumo medio de energía de los nodos y se aumente la vida útil de la red. Por lo tanto, en este estudio, se ha presentado un nuevo enfoque de optimización para la agrupación de las redes de sensores inalámbricos utilizando el algoritmo genético multiobjetivo y el algoritmo de búsqueda gravitacional. El algoritmo genético multiobjetivo basado en la reducción de las distancias intracluster y la reducción del consumo de energía de los nodos cluster se utiliza para seleccionar la cabeza de cluster, y el enrutamiento casi óptimo basado en el algoritmo de búsqueda gravitacional se utiliza para transferir información entre los nodos cabeza de cluster y el nodo sumidero. Los resultados de la implementación muestran que, teniendo en cuenta las capacidades del algoritmo genético multiobjetivo y del algoritmo de búsqueda gravitacional, el método propuesto ha mejorado el consumo de energía, la eficiencia, la tasa de entrega de datos y la tasa de transmisión de paquetes de información en comparación con los métodos anteriores.

• 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:redes inalámbricas de sensores, algoritmo de búsqueda gravitacional, algoritmo genético multiobjetivo, consumo de energía, información, redes, nodos, cabeza de clúster, tasa de transmisión de paquetes de información, consumo medio de energía
• Keywords:wireless sensor networks, gravitational search algorithm, multiobjective genetic algorithm, energy consumption, information, networks, nodes, cluster head, information packet transmission rate, average energy consumption