Thuật toán định tuyến đa đường dựa theo nhóm cho mạng cảm biến không dây
Bạn đang xem tài liệu "Thuật toán định tuyến đa đường dựa theo nhóm cho mạng cảm biến không dây", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên
Tài liệu đính kèm:
thuat_toan_dinh_tuyen_da_duong_dua_theo_nhom_cho_mang_cam_bi.pdf
Nội dung text: Thuật toán định tuyến đa đường dựa theo nhóm cho mạng cảm biến không dây
- THUẬT TOÁN ĐỊNH TUYẾN ĐA ĐƯỜNG DỰA THEO NHÓM CHO MẠNG CẢM BIẾN KHÔNG DÂY ROUTING ALGORITHM FOR DYNAMIC CLUSTERING OF WILESS SENSOR NETWORKS Nguyễn Đỗ Ánh Nam, Phạm Hồng Liên Khoa Điện - Điện tử, Trường Đại học Sư Phạm Kỹ thuật thành phố Hồ Chí Minh Email: anhnamqn90@gmail.com; lienph@hcmute.edu.vn TÓM TẮT WSN ra đời là sự kết hợp thành công của một loạt những thành tựu khoa học về công nghệ mạng máy tính. Hiện nay, nó được ứng dụng rất nhiều trong đời sốngvà để mang lại lợi ích tối ưu cho người sử dụng thì phải tận dụng các điểm mạnh riêng biệt của mạng cảm ứng, đó là các sensor giá thành thấp, tiêu thụ ít năng lượng và có thể thực hiện đa chức năng. Đề tài đã trình bày các lý thuyết cơ bản về mạng cảm biến không dây bao gồm nền tảng công nghệ, kiến trúc thành phần của mạng cảm biến, đặc điểm của mạng cảm biến, đề tài đã hệ thống và phân loại các giao thức định tuyến trong mạng không dây. Có nhiều nghiên cứu đã được thực hiện trong việc ứng dụng giải thuật tối ưu vào bài toán thiết kế giao thức định tuyến cho mạng cảm biến không dây trong nhiều năm qua điển hình là giao thức HCR dựa theo GA.Đề tài đã phát triển dựa trên giải thuật di truyền và có cải tiến so với giao thức định tuyến cũ HCR, đồng thời kế thừa được ưu điểm của mô hình phân nhóm.Sử dụng phần mềm Malab mô phỏng cho thấy giao thức HCR thế hệ mới cho kết quả tốt hơn so với 3 giao thức LEACH, SEP, và HCR, nâng cao thời gian hoạt động cho mạng cảm biến, tăng hiệu quả sử dụng năng lượng trong mạng. Từ khóa:Phân nhóm, Thuật toán định tuyến, Giải thuật di truyền, Mạng cảm biến không dây. ABSTRACT WSN is a successful combination of scientific achievements for computing network technology. Today, it has many applications in our life. We can use the strong and special features of the sensor network to bring the best benefit for our life because the sensors have the low cost, saving energy and multifunction. The book willpresent the basic theory for wireless sensor network which consist of technology foundations, architecture and features of sensor network. In the world had many researches for applying the optimum methods to designing for the new prototype of wireless sensor network routing such as: HCR prototype following GA. We based on Ancestral revolution but improving comparing with HCR prototype. We also inherit some good features of grade system prototype. UseMatlab simulation show out the new HCR which is better than LEACH, SEP and old HCR. It increases operating time, higher efficiency of energy using. Keywords:Clustering, Routing algorithm,Genetic algorithm, wiless sensor networks. 