Geliştirilmiş Genghis Khan köpekbalığı algoritması kullanılarak 3B heterojen WSN konuşlandırması için çok amaçlı optimizasyon

Üç Boyutlu Dünyada Daha Akıllı Sensörler

Orman örtüsünü izlemekten akıllı binaları ve endüstriyel tesisleri yönetmeye kadar, kablosuz sensör ağları modern altyapının görünmez sinir sistemi haline geliyor. Ancak karmaşık üç boyutlu bir alanda yüzlerce sensörün nerelere yerleştirileceğine karar vermek —her şeyin bağlı kalmasını ve bütçeye uymasını sağlarken— hiç de basit değil. Bu makale, mühendislerin bu tür ağları otomatik olarak tasarlamasına yardımcı olan yeni bir algoritmayı tanıtıyor; amaç her köşeyi gözetlemek, cihazların birbirleriyle güvenilir şekilde iletişim kurmasını sağlamak ve gereksiz harcamalardan kaçınmak.

Sensör Yerleştirmenin Göründüğünden Daha Zor Olmasının Nedenleri

Birçok gerçek ortamda sensörler yalnızca düz bir düzlemde dağılmaz. Tavanlara ve duvarlara monte edilirler, makinelerin arasından geçirilirler veya havada ve suda asılı bulunabilirler. Her sensör türü farklı mesafelerde görebilir ve iletişim kurabilir ve farklı bir maliyeti vardır. Tasarımcıların istek listesi söylemesi kolay ama gerçekleştirmesi güçtür: hacimdeki her önemli nokta birkaç sensör tarafından izlenmeli (güvenilirlik için), her sensör verilerini bir komşu zinciri aracılığıyla bir baz istasyonuna iletebilmelidir ve toplam maliyet bütçe içinde kalmalıdır. Bu üç hedefi aynı anda karşılamaya çalışmak, büyük sistemler için kesin çözülemeyen çakışan tercihler labirentine dönüşür.

Gözleme, İletişime ve Harcamaya Denge Getirmek

Yazarlar bu tasarım zorluğunu “çok amaçlı” bir problem olarak tanımlıyor: aynı anda kapsamayı (her hedef noktanın kaç sensör tarafından görüldüğü), bağlantıyı (her sensörün kaç komşuya erişebildiği) en üst düzeye çıkarmak ve toplam maliyeti en aza indirmek istiyorlar. İzlenen hacmi, üç boyutta dağılmış olası sensör noktaları ve hedef noktaları kümesi olarak modelliyorlar. Bazı kurulum noktaları, örneğin ulaşım zorluğu nedeniyle diğerlerinden daha pahalıdır. Sensörler, her birinin kendi algılama yarıçapı, iletişim menzili ve fiyatı olan birkaç sınıfa ayrılır. Bir aday tasarım, her bir konumda hangi sensör türünün yerleştirileceğine (veya yerleştirilmeyeceğine) ilişkin evet/hayır seçimidir. Tasarım katı kurallara uymalıdır: her hedef en az belirli sayıda sensör tarafından izlenmeli ve her kurulu sensör ağın sağlam kalması için yeterli sayıda komşuya sahip olmalıdır.

Doğadan İlham Alan Bir Arama Ekibi

Olası tasarımlar alanını keşfetmek için makale, avlanma davranışından esinlenen sürü tabanlı bir arama yöntemi olan Genghis Khan köpekbalığı optimizatörü üzerine kuruludur. Geliştirilmiş sürümü EnMOGKSO, her olası ağ tasarımını arama uzayında hareket eden bir birey olarak ele alır. Bu bireyler başlangıçta genişçe dolaşır, sonra kademeli olarak umut vaat eden bölgelere odaklanır; bu, keşif ve avlanmayı taklit eder. Kritik olarak, yöntem iki bellek bankası tutar: şimdiye kadar bulunan en iyi tasarımları saklayan bir bellek ve sıra dışı veya seyrek keşfedilmiş tasarımları koruyan bir diğer bellek. Bu çift bellek, tek bir dar çözüm ailesine takılıp kalmayı önlemeye yardımcı olur ve bunun yerine kapsama, bağlantı ve maliyet arasındaki ödünlerin geniş bir menüsünü ortaya çıkarır.

