Энергоэффективный протокол кластеризации в беспроводных сенсорных сетях с использованием адаптивного гибридного оптимизационного алгоритма

Почему крошечным беспроводным устройствам нужно умнее работать в команде

Мир заполняется маленькими сенсорами на батарейках, которые следят за посевами, мостами, заводами и даже пациентами в больницах. Эти беспроводные устройства образуют костяк Интернета вещей, тихо отправляя данные в облако. Но большинство из них размещают там, где заменить или подзарядить батарею трудно или невозможно. В этой статье предлагается новый способ организации таких сенсорных сетей, который позволяет экономить энергию, значительно продлевать срок службы устройств и при этом обеспечивать надежную передачу данных — важный шаг к более устойчивым умным городам, фермам и производствам.

Как современные сенсорные сети растрачивают заряд

В типичной беспроводной сенсорной сети десятки или сотни маленьких узлов собирают измерения и отправляют их на центральную базовую станцию. Чтобы избежать хаоса в эфире, во многих системах используют «кластеризацию»: близкие сенсоры пересылают данные более мощному соседу — главе кластера, которая упаковывает и пересылает информацию дальше. Это сокращает количество дальних беспроводных передач, очень прожорливых по энергии. Однако в большинстве существующих протоколов выбор глав кластера частично случайный или основан на простых правилах. Узлы с низким зарядом всё ещё могут оказаться лидерами, кластеры могут стать неравномерными и слишком большими, а сенсоры, близкие к базовой станции, часто перегружаются как ретрансляторы. В результате некоторые узлы умирают очень рано, покрытие становится неполным, и общая продолжительность работы сети сокращается.

Гибридный «роевой интеллект» для сети

Авторы решают эту проблему с помощью сложного метода оптимизации, вдохновлённого коллективным поведением в природе. Их алгоритм WIFN сочетает идеи нескольких стратегий «роевого интеллекта» и эволюционных подходов, изначально моделировавшихся по поведению животных, таких как киты и голые землекопы, а также абстрактные правила поиска, заимствованные из физики. Вместо того чтобы жёстко задавать, какие узлы быть главами, алгоритм рассматривает каждую возможную расстановку ролей как кандидатное решение и оценивает её по нескольким целям: низкое энергопотребление, компактные и хорошо разделённые кластеры, высокий остаточный заряд батарей и небольшая задержка доставки данных. В ходе многочисленных имитационных поколений WIFN оттачивает эти расстановки, отдавая предпочтение лучшим и отбрасывая худшие, а специальные механизмы не дают алгоритму застревать в локальных оптимумах. Финальным результатом становится автоматически найденная схема того, какие узлы должны быть лидерами и как их группировать.

Проектирование кластеров с учётом энергии и расстояния

В предлагаемом протоколе кластеризации на базе WIFN в лидеры допускаются только узлы, чей оставшийся заряд выше среднего по сети. Это простое правило предотвращает перегрузку слабых узлов. Алгоритм также учитывает, как далеко каждый сенсор находится от потенциального лидера и как далеко лидеры от базовой станции. Кластеры формируются так, чтобы ни одна голова не была слишком удалена от своих участников, а головы, расположенные ближе к базовой станции, как правило, обслуживают меньшие группы, снижая свою нагрузку. Для больших расстояний между головой кластера и базовой станцией протокол автоматически переключается на двухэтапную передачу, поэтому удалённый лидер может переслать свои данные через лучше расположенного соседа, вместо того чтобы «орать» напрямую через всё поле. В совокупности эти решения распределяют энергозатраты гораздо более равномерно по всей сети.

Что показывают симуляции о времени работы сети

Для проверки подхода исследователи смоделировали сеть из 100 сенсоров на площади 100 на 100 метров и сравнили свой протокол с несколькими широко используемыми методами кластеризации. Они измеряли, сколько раундов сбора данных сеть может выполнить до первой гибели узла (период «стабильности»), когда умрёт половина узлов и когда почти все окажутся разряженными. Также отслеживали, сколько энергии у каждого узла со временем и насколько равномерно она расходуется. Как в равномерных сетях, так и в более реалистичных смешанных конфигурациях с более энергоёмкими «продвинутыми» узлами, протокол на базе WIFN дольше держал узлы живыми и обеспечивал более равномерное распределение оставшейся энергии. Во многих случаях смерть первого узла откладывалась на сотни или даже тысячи раундов по сравнению с классическими протоколами, а средняя энергия на узел уменьшалась медленнее.

Почему это важно для реальных умных систем

Для неспециалиста главный вывод таков: способ организации беспроводных датчиков может быть не менее важен, чем сами аппаратные средства. Позволяя интеллектуальному адаптивному алгоритму выбирать, какие устройства берут на себя более тяжёлые коммуникационные обязанности и когда передавать данные в один или два прыжка, сеть расходует меньше батареи и избегает «горячих точек», где одни узлы умирают намного раньше других. Предложенный метод немного увеличивает вычислительную нагрузку на базовую станцию, но выигрышей стоит: сеть работает дольше и стабильнее — явное преимущество для долгосрочных приложений, таких как мониторинг окружающей среды, точное земледелие, промышленная автоматизация и реагирование при катастрофах, где замена разряженного датчика может быть дорогостоящей, рискованной или просто невозможной.

Цитирование: 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

Ключевые слова: беспроводные сенсорные сети, интернет вещей, энергоэффективная маршрутизация, алгоритмы кластеризации, метаэвристическая оптимизация