1. GIỚI THIỆU truyền dữ liệu phải chính xác và nhanh Trong thời đại khoa học và công nghệ bùng chóng. Để giải quyết được nhu cầu đó, nổ theo từng ngày, nhu cầu sử dụng các hệ người ta đã phát triển hệ thống mạng cảm thống viễn thông ngày càng cao. Vì vậy biến không dây (Wireless Sensor Network đòi hỏi các kỹ thuật thu thập, xử lý và – WSN). Mạng WSN tạo ra môi trường 1
- giao tiếp giữa các thiết bị thông minh hay cấp thành nhiều nhóm, mỗi nhóm sẽ có một giữa các thiết bị thông minh với con người node đảm nhiệm chức năng nhóm trưởng, và hoặc các hệ thống viễn thông khác. Một các node thành viên sẽ gửi thông tin cảm lĩnh vực nổi bật của mạng cảm biến không nhận về nhóm trưởng và nhóm trưởng sẽ dây là việc kết hợp giữa sự cảm nhận, tính tổng hợp thông tin đại diện gửi về cho trạm toán và truyền thông vào một thiết bị gốc. Trong phân nhóm các thuật toán phân nhỏ.Thông qua lưới mạng, những thiết bị cấp nhóm, không thể không nhắc đến này tạo ra một sự kết nối rộng lớn trong thế LEACH [7], đây là thuật toán cơ sở cho sự giới vật lý. Mạng WSN tạo ra mội trường phát triển ra đời các thuật toán phân cấp giao tiếp giữa các thiết bị thông minh hay nhóm thế hệ tiếp theo. LEACH đảm bảo quá giữa các thiết bị thông minh với con người trình sử dụng năng lượng ở mỗi node trong hoặc các hệ thống viễn thông khác. Trong mạng cảm biến là một phân bố điều, tuy khi khả năng của các thiết bị là rất nhỏ, sự nhiên vẫn còn hạn chế trong nhiều ứng dụng kết hợp của hàng trăm thiết bị như vậy yêu cần độ tin cậy cao, đồng thời khoảng thời cầu phải có công nghệ mới. gian hoạt động ổn định của LEACH (thời Sức mạnh của WSN nằm ở chỗ khả năng gian bắt đầu đến khi node đầu tiên ngưng triển khai một số lượng lớn các thiết bị nhỏ hoạt động xuất hiện – First Node Dead) vẫn có thể tự thiết lập cấu hình hệ thống. Sử còn thấp, [8] đã đề xuất thuật toán SEP cải dụng những thiết bị này để theo dõi thời tiến vấn đề này, trong SEP sẽ bổ sung các gian thực, để giám sát điều kiện môi node có mức năng lượng cao hơn so với các trường, để theo dõi cấu trúc hoặc tình trạng node thường trong mạng (gọi là advance thiết bị. node), SEP đã làm tăng giá trị FND so với Ngoài những ưu điểm mà WSN mang lại LEACH [8]. Hơn thế nữa, vấn đề phân nhóm thì nó cũng có những khuyết điểm về khả cần được thực hiện tối ưu, được xem như là năng hoạt động mạng. Có thể hiểu đơn vấn đề NP-hard (Non-deterministic giản mạng WSN là mạng liên kết các node Polynomial-time hard) mà trong lĩnh vực bằng sóng vô tuyến, trong đó các node tính toán thông minh (Computational mạng thường là các thiết bị đơn giản, gọn Intelligence – CI) được sử dụng rộng rãi [9], nhẹ, rẻ tiền, có số lượng lớn và phân bố ngoài CI ra, còn có một giải thuật khác cũng khá rộng. Lưu lượng dữ liệu lưu thông giải