التوجيه في شبكات المستشعرات اللاسلكية المعتمد على التجمعات مع تحسين بواسطة MOGA وLSA

شبكات أذكى لعالم متصل

من مراقبة البيئة إلى المصانع والمدن الذكية، تقوم مستشعرات لاسلكية صغيرة بجمع ونقل البيانات بصمت حولنا. لكن هذه الأجهزة التي تعمل بالبطاريات تواجه حدًا حادًا: عندما تنفد طاقتها قد يتعطل الشبكة بأكملها. تستعرض هذه الورقة طريقة جديدة لتنظيم وتوجيه المعلومات في مثل هذه الشبكات اللاسلكية بحيث تدوم لفترة أطول، تهدر طاقة أقل، وتُسلم البيانات بمزيد من الاعتمادية — وهي احتياجات جوهرية لمستقبل إنترنت الأشياء والبيئات الذكية.

لماذا تواجه المستشعرات الصغيرة مشكلة كبيرة في الطاقة

تتألف شبكات المستشعرات اللاسلكية من العديد من الأجهزة الصغيرة الموزعة عبر منطقة ما، كل منها يقيس درجة الحرارة أو الحركة أو التلوث أو إشارات أخرى. استِخدام الإرسال اللاسلكي للبيانات، خصوصًا عبر مسافات طويلة، يستهلك طاقة أكبر بكثير من عملية الاستشعار نفسها. لو تواصل كل مستشعر مباشرةً مع محطة أساسية مركزية، فستنفد بطاريات الأجهزة البعيدة بسرعة، محدثة فراغات في التغطية ومقصرَةً عمر النظام ككل. لإبطاء هذا الاستنزاف، يقوم المهندسون بتجميع المستشعرات في تجمعات. داخل كل تجمع، يتصرف مستشعر واحد كـ "قائد" يجمع البيانات من جيرانه ويعيد توجيهها إلى المحطة الأساسية. إن اختيار أي المستشعرات يجب أن تصبح قادة، وكيف ينبغي أن تسير البيانات بينها، يتضح أنه لغز معقد ذو أهداف متضاربة متعددة.

مزج استراتيجيتين رقميتين "تطوريّتين"

يقترح المؤلفون طريقة تحسين هجينة تدمج خوارزميتين مستلهمتين من الطبيعة: خوارزمية جينية متعددة الأهداف (MOGA) وخوارزمية بحث البرق (LSA). تحاكي MOGA التطور بمعاملة اختيارات قادة التجمع المحتملة ككروموسومات يمكن انتقاؤها وتهجينها وتعديلها. تقوم بتقييم كل تكوين على جبهات متعددة في نفس الوقت: الحفاظ على متوسط مسافة قصيرة بين المستشعرات وقائدها، إبقاء القادة قريبين من المحطة الأساسية، وتفضيل القادة الذين لديهم طاقة بطارية متبقية كبيرة. عبر أجيال عديدة، تتقارب MOGA نحو مجموعة من اختيارات القادة التي توازن بين هذه المقايضات، بحيث لا يُجهد جزء واحد من الشبكة أو يُستنزَف بسرعة زائدة.

إيجاد أفضل المسارات عبر الشبكة

بمجرد اختيار قادة جيدين، يكون التحدي التالي كيفية قفز البيانات من قائد إلى آخر في طريقها إلى المحطة الأساسية. هناك العديد من المسارات متعددة القفزات الممكنة، واختيار الأفضل منها يُعد مرة أخرى مشكلة متعددة الأوجه. هنا تأتي دور خوارزمية بحث البرق. مستوحاة من تفرع وتلاقي ضربات البرق، تبدأ LSA من المسارات المرشحة التي تشير إليها تخطيط التجمعات الناتج عن MOGA ثم تستكشف مسارات بديلة. لكل مسار محتمل، تقَيِّم كمية الطاقة الإجمالية المستهلكة، والزمن الذي تستغرقه البيانات من المصدر إلى المصب، ومدى موثوقية تسليم الحزم. من خلال تحسين المسارات تكرارياً وتجاوز المآزق المحلية، تركز LSA على مسارات عالمية تقلل الاستخدام الكلي للطاقة والتأخير بينما تزيد معدل التسليم الناجح.

كيف تؤدي الطريقة الجديدة عمليًا

لاختبار نهجهم، قام الباحثون بمحاكاة شبكات مستشعرات مكوّنة من 100 عقدة باستخدام أدوات معيارية وقارنوا إطار العمل الهجين MOGA–LSA بعدة طرق معروفة، بما في ذلك LEACH، وخطط مبنية على PSO، وتصاميم هجينة ميتاهوريستية أخرى. عبر آلاف جولات المحاكاة، قلّلت الطريقة الجديدة استهلاك الطاقة الشامل بحوالي 48%، وحافظت على توازن استنزاف الطاقة عبر العقد بشكل أفضل بكثير، ومددت بشكل ملحوظ الزمن حتى وفاة أول مستشعر وتدهور الشبكة. في الوقت نفسه، حققت معدلات تسليم بيانات مرتفعة جدًا — تفوق 99% — مع إبقاء التأخير من طرف الشبكة إلى الطرف الآخر منخفضًا. أكدت الاختبارات الإحصائية أن هذه المكاسب لم تكن نتيجة صدفة بل تعكس ميزة ثابتة للتصميم الهجين.

الحدود والخطوات التالية للاستخدام الواقعي

بينما تعمل الطريقة جيدًا في إعدادات المستشعرات الثابتة أو البطيئة التغير، يشير المؤلفون إلى أن الظروف الديناميكية العالية — مثل تحرك العقد أو تغير قنوات الاتصال اللاسلكي سريعًا — قد تقلل من فعاليتها. في مثل هذه الحالات، قد تحتاج بنية التجمع والمسارات المثلى إلى إعادة حساب متكررة، مما يضيف عبئًا وقد يقوّض وفورات الطاقة. تقترح الورقة أن العمل المستقبلي يمكن أن يستكشف تركيبات أخرى من خوارزميات البحث، ويمد التصميم إلى تخطيطات ثلاثية الأبعاد (على سبيل المثال في المباني أو تحت الماء)، ويكيف النهج لشبكات تتحرك عقدها بتردد أعلى.

ماذا يعني هذا للتكنولوجيا اليومية

بعبارات بسيطة، تُظهر الدراسة أن التنسيق الدقيق لكيفية تجمع المستشعرات وكيفية تمريرها للبيانات يمكن أن يطيل بشكل كبير عمر وموثوقية شبكات المستشعرات اللاسلكية. من خلال السماح لاستراتيجيتين تكامليتين للتحسين بالعمل معًا — إحداهما لاختيار القادة المحليين المناسبين والأخرى لإيجاد أفضل المسارات العالمية — تستخدم النظام طاقة البطارية بحكمة أكبر بكثير. بالنسبة للتقنيات اليومية المبنية على إنترنت الأشياء، من المنازل الذكية إلى الزراعة الدقيقة، قد تعني أساليب مثل هذه استبدالات بطارية أقل، مراقبة أكثر استقرارًا، ونشرًا أكثر استدامة على نطاق واسع.

الاستشهاد: Tan, W., Wang, F. Cluster based WSN routing with MOGA and LSA optimization. Sci Rep 16, 9953 (2026). https://doi.org/10.1038/s41598-026-35584-5

الكلمات المفتاحية: شبكات المستشعرات اللاسلكية, توجيه موفر للطاقة, شبكات معتمدة على التجمع, تحسين فوق-تلقائي (ميتاهوريستيك), إنترنت الأشياء