KR20110071544A - 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법 - Google Patents

개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법 Download PDF

Info

Publication number
KR20110071544A
KR20110071544A KR1020090128149A KR20090128149A KR20110071544A KR 20110071544 A KR20110071544 A KR 20110071544A KR 1020090128149 A KR1020090128149 A KR 1020090128149A KR 20090128149 A KR20090128149 A KR 20090128149A KR 20110071544 A KR20110071544 A KR 20110071544A
Authority
KR
South Korea
Prior art keywords
pheromone
node
ant
clustering
cluster head
Prior art date
Application number
KR1020090128149A
Other languages
English (en)
Other versions
KR101096097B1 (ko
Inventor
김성수
최승현
Original Assignee
강원대학교산학협력단
최승현
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 강원대학교산학협력단, 최승현 filed Critical 강원대학교산학협력단
Priority to KR1020090128149A priority Critical patent/KR101096097B1/ko
Publication of KR20110071544A publication Critical patent/KR20110071544A/ko
Application granted granted Critical
Publication of KR101096097B1 publication Critical patent/KR101096097B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/46—Cluster building
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
    • H04W52/0219—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave where the power saving management affects multiple terminals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

본 발명은 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법에 관한 것이다. 이와 같은 본 발명은 개미 알고리즘을 통해 페로몬과 선호도에 따른, 싱크(Sink) 노드와 연결될 클러스터 헤드 선택확률을 계산하는 계산 단계; 상기 계산된 선택확률에 따른 클러스터 헤드 선택과 각 센서 노드에서 가장 가까운 클러스터 헤드에 연결한 해를 생성하는 생성 단계; 모든 개미에 대해 해적합도를 평가하는 평가 단계; 센서 노드가 클러스터 헤드가 되는 정도를 나타내는 페로몬의 양을 조절하는 페로몬 업데이트 단계; 및 누적 페로몬양의 최소값과 최대값을 정하는 최대-최소(Max-Min) 전략을 통한 페로몬 조정관리를 수행하는 조정관리 단계를 포함하여 이루어짐으로써, 센서 노드의 동적 상황을 고려하여 제한된 시간 내에 최적/최선의 클러스터링 설계를 하며, 이를 통해 네트워크의 수명을 최대화할 수 있도록 한다.
개미알고리즘, 개미최적화방법, ACO, 클러스터, 무선센서네트워크, 최적설계