quyết khá tốt bài toán tối ưu đó là giải trong WSN là thấp và không liên tục, thuật di truyền mà trong [10-12] đã được các thông thường thời gian 1 node trong trạng nhà nghiên cứu chú ý và đề xuất thuật toán thái nghỉ lớn hơn rất nhiều so với trạng thái cho mạng WSN, các thuật toán trong [10-12] hoạt động, do vậy cần phải có biện pháp áp dụng giải thuật thích nghi đã cải thiện độ tiết kiệm năng lượng tối đa.Hơn nữa các ổn định của mạng, làm tăng thời gian sống node mạng còn phải hoạt động trong môi của mạng so với giải thuật LEACH. Thông trường khắc nghiệt, được bố trí ngẫu nhiên thường, luôn có sự đánh đổi giữa giá trị FND nên có thể di chuyển làm thay đổi cấu hình và LND (Last Node Dead), khi kéo dài thời mạng, vì thế đòi hỏi các node mạng phải có gian sống của mạng sẽ đánh đổi thời gian ổn khả năng tự động cấu hình và thích nghi. định của mạng và ngược lại. [19] đã phân Đồng thời, một số ứng dụng mạng các tích các hạn chế của giải thuật phân nhóm node cảm biến được phân bố trong những ứng dụng hàm thích nghi [10-12], từ đó phân phạm vi hạn chế sự can thiệp của con tích ra các yếu tố làm ảnh hưởng đến chất người, vì vậy mỗi node trong mạng sẽ có lượng hệ thống trong [10-12], phụ thuộc vào nguồn năng lượng dữ trữ ban đầu có hạn khoảng cách giữa các nhóm trưởng và số và không tái bổ sung năng lượng được, một lượng các nhóm trưởng. Bài báo đã dựa trên node khi sử dụng hết năng lượng của mình phân tích [19] đã xây dựng giải thuật HCR thì xem như không còn hoạt động được thế hệ mới. trong mạng và bị loại ra khỏi mạng [3], [4]. Thông thường các node cảm biến sẽ phân 2
- Sự rời rạc của nhóm (inter – distance), được 2. GIẢI PHÁP ĐỀ XUẤT tính bằng khoảng cách Euclic ngắn nhất giữa cặp nhóm trưởng bất kì. Từ giải thuật thích nghi kết hợp trong mạng min (3.14) dmin = d(CHi, CHj (2) phân cấp GA – HCR (gọi tắt là HCR), Bài ∀CiCj, Ci ≠ Cj báo đề xuất lại hàm thích nghi sử dụng trong Khi đó biến của hàm thích nghi sẽ giản lược giải thuật này. Vấn đề cốt lõi để giải thuật còn hai biến chính: 1=Compactness/ 푖푛 và thích nghi đạt chất lượng tối ưu là sự lựa 2 = 푠ố 푙ượ푛 . Từ đó, hàm thích nghi sẽ chọn được hàm thích nghi thật tối ưu.Hàm được viết lại, trong đó w là trọng số cho thích nghi đóng vai trò chính trong việc lựa trước (thiết lập giá trị là 0.5): chọn và thực hiện cải thiện quần thể.Từ góc 퐹푖푡푛푒푠푠 푕 표 − 푅 = 푤 × 1 + (1 − 푤) × 2 (3) 3(3.15) nhìn bài toán đặt ra, điều này cho thấy nhiệm vụ cần được thực hiện đó là việc phát triển Khi bắt đầu mỗi vòng, NG-HCR thiết lập quá trình tiến hóa.Về mặt giải thuật, hàm bao gồm hai pha: pha thiết lập nhóm và pha thích nghi sẽ gán một giá trị cho mỗi sự lựa ổn định, trong việc lựa chọn nhóm trưởng chọn trong quần thể.Bài báo này sẽ tối ưu NG-HCR sử dụng các cá thể di truyền trong hóa hàm thích nghi đã sử dụng trong thuật quần thể, bao gồm việc duy trì cá thể tối ưu toán phân nhóm cho mạng