[論文レビュー] Bio-inspired Algorithms in the Optimisation of Wireless Sensor Networks

Joana Matos, Carine Menezes Rebello+4 more|arXiv (Cornell University)|Oct 10, 2022

Evolutionary Algorithms and Applications被引用数 5

ひとこと要約

本稿は、無線センサネットワーク（WSN）のパフォーマンス向上を目的とした生物にインspiredされた最適化アルゴリズム—遺伝的アルゴリズム（GA）、粒子群最適化（PSO）、および蟻コロニー最適化（ACO）—をレビューしている。主に、エネルギー消費とノード数の最小化、ネットワークライフタイム、カバレッジ、接続性の最大化を同時に最適化する多目的最適化（MOO）に焦点を当てている。研究の結論として、MOOに基づく生物にインスパイされた手法は、複雑なWSN設計課題に対して効果的な解決策を提供することが示された。

ABSTRACT

WSN are a growing technology in industrial and personal use fields. The Quality of Service (QoS) of WSN is associated to the architecture of WSN nodes and network design. In this work, the composition of the nodes and network is analysed. The success of WSN is related to the maximisation of the lifetime and coverage of the device, allied to the minimisation of energy consumption and number of nodes, guaranteeing a good network connectivity and high transmission. The most common WSN issues are presented and reviewed. The most suitable optimisation technique is Multi-objective (MOO) which is exemplified in this work from complex multi-objective functions which include several WSN problems. The second part of this review focus on bio-inspired algorithms in WSN optimisation: Genetic Algorithms (GA), Particles Swarm Optimisation (PSO) and Ant Colony Optimisation (ACO). Other less common methods are also present and related to WSN issues.

研究の動機と目的

• 無線センサネットワーク（WSN）のサービス品質（QoS）に影響を与えるアーキテクチャ的・設計的課題を分析すること。
• エネルギー消費、ネットワークライフタイム、カバレッジ、接続性といった主要なWSNの問題を特定すること。
• 複数のWSNパフォーマンス指標を同時に最適化する包括的なフレームワークとしての多目的最適化（MOO）を評価すること。
• 複雑なWSN最適化問題を解くために、GA、PSO、ACOを含む生物にインスパイされたアルゴリズムをレビューおよび比較すること。
• 一般的でない生物にインスパイされた手法が、WSN最適化の文脈において実用的で効果的であるかを評価すること。

提案手法

• エネルギー効率性、カバレッジ、接続性といった競合するWSNの目的を同時に最適化する多目的最適化（MOO）を用いる。
• 選択、交差、突然変異を用いた候補解の進化によって最適なネットワーク構成を探索する遺伝的アルゴリズム（GA）を採用する。
• 社会的採餌行動を模倣することで、最適なノード配置とエネルギー分配を探索する粒子群最適化（PSO）を適用する。
• アリのフェロモンに基づく採餌行動を模倣することで、エネルギー効率の良いルーティング経路を特定する蟻コロニー最適化（ACO）を実装する。
• WSN最適化に応用可能な、一般的でない生物にインスパイされた技術（例えば、人工蜂群、ファイヤーフライアルゴリズム）をレビューおよび統合する。
• 実際のWSN展開における制約をモデル化した複雑な多目的関数を用いて、これらのアルゴリズムのパフォーマンスを分析する。

実験結果

リサーチクエスチョン

• RQ1 多目的最適化（MOO）は、エネルギー効率性、カバレッジ、ネットワークライフタイムといった競合するWSNの目的を効果的にバランスさせることができるか？
• RQ2 GA、PSO、ACOは、WSN最適化問題を解く上で、それぞれどのような相対的強みと限界を有するか？
• RQ3 生物にインスパイされたアルゴリズムは、従来の最適化手法と比較して、WSNにおける収束速度と解の品質の面でどのように異なるか？
• RQ4 一般的でない生物にインスパイされたアルゴリズムは、GA、PSO、ACOを超えて、WSNパフォーマンスをどのように向上させ得るか？
• RQ5 MOOに基づく生物にインスパイされたアルゴリズムが、効果的に解消できるWSN展開における主な設計上のトレードオフは何か？

主な発見

• 多目的最適化（MOO）は、エネルギー消費とノード数の最小化に加え、ネットワークライフタイム、カバレッジ、接続性の最大化を同時に実現する強固なフレームワークを提供する。
• 遺伝的アルゴリズム（GA）は、最適なWSNノード構成と展開を実現するための広大な解空間の探索において優れた性能を示す。
• 粒子群最適化（PSO）は、エネルギーに配慮したルーティングおよびWSNにおけるノード配置の近似的最適解に効率的に収束する。
• 蟻コロニー最適化（ACO）は、フェロモンに基づく経路選択メカニズムを用いて、低エネルギーかつ高信頼性のルーティング経路を効果的に特定する。
• 人工蜂群やファイヤーフライアルゴリズムといった一般的でない生物にインスパイされた手法は、特定のWSN課題に対して有望な成果を示しているが、さらなる検証が必要である。
• 本研究は、生物にインスパイされたアルゴリズムが、複雑で動的なWSN最適化タスクに非常に適していると結論づけたが、最終的な結果や検証が得られる前に研究が中止された。