Description

개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법{METHOD FOR OPTIMAL DESIGNING CLUSTERING USING ANT ALGORITHM IN WIRELESS SENSOR NETWORK}
본 발명은 무선 센서 네트워크의 설계 기술에 관한 것으로서, 특히 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법에 관한 것이다.
근래 화두가 되고 있는 유비쿼터스 환경이나 RFID 시스템과 같은 새로운 환경 구축을 위해서 연구 및 개발의 관심이 높아지고 있는 것이 바로 무선 센서 네트워크이다. 유비쿼터스란 사용자가 네트워크나 컴퓨터를 의식하지 않고 장소에 상관없이 자유롭게 네트워크에 접속할 수 있는 정보통신 환경을 말한다. 최근 각 보고서를 통해 무선 센서 네트워크의 시장성이 무한하다는 결과가 입증되었다. 2007년 2월 EE타임스가 시장조사 업체인 인스태트 자료를 인용하여 2010년 세계 RFID 시장이 330억 개 규모로 2005년에 비해 25배 이상 성장할 전망이라고 보도했다. 또한 2008년 2월 12일 정보통신정책연구원(KISDI)에서 발간한 'NFC폰 시장 전망 및 업체 동향' 보고서에서 2007년 국내 모바일 RFID 시장이 269억원으로 추정되고 향후 연 평균 196%의 증가세를 보이면서 오는 2010년 7010억원대의 큰 시장을 형성할 것이라고 전망했다. 이러한 유비 쿼터스 환경에서는, 센서 네트워크 상에 존재하는 센서들을 통해 주변의 물리적인 정보가 수집되고, 수집된 데이터는 무선 인터페이스를 통해 싱크로 수집된다. 이렇게 수집된 데이터는 인터넷이나 셀룰러 등의 광대역 네트워크를 통해 원격지에 존재하는 서버 혹은 사용자에게 전달된다. 유비쿼터스 환경 하에서는 무선 센서 단말이 사용자가 휴대하고 다니는 노트북, 휴대폰, PDA 등의 단말 장치라 볼 수 있다. RFID 시스템은 데이터베이스, 리더, 태그로 구성되는데, 리더를 무선 센서 단말로 볼 수 있다. 이를 이용하면 자동차 네비게이션, 위치기반 컨텐츠, 모바일 서비스, 교통카드 등 일상생활, 산업시스템 전반에 걸쳐 광범위하게 적용될 수 있다. 하지만 무선 센서 단말은 저전력, 적은 메모리 등 제한된 컴퓨팅 파워와 같이 자원 제약성이 매우 높으며 저비용으로 구현되어야 한다. 따라서 최소한의 제한적인 컴퓨팅 파워만으로 동작할 수 있는 효율적인 센서와 더불어 센서를 연결시키기 위한 무선 센서 네트워크의 효율적 배치, 집단화 등의 기술 개발이 필요하게 되었다. 그러나 종래에 진행된 많은 연구들이 단지 학술적인 연구 목적으로만 진행되었고, 실제 산업에 적용될 수 있도록 상용화된 기술로까지 진행되지 않아 급변하는 관련 시장에 보조를 맞출 수 있는 기술 개발이 시급한 실정이다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 센서 노드의 동적 상황을 고려할 수 있는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법을 제공하는데 있다.
본 발명의 다른 목적은 제한된 시간 내에 최적/최선의 클러스터링 설계를 제시할 수 있는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법을 제공함에 있다.
본 발명의 또 다른 목적은 네트워크의 수명을 최대화할 수 있는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법을 제공함에 있다.
상기와 같은 목적을 달성하기 위해 본 발명의 실시 예에 따른 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법은, 개미 알고리즘을 통해 페로몬과 선호도에 따른, 싱크(Sink) 노드와 연결될 클러스터 헤드 선택확률을 계산하는 계산 단계; 상기 계산된 선택확률에 따른 클러스터 헤드 선택과 각 센서 노드에서 가장 가까운 클러스터 헤드에 연결한 해를 생성하는 생성 단계; 모든 개미에 대해 해적합도를 평가하는 평가 단계; 센서 노드가 클러스터 헤드가 되는 정도를 나타내는 페로몬의 양을 조절하는 페로몬 업데이트 단계; 및 누적 페로몬양의 최소값과 최대값을 정하는 최대-최소(Max-Min) 전략을 통한 페로몬 조정관 리를 수행하는 조정관리 단계를 포함하여 이루어질 수 있다.
바람직하게, 상기 페로몬 업데이트 단계는 기존 페로몬 양을 감소시키는 페로몬 증발 단계; 개미가 생성한 해의 값에 따라 페로몬 양을 업데이트 하는 로컬 업데이트 단계; 및 엘리트 전략(elitist strategy)을 이용하여 추가적인 페로몬을 업데이트 하는 글로벌 업데이트 단계를 포함할 수 있다.
본 발명에 따른 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법은, 클러스터링 설계에 있어서 개미 알고리즘(개미 최적화 방법: Ant Colony Optimization, ACO)을 적용하여 무선 센서 네트워크에서 클러스터 헤드의 수를 최소화하면서 싱크(sink) 노드와 클러스터 노드들까지의 거리와 각 클러스터 노드와 센서 노드들 간의 거리를 최소화함으로써, 센서 노드의 동적 상황을 고려함과 동시에 제한된 시간 내에 최적/최선의 클러스터링 설계를 할 수 있는 효과가 있다.
또한 본 발명은 무선 네트워크 최적 설계를 통하여 센서의 에너지 소비를 최소화하여 네트워크의 수명을 최대화할 수 있는 효과가 있다.