cảm biến dựa trên trong các lần di truyền trước. Mỗi các thể đại giải thuật thích nghi, từ đó đưa ra được các diện bởi chuỗi có chiều dài cố định và bằng quần thể mới đại điện cho giải pháp phân tổng số node trong mạng cảm biến. Nhóm nhóm, lựa chọn nhóm trưởng tối ưu hơn, góp trưởng được đại diện bởi bit 1, các node phần kéo dài thời gian hoạt động của mạng. thành viên nhóm đại diện bởi bit 0, node cạn Kết quả thuật toán sẽ được so sánh với giao năng lượng là bit -1. Mỗi cá thể được thiết thức LEACH, SEP, HCR từ đó trả lời câu lập ngẫu nhiên giá trị 0 hoặc 1 với xác suất p hỏi tồn tại sự hạn chế của giải thuật: khi kéo theo (1) phần trăm tỉ lệ các nhóm trưởng: dài thời gian hoạt động của mạng lại hạn chế trong việc làm giảm thời gian ổn định của ∀푖 ∈ 1, . . , 푛 푣à ∀푗 ∈ 1, . . , ∞, mạng. Các pha sử dụng trong giải thuật di 1 nếu E nodej > 0 푣à randomj ≤ p truyền (Thiết lập ban đầu, đại diện cá thể, lựa i Ij 0 nếu E nodej > 0 푣à randomj > (4) (3.16) chọn, lai chéo và đột biến), điều sử dụng −1 nếu E nodej < 0 chung một nhân tố quan trọng trong thuật toán đó là hàm thích nghi (Ví dụ: hàm thích Với n là số giải pháp và N là số lượng node nghi dựa trên khoảng cách truyền tải, hay gọi trong mạng, lựa chọn giá trị nhị phân trong tắt là khoảng cách). Đây là nhân tố chính làm các cá thể dựa trên kết quả thuật toán.Việc giảm mức năng lượng tiêu tốn trong mạng. lựa chọn cá thể dựa trên giá trị thích nghi, từ Bài báo đề xuất lại điều kiện đánh giá hàm quần thể hiện tại.Toán tử lai chéo sẽ được thích nghi dựa trên hàm khoảng cách, hàm thực hiện giữa hai cá thể liên tiếp với xác khoảng cách sẽ bao gốm hai biến chính: Sự suất lai chéo cho trước, hai cá thể này sẽ trao liên kết – phân tán của nhóm (intra – đổi thông tin từ điểm bắt đầu và kết thúc lai distance) và sự rời rạc của nhóm (inter – chéo. Toán tử đột biến thực hiện trên từng bit distance). của mỗi cá thể với xác suất đột biến cho Sự liên kết – phân tán của nhóm được tính trước, sau khi thực hiện đột biến, bit 0 sẽ đổi bởi công thức: giá trị thành 1 và ngược lại, tuy nhiên bit -1 CHs Compactness = i=1 ∀n∈Ci d n, CHi (1) sẽ không thực hiện độ t biến. Sau quá trình lai chéo và đột biến, các(3.13) cá th ể mới sẽ tham gia Trong đó CHs là số lượng nhóm trong mạng, vào quá trình tính toán thích nghi, cặp cá thể 푖 là nhóm thứ i và 푖là nhóm trưởng thứ có giá trị hàm số thích nghi nhỏ nhất được i, các node khác không phải là nhóm trưởng xem là cá thể tối ưu nhất, sẽ làm cặp cá thể n thuộc nhóm i có tổng khoảng cách đến cho thế hệ tiếp theo. Từ cặp cá thể mới này, nhóm trưởng là nhỏ nhất. mô hình mạng mới được đề xuất trong cặp cá 3
