유전자 알고리즘을 이용한 센서 네트워크 수명 최대화 기법 연구
On Study of A Technique to Maximize the lifetime of Sensor Networks by using Enhanced Genetic Algorithm
- 주제(키워드) Sensor network , Clustering , Genetic algorithm
- 발행기관 아주대학교 대학원
- 지도교수 이채우
- 발행년도 2008
- 학위수여년월 2008. 8
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 본문언어 한국어
초록/요약
센서 네트워크를 구성하는 센서 노드들은 제한된 배터리 용량을 가지고 있으며 한번 배치되면 추가적인 에너지 공급이 어렵기 때문에 노드의 소비 전력을 최소화하기 위한 연구가 중요하다. 많은 연구 중 클러스터링 기법은 센서 네트워크에서 에너지 소비를 줄이기 위한 효과적인 기법중의 하나로 각광 받아왔다. 하지만, 클러스터링 기법은 클러스터의 수와 크기, 데이터 전송에 참여하는 노드 간의 거리 등에 따라 에너지 절감 효과가 달라진다. 따라서 이러한 요인들을 최적화해야 클러스터링에 의한 에너지 절감 효과를 최대화할 수 있다. 본 연구에서는 확률적 최적해 탐색 기법인 유전자 알고리즘을 사용하여 센서 노드의 에너지 소비를 줄일 수 있는 적절한 클러스터 헤드의 위치를 찾아 클러스터를 형성하는 것을 목적으로 한다. 유전자 알고리즘은 클러스터를 구성할 수 있는 수많은 경우의 수 중에서 적절한 클러스터 헤드 위치를 찾아 최적의 클러스터를 형성하기 위해 유전자 진화 과정을 거쳐서 탐색을 수행한다. 따라서 진화 과정이 없는 LEACH와 같은 클러스터링 알고리즘보다 효과적일 수 있다. 본 연구에서 제안하는 2차원 염색체 유전자 알고리즘은 염색체내에 존재하는 각 노드에게 고유한 위치정보를 부여함으로써 기존 유전자 알고리즘보다 효율적인 유전자 진화를 수행할 수 있다. 그 결과, 센서 네트워크의 수명을 최대화 할 수 있는 최적의 클러스터를 빠르고 효과적으로 찾을 수 있다.
more초록/요약
Sensor nodes forming a sensor network have limited energy capacity such as small batteries and when these nodes are placed in a specific field, it is important to research minimizing sensor nodes’ energy consumption because of difficulty in supplying additional energy for the sensor nodes. Clustering has been in the limelight as one of efficient techniques to reduce sensor nodes’energy consumption in sensor networks. However, energy saving results can vary greatly depending on election of cluster heads, the number and size of clusters and the distance among the sensor nodes. This research has an aim to find the optimal set of clusters which can reduce sensor nodes’energy consumption. We use a Genetic Algorithm (GA), a stochastic search technique used in computing, to find optimal solutions. GA performs searching through evolution processes to find optimal clusters in terms of energy efficiency. Our results show that GA is more efficient than LEACH which is a clustering algorithm without evolution processes. The two-dimensional GA (2D-GA) proposed in this research can perform more efficient gene evolution than one-dimensional GA (1D-GA) by giving unique location information to each node existing in chromosomes. As a result, the 2DGA can find rapidly and effectively optimal clusters to maximize lifetime of the sensor networks.
more목차
제1장 서론 = 1
제2장 관련연구 = 4
제1절 유전자 알고리즘 (Genetic Algorithm) = 4
제2절 유전자 알고리즘을 이용한 기존의 클러스터링 기법들 = 7
제3장 제안하는 알고리즘 = 11
제1절 제안하는 알고리즘 동작 = 11
제2절 유전자 표현 = 12
제3절 초기 염색체 (Initial population) = 12
제4절 비용 함수 (Cost Function) = 14
제5절 선택 (Selection) = 16
제6절 교배 (Crossover) = 16
제7절 돌연변이 (Mutation) = 18
제4장 성능평가 = 21
제1절 시뮬레이션 환경 = 21
제2절 시뮬레이션 결과 분석 = 23
제5장 결론 및 향후연구 = 29
참고문헌 = 30
Abstract = 32