이하, 본 발명의 바람직한 실시 예들을 첨부한 도면을 참조하여 상세히 설명한다. 도면들 중 동일한 구성요소들은 가능한 한 어느 곳에서든지 동일한 부호들로 나타내고 있음에 유의해야 한다. 또한 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
도 1은 본 발명의 실시 예에 따른 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법의 절차를 나타낸 흐름도이다. 이하의 동작 설명에서 동작의 주체는 클러스터링 설계를 담당하는 제어 유닛 혹은 제어 프로그램으로서 '제어부'라 칭하기로 한다.
도 1을 참조하면, S110 단계에서 제어부는 개미 알고리즘을 통해 페로몬과 선호도에 따른, 싱크(Sink) 노드와 연결될 클러스터 헤드 선택확률을 계산하고, S120 단계에서 상기 계산된 선택확률에 따른 클러스터 헤드 선택과 각 센서 노드에서 가장 가까운 클러스터 헤드에 연결한 해를 생성한다.
초기 가능해군을 생성하기 위하여 개체 수만큼의 개미가 준비된다. 한 마리의 개미가 한 개의 해를 생성하므로 개미 알고리즘(혹은 개미군 최적화 방법)을 적용할 때 각각의 개미가 현재의 페로몬의 양과 현재의 선호도에 따른 클러스터 헤드 선택 확률과 각 센서 노드에서 가장 가까운 클러스터 헤드와의 연결에 따라 해를 생성하게 된다.
개미군 알고리즘의 적용절차에 맞게 설정하기 위해서는 먼저 출발 노드와 도착 노드를 잡아주어야 한다. 본 발명의 무선 센서 네트워크에서 각 센서가 클러스터 헤드인가, 아닌가를 결정해야 하기 때문에 출발 노드는 첫 번째 센서 노드이고 도착 노드는 마지막 센서 노드가 된다. 개미는 출발 노드에서부터 페로몬 양과 선호도를 고려한 확률에 따라 센서 노드가 클러스터 노드인지 아닌지를 결정하고 다음 센서 노드로 이동을 하게 된다. 노드의 선택확률을 계산할 때 하기 수학식1의 선호도(
Figure 112009079008883-PAT00001
)를 적용한다. 선호도(
Figure 112009079008883-PAT00002
)는 싱크 노드에서 센서 노드까지의 거리(
Figure 112009079008883-PAT00003
)를 역수로 계산한다. 즉, 싱크 노드와 센서 노드 간의 거리가 클수록 센서 노드 k가 클러스터 헤드가 될 수 있는 선호도는 감소한다.
Figure 112009079008883-PAT00004
센서 노드 k가 클러스터 헤드가 되는 정도를 나타내는 페로몬(
Figure 112009079008883-PAT00005
)은 증발과 업데이트가 계속 반복적으로 이루어져야 한다. 초기 페로몬이 0일 경우 증발과 업데이트가 이루어질 수 없기 때문에 가상의 초기 페로몬을 각 노드 간에 일정하게 적용시켜준다.
하기 수학식2는 개미가 싱크 노드에서 센서 노드 k를 클러스터 헤드로 선택할 확률을 나타낸다. 개미가 클러스터 노드를 확률적으로 선택함으로써 전역해 또는 전역해의 근접해 등을 다양하게 탐색하기 때문에 세대가 진행될수록 전역 해를 탐색해 낼 수 있는 확률이 높아지게 된다.
Figure 112009079008883-PAT00006
상기 수학식2에서 M은 개미가 클러스터 노드로 선택할 수 있는 센서 노드의 집합을 의미한다. 센서 노드 k가 클러스터 헤드가 되는 정도를 나타내는
Figure 112009079008883-PAT00007
는 해당하는 페로몬(pheromone)양을 나타내고
Figure 112009079008883-PAT00008
는 센서 노드 k가 클러스터 헤드가 되어 싱크 노드와 연결되는 것이 좋은지를 나타내는 척도인 선호도를 나타낸다. α와 β는 페로몬과 선호도 각각에 대한 가중치를 나타낸다.
해의 표현은 도 2와 같이 각 노드(일반 센서)의 번호와 각 노드가 연결된 클러스터 헤드의 번호로 표현할 수 있다. 예컨대 도 2에 도시된 바와 같이, 4, 7, 10, 12번 노드가 클러스터 헤드가 되고, 클러스터 헤드는 싱크와 연결되어 데이터를 전송하게 되므로 싱크노드의 인덱스인 0번을 할당받게 된다. 클러스터 헤드 이외의 노드들은 자신의 위치에서 가장 가까운 곳에 위치한 클러스터 헤드와 연결된다. 도 2에서와 같이 1, 2, 3, 5번 노드는 4번 클러스터 헤드에 연결되고, 6, 8번 노드는 7번 클러스터 헤드, 9, 14번 노드는 10번 클러스터 헤드, 11, 13, 14번 노드는 12번 클러스터 헤드에 연결된다.
종래의 해 표현은 각 센서 노드가 클러스터 헤드인지 아닌지를 '0'과 '1'로 단순히 표시할 수 있을 뿐, 어떤 센서 노드가 어느 클러스터 헤드에 연결되었는지 확인할 수가 없었는데, 본 발명은 도 2에서와 같이 각 노드(일반 센서)의 번호와 각 노드가 연결된 클러스터 헤드의 번호로 해의 표현을 하기 때문에 해의 해석 측면에서 더 용이하다.
이어서 S130 단계에서 상기 제어부는 모든 개미에 대해 해적합도를 평가하는데, 본 발명에서는 하기 수학식3과 같은 평가 함수를 사용하였다. 수학식3에서 TD는 초기에 모든 센서가 싱크와 연결되어 있을 때의 총거리이고, N은 모든 노드의 개수다. 인덱스 i 는 i 번째 클러스터링 해를 나타낸다. d i 는 i 번째 클러스터링 해가 결정되었을 때의 총거리를 나타내고 H i 는 그때의 클러스터 헤드의 수를 나타낸다. 하기 수학식1에서는 일예로 가중치(w)를 0.7로 사용하여 총 거리를 줄이는데 더 많은 비중을 두었으나 파라미터 값은 평가 중요도에 따라 조정될 수 있다. 즉, 수학식3의 평가값을 최대화하는 것이 총 전송 거리를 줄이면서 가능하면 클러스터 헤드를 줄이는 것이 된다.
Figure 112009079008883-PAT00009
