[논문 리뷰] 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)|2021. 01. 01.

Energy Efficient Wireless Sensor Networks인용 수 5

한 줄 요약

이 논문은 잔류 에너지와 노드 간 거리를 기반으로 클러스터 헤드 선택 확률을 동적으로 조정하여 에너지 소비를 최소화하고 네트워크 수명을 연장하는 LEACH 기반의 적응형 확률 클러스터링 알고리즘인 Adapt-P를 제안한다. 생존 노드 수와 라운드당 동적으로 업데이트되는 최대 클러스터 헤드 수를 기반으로 확률을 적응시키면서, LEACH와 SEP보다 안정성 주기와 에너지 효율성을 향상시켜 시뮬레이션에서 초기 노드 사망을 최대 20% 감소시킨다.

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.

연구 동기 및 목표

• 정적 클러스터 헤드 선택이 실시간 네트워크 상태와 거리 변화를 忽시하는 LEACH의 한계를 해결하기 위해.
• 잔류 에너지와 노드 간 거리를 클러스터 헤드 선택에 통합하여 네트워크 수명과 에너지 효율성을 향상시키기 위해.
• 생존 센서 노드 수와 라운드당 동적으로 업데이트되는 최대 클러스터 헤드 수를 기반으로 적응형 확률 함수를 개발하기 위해.
• 네트워크 조건에 기반한 클러스터 형성 최적화를 통해 에너지 소비를 줄이고 첫 번째 노드 사망을 연기하기 위해.

제안 방법

• 잔류 에너지와 노드 간 거리를 사용하여 클러스터 헤드 선택을 이끄는 적응형 확률 함수 $ P_{\text{adp}} $ 를 수립한다.
• 라운드당 최대 클러스터 헤드 수인 $ \kappa_{\text{max}} $ 는 네트워크 밀도와 에너지 제약 조건에 기반해 사전에 계산된다.
• 각 라운드 종료 시, 생존 센서 노드 수 $ \zeta $ 를 기반으로 $ \kappa_{\text{max}} $ 가 업데이트되어 네트워크 상태에 동적으로 적응한다.
• 클러스터 헤드와 멤버 간의 근접한 거리를 보장하는 거리 인지 클러스터링 모델을 사용하여 전송 에너지를 최소화한다.
• 학습 기반 변종은 $ \kappa_{\text{max}} $ 와 $ P_{\text{adp}} $ 를 라운드에 따라 동적으로 진화시켜 안정성을 향상시킨다.
• 에너지 부하와 클러스터 분포를 균형 있게 만들기 위해 잔류 에너지 대 거리 비율 $ \digamma $ 를 통합한다.

실험 결과

연구 질문

• RQ1 잔류 에너지와 노드 간 거리에 기반한 적응형 클러스터 헤드 선택이 WSN의 네트워크 수명에 어떤 영향을 미치는가?
• RQ2 라운드당 $ \kappa_{\text{max}} $ 와 $ P_{\text{adp}} $ 를 동적으로 조정할 경우, 정적 LEACH와 SEP에 비해 안정성과 에너지 효율성은 어느 정도 향상되는가?
• RQ3 잔류 에너지와 클러스터 헤드에서 멤버까지의 거리 간의 $ \digamma $ 비율을 통합함으로써 클러스터 부하 균형에 어떤 영향을 미치는가?
• RQ4 학습 기반으로 $ \kappa_{\text{max}} $ 를 진화시키는 것이 첫 번째 노드 사망 시점과 전체 네트워크 안정성에 어떤 영향을 미치는가?
• RQ5 Adapt-P를 사용할 경우 원래의 LEACH와 SEP 대비 네트워크 수명과 에너지 소비에 어떤 정량적 향상이 이루어지는가?

주요 결과

• 학습 기반 Adapt-P 변종은 원래의 LEACH와 SEP 대비 첫 번째 노드 사망을 최대 20% 지연시켜 안정성 주기를 연장시켰다.
• 제안된 적응형 확률 $ P_{\text{adp}} $ 는 특히 800–2000라운드 창에서 라운드당 사망 센서 노드 수를 크게 감소시켰다.
• $ \kappa_{\text{max}} $ 와 $ \digamma $ 를 통합함으로써 부하 균형이 향상되고 에너지 핫스팟이 감소하여 균일한 에너지 소비가 이루어졌다.
• 학습 기반 알고리즘이 원래 및 적응형 LEACH와 SEP의 모든 변종보다 안정성과 에너지 효율성 측면에서 뛰어난 성능을 보였다.
• 라운드당 최대 클러스터 헤드 수는 생존 노드 수에 기반해 동적으로 조정되어 변화하는 네트워크 조건에 대한 적응성이 향상되었다.
• 알고리즘은 총 에너지 소비 감소와 함께 더 긴 네트워크 운영 시간을 보여주며 개선된 QoS 성능을 입증했다.