Kesin Kararlardan Somut Düzenlere

Gerçek kararlar —buraya bu sensörü kur veya kurma gibi— evet/hayır seçimleri olduğundan, bunları yumuşakça ayarlamak zordur. EnMOGKSO bunu, önce her bir sensör türünün her bir konumda ne kadar tercih edildiğini ifade eden düzgün sayısal “skorlar” ile çalışarak aşıyor. Her değerlendirme adımında bu skorlar, her konum için en fazla bir sensör türü seçilerek ve bazı konumlar boş bırakılarak gerçek bir düzenleme haline çevrilir. Ortaya çıkan tasarım daha sonra test edilir: algoritma her hedef noktanın kaç sensör tarafından görüldüğünü hesaplar, hangi sensörlerin kimlerle konuşabildiğini gösteren bir iletişim grafiği oluşturur ve kurulum maliyetini toplar. Kapsama veya bağlantı kurallarını ihlal eden tasarımlar tamamen elenmez; bunun yerine ne derece başarısız olduklarına göre sıralanırlar; bu da aramanın tam geçerli çözümlere doğru istikrarlı bir şekilde yükselmesini sağlar.

Yöntemi Test Etmek

Yaklaşımlarının tek bir örneğe uyarlanmış olmadığını göstermek için yazarlar önce EnMOGKSO’yu çok amaçlı algoritmaları değerlendirmek için standart zorlu matematiksel test problemleri süitinde değerlendirir. Algoritmanın sonuçlarının ideal ödün eğrilerine ne kadar yakın olduğunu ölçerek, EnMOGKSO’nun genellikle popüler evrimsel ve parçacık sürü yöntemleri de dahil olmak üzere birkaç iyi bilinen alternatiften daha iyi yayılım ve doğruluk sağladığını bulurlar. Ardından gerçekçi üç boyutlu sensör konuşlandırma senaryolarına geçerler. Kapsama için gereken yedekliliği ve bağlantı sıkılığını değiştiren birçok ayarda, EnMOGKSO rakip yöntemlere kıyasla daha fazla hedefi kapsayan ve daha yoğun iletişim bağlantılarını koruyan tasarımlar bulur; maliyet daha yüksek olmakla birlikte nispeten istikrarlıdır.

Gerçek Dünyadaki Sensör Ağları İçin Anlamı

Uygulayıcılar için temel sonuç tek bir “en iyi” düzen değil, performans ile maliyet arasındaki ödünü ortaya koyan yüksek kaliteli seçenekler koleksiyonudur. Yeni algoritma bu ödün yüzeyini daha eksiksiz doldurma eğilimindedir; bu da mühendislerin risk toleranslarına ve bütçelerine uygun bir tasarım seçmelerini kolaylaştırır. Çalışma, algılama fiziğine ve ağ bağlantılarının mantığına saygı duyan dikkatle tasarlanmış sürü yöntemlerinin, aksi halde çözülemez bir tasarım bulmacasını binalarda, fabrikalarda ve çevrede üç boyutlu izleme görevleri için yönetilebilir bir planlama etkinliğine dönüştürebileceğini öne sürüyor.

Atıf: Houssein, E.H., Ibrahim, I.E., Wazery, Y.M. et al. Multi-objective optimization for 3D heterogeneous WSN deployment using an enhanced Genghis Khan shark algorithm. Sci Rep 16, 12075 (2026). https://doi.org/10.1038/s41598-026-45399-z

Anahtar kelimeler: kablosuz sensör ağları, 3B konuşlandırma, çok amaçlı optimizasyon, sürü zekâsı, ağ kapsama ve bağlantısı