센서 노드가 클러스터 헤드가 되는 정도를 나타내는 페로몬의 양은 페로몬 업데이트 과정을 통해 조절될 수 있는데, 이 페로몬 업데이트 과정은 페로몬 증발(S140), 로컬 업데이트(S150), 글로벌 업데이트(S160)의 3단계로 이루어질 수 있다.
먼저 S140 단계에서 상기 제어부는 페로몬을 증발시키는데, 페로몬 증발은 기존 페로몬 양의 일부를 감소시키는 것으로서, 과거의 페로몬을 통한 정보가 현재나 앞으로의 정보에 비하여 정확도가 상대적으로 떨어지기 때문에 과거 정보의 비율을 줄이는 역할을 한다. 이것은 또한 일부 특정 해에 대한 페로몬의 기하급수적인 증가를 방지하며 하기 수학식4와 같이 표현할 수 있다.
Figure 112009079008883-PAT00010
상기 수학식4에서
Figure 112009079008883-PAT00011
는 증발률,
Figure 112009079008883-PAT00012
는 t시점에서 싱크 노드 o와 센서 노드 k가 연결되는 클러스터 헤드가 되었을 때의 페로몬의 양,
Figure 112009079008883-PAT00013
는 t+1시점에서 싱크 노드 o와 센서 노드 k가 연결되는 클러스터 헤드가 되었을 때의 페로몬의 양을 나타낸다.
페로몬 증발이 완료되면, S150 단계에서 상기 제어부는 로컬 업데이트를 위한 페로몬을 추가한다. 개미가 모든 노드에 대한 확률적인 선택을 완료하게 되면 개미가 생성한 해의 값(싱크 노드에서부터 선택된 클러스터 헤드까지의 거리와 클러스터 헤드와 각 센서까지의 거리의 합과 클러스터 헤드의 수로 평가한 값, 즉 상기 수학식3의 적합도)을 구할 수 있게 된다. 페로몬 증가는 이 구해진 평가값(적합도)에 따라 페로몬 양을 업데이트 하는 것으로서, 하기 수학식5와 같이 표현할 수 있다.
Figure 112009079008883-PAT00014
상기 수학식5에서 Sj는 j번째 개미의 해의 집합, Lj는 j번째 개미의 평가 값, Q는 페로몬 업데이트 상수, move(o, k)는 싱크 노드 o가 센서 노드 k를 클러스터 헤드로 선택하여 이동하는 것을 나타낸다.
Figure 112009079008883-PAT00015
는 j번째 개미가 싱크 노드 o로부터 센서 노드 k를 클러스터 헤드로 선택했을 때의 경로 (o, k)에 뿌려주는 페로몬의 양을 나타낸다.
상기와 같이 로컬 업데이트가 완료되면, S160 단계에서 상기 제어부는 글로벌 업데이트를 위한 페로몬을 추가한다. 본 발명에서는 글로벌 업데이트를 위해 엘리트 전략을 사용하는데, 엘리트 전략(elitist strategy)은 1세대에서 현재 세대까지의 각 세대의 가능해들 중에서 평가값이 가장 우수한 가능해에 대하여 추가적인 페로몬을 업데이트 하는 것으로서 수렴성을 강조하기 위하여 사용된다. 엘리트 전략은 하기 수학식6과 같이 표현할 수 있다.
Figure 112009079008883-PAT00016
상기 수학식6에서 SGlobalOptimal는 평가값이 가장 우수한 해, LGlobalOptimal은 가장 우수한 해의 평가값, s는 엘리트 가중치를 나타낸다.
Figure 112009079008883-PAT00017
는 싱크 노드 o로부터 센서 노드 k가 클러스터 헤드로 할당되었을 때 평가값이 가장 좋은 개미가 경로 (o, k)에 뿌려주는 페로몬의 양을 나타낸다.
전술한 업데이트 과정을 통하여 세대가 진행함에 따라 개미가 더욱 좋은 해를 구성하도록 도와주게 된다. 그러나 일정세대가 지나면 페로몬의 지나친 집중으로 인해 다양한 해를 탐색하지 못하고 센서 네트워크 문제의 해가 일정한 형태를 유지하며 급속도로 수렴하게 되는데 이를 막기 위해 본 발명에서는 최대-최소(Max-Min) 전략(누적 페로몬양의 최소값과 최대값을 정하는 것)을 사용하였다.
상기와 같이 3단계의 페로몬 업데이트 과정이 완료되면, 상기 제어부는 S170 단계 내지 S190 단계에서 누적 페로몬양의 최소값과 최대값을 정하는 Max-Min 전략을 통한 페로몬 조정관리를 수행하고, 이 과정을 거친 후 기설정된 종료조건이 만족 되면 종료하게 되고 그렇지 않으면 위 과정(페로몬 조정관리)을 반복 적용하게 된다.
페로몬 업데이트 후 페로몬 행렬에 존재하는 값 중 하한치인 초기에 정한 Min 값보다 작거나 상한치인 Max 값보다 큰 페로몬을 Min 과 Max 값으로 조정한다. 이는 다음세대의 개미가 센서 노드를 확률적으로 클러스터 헤드를 선택할 때 페로몬이 일정한 센서 노드로만 집중되는 것을 막아서 해의 다양성을 강조할 수 있다.
전술한 바와 같은 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법에 따라 센서 네트워크의 클러스터링 문제를 적용시킨 실험을 수행하였는데, 일실시예로서, 실험은 100개, 200개, 400개 노드들에 대한 네트워크를 생성하여 진행하였다. 또한, 싱크 노드를 각 네트워크의 원점(0, 0)과 중앙에 위치시켜 결과를 비교 분석하였다.
실험을 할 때, 개미군 최적화 방법 적용을 위해 다음과 같은 초기 파라미터의 값을 사용하였다. 한 세대에 참여하는 개미 수는 10마리로 하여 10개의 해를 생성한다. 상기 수학식1의 선호도는 싱크 노드 o에서 센서 노드 k까지의 거리(dok)의 역수를 사용하였고, 상기 수학식2의 초기 페로몬양은 0.05, 페로몬 가중치(α)는 1, 선호도 가중치(β)는 0.05를 사용하였다. 상기 수학식4의 증발률(
Figure 112009079008883-PAT00018
