22504

ارائه ي روشي براي تجميع داده در اينترنت اشياء بي سيم

كارشناسي ارشد

شبكه هاي كامپيوتري

96-99

1399/3/12

دكتر زينب موحدي

كامپيوتر

امروزه با توسعه‌ي اينترنت اشياء، اين فناوري داراي كاربرد گسترده‌اي در صنعت و زندگي شهري ‌است. با توجه به رشد روز افزون تعداد اشياء بي‌سيم، توان محدود ادوات اينترنت اشياء و تاثير انرژي مصرفي بر روي آلودگي زيستي، يكي از چالش‌هاي اساسي اينترنت اشياء صرفه‌جويي در انرژي است. يكي از روش‌هاي بهينه‌سازي مصرف انرژي تجميع داده است كه به معناي كاهش حجم داده به منظور كاهش انرژي مورد نياز براي ارسال و پردازش داده است و داراي 3 رويكرد متمركز، مبتني بر خوشه و مبتني بر درخت است. در روش متمركز، داده‌ها در گره‌ي مركزي تجميع مي‌گردند. اين روش به دليل وابستگي به گره‌ي مركزي داراي مقياس‌پذيري پاييني است. در ادامه، روش مبتني بر خوشه گره‌ها به خوشه‌هاي مجزا دسته‌بندي شده و داده‌هاي هر خوشه به طور جداگانه تجميع مي‌گردند. چالش اصلي اين روش، پيچيدگي خوشه‌بندي با توجه به نياز به سازگاري ميان انواع داده جهت تجميع و تاخير ناشي از انتظار گره‌هاي يك خوشه جهت انجام عمل تجميع در گره‌ي سرخوشه مي‌باشد. با توجه به محدوديت‌هاي فوق، امروزه اغلب از رويكرد مبتني بر درخت استفاده مي‌شود كه با ايجاد يك ساختار سلسله مراتبي، داده‌ها را تجميع مي‌نمايد. در اين پژوهش، به منظور صرفه‌جويي در انرژي از تجميع ‌ مبتني بر درخت استفاده شده است. غالب روش‌هايي كه تا كنون بر اساس تجميع مبتني بر درخت ارائه شده‌اند، تنها انرژي را در اهداف بهينه‌سازي خود مورد توجه قرار مي‌دهند. در حالي كه، توجه به معيار گذردهي در كنار انرژي مصرفي، علاوه بر بهبود ميزان مصرف انرژي موجب بهبود كيفيت سرويس مي‌شود. روش‌هاي معدودي كه به اين دو هدف در كنار هم توجه نموده‌اند، از تشكيل درخت، مسيريابي و زمان‌بندي يال‌ها به صورت هم‌زمان پشتيباني نمي‌كنند. براي حل اين مسئله، مدل TART-Optimal را پيشنهاد كرديم كه هم‌زمان با صرفه‌جويي در انرژي با تشكيل درخت تجميع، به تقسيم‌بندي زمان به برش‌هاي زماني و زمان‌بندي يال‌ها با هدف افزايش گذردهي مي‌پردازد. با توجه به پيچيدگي زماني اين مسئله، الگوريتم TART-ACO مبتني بر كلوني مورچه را پيشنهاد كرديم. در اين الگوريتم، به دليل تجميع داده‌هاي موجود در مسيرهاي مختلف، فرايند تشكيل مسيرها به يكديگر وابسته است. بنابراين، همه‌ي مورچه‌ها با همكاري يكديگر يك درخت زمان‌بندي شده را توليد نموده و براي ارزش‌گذاري مسيرها و نيز درخت نهايي از 2 نوع فرومون استفاده مي‌نمايند. نتايج ارزيابي‌ها در مقياس كوچك نشان مي‌دهد كه مدل TART-Optimal و الگوريتم TART-ACO نسبت به مدل غير هم‌زمان تشكيل و زمان‌بندي درخت (D-DAS)، از لحاظ ميزان انرژي تجميع و گذردهي داراي نتايج مطلوب‌تري بوده و بر اساس معيار ارزيابي درصد خطاي ميانگين مطلق، به ترتيب تا 14% و 8% عملكرد بهتري در به‌دست آوردن درخت تجميع زمان‌بندي شده دارند. واژه‌هاي كليدي: اينترنت اشياء، صرفه‌جويي در انرژي، الگوريتم كلوني مورچه، تجميع داده مبتني بر درخت، زمان‌بندي يال‌ها

1399/07/06

Proposing a Method for Data Aggregation in Wireless Internet of Things

6/2/2021 12:00:00 AM

The Internet of Things is a new technology that has extended rapidly and used in industry and urban life widely. Due to the increasing number of wireless objects, limited power of IoT devices and the effect of increasing energy consumption on environmental pollution, energy optimization has become the main challenge in the Internet of Things. One of the energy optimization methods is data aggregation, which means data volume reduction to reduce required energy for data process and transmission. There are three approaches in Data aggregation: centralized, cluster-based, and tree-based data aggregation. In centralized method, data aggregates in a central node that reduces accuracy and scalability. To solve these challenges, cluster-based method proposed in which nodes grouped into separate clusters and data for each cluster aggregated separately. This method has a long delay due to the aggregation of the entire data of a cluster in the cluster head. In addition, due to the importance of compatibility between cluster data type, it is necessary to form clusters before data aggregation that is proportional with data homogeneity. Therefore, clustering is one of the most important challenges of cluster-based aggregation. Due to the limitations of centralized and cluster-based approaches, today most of the research use tree-based approach that aggregates data by creating a hierarchical structure in the network. In this study, tree-based data aggregation has used in order to energy optimization. Most of the presented methods based on tree-based data aggregation, only consider energy in their optimization goals. However, paying attention to the throughput optimization along with energy consumption will improve the quality of service besides improving quality of energy consumption. In addition, joint tree formation, routing and scheduling cause throughput has direct impact on forming aggregation tree. However, the numerated methods that address these two goals together do not support joint tree formation, routing, and scheduling. To solve this problem, the TART-Optimal model has proposed that simultaneously saves energy by forming a data aggregation tree, increases throughput by dividing time to slots and link scheduling. Due to the time complexity of this problem, we proposed the ant colony algorithm to solve it. In the proposed TART-ACO algorithm, the paths formation process will be interdependent due to the data aggregation in different paths. Therefore, in this algorithm, all ants work together to produce a unique scheduled tree. Evaluation results in the small-scale assessments show that the proposed TART-Optimal model and the TART-ACO algorithm perform better about 14% and 8%, respectively in obtaining scheduled aggregation trees compared to A Disjoint-Data Aggregation and Scheduling (D-DAS) model, according to the Mean Absolute Percentage Error Criteria. In addition, based on the the Mean Absoloute Error and the Root Mean Square error, the actual difference between the TART-ACO algorithm and the TART-Optimal model is about 0.1. Keywords: Internet of Things, Energy Optimization, Ant Colony Algorithm, Tree-Based Data aggregation, link scheduling