- thể mới và tối ưu hơn so với mô hình mạng trong vòng lắp trước đó. 3. KẾTQUẢ MÔ PHỎNG Phần mô phỏng đã thực hiện trên 10 sơ đồ mạng khác nhau cho 2 trường hợp tỷ lệ node nâng cao trong mạng là 10% và 20%, kết quả thu được là trung bình kết quả của 10 trường hợp khảo sát trên, mô phỏng đã đánh giá hiệu quả của thuật toán NG-HCR so với các thuật toán trước đây : SEP và LEACH dùng cho mạng cảm biến Hình 2. Số node còn hoạt động sau mỗi phân cấp, HCR sử dụng giải thuật di vòng, trong trường hợp tỷ lệ các node nâng truyền GA (GA – HCR). cao trong mạng m=0.1 Hình 1. Hình sơ đồ mạng của giải thuật Hình 3.Số node còn hoạt động sau mỗi vòng, NG-HCR với m=0.1 trong trường hợp tỷ lệ các node nâng cao Kí hiệu Ý nghĩa trong mạng m=0.2 Trạm gốc Hình 2 và 3 là kết quả chạy mô phòng ứng với mô hình mạng WSN2, với tỷ lệ các node Node thường nâng cao trong mạng lần lượt là 10% và 20%, ta thấy khả năng kéo dài thời gian hoạt động Node thường đã cho mạng của NG-HCR tốt hơn so với 3 ngưng hoạt động thuật toán còn lại, ứng với hình 2 NG-HCR Node thường làm có Last Node Dead là 3388 vòng, hình 3 nhóm trưởng NG-HCR có Last Node Dead là 3888 vòng. Node nâng cao %dead LEACH SEP HCR NG-HCR Bảng 1.Ghi chú thông tin các node node 10 1056.2 1134.1 1048.2 1192 20 1093.2 1174.5 1130 1249.8 30 1121.7 1204.3 1190.3 1294.7 40 1148.9 1234.4 1250.6 1338.9 50 1180.2 1261.5 1317.5 1383.9 60 1215.4 1302.2 1391.8 1443.7 70 1284.7 1342.4 1486.7 1500.6 80 1302.6 1388.1 1621.6 1611.9 90 1399.8 1456.9 1958.8 1914 100 2322.6 2040.2 3194.9 3299.2 4
- Bảng1.Thống kê số vòng lặp chạy được theo 3500 3194.8 3319.7 tỷ lệ phần trăm số node còn hoạt động trong mạng (trường hợp số node nâng cao là 10%) 3000 2500 2319.8 2040.8 %dead LEACH SEP HCR NG-HCR 2000 node 1500 1058.2 1056.6 982.5 909.4 10 1066.2 1184.8 1050.2 1190.1 1000 20 1103.8 1214.5 1164 1257.7 500 30 1133.1 1250.3 1208.5 1313.6 40 1166.7 1286.2 1277.4 1408.8 0 50 1205.4 1323.5 1353.8 1398.4 LEACH SEP HCR NG-HCR 60 1253.6 1368.4 1438.5 1480.6 Bảng 3 .Thống kê FND – LND trung bình 70 1305.2 1428 1568.3 1572.5 ứng với tỷ lệ node nâng cao là 10%. 80 1416.2 1529.1 1929.3 1888.6 90 2188.4 1790.9 2529.8 2760.2 4000 3671.7 100 2402.1 2236.8 3536.9 3678.2 3536.6 Bảng2.Thống kê số vòng lặp chạy được theo 3000 tỷ lệ phần trăm số node còn hoạt động trong 2405 2237.4 mạng (trường hợp số node nâng cao là 20%) 2000 Bảng 3 và 4 là thống kê trung bình 10 lần 1124 984.7 887.8 1057.9 chạy mô phỏng, ứng với hai trường hợp tỷ lệ 1000 các node nâng cao trong mạng là 10% và 20%. Kết quả từ các lần mô phỏng đã đánh 0 giá được khả năng cải thiện của giải thuật LEACH SEP HCR NG-HCR HCR thế hệ mới vào mạng cảm biến không dây so với ba giải thuật còn lại, HCR thế hệ mới làm giảm số lượng node ngưng hoạt Bảng 6 .Thống kê FND – LND trung bình động trong mạng sau mỗi vòng chạy, làm ứng với tỷ lệ node nâng cao là 20%. tăng thời gian hoạt động của mạng. Trong Bảng 5 và 6 là kết quả thống kê 10 lần chạy bảng 3, thời gian hoạt động của giải thuật ứng với 10 mô hình mạng khác nhau ở hai HCR thế hệ mới 10% Advance Node lần lượt trường hợp có node nâng cao chiếm tỷ lệ lần tăng 42%, 62% và 3% so