)은 0.001, 상기 수학식5의 페로몬 업데이트 상수 Q는 0.001, 엘리트 가중치 s는 5를 사용하였다. Max-Min 전략을 위해 tmax는 10, tmin 은 0.0001을 사용하였다.
또한 각 노드의 위치를 임의의 난수를 발생시켜 초기 데이터를 생성하였다. 100개의 노드(싱크 노드 포함)인 경우 각 노드의 X좌표와 Y좌표에 대하여 임의로 1부터 99까지 발생시켰고 모든 노드들은 중복되는 위치가 없도록 했다. 도 3은 100개 노드에 대해 센서들의 위치를 임의로 할당한 모습을 나타낸 도면이며, 본 발명의 실시예에 따른 실험에서 사용된 초기 데이터이다.
100개 노드에 대한 개미군 최적화 방법의 적용 결과는 도4a 및 도4b와 같은 수렴과정이 뚜렷하게 나타났다. 도4a에서 보는 것과 같이 싱크 노드가 (0, 0)일 때의 실험 결과를 보면 평가값은 4049.742가 나왔으며, 클러스터링 이전의 Direct transmission(One hop model)으로 했을 때 총 거리(TD) 7617.7852가 클러스터링 이후 총 거리(di) 1870.582로 줄어 든 것을 볼 수 있다. 또한 클러스터 헤드의 수도 Direct transmission(One hop model)으로 했을 때 100개에서 11개로 감소되는 결과를 얻을 수 있었다. 도4b와 같이 싱크 노드가 (50, 50)일 때의 실험결과는 평가값 1690.54, 클러스터링 이전의 총 거리(TD) 3771.903이 계산되었으며 클러스터링 이후 총 거리(di) 1391.978로 줄어든 것을 볼 수 있다. 또한 클러스터 헤드의 수는 100개에서 18개로 줄어들었다. 즉, 싱크 노드가 (0, 0)일 때 전송 거리에서 75.445%의 감소를 보였고, 클러스터 헤드가 차지하는 비율은 11%이다. 그리고 싱크 노드가 (50, 50)일 때는 전송 거리에서 63.096%, 클러스터 헤드의 수는 82%의 감소 효과를 볼 수 있었다.
도5a 및 5b는 100개의 노드를 갖는 무선 센서 네트워크의 최적 결과인데, 클러스터 헤드가 몇 개이고, 어디에 위치하는지, 각 센서가 어떤 클러스터 헤드에 할 당되었는지를 나타낸다. 싱크 노드가 (0, 0)인 경우를 보면 클러스터 헤드는 4(44, 70), 8(20, 44), 13(7, 81), 25(75, 69), 26(74, 91), 33(58, 50), 42(29, 27), 44(56, 30), 57(82, 22), 65(7, 6), 81(37, 17)번 노드가 선택되었다. 싱크 노드가 (50, 50)인 경우를 보면 클러스터 헤드는 3(73, 81), 4(44, 70), 23(60, 18), 24(47, 54), 33(58, 50), 39(68, 41), 40(20, 88), 41(34, 29), 50(29, 10), 54(7, 38), 57(82, 22), 62(30, 49), 65(7, 6), 75(37, 64), 79(76, 56), 84(7, 73), 96(50, 67), 99(86, 33)번 노드가 선택되었다. 나머지 노드들은 선택된 클러스터 헤드들 중 가장 가까운 클러스터 헤드에 할당되었다. 도6a 및 6b는 100개 노드의 무선 센서 네트워크 문제를 개미군 최적화 방법을 적용한 최적해 결과 그래프이다. 도6a 및 6b 모두 원점과 중앙점의 싱크를 중심으로 클러스터 헤드가 골고루 분포되어 있는 것을 알 수 있다.
도 7a 및 7b는 200개 노드, 도 8a 및 8b는 400개 노드에 대하여 싱크 노드가 원점 또는 중앙에 위치해 있을 때 각 실험의 평가값의 뚜렷한 수렴 형태를 나타내고 있다.
도 9는 센서 네트워크의 클러스터링 최적화 문제에 개미군 최적화 방법(ACO)을 적용한 결과와 CPLEX를 이용한 최적해를 나타낸 것이다. 본 발명의 일실시예에서 생성한 100, 200, 400개 노드의 데이터를 바탕으로 싱크를 원점(0, 0)과 중앙점으로 한 결과이다.
100, 200, 400개 노드 모든 경우에서 싱크 노드가 원점일 경우 중앙점일 경우보다 적합도 값이 상대적으로 우수한 것으로 분석되었고 최적해에 가까운 값을 탐색할 수 있었다(최적해와의 편차율 2.6~3.2%).
이상에서는 본 발명에서 특정의 바람직한 실시 예에 대하여 도시하고 또한 설명하였다. 그러나, 본 발명은 상술한 실시 예에 한정되지 아니하며, 특허 청구의 범위에서 첨부하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능할 것이다.
도 1은 본 발명의 실시 예에 따른 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법의 절차를 나타낸 흐름도이다.
도 2는 본 발명의 실시 예에 따른 가능해의 해표현을 나타낸 도표이다.
도 3은 본 발명의 일실시 예에 따른 100개 노드에 대해 센서들의 위치를 임의로 할당한 모습을 나타낸 도면이다.
도 4a 및 4b는 본 발명의 일실시 예에 따른 100개 노드에 대한 개미 알고리즘 적용결과를 나타낸 그래프이다.
도 5a 및 5b는 본 발명의 일실시 예에 따른 100개의 노드를 갖는 무선 센서 네트워크의 최적 결과를 나타낸 도면이다.
도6a 및 6b는 본 발명의 일실시 예에 따른 100개의 노드를 갖는 무선 센서 네트워크의 최적 결과를 나타낸 그래프이다.
도 7a 및 7b는 본 발명의 일실시 예에 따른 200개 노드에 대한 개미 알고리즘 적용결과를 나타낸 그래프이다.
도 8a 및 8b는 본 발명의 일실시 예에 따른 400개 노드에 대한 개미 알고리즘 적용결과를 나타낸 그래프이다.
도 9는 본 발명의 일실시 예에 따른 100, 200, 400개의 노드에 대한 무선 센서 네트워크 결과를 비교 분석한 도표이다.

