Configuração das posições dos nós de uma rede de sensores sem fio baseada em algoritmos genéticos.

• Ano de defesa: 2013
• Autor(a) principal: VASCONCELOS, Alexandre Sales.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Engenharia Elétrica e Informática - CEEI; PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO; UFCG
• Palavras-chave em Português: Redes de Sensores Sem Fio (RSSF); Algoritmo de Busca; Algoritmos Genéticos (AG); Qualidade de Serviço (QoS); Taxa de Cobertura da Área de Interesse da Aplicação; Tempo de Atraso Fim-a-Fim (TAFF); Taxa de Perda de Pacotes (TPP) da RSSF; Wireless Sensor Networks (RSSF); Search Algorithm; Genetic Algorithms (AG); Quality of Service (QoS); Coverage Rate for the Area of Interest of Application; End-to-End Delay Time (TAFF); RSSF Packet Loss Rate (TPP); Ciência da Computação
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/6331

As Redes de Sensores Sem Fio (RSSF) estão sendo utilizadas nos mais variados tipos de aplicação e um dos aspectos importantes a considerar é o tempo de funcionamento, que está ligado diretamente ao consumo de energia. Além deste, existem outros tão importantes quanto, como os relacionados à qualidade de serviço (QoS), mais especificamente à Taxa de Cobertura da Área de interesse da aplicação, o Tempo de Atraso Fim-a-Fim (TAFF) e a Taxa de Perda de Pacotes (TPP) da RSSF. Neste contexto, esta dissertação propõe a utilização de um algoritmo de busca, baseado em Algoritmos Genéticos (AG), cujo objetivo é encontrar a melhor configuração para implantação dos nós sensores de uma RSSF, utilizando as métricas energia residual, taxa de cobertura, TAFF e TPP. Para que os resultados obtidos a partir da abordagem proposta sejam os mais realistas possíveis, nas simulações foram utilizados módulos que implementam a presença de obstáculos nos cenários. Os resultados obtidos, inicialmente, sem o uso de obstáculos, mostram que o uso de AG proporciona um ganho acima de 78,0% para o somatório da energia residual, uma redução do TAFF de, aproximadamente, 50,0% e uma redução da TPP de 44,0% em relação a uma abordagem que utiliza distribuição aleatória dos nós sensores, ora denominada abordagem tradicional. Outro resultado relevante mostra que a utilização da abordagem proposta apresentou taxa de sucesso de 95,0%, na busca da configuração de implantação dos nós sensores que proporcione a cobertura de 100% da área do cenário, contra uma taxa de 10% de sucesso para a abordagem tradicional. Observou-se, também, uma diferença significativa entre os resultados das simulações com o módulo de obstáculos do cenário ativo e com o módulo desativado. No experimento para verificação da influência do módulo de obstáculos sobre a TPP, a redução com esse módulo desativado foi de 12,0% enquanto que a redução com o módulo ativado foi superior a 39,0%. Os resultados dos experimentos confirmaram que o modelo implementado proporcionou uma melhoria nas métricas utilizadas na busca, aumentando a taxa de cobertura e o tempo de vida da RSSF e, ao mesmo tempo, reduzindo o TAFF e a TPP, quando comparado ao modelo tradicional.