Energooszczędny protokół grupowania w bezprzewodowych sieciach sensorowych z użyciem adaptacyjnego hybrydowego algorytmu optymalizacji

Dlaczego malutkie bezprzewodowe urządzenia potrzebują mądrzejszej współpracy

Świat zapełnia się małymi, zasilanymi bateryjnie czujnikami, które obserwują uprawy, mosty, fabryki, a nawet pacjentów w szpitalach. Te bezprzewodowe urządzenia tworzą trzon Internetu Rzeczy, cicho przesyłając dane do chmury. Większość z nich jest jednak umieszczana w miejscach, gdzie wymiana lub doładowanie baterii jest trudne albo niemożliwe. Artykuł ten przedstawia nowy sposób organizacji takich sieci sensorowych, dzięki któremu tracą one mniej energii, działają znacznie dłużej i nadal dostarczają wiarygodne dane — to istotny krok w kierunku bardziej zrównoważonych inteligentnych miast, gospodarstw i zakładów przemysłowych.

Jak dzisiejsze sieci sensorowe marnują baterie

W typowej bezprzewodowej sieci sensorowej dziesiątki lub setki małych węzłów zbierają pomiary i wysyłają je do centralnej stacji bazowej. Aby uniknąć chaosu na falach radiowych, wiele systemów stosuje „grupowanie”: pobliskie sensory przesyłają swoje dane do bardziej wydajnego sąsiada zwanego głową klastra, która łączy i przekazuje informacje dalej. To zmniejsza liczbę długich transmisji bezprzewodowych, które pochłaniają dużo energii. Jednak w większości istniejących protokołów wybór głów klastra bywa częściowo losowy lub oparty na ograniczonych regułach. Słabiej naładowane węzły nadal mogą zostać wybrane na liderów, klastry mogą stać się niezrównoważone i duże, a sensory blisko stacji bazowej często są przeciążane rolą przekaźników. W efekcie niektóre węzły umierają bardzo wcześnie, pokrycie staje się nierównomierne, a całkowity czas życia sieci się skraca.

Hybrydowy „inteligentny rój” jako mózg sieci

Autorzy rozwiązują ten problem, korzystając ze złożonej metody optymalizacyjnej inspirowanej zachowaniami zbiorowymi w przyrodzie. Ich algorytm WIFN łączy pomysły z kilku strategii „inteligencji rojowej” i ewolucyjnych, pierwotnie wzorowanych na zwierzętach takich jak wieloryby czy kretoskórowce, a także abstrakcyjnych zasad poszukiwania inspirowanych fizyką. Zamiast na twardo ustalać, które węzły mają być głowami klastrów, algorytm traktuje każdą możliwą konfigurację ról sensorów jako kandydatkę do rozwiązania i ocenia ją według kilku celów: niskiego zużycia energii, zwartych i dobrze rozdzielonych klastrów, wysokiego poziomu pozostałej baterii oraz niskich opóźnień w dostarczaniu danych. W wielu symulowanych pokoleniach WIFN udoskonala te konfiguracje, faworyzując lepsze i odrzucając gorsze, a specjalne mechanizmy zapobiegają ugrzęźnięciu w lokalnych minimach. Końcowym efektem jest automatycznie odkryty wzorzec, które węzły powinny pełnić rolę liderów i jak mają być grupowane.

Projektowanie klastrów z uwzględnieniem energii i odległości

W proponowanym protokole grupowania opartym na WIFN tylko węzły, których pozostała energia jest wyższa niż średnia sieci, mogą zostać kandydatami na głowy klastrów. Ta prosta reguła zapobiega nadmiernemu obciążaniu słabszych węzłów. Algorytm bierze też pod uwagę odległość każdego sensora od potencjalnego lidera oraz odległość liderów od stacji bazowej. Klastry są formowane tak, by żadna głowa nie była zbyt daleko od swoich członków, a głowy bliżej stacji bazowej mają tendencję do obsługiwania mniejszych grup, zmniejszając swoje obciążenie. Przy dużych odległościach między głową klastra a stacją bazową protokół automatycznie przełącza się na ścieżkę dwuskokową, dzięki czemu odległy lider może przekazać dane przez lepiej położonego sąsiada zamiast nadawać bezpośrednio na dużą odległość. Te decyzje razem rozkładają koszt energetyczny znacznie równomierniej w całej sieci.

Co ujawniają symulacje o czasie życia sieci

Aby przetestować swoje podejście, badacze zasymulowali sieć 100 sensorów na obszarze 100 na 100 metrów, porównując ich protokół z kilkoma powszechnie stosowanymi metodami grupowania. Mierzyli, ile rund zbierania danych sieć może wykonać przed śmiercią pierwszego węzła („okres stabilności”), kiedy umiera połowa węzłów oraz kiedy prawie wszystkie są wyczerpane. Śledzili też, ile energii ma każdy węzeł w czasie i jak sprawiedliwie ta energia jest zużywana. Zarówno w jednolitych sieciach, jak i w bardziej realistycznych konfiguracjach mieszanych z węzłami „zaawansowanymi” o wyższej energii, protokół oparty na WIFN utrzymywał węzły przy życiu dłużej i zapewniał bardziej równomierny rozkład pozostałej energii. W wielu przypadkach śmierć pierwszego węzła była opóźniona o setki, a nawet tysiące rund w porównaniu do klasycznych protokołów, a średnia energia na węzeł malała wolniej.

Dlaczego to ma znaczenie dla rzeczywistych inteligentnych systemów

Dla czytelnika-nie-specjalisty kluczowy wniosek jest taki, że sposób organizacji bezprzewodowych sensorów może mieć równie wielkie znaczenie, co same urządzenia. Pozwalając inteligentnemu, adaptacyjnemu algorytmowi wybierać, które urządzenia mają przejmować cięższe obowiązki komunikacyjne i kiedy przesyłać dane w jednym lub dwóch skokach, sieć traci mniej energii z baterii i unika „punktów gorących”, gdzie niektóre węzły umierają znacznie wcześniej niż inne. Proponowana metoda nieco zwiększa nakład obliczeniowy na stacji bazowej, ale korzyść to znacznie dłużej działający i bardziej stabilny system pomiarowy — wyraźna zaleta w zastosowaniach długoterminowych, takich jak monitorowanie środowiska, precyzyjne rolnictwo, automatyzacja przemysłowa czy reagowanie na katastrofy, gdzie wymiana martwego sensora może być kosztowna, ryzykowna lub po prostu niemożliwa.

Cytowanie: Goel, S., Sharma, K.P., Mittal, N. et al. Energy efficient clustering protocol in wireless sensor networks using an adaptive hybrid optimization algorithm. Sci Rep 16, 6300 (2026). https://doi.org/10.1038/s41598-026-36957-6

Słowa kluczowe: bezprzewodowe sieci sensorowe, internet rzeczy, energooszczędne trasowanie, algorytmy grupowania, optymalizacja metaheurystyczna