Cluster-basierte WSN-Routing mit MOGA- und LSA-Optimierung

Intelligentere Netze für eine vernetzte Welt

Von Umweltüberwachung bis hin zu intelligenten Fabriken und Städten sammeln winzige drahtlose Sensoren unauffällig Daten und leiten sie weiter. Diese batteriebetriebenen Geräte haben jedoch eine harte Grenze: Sobald ihre Energie erschöpft ist, kann das gesamte Netz ausfallen. Dieser Beitrag untersucht eine neue Methode, Informationen in solchen drahtlosen Sensornetzwerken zu organisieren und zu routen, damit sie länger halten, weniger Energie verschwenden und Daten zuverlässiger liefern — zentrale Anforderungen für das zukünftige Internet der Dinge und intelligente Umgebungen.

Warum winzige Sensoren ein großes Energieproblem haben

Drahtlose Sensornetzwerke bestehen aus vielen kleinen Geräten, die über ein Gebiet verteilt sind und jeweils Temperatur, Bewegung, Verschmutzung oder andere Signale messen. Drahtloses Senden, besonders über größere Entfernungen, verbraucht deutlich mehr Energie als das Messen selbst. Wenn jeder Sensor direkt mit einer zentralen Basisstation kommunizieren würde, würden die weit entfernten Geräte schnell ihre Batterien leeren, wodurch Lücken in der Abdeckung entstehen und die Lebensdauer des gesamten Systems verkürzt wird. Um diesen Verbrauch zu verlangsamen, gruppieren Ingenieure Sensoren in Cluster. Innerhalb jedes Clusters fungiert ein einzelner Sensor als „Leiter“, der Daten von seinen Nachbarn sammelt und an die Basisstation weiterleitet. Die Auswahl, welche Sensoren zu Leitern werden sollen und wie Daten zwischen ihnen fließen, ist ein komplexes Puzzle mit vielen konkurrierenden Zielen.

Die Verbindung zweier digitaler „Evolutions“-Strategien

Die Autoren schlagen eine hybride Optimierungsmethode vor, die zwei von der Natur inspirierte Algorithmen kombiniert: einen Multi-Objective Genetic Algorithm (MOGA) und den Lightning Search Algorithm (LSA). MOGA ahmt Evolution nach, indem mögliche Entscheidungen über Cluster-Leiter als Chromosomen betrachtet werden, die selektiert, gekreuzt und mutiert werden können. Jede Konfiguration wird gleichzeitig nach mehreren Kriterien bewertet: die durchschnittliche Entfernung zwischen Sensoren und ihrem Leiter kurz zu halten, Leiter nahe an der Basisstation zu platzieren und Leiter mit ausreichend verbleibender Batteriekapazität zu bevorzugen. Über viele Generationen hinweg konvergiert MOGA zu einer Menge von Leiterauswahlen, die diese Zielkonflikte ausbalancieren, sodass kein Bereich des Netzes überbeansprucht wird oder zu schnell entlädt.

Die besten Pfade durch das Netz finden

Sind geeignete Leiter gewählt, besteht die nächste Herausforderung darin, wie Daten von Leiter zu Leiter auf dem Weg zur Basisstation springen sollen. Es gibt viele mögliche Mehrhop-Routen, und die Auswahl der besten ist wiederum ein facettenreiches Problem. Hier kommt der Lightning Search Algorithm ins Spiel. Inspiriert von der Verzweigung und Konvergenz von Blitzen startet LSA von den durch MOGAs Cluster-Layout implizierten Kandidatenrouten und erkundet dann alternative Wege. Für jede mögliche Route bewertet er, wie viel Gesamtenergie sie verbraucht, wie lange die Daten vom Ursprung bis zur Senke benötigen und wie zuverlässig Pakete zugestellt werden. Durch iterative Verbesserung der Pfade und das Entkommen aus lokalen Sackgassen findet LSA globale Routen, die gemeinsam den Energieverbrauch und die Verzögerung minimieren und gleichzeitig die erfolgreiche Zustellung maximieren.

Wie sich die neue Methode in der Praxis bewährt

Zur Prüfung ihres Ansatzes simulierten die Forscher Sensornetzwerke mit 100 Knoten mithilfe gängiger Werkzeuge und verglichen ihr hybrides MOGA–LSA-Framework mit mehreren bekannten Methoden, darunter LEACH, PSO-basierte Schemata und andere hybride metaheuristische Entwürfe. Über tausende simulierte Datenrunden reduzierte die neue Methode den Gesamtenergieverbrauch um etwa 48 Prozent, hielt den Energieverbrauch deutlich ausgeglichener über die Knoten und verlängerte die Zeit bis zum Ausfall des ersten Sensors und dem Zusammenbruch des Netzes merklich. Gleichzeitig erzielte sie sehr hohe Datenlieferquoten — über 99 Prozent — bei geringen End-to-End-Verzögerungen. Statistische Tests bestätigten, dass diese Verbesserungen nicht zufällig waren, sondern einen konsistenten Vorteil des hybriden Designs widerspiegeln.

Grenzen und nächste Schritte für den Praxiseinsatz

Während die Methode für statische oder sich langsam ändernde Sensorkonfigurationen gut funktioniert, weisen die Autoren darauf hin, dass hochdynamische Bedingungen — etwa bewegliche Knoten oder sich schnell ändernde Funkkanäle — ihre Wirksamkeit verringern können. In solchen Fällen müssten Cluster-Struktur und optimale Routen öfter neu berechnet werden, was zusätzlichen Overhead erzeugen und die Energieeinsparungen teilweise aufheben könnte. Die Arbeit schlägt vor, in Zukunft andere Kombinationen von Suchalgorithmen zu untersuchen, das Design auf dreidimensionale Layouts auszuweiten (z. B. in Gebäuden oder unter Wasser) und den Ansatz an Netze anzupassen, in denen sich Knoten häufiger bewegen.

Was das für Alltags-Technologie bedeutet

Vereinfacht gesagt zeigt die Studie, dass eine sorgfältige Koordination der Gruppierung von Sensoren und der Art, wie sie Daten weitergeben, die Lebensdauer und Zuverlässigkeit drahtloser Sensornetzwerke deutlich verlängern kann. Indem zwei komplementäre Optimierungsstrategien zusammenarbeiten — eine zur Auswahl geeigneter lokaler Leiter und eine zur Findung optimaler globaler Routen — wird die Batterieleistung deutlich effizienter genutzt. Für Alltagsanwendungen des Internet der Dinge, von Smart Homes bis zur präzisen Landwirtschaft, könnten Ansätze wie dieser weniger Batteriewechsel, stabilere Überwachung und nachhaltigere großflächige Einsätze bedeuten.

Zitation: 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

Schlüsselwörter: drahtlose Sensornetzwerke, energieeffizientes Routing, clusterbasierte Vernetzung, metaheuristische Optimierung, Internet der Dinge