[論文レビュー] Adaptive Probabilistic Model for Energy-Efficient Distance-based Clustering in WSNs (Adapt-P): A LEACH-based Analytical Study

Husam Suleiman, Mohammad Hamdan|arXiv (Cornell University)|Jan 1, 2021

Energy Efficient Wireless Sensor Networks被引用数 5

ひとこと要約

本稿では、残存エネルギーとノード間距離を用いてクラスターヘッド選択確率を動的に調整することで、エネルギー消費を最小限に抑え、ネットワークライフタイムを延長するLEACHベースの適応的確率的クラスタリング手法Adapt-Pを提案する。ライブノード数と動的に更新される最大クラスターヘッド数に基づいて確率を適応させるため、LEACHおよびSEPと比較して安定期間を向上させ、シミュレーションでは初期ノード死を最大20%まで低減した。

ABSTRACT

Network lifetime and energy consumption of data transmission have been primary Quality of Service (QoS) obligations in Wireless Sensor Networks (WSNs). The environment of a WSN is often organized into clusters to mitigate the management complexity of such obligations. However, the distance between Sensor Nodes (SNs) and the number of clusters per round are vital factors that affect QoS performance of a WSN. A designer's conundrum resolves around the desire to sustain a balance between the limited residual energy of SNs and the demand for prolonged network lifetime. Any imbalance in controlling such objectives results in either QoS penalties due to draining SN energies, or an over-cost environment that is significantly difficult to distribute and operate. Low-Energy Adaptive Clustering Hierarchy (LEACH) is a distributed algorithm proposed to tackle such difficulties. Proposed LEACH-based algorithms focus on residual energies of SNs to compute a probability function that selects cluster-heads and an optimal energy-efficient path toward a destination SN. Nevertheless, these algorithms do not consider variations in network's state at run-time. Such a state changes in an adaptive manner according to existing network structures and conditions. Thus, cluster-heads per round are not elected adaptively depending on the state and distances between SNs. This paper proposes an energy-efficient adaptive distance-based clustering called Adapt-P, in which an adaptive probability function is developed to formulate clusters. A near-optimal distance between each cluster-head and its cluster-members is formulated so that energy consumption of the network is mitigated and network lifetime is maximized. The cluster-head selection probability is adapted at the end of each round based on the maximum number of cluster-heads permitted per round found a priori and the number of alive SNs in the network.

研究の動機と目的

• 静的クラスターヘッド選択がネットワークのリアルタイム状態や距離変動を無視するLEACHの限界を是正すること。
• 残存エネルギーとノード間距離をクラスターヘッド選択に組み込むことで、ネットワークライフタイムとエネルギー効率を向上させること。
• ライブセンサーノード数と各ラウンドにおける動的に更新される最大クラスターヘッド数に基づいて、適応的確率関数を設計すること。
• ネットワーク状態に基づくクラスタ形成の最適化により、エネルギー消費を低減し、最初のノード死を遅らせる。

提案手法

• 残存エネルギーとノード間距離を用いてクラスターヘッド選択を導くための適応的確率関数$ P_{\text{adp}} $を定式化する。
• 各ラウンドにおける最大クラスターヘッド数$ \kappa_{\text{max}} $は、事前にネットワーク密度とエネルギー制約に基づいて計算される。
• 各ラウンド終了時に、生存ノード数$ \zeta $に基づいて$ \kappa_{\text{max}} $を更新することで、ネットワーク状態に応じた動的適応が可能になる。
• クラスターヘッドとメンバー間の距離を考慮したクラスタリングモデルを用いることで、送信エネルギーを最小限に抑える近似的最適な距離を確保する。
• 学習ベースの変種では、$ \kappa_{\text{max}} $と$ P_{\text{adp}} $をラウンドごとに動的に進化させ、安定性を向上させる。
• エネルギー負荷とクラスタ分布のバランスを取るために、残存エネルギー対距離比$ \digamma $を統合する。

実験結果

リサーチクエスチョン

• RQ1 残存エネルギーとノード間距離に基づく適応的クラスターヘッド選択は、WSNにおけるネットワークライフタイムにどのように影響を与えるか？
• RQ2 $ \kappa_{\text{max}} $と$ P_{\text{adp}} $を動的に調整することで、静的LEACHおよびSEPと比較して安定性とエネルギー効率がどの程度向上するか？
• RQ3 残存エネルギーとクラスターヘッドからメンバーまでの距離を比較する$ \digamma $比を組み込むことで、クラスタ負荷のバランスにどのような影響を与えるか？
• RQ4 $ \kappa_{\text{max}} $の学習ベースの進化は、最初のノード死のタイミングと全体的なネットワーク安定性にどのように影響するか？
• RQ5 Adapt-Pを用いることで、オリジナルのLEACHおよびSEPと比較して、ネットワークライフタイムとエネルギー消費にどの程度の定量的改善が得られるか？

主な発見

• 学習ベースのAdapt-Pバージョンは、オリジナルのLEACHおよびSEPと比較して、最初のノード死を最大20%遅らせることで安定期間を延長した。
• 提案された適応的確率$ P_{\text{adp}} $は、特に800～2000ラウンドの間で、1ラウンドあたりの死活センサーノード数を顕著に削減した。
• $ \kappa_{\text{max}} $と$ \digamma $を組み込むことで、負荷バランスが改善され、エネルギーのホットスポットが低減し、より均一なエネルギー消費が実現した。
• 学習ベースのアルゴリズムは、オリジナル版および適応版のLEACHおよびSEPと比較して、安定性とエネルギー効率の両面で優れた性能を示した。
• 生存ノード数に基づいて、1ラウンドあたりの最大クラスターヘッド数が動的に調整され、変化するネットワーク状態への適応性が向上した。
• 本アルゴリズムは、総合的エネルギー消費の低減とネットワーク運用時間の延長を含む、QoS性能の向上を示した。