Klusterbaserad WSN-routning med MOGA- och LSA-optimering

Smartare nätverk för en uppkopplad värld

Från miljöövervakning till smarta fabriker och städer samlar små trådlösa sensorer obemärkt in och vidarebefordrar data runt omkring oss. Dessa batteridrivna enheter har dock en hård begränsning: när energin tar slut kan hela nätverket fallera. Denna artikel undersöker ett nytt sätt att organisera och routa information i sådana trådlösa sensornätverk så att de håller längre, slösar mindre energi och levererar data mer pålitligt — nyckelbehov för framtidens sakernas internet och smarta miljöer.

Varför små sensorer har ett stort energiproblem

Trådlösa sensornätverk består av många små enheter utspridda över ett område, där varje enhet mäter temperatur, rörelse, föroreningar eller andra signaler. Att skicka data trådlöst, särskilt över långa avstånd, förbrukar betydligt mer energi än att mäta. Om varje sensor skulle kommunicera direkt med en central basstation skulle de enheter som ligger långt bort snabbt tömma sina batterier, vilket skapar täckningsluckor och förkortar hela systemets livslängd. För att bromsa denna urladdning grupperar ingenjörer sensorer i kluster. Inom varje kluster fungerar en sensor som en ”ledare” som samlar in data från sina grannar och vidarebefordrar den till basstationen. Att välja vilka sensorer som ska bli ledare, och hur data ska färdas mellan dem, visar sig vara ett komplext pussel med många konkurrerande mål.

Att blanda två digitala "evolutions"-strategier

Författarna föreslår en hybrid optimeringsmetod som kombinerar två naturinspirerade algoritmer: en multiobjektiv genetisk algoritm (MOGA) och Lightning Search Algorithm (LSA). MOGA imiterar evolution genom att behandla möjliga val av klusterledare som kromosomer som kan väljas, korsas och muteras. Den utvärderar varje konfiguration på flera fronter samtidigt: att hålla den genomsnittliga avståndet mellan sensorer och deras ledare kort, att hålla ledarna nära basstationen, och att favorisera ledare med gott om återstående batterienergi. Över många generationer konvergerar MOGA mot en uppsättning ledarval som balanserar dessa avvägningar, så att ingen enskild del av nätverket överarbetas eller dräneras för snabbt.

Att hitta de bästa vägarna genom nätet

När bra ledare har valts blir nästa utmaning hur data ska hoppa från ledare till ledare på väg till basstationen. Det finns många möjliga multi-hop-rutter, och att välja den bästa är återigen ett mångfacetterat problem. Här kommer Lightning Search Algorithm in i bilden. Inspirerad av blixtnedslagens förgreningar och konvergens börjar LSA från de kandidatvägar som antyds av MOGAs klusterlayout och utforskar sedan alternativa vägar. För varje möjlig rutt väger den hur mycket total energi som förbrukas, hur lång tid det tar för data att färdas från källa till sänka, och hur tillförlitligt paketen levereras. Genom iterativ förbättring av vägar och förmåga att undkomma lokala återvändsgränder hittar LSA slutligen globala rutter som gemensamt minimerar energianvändning och fördröjning samtidigt som leveransfrekvensen maximeras.

Hur den nya metoden presterar i praktiken

För att testa sin metod simulerade forskarna sensornätverk med 100 noder med standardverktyg och jämförde sitt hybridramverk MOGA–LSA med flera välkända metoder, inklusive LEACH, PSO-baserade scheman och andra hybridmetaheuristiska utformningar. Över tusentals simulerade datarundor minskade den nya metoden den totala energiförbrukningen med ungefär 48 procent, höll energiförbrukningen mycket mer balanserad över noderna och förlängde avsevärt tiden tills den första sensorn dog och nätverket kollapsade. Samtidigt uppnådde den mycket höga dataleveransgrader — över 99 procent — samtidigt som fördröjningen från ena änden av nätverket till den andra hölls låg. Statistiska tester bekräftade att dessa förbättringar inte berodde på slumpen utan reflekterade en konsekvent fördel med den hybrida utformningen.

Begränsningar och nästa steg för verklig användning

Medan metoden fungerar väl för statiska eller långsamt föränderliga sensorsätt påpekar författarna att högst dynamiska förhållanden — såsom rörliga noder eller snabbt föränderliga trådlösa kanaler — kan minska dess effektivitet. I sådana fall kan klusterstrukturen och de optimala rutterna behöva beräknas om oftare, vilket lägger till overhead och eventuellt uppväger energivinsterna. Artikeln föreslår att framtida arbete kan utforska andra kombinationer av sökalgoritmer, utvidga utformningen till tredimensionella layouter (till exempel i byggnader eller under vatten) och anpassa tillvägagångssättet till nätverk där noder rör sig oftare.

Vad detta betyder för vardagsteknik

Enkelt uttryckt visar studien att noggrant samordnad gruppering av sensorer och hur de skickar vidare data kan förlänga livet och öka pålitligheten hos trådlösa sensornätverk avsevärt. Genom att låta två kompletterande optimeringsstrategier arbeta tillsammans — en för att välja rätt lokala ledare och en annan för att hitta de bästa globala rutterna — används batterikraft mycket mer sparsamt. För vardagsteknik som bygger på sakernas internet, från smarta hem till precisionsjordbruk, kan sådana tillvägagångssätt innebära färre batteribyten, mer stabil övervakning och mer hållbara storskaliga implementationer.

Citering: 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

Nyckelord: trådlösa sensornätverk, energieffektiv routning, klusterbaserad nätverk, metaheuristisk optimering, sakernas internet