với LEACH, SEP lượt là 10% và 20%, kết quả ở mỗi lần chạy và HCR. Bảng 4 thời gian hoạt động của giải mô phỏng cho thấy thuật toán HCR thế hệ thuật HCR thế hệ mới 20% Advance Node mới cải thiện hơn cả 10 lần chạy đối với lần lượt tăng 52%, 63% và 3% so với thuật toán LEACH và SEP, và hiệu quả hơn LEACH, SEP và HCR. so với HCR (kết quả trung bình của HCR là Trong hình 2 và 3, ta thấy khi tỷ lệ phần trăm 3536.6 so với HCR thế hệ mới là 3671.7). các node còn hoạt động trong mạng trong Tuy nhiên so với SEP, HCR thế hệ mới kém khoảng 20 – 10% ở hình 4.2 và 40 – 20% ở phần hiệu quả hơn ở cả hai trường hợp hình 3, HCR có ưu thế vượt trội hơn so với advande node chiếm 10% và 20%, ta thấy có HCR thế hệ mới trong việc kéo dài thời gian sự đánh đổi giữa việc kéo dài thời gian hoạt hoạt động của tỷ lệ trung bình các node còn động của mạng và thời gian ổn định của hoạt động trong mạng, tuy nhiên trong 10% mạng. node còn lại trở đi ở hình 2 và 20% node còn lại ở hình 3, HCR thế hệ mới hoạt động hiệu quả hơn, số vòng hoạt động được kéo dài hơn so với HCR. 5
- %rounds LEACH SEP HCR NG-HCR > đánh giá HCR thế hệ mới tốt hơn. 10 39.5829 39.6375 42.1597 42.6459 LEACH SEP HCR FND FND FND 20 24.1724 24.277 29.3249 30.2922 > > > 50 1.6764 0.0505 3.7782 4.1074 RE RE RE 60 0.0476 0.011 2.1406 2.7699 > > > 70 0 0 1.1306 1.629 Bảng 6.Tóm tắt kết quả so sánh NG-HCR với 80 0 0 0.4748 0.6942 LEACH, SEP và HCR 90 0 0 0.1111 0.1591 4. KẾT LUẬN 100 0 0 0 0 Bảng 4.Năng lượng còn lại trong mạng (10% Kết quả mô phỏng cho thấy giao thức HCR node nâng cao) thế hệ mới cho kết quả tốt hơn so với 3 giao thức LEACH, SEP, và HCR, nâng cao thời %rounds LEACH SEP HCR NG-HCR gian hoạt động cho mạng cảm biến, tăng hiệu 10 43.2571 43.2778 46.7383 47.6161 quả sử dụng năng lượng trong mạng. 20 26.5184 26.5419 33.4813 35.2302 LỜI CẢM ƠN 30 11.1652 9.9219 20.4346 22.8823 Người viết cảm ơn quý thầy cô và bạn bè 40 5.93 2.3398 11.0308 12.4054 những người đã cộng tác nghiên cứu với 50 2.1473 0.1789 6.5918 7.8597 mình và liệt kê tất cả các tài liệu đã trích dẫn 60 0.0355 0.0351 3.8334 5.2797 trong bài viết. 70 0 0 1.9267 2.9409 80 0 0 0.7073 1.1252 90 0 0 0.1672 0.1945 100 0 0 0 0 Bảng 5.Năng lượng còn lại trong mạng (20% node nâng cao) Bảng 7 và 8 đánh giá ưu thế tiết kiệm năng lượng cho mạng sau mỗi phần trăm vòng chạy, trong đó SEP tiêu tốn năng lượng nhanh nhất trong 4 thuật toán, tuy nhiên tốt hơn trong việc kéo dài thời gian ổn định của mạng. HCR thế hệ mới sử dụng năng lượng hiệu quả hơn so với LEACH và HCR. Bảng9 tóm tắt lại đánh giá của HCR thế hệ mới so với LEACH, SEP và HCR dựa trên yếu tố FND (Node ngưng hoạt động đầu tiên trong mạng), LND (Node ngưng hoạt động cuối trong mạng), năng lượng còn lại trong mạng (Remain Energy). Trong bảng , kí hiệu 6