Claims (10)

  1. 개미 알고리즘을 통해 페로몬과 선호도에 따른, 싱크(Sink) 노드와 연결될 클러스터 헤드 선택확률을 계산하는 계산 단계;
    상기 계산된 선택확률에 따른 클러스터 헤드 선택과 각 센서 노드에서 가장 가까운 클러스터 헤드에 연결한 해를 생성하는 생성 단계;
    모든 개미에 대해 해적합도를 평가하는 평가 단계;
    센서 노드가 클러스터 헤드가 되는 정도를 나타내는 페로몬의 양을 조절하는 페로몬 업데이트 단계; 및
    누적 페로몬양의 최소값과 최대값을 정하는 최대-최소(Max-Min) 전략을 통한 페로몬 조정관리를 수행하는 조정관리 단계를 포함하는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법.
  2. 제1항에 있어서, 상기 계산 단계는
    개미가 출발 노드에서부터 페로몬 양과 선호도를 고려한 확률에 따라 센서 노드가 클러스터 노드인지 아닌지를 결정하고 다음 센서 노드로 이동을 함에 있어서, 첫 번째 센서 노드를 출발 노드로 설정하고, 마지막 센서 노드를 도착 노드로 설정하며, 노드의 선택확률을 하기 수학식에 따라 계산하는 것을 특징으로 하는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법.
    Figure 112009079008883-PAT00019
    여기에서, M은 개미가 클러스터 노드로 선택할 수 있는 센서 노드의 집합을 나타내고, 센서 노드 k가 클러스터 헤드가 되는 정도를 나타내는
    Figure 112009079008883-PAT00020
    는 해당하는 페로몬(pheromone)양을 나타내며,
    Figure 112009079008883-PAT00021
    는 센서 노드 k가 클러스터 헤드가 되어 싱크 노드와 연결되는 것이 좋은지를 나타내는 척도인 선호도를 나타내고, α및 β는 페로몬과 선호도 각각에 대한 가중치를 나타낸다.
  3. 제2항에 있어서, 상기 선호도는
    하기 수학식을 적용하여 계산하되, 선호도(
    Figure 112009079008883-PAT00022
    )는 싱크 노드에서 센서 노드까지의 거리(
    Figure 112009079008883-PAT00023
    )를 역수로 계산하는 것을 특징으로 하는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법.
    Figure 112009079008883-PAT00024
  4. 제1항에 있어서, 상기 생성 단계에 의해 생성되는 해는
    각 노드(일반 센서)의 번호와 각 노드가 연결된 클러스터 헤드의 번호로 표현되는 것을 특징으로 하는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법.
  5. 제1항에 있어서, 상기 평가 단계는
    하기 수학식의 평가 함수를 사용하되, 총 전송 거리를 줄이면서 클러스터 헤드를 줄이는 평가값의 최대화를 이용하는 것을 특징으로 하는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법.
    Figure 112009079008883-PAT00025
    여기에서, TD는 초기에 모든 센서가 싱크와 연결되어 있을 때의 총거리이고, N은 모든 노드의 개수이며, 인덱스 i 는 i 번째 클러스터링 해를 나타내고, d i 는 i 번째 클러스터링 해가 결정되었을 때의 총거리를, H i 는 그때의 클러스터 헤드의 수를 각각 나타내며, 가중치(w)는 평가 중요도에 따라 조정될 수 있는 파라미터 값이다.
  6. 제1항에 있어서, 상기 페로몬 업데이트 단계는
    기존 페로몬 양을 감소시키는 페로몬 증발 단계;
    개미가 생성한 해의 값에 따라 페로몬 양을 업데이트 하는 로컬 업데이트 단 계; 및
    엘리트 전략(elitist strategy)을 이용하여 추가적인 페로몬을 업데이트 하는 글로벌 업데이트 단계를 포함하는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법.
  7. 제6항에 있어서, 상기 페로몬 증발 단계는
    하기 수학식에 따라 기존 페로몬 양의 일부를 감소시키는 것으로서, 과거 정보의 비율을 줄이는 것을 특징으로 하는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법.
    Figure 112009079008883-PAT00026
    여기에서,
    Figure 112009079008883-PAT00027
    는 증발률,
    Figure 112009079008883-PAT00028
    는 t시점에서 싱크 노드 o와 센서 노드 k가 연결되는 클러스터 헤드가 되었을 때의 페로몬의 양,
    Figure 112009079008883-PAT00029
    는 t+1시점에서 싱크 노드 o와 센서 노드 k가 연결되는 클러스터 헤드가 되었을 때의 페로몬의 양을 나타낸다.
  8. 제6항에 있어서, 상기 로컬 업데이트 단계는
    싱크 노드에서부터 선택된 클러스터 헤드까지의 거리와 클러스터 헤드와 각 센서까지의 거리의 합과 클러스터 헤드의 수로 평가한 값에 따라 하기 수학식을 적용하여 페로몬 양을 업데이트 하는 것을 특징으로 하는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법.
    Figure 112009079008883-PAT00030
    여기에서, Sj는 j번째 개미의 해의 집합, Lj는 j번째 개미의 평가 값, Q는 페로몬 업데이트 상수, move(o, k)는 싱크 노드 o가 센서 노드 k를 클러스터 헤드로 선택하여 이동하는 것을 나타내고,
    Figure 112009079008883-PAT00031
    는 j번째 개미가 싱크 노드 o로부터 센서 노드 k를 클러스터 헤드로 선택했을 때의 경로 (o, k)에 뿌려주는 페로몬의 양을 나타낸다.
  9. 제6항에 있어서, 상기 글로벌 업데이트 단계는
    1세대에서 현재 세대까지의 각 세대의 가능해들 중에서 평가값이 가장 우수한 가능해에 대하여 하기 수학식을 적용하여 추가적인 페로몬을 업데이트 하는 것을 특징으로 하는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법.
    Figure 112009079008883-PAT00032
    여기에서, SGlobalOptimal는 평가값이 가장 우수한 해, LGlobalOptimal은 가장 우수한 해의 평가값, s는 엘리트 가중치를 나타내고,
    Figure 112009079008883-PAT00033
    는 싱크 노드 o로부터 센서 노드 k가 클러스터 헤드로 할당되었을 때 평가값이 가장 좋은 개미가 경로 (o, k)에 뿌려주는 페로몬의 양을 나타낸다.
  10. 제1항에 있어서, 상기 조정관리 단계는
    누적 페로몬양의 최소값과 최대값을 정하는 것으로서, 페로몬 행렬에 존재하는 값 중 하한치인 초기에 정한 Min 값보다 작거나 상한치인 Max 값보다 큰 페로몬을 Min 과 Max 값으로 조정하는 것을 특징으로 하는 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법.
KR1020090128149A 2009-12-21 2009-12-21 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법 KR101096097B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090128149A KR101096097B1 (ko) 2009-12-21 2009-12-21 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090128149A KR101096097B1 (ko) 2009-12-21 2009-12-21 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법

