Kablosuz sensör ağlarında konum belirlemede optimizasyon yöntemlerinin karşılaştırılması
[ X ]
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Kırıkkale Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Kablosuz sensör ağlarında konum belirleme günümüzde birçok alanda önemli bir araştırma konusu haline gelmiştir. Kablosuz sensör ağlarının (KSA) kullanıldığı uygulamalarda sensörlerin gerçek konumlarını en az hata ile tespit etmek çok önemlidir. Sensörlerden toplanan kısıtlı bilgileri kullanarak o sensörün gerçek konumunu tespit etmek KSA'larda konum belirleme probleminin temelidir. KSA'larda konum belirleme fikri, konumu bilinmeyen bir düğümün (sensörün) iletim mesafesi içinde bulunan referans ve komşu düğümler arasındaki gürültü eklenmiş ölçümlerden gerçek konumunun tespit edilmesine dayanır. Bu tez çalışmasında, KSA'larda sensörlerin konumlarını daha doğru tespit edebilmek için sezgisel optimizasyon metotları kullanılmaktadır. Çalışmalar MATLAB ortamında simüle edilmiştir. Önerilen optimizasyon yöntemleri, doğada yaşayan canlıların davranışlarından ilham alınarak keşfedilen optimizasyon yöntemleridir. Parçacık Sürü Optimizasyonu (PSO), Yarasa Algoritması (BA), Diferansiyel Gelişim Algoritması (DEA) ve Ateşböceği Algoritması (FA) metotları KSA'larda konum belirleme probleminin çözülmesi amacı ile karşılaştırılmıştır. Sensörlerin iletim yarıçapı KSA'ların k-bağlılık özelliğini gösterdiği durumlara göre seçilmiş olup algoritmaların performansı ortalama konumlandırma hatası ve algoritma hesaplama süresi gibi parametrelere göre kıyaslanmıştır. KSA'larda k-bağlılık özelliğinin ortalama konumlandırma hatası üzerindeki etkisi incelenerek literatüre katkı sağlanmıştır. Elde edilen sonuçlar analiz edildiğinde en uygun olan optimizasyon yöntemini ve k-bağlılık değerini tespit etmek hedeflenmiştir. Anahtar Kelimeler: Kablosuz Sensör Ağları, Konumlandırma, K-bağlılık, Parçacık Sürü Optimizasyonu, Yarasa Algoritması, Diferansiyel Gelişim Algoritması, Ateşböceği Algoritması
Positioning in wireless sensor networks has become an important research topic in many fields today. In applications where wireless sensor networks (WSN) are used, it is very important to detect the actual location of the sensors with minimum error. Using the limited information gathered from the sensors, determining the actual location of that sensor is the basis of the localization problem in WSN. The idea of localization in WSN is based on determining the actual position of an unknown node (sensor) from noise-added measurements between the reference and neighboring nodes located within the transmission distance. In this thesis, metaheuristic optimization methods are used in order to more accurately determine the positions of the sensors in WSN. Studies were simulated in MATLAB environment. The proposed methods are optimization methods that are inspired by the behavior of living things in nature. Particle Swarm Optimization (PSO), Bat Algorithm (BA), Differential Evolution Algorithm (DEA) and Firefly Algorithm (FA) methods were compared with the aim of solving the localization problem in WSN's. The transmission radius of the sensors was chosen according to the cases where the WSN's showed k-connectivity, and the performance of the algorithms was compared according to parameters such as mean localization error and algorithm processing time. A contribution to the literature has been made by examining the effect of k-connectivity on the mean localization error in WSN. When the obtained results are analyzed, it is aimed to determine the most appropriate optimization method and k-connectivity value. Key Words: Wireless Sensor Networks, Localization, K-connectivity, Particle Swarm Optimization, Bat Algorithm, Differential Evolution Algorithm, Firefly Algorithm
Positioning in wireless sensor networks has become an important research topic in many fields today. In applications where wireless sensor networks (WSN) are used, it is very important to detect the actual location of the sensors with minimum error. Using the limited information gathered from the sensors, determining the actual location of that sensor is the basis of the localization problem in WSN. The idea of localization in WSN is based on determining the actual position of an unknown node (sensor) from noise-added measurements between the reference and neighboring nodes located within the transmission distance. In this thesis, metaheuristic optimization methods are used in order to more accurately determine the positions of the sensors in WSN. Studies were simulated in MATLAB environment. The proposed methods are optimization methods that are inspired by the behavior of living things in nature. Particle Swarm Optimization (PSO), Bat Algorithm (BA), Differential Evolution Algorithm (DEA) and Firefly Algorithm (FA) methods were compared with the aim of solving the localization problem in WSN's. The transmission radius of the sensors was chosen according to the cases where the WSN's showed k-connectivity, and the performance of the algorithms was compared according to parameters such as mean localization error and algorithm processing time. A contribution to the literature has been made by examining the effect of k-connectivity on the mean localization error in WSN. When the obtained results are analyzed, it is aimed to determine the most appropriate optimization method and k-connectivity value. Key Words: Wireless Sensor Networks, Localization, K-connectivity, Particle Swarm Optimization, Bat Algorithm, Differential Evolution Algorithm, Firefly Algorithm
Açıklama
Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
Anahtar Kelimeler
Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