- TÀI LIỆU THAM KHẢO [1] I. F. Akyildiz, W. Su, Y. Sankarasubramaniam, and E. Cayirci, "Wireless sensor networks: A survey," Computer Networks, vol. 38, no. 4, pp.393-422, March 2002 [2] A. Abbasi and M. Younis, " A survey on clustering algorithms for wireless sensor networks", Computer Communications, Vol. 30, 2007, pp. 2826-2841, 2007. [3] Luis Javier Garcia Villalba, Ana Lucila Sandoval Orozco, Alicia Trivino Cabrera and Claudia Jacy Braenco Abbas, "Routing Protocol in Wireless Sensor Network", Sensors 2009,9, pp. 8399-8421,2009. [4] H.M. Ammari, Challenges and Opportunities of Connected k-Covered Wireless Sensor Networks From Sensor Deployment to Data Gathering, in: Studies in Computational Inteligence, vol. 215, Springer, 2009. [5] J.N. Al-karaki, A.E. Kamal, Routing techniques in wireless sensor networks: a survey, IEEE Wireless Communications 11, pp. 6-28, 2004. [6] K. Akkaya, M. Younis, A survey on routing protocols for wireless sensor networks, Elsevier Ad Hoc Networks 3 (2005) 325-349. [7] W. Heinzeman, J. Kulik, H. Balakrishnan, Adaptive protocols for information dissemination in wireless sensor networks, in: Proceedings of ACM/IEEE Mobi Com 99, pp. 174-185, 1999 [8] G. Smaragdakis, I. Matta, A. Bestavros, SEP: a stable election protocol for clustered heterogeneous wireless sensor networks, in: Second International Workshop on Sensor and Actor Network Protocols and Applications (SANPA), 2004 [9] G.K. Venayagamoorthy, A successful interdisciplinary course on computational intelligence, IEEE Computational Intelligence Magazine 4 (1), pp. 14-23, 2009 [10] S. Jin, M. Zhou, A.S. Wu, Sensor network optimizations using a genetic algorithm, in: Proceedings of the 7th World Multiconference on Systemics, Cybernetics and Informatics, 2003. [11] S. Mudundi, H.H. Ali, A new robust genetic algorithm for dynamic cluster formation in wireless sensor networks, in: Proceedings of Wireless and Optical Communications, Montreal, Quebec, Canada, 2007. [12] S. Hussain, A.W. Matin, Hierarchical cluster-based routing in wireless sensor networks, in: IEEE/ACM International Conference on Information Processing in Sensor Networks (IPSN), 2006. [13] S. Hussian, A.W. Matin, O. Islam, Genetic Algorithm for hierarchical wireless sensor networks, Journal of Networks 2, pp. 87-97, 2007 7
- BÀI BÁO KHOA HỌC THỰC HIỆN CÔNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ Bài báo khoa học của học viên có xác nhận và đề xuất cho đăng của Giảng viên hướng dẫn Bản tiếng Việt ©, TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH và TÁC GIẢ Bản quyền tác phẩm đã được bảo hộ bởi Luật xuất bản và Luật Sở hữu trí tuệ Việt Nam. Nghiêm cấm mọi hình thức xuất bản, sao chụp, phát tán nội dung khi chưa có sự đồng ý của tác giả và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. ĐỂ CÓ BÀI BÁO KHOA HỌC TỐT, CẦN CHUNG TAY BẢO VỆ TÁC QUYỀN! Thực hiện theo MTCL & KHTHMTCL Năm học 2017-2018 của Thư viện Trường Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh.