Routing w sieciach WSN oparty na klastrach z optymalizacją MOGA i LSA

Inteligentniejsze sieci dla połączonego świata

Od monitoringu środowiskowego po inteligentne fabryki i miasta — malutkie bezprzewodowe czujniki cicho zbierają i przekazują dane wokół nas. Ale te zasilane bateriami urządzenia mają twardy limit: gdy skończy się energia, cała sieć może przestać działać. Artykuł bada nowy sposób organizacji i trasowania informacji w takich sieciach czujnikowych, tak by działały dłużej, marnowały mniej energii i dostarczały dane bardziej niezawodnie — kluczowe potrzeby dla przyszłego Internetu Rzeczy i inteligentnych środowisk.

Dlaczego małe czujniki mają duży problem z energią

Bezprzewodowe sieci czujników składają się z wielu małych urządzeń rozmieszczonych na obszarze, z których każde mierzy temperaturę, ruch, zanieczyszczenia lub inne sygnały. Wysyłanie danych bezprzewodowo, zwłaszcza na duże odległości, zużywa znacznie więcej energii niż samo pomiar. Gdyby każdy czujnik komunikował się bezpośrednio z centralną stacją bazową, urządzenia znajdujące się dalej szybko wyczerpałyby baterie, tworząc luki w pokryciu i skracając żywotność całego systemu. Aby spowolnić to wyczerpywanie, inżynierowie grupują czujniki w klastry. W każdym klastrze jeden czujnik pełni rolę „lidera”, zbiera dane od sąsiadów i przekazuje je do stacji bazowej. Wybór, które czujniki powinny zostać liderami oraz jak dane powinny między nimi płynąć, okazuje się złożoną łamigłówką z wieloma sprzecznymi celami.

Połączenie dwóch cyfrowych strategii „ewolucji”

Autorzy proponują hybrydową metodę optymalizacji łączącą dwa algorytmy inspirowane naturą: wielokryterialny algorytm genetyczny (MOGA) i algorytm Lightning Search (LSA). MOGA naśladuje ewolucję, traktując możliwe wybory liderów klastrów jako chromosomy, które można selekcjonować, krzyżować i mutować. Oceni a każdą konfigurację jednocześnie pod kilkoma względami: utrzymanie średniego dystansu między czujnikami a ich liderem na niskim poziomie, umiejscowienie liderów blisko stacji bazowej oraz preferowanie liderów z dużym zapasem energii. W kolejnych pokoleniach MOGA zbiega się do zestawu wyborów liderów, który równoważy te kompromisy, tak by żaden obszar sieci nie był nadmiernie obciążony ani zbyt szybko nie tracił energii.

Znajdowanie najlepszych ścieżek w sieci

Gdy wybrane zostaną odpowiednie liderzy, kolejnym wyzwaniem staje się to, jak dane powinny przeskakiwać od lidera do lidera w drodze do stacji bazowej. Istnieje wiele możliwych tras wielouskokowych, a wybór najlepszej z nich to ponownie wieloaspektowy problem. Tutaj wkracza Lightning Search Algorithm. Zainspirowany rozgałęzieniami i zbieżnością wyładowań piorunowych, LSA zaczyna od tras kandydatów wynikających z układu klastrów zaproponowanego przez MOGA, a następnie bada alternatywne ścieżki. Dla każdej możliwej trasy ocenia, ile łącznie energii zużywa, jak długo dane potrzebują, by dotrzeć ze źródła do ujścia, oraz jak niezawodnie pakiety są dostarczane. Poprzez iteracyjne ulepszanie tras i wychodzenie z lokalnych pułapek, LSA zbliża się do globalnych ścieżek, które jednocześnie minimalizują zużycie energii i opóźnienia przy maksymalizacji skuteczności dostarczenia.

Jak nowa metoda sprawdza się w praktyce

Aby przetestować swoje podejście, badacze symulowali sieci czujników z 100 węzłami przy użyciu standardowych narzędzi i porównali swój hybrydowy framework MOGA–LSA z kilkoma znanymi metodami, w tym LEACH, schematami opartymi na PSO oraz innymi hybrydowymi projektami metaheurystycznymi. W tysiącach symulowanych rund przesyłania danych nowa metoda zmniejszyła całkowite zużycie energii o około 48 procent, utrzymała znacznie bardziej zrównoważone rozkłady zużycia energii w węzłach i znacząco przedłużyła czas do pierwszej śmierci czujnika oraz załamania sieci. Jednocześnie osiągnęła bardzo wysokie wskaźniki dostarczania danych — powyżej 99 procent — przy niskich opóźnieniach między skrajnymi punktami sieci. Testy statystyczne potwierdziły, że te korzyści nie wynikają z przypadku, lecz odzwierciedlają konsekwentną przewagę hybrydowego projektu.

Ograniczenia i kolejne kroki dla zastosowań w świecie rzeczywistym

Choć metoda sprawdza się dobrze w statycznych lub wolno zmieniających się konfiguracjach czujników, autorzy zauważają, że wysoce dynamiczne warunki — takie jak przemieszczające się węzły czy szybko zmienne kanały radiowe — mogą ograniczać jej skuteczność. W takich przypadkach struktura klastrów i optymalne trasy mogą wymagać częstszego przeliczania, co zwiększy narzut i może zniwelować oszczędności energii. Artykuł sugeruje, że przyszłe prace mogłyby badać inne kombinacje algorytmów wyszukiwania, rozszerzyć projekt na układy trójwymiarowe (na przykład w budynkach lub pod wodą) oraz dostosować podejście do sieci, w których węzły poruszają się częściej.

Co to oznacza dla codziennej technologii

Mówiąc prosto, badanie pokazuje, że staranna koordynacja grupowania czujników oraz sposobu przekazywania danych może znacznie wydłużyć żywotność i niezawodność bezprzewodowych sieci czujnikowych. Pozwalając dwóm komplementarnym strategiom optymalizacyjnym współpracować — jednej wybierającej właściwych lokalnych liderów, drugiej znajdującej najlepsze globalne trasy — system używa energii baterii znacznie rozsądniej. Dla codziennych technologii opartych na Internecie Rzeczy, od inteligentnych domów po precyzyjne rolnictwo, podejścia takie mogą oznaczać rzadsze wymiany baterii, stabilniejszy monitoring i bardziej zrównoważone wdrożenia na dużą skalę.

Cytowanie: 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

Słowa kluczowe: bezprzewodowe sieci czujników, energooszczędne routowanie, sieci oparte na klastrach, optymalizacja metahuretyczna, internet rzeczy