Publications (2)

Publication Number Publication Date
KR20110071544A true KR20110071544A (ko) 2011-06-29
KR101096097B1 KR101096097B1 (ko) 2011-12-19

Family

ID=44402628

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090128149A KR101096097B1 (ko) 2009-12-21 2009-12-21 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법

Country Status (1)

Country Link
KR (1) KR101096097B1 (ko)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102412915A (zh) * 2011-11-09 2012-04-11 南京邮电大学 认知传感器网络中一种基于能耗的分簇频谱感知方法
CN102769890A (zh) * 2012-06-26 2012-11-07 西安电子科技大学 基于均匀分簇和数据聚合的无线传感器网络路由方法
CN103002438A (zh) * 2011-09-15 2013-03-27 中国人民解放军总参谋部第六十一研究所 一种基于支持向量机和信任控制的网络行为监测方法
CN103874178A (zh) * 2014-03-31 2014-06-18 北京工业大学 无线传感器网络的数据融合簇头数目确定方法
CN105023041A (zh) * 2015-08-11 2015-11-04 东南大学 数据聚类方法及b2b平台客户偏好获取方法、装置
KR20180087808A (ko) 2017-01-23 2018-08-02 서울대학교산학협력단 교통 정보 수집 장치 설치의 우선 순위를 결정하는 방법 및 시스템
CN108449413A (zh) * 2018-03-20 2018-08-24 深圳市益鑫智能科技有限公司 一种混凝土厂粉尘智能监测系统
US10306006B2 (en) 2015-02-06 2019-05-28 Korea Advanced Institute Of Science And Technology Bio-inspired algorithm based P2P content caching method for wireless mesh networks and system thereof
CN110146088A (zh) * 2019-06-17 2019-08-20 安徽大学 一种智能仓储管理系统中的室内定位导航方法及导航模型
CN110825890A (zh) * 2020-01-13 2020-02-21 成都四方伟业软件股份有限公司 一种预训练模型知识图谱实体关系抽取方法及装置
KR20200042882A (ko) 2020-03-09 2020-04-24 수원대학교산학협력단 보안감시 네트워크에서 ａｃｏ를 활용한 패킷 전송 방법, 보안감시 네트워크의 패킷 전송장치, 그리고 ａｃｏ를 활용한 ｉｃｎ 보안감시 시스템
CN111918234A (zh) * 2019-11-14 2020-11-10 南昌诺汇医药科技有限公司 准确的电线电缆安全状态评估系统
CN113504798A (zh) * 2021-06-30 2021-10-15 北京航空航天大学 一种仿生物群体协商行为的无人机集群协同目标搜索方法
CN113556728A (zh) * 2021-06-07 2021-10-26 北京邮电大学 基于复合信息素浓度场蚁群算法的Ad hoc网络路由

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103024856B (zh) * 2012-12-31 2015-08-26 上海交通大学 位置启发因子在无线自组网蚁群节能路由建立的应用方法

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103002438A (zh) * 2011-09-15 2013-03-27 中国人民解放军总参谋部第六十一研究所 一种基于支持向量机和信任控制的网络行为监测方法
CN102412915B (zh) * 2011-11-09 2013-09-25 南京邮电大学 认知传感器网络中一种基于能耗的分簇频谱感知方法
CN102412915A (zh) * 2011-11-09 2012-04-11 南京邮电大学 认知传感器网络中一种基于能耗的分簇频谱感知方法
CN102769890A (zh) * 2012-06-26 2012-11-07 西安电子科技大学 基于均匀分簇和数据聚合的无线传感器网络路由方法
CN103874178A (zh) * 2014-03-31 2014-06-18 北京工业大学 无线传感器网络的数据融合簇头数目确定方法
US10306006B2 (en) 2015-02-06 2019-05-28 Korea Advanced Institute Of Science And Technology Bio-inspired algorithm based P2P content caching method for wireless mesh networks and system thereof
CN105023041A (zh) * 2015-08-11 2015-11-04 东南大学 数据聚类方法及b2b平台客户偏好获取方法、装置
CN105023041B (zh) * 2015-08-11 2017-07-28 东南大学 数据聚类方法及b2b平台客户偏好获取方法、装置
KR20180087808A (ko) 2017-01-23 2018-08-02 서울대학교산학협력단 교통 정보 수집 장치 설치의 우선 순위를 결정하는 방법 및 시스템
CN108449413B (zh) * 2018-03-20 2021-03-12 苏州南方混凝土有限公司 一种混凝土厂粉尘智能监测系统
CN108449413A (zh) * 2018-03-20 2018-08-24 深圳市益鑫智能科技有限公司 一种混凝土厂粉尘智能监测系统
CN110146088A (zh) * 2019-06-17 2019-08-20 安徽大学 一种智能仓储管理系统中的室内定位导航方法及导航模型
CN111918234A (zh) * 2019-11-14 2020-11-10 南昌诺汇医药科技有限公司 准确的电线电缆安全状态评估系统
CN111918234B (zh) * 2019-11-14 2022-07-29 武汉伏佳安达电气技术有限公司 准确的电线电缆安全状态评估系统
CN110825890A (zh) * 2020-01-13 2020-02-21 成都四方伟业软件股份有限公司 一种预训练模型知识图谱实体关系抽取方法及装置
KR20200042882A (ko) 2020-03-09 2020-04-24 수원대학교산학협력단 보안감시 네트워크에서 ａｃｏ를 활용한 패킷 전송 방법, 보안감시 네트워크의 패킷 전송장치, 그리고 ａｃｏ를 활용한 ｉｃｎ 보안감시 시스템
CN113556728A (zh) * 2021-06-07 2021-10-26 北京邮电大学 基于复合信息素浓度场蚁群算法的Ad hoc网络路由
CN113556728B (zh) * 2021-06-07 2023-09-22 北京邮电大学 基于复合信息素浓度场蚁群算法的Ad hoc网络路由
CN113504798A (zh) * 2021-06-30 2021-10-15 北京航空航天大学 一种仿生物群体协商行为的无人机集群协同目标搜索方法
CN113504798B (zh) * 2021-06-30 2023-11-17 北京航空航天大学 一种仿生物群体协商行为的无人机集群协同目标搜索方法

Also Published As

Publication number Publication date
KR101096097B1 (ko) 2011-12-19

Similar Documents

Publication Publication Date Title
KR101096097B1 (ko) 개미 알고리즘을 이용한 무선 센서 네트워크에서의 클러스터링 최적 설계 방법
Xiong et al. Resource allocation based on deep reinforcement learning in IoT edge computing
KR101072448B1 (ko) 무선센서 네트워크 시스템 및 그의 클러스터링 방법
Park et al. Learning how to communicate in the Internet of Things: Finite resources and heterogeneity
Zhu et al. BLOT: Bandit learning-based offloading of tasks in fog-enabled networks
Agbehadji et al. Clustering algorithm based on nature-inspired approach for energy optimization in heterogeneous wireless sensor network
CN107708152A (zh) 异构蜂窝网络的任务卸载方法
Yousefi et al. Mobile agents for route planning in internet of things using Markov decision process
Hu et al. Dynamic spatial-correlation-aware topology control of wireless sensor networks using game theory
Paul et al. Learning probabilistic models of cellular network traffic with applications to resource management
Mattia et al. On real-time scheduling in Fog computing: A Reinforcement Learning algorithm with application to smart cities
Mishra et al. Sensor data distribution and knowledge inference framework for a cognitive-based distributed storage sink environment
Yu et al. Resources sharing in 5G networks: Learning-enabled incentives and coalitional games
CN110784903A (zh) 网络数据传输方法、装置、计算机设备和存储介质
CN113672372B (zh) 一种基于强化学习的多边缘协同负载均衡任务调度方法
CN103455525B (zh) 基于用户的搜索推广行为确定推广帐号状态的方法与设备
Kam et al. The role of aoi in a cognitive radio network: Lyapunov optimization and tradeoffs
Wakisaka et al. Timely information updates for the internet of things with serverless computing
Geraldo Filho et al. An energy-aware system for decision-making in a residential infrastructure using wireless sensors and actuators
Chaturvedi et al. A Novel method of Improving Spectrum sensing Management system for CR-IoT Networks
Ibrahim Quality of Service‐aware clustered triad layer architecture for critical data transmission in multi‐body area network environment
Sato et al. Multi-Agent Task Allocation Based on Reciprocal Trust in Distributed Environments
Domínguez-Medina et al. Routing algorithms for wireless sensor networks using ant colony optimization
Zhou et al. Adaptive Data Transmission and Computing for Vehicles in the Internet-of-Intelligence
Qarehkhani et al. Solving target coverage problem in directional sensor networks with ability to adjust sensing range using continuous learning automata

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
N231 Notification of change of applicant
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140912

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20151012

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160927

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee