Published September 7, 2020 | Version v1
Publication Open

Bioinspired Mobility-Aware Clustering Optimization in Flying Ad Hoc Sensor Network for Internet of Things: BIMAC-FASNET

Creators

  • 1. International Islamic University, Islamabad
  • 2. Abdul Wali Khan University Mardan

Description

Flying ad hoc sensor network (FASNET) for Internet of Things (IoT) consists of multiple unmanned aerial vehicles (multi-UAVs) with high mobility, quick changes in topology, and diverse direction. The flying multi-UAVs were operated remotely by human beings or automatically by an onboard system. The applications of multi-UAVs are remote sensing, tracking, observing, and monitoring. It has a different nature compared to ordinary ad hoc network. The speed and diverse directions of multi-UAVs make it harder to route information in a desired way. Different issues may arise due to differences in unmanned aerial vehicle mobility, speed, diverse direction, and quick changes in topology. The researchers proposed conventional ad hoc routing protocols which has poor aspects for the flying ad hoc networks. They tried to tackle the issue by using the clustering approach that divides the network structure into multiple clusters, each with its own cluster head (CH). During the selection of CH and balance cluster formation, they consider only location awareness, neighborhood range, residual energy, and connection to the base station (BS) while ignoring the multi-UAVs distance, speed, direction, degree, and communication load. In this paper, we proposed bioinspired mobility-aware clustering optimization scheme based on bee intelligence foraging behavior for routing, considering relative mobility, residual energy, degree, and communication load during CH selection and balanced cluster formation. First, the clustering problem in network is formulated to dynamic optimization problem. An algorithm is designed based on bee intelligence, applied to select optimal UAVs CH and balanced cluster. The simulation results show that the proposed BIMAC-FASNET scheme performs better among existing clustering protocols in terms of link-connection lifetime, reaffiliation rate, communication load, number of UAVs per cluster, CH lifetime, and cluster formation time.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

تتكون شبكة الاستشعار المخصصة للطيران (FASNET) لإنترنت الأشياء (IoT) من العديد من المركبات الجوية بدون طيار (MULTI - UAVs) مع حركة عالية وتغييرات سريعة في الطوبولوجيا واتجاه متنوع. تم تشغيل الطائرات بدون طيار المتعددة عن بعد من قبل البشر أو تلقائيًا بواسطة نظام على متن الطائرة. تطبيقات الطائرات بدون طيار المتعددة هي الاستشعار عن بعد والتتبع والمراقبة والمراقبة. لها طبيعة مختلفة مقارنة بالشبكة المخصصة العادية. إن السرعة والاتجاهات المتنوعة للطائرات بدون طيار المتعددة تجعل من الصعب توجيه المعلومات بالطريقة المرغوبة. قد تنشأ مشكلات مختلفة بسبب الاختلافات في حركة المركبات الجوية بدون طيار والسرعة والاتجاه المتنوع والتغيرات السريعة في الطوبولوجيا. اقترح الباحثون بروتوكولات توجيه مخصصة تقليدية ذات جوانب ضعيفة للشبكات المخصصة الطائرة. حاولوا معالجة المشكلة باستخدام نهج التجميع الذي يقسم بنية الشبكة إلى مجموعات متعددة، ولكل منها رأس مجموعة خاص بها (CH). أثناء اختيار CH وتشكيل مجموعة التوازن، يأخذون في الاعتبار فقط الوعي بالموقع، ونطاق الجوار، والطاقة المتبقية، والاتصال بالمحطة الأساسية (BS) مع تجاهل مسافة الطائرات بدون طيار المتعددة، والسرعة، والاتجاه، والدرجة، وحمل الاتصال. في هذه الورقة، اقترحنا مخططًا لتحسين التجميع العنقودي المستوحى من الحركية الحيوية استنادًا إلى سلوك جمع معلومات النحل للتوجيه، مع الأخذ في الاعتبار التنقل النسبي، والطاقة المتبقية، والدرجة، وحمل الاتصال أثناء اختيار CH والتكوين العنقودي المتوازن. أولاً، تتم صياغة مشكلة التجميع في الشبكة لمشكلة التحسين الديناميكي. تم تصميم الخوارزمية بناءً على ذكاء النحل، ويتم تطبيقها لاختيار الطائرات بدون طيار CH ومجموعة متوازنة. تُظهر نتائج المحاكاة أن مخطط BIMAC - FASNET المقترح يعمل بشكل أفضل بين بروتوكولات التجميع الحالية من حيث عمر اتصال الارتباط، ومعدل إعادة التنظيم، وحمل الاتصال، وعدد الطائرات بدون طيار لكل مجموعة، وعمر CH، ووقت تكوين المجموعة.

Translated Description (French)

Le réseau de capteurs ad hoc volant (FASNET) pour l'Internet des objets (IoT) se compose de plusieurs véhicules aériens sans pilote (multi-UAV) avec une grande mobilité, des changements rapides de topologie et des directions diverses. Les multi-UAV volants étaient pilotés à distance par des êtres humains ou automatiquement par un système embarqué. Les applications des multi-UAV sont la télédétection, le suivi, l'observation et la surveillance. Il a une nature différente par rapport au réseau ad hoc ordinaire. La vitesse et la diversité des directions des multi-UAV rendent plus difficile l'acheminement des informations de la manière souhaitée. Différents problèmes peuvent survenir en raison de différences dans la mobilité des véhicules aériens sans pilote, la vitesse, la diversité des directions et les changements rapides de topologie. Les chercheurs ont proposé des protocoles de routage ad hoc conventionnels qui ont des aspects médiocres pour les réseaux ad hoc volants. Ils ont essayé de résoudre le problème en utilisant l'approche de clustering qui divise la structure du réseau en plusieurs clusters, chacun avec son propre chef de cluster (CH). Lors de la sélection de CH et de la formation de grappes d'équilibre, ils ne tiennent compte que de la connaissance de l'emplacement, de la portée du voisinage, de l'énergie résiduelle et de la connexion à la station de base (BS) tout en ignorant la distance, la vitesse, la direction, le degré et la charge de communication multi-UAV. Dans cet article, nous avons proposé un schéma d'optimisation du regroupement sensible à la mobilité bioinspirée basé sur le comportement de recherche de nourriture de l'intelligence des abeilles pour le routage, en tenant compte de la mobilité relative, de l'énergie résiduelle, du degré et de la charge de communication pendant la sélection des CH et la formation équilibrée des grappes. Tout d'abord, le problème de clustering dans le réseau est formulé en problème d'optimisation dynamique. Un algorithme est conçu sur la base de l'intelligence des abeilles, appliqué pour sélectionner les UAV optimaux CH et le cluster équilibré. Les résultats de simulation montrent que le schéma BIMAC-FASNET proposé fonctionne mieux parmi les protocoles de clustering existants en termes de durée de vie de connexion de liaison, de taux de réaffiliation, de charge de communication, de nombre d'UAV par cluster, de durée de vie CH et de temps de formation de cluster.

Translated Description (Spanish)

La red de sensores voladores ad hoc (FASNET) para Internet de las cosas (IoT) consta de múltiples vehículos aéreos no tripulados (multi-UAV) con alta movilidad, cambios rápidos en la topología y dirección diversa. Los múltiples UAV voladores eran operados de forma remota por seres humanos o automáticamente por un sistema a bordo. Las aplicaciones de los UAV múltiples son la teledetección, el seguimiento, la observación y la monitorización. Tiene una naturaleza diferente en comparación con la red ad hoc ordinaria. La velocidad y las diversas direcciones de los múltiples UAV hacen que sea más difícil enrutar la información de la manera deseada. Pueden surgir diferentes problemas debido a las diferencias en la movilidad de los vehículos aéreos no tripulados, la velocidad, la dirección diversa y los cambios rápidos en la topología. Los investigadores propusieron protocolos de enrutamiento ad hoc convencionales que tienen aspectos deficientes para las redes ad hoc voladoras. Intentaron abordar el problema utilizando el enfoque de clúster que divide la estructura de la red en múltiples clústeres, cada uno con su propio jefe de clúster (CH). Durante la selección del CH y la formación del grupo de equilibrio, solo consideran el conocimiento de la ubicación, el alcance del vecindario, la energía residual y la conexión a la estación base (BS), al tiempo que ignoran la distancia, la velocidad, la dirección, el grado y la carga de comunicación de los múltiples UAV. En este documento, propusimos un esquema de optimización de agrupamiento consciente de la movilidad bioinspirado basado en el comportamiento de alimentación de la inteligencia de las abejas para el enrutamiento, considerando la movilidad relativa, la energía residual, el grado y la carga de comunicación durante la selección de CH y la formación equilibrada de grupos. En primer lugar, el problema de agrupación en red se formula como problema de optimización dinámica. Se diseña un algoritmo basado en la inteligencia de las abejas, aplicado para seleccionar los UAV CH óptimos y el clúster equilibrado. Los resultados de la simulación muestran que el esquema BIMAC-FASNET propuesto funciona mejor entre los protocolos de clúster existentes en términos de vida útil de conexión de enlace, tasa de reafiliación, carga de comunicación, número de UAV por clúster, vida útil de CH y tiempo de formación de clúster.

Files

9797650.pdf.pdf

Files (15.9 kB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:9d48f2c2dcc9a2ccbcae49ab11dd4802
15.9 kB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
تحسين التجميع العنقودي المستوحى من التكنولوجيا الحيوية في شبكة الاستشعار المخصصة لإنترنت الأشياء: BIMAC - FASNET
Translated title (French)
Optimisation du clustering Bioinspired Mobility-Aware dans le réseau de capteurs ad hoc volant pour l'Internet des objets : BIMAC-FASNET
Translated title (Spanish)
Optimización de la agrupación consciente de la movilidad bioinspirada en la red de sensores voladores ad hoc para Internet de las cosas: BIMAC-FASNET

Identifiers

Other
https://openalex.org/W3083483893
DOI
10.1155/2020/9797650

Is supplement to
https://openalex.org/W4327774248 (Other)
https://openalex.org/W4231650586 (Other)
https://openalex.org/W3202102306 (Other)
https://openalex.org/W3046762796 (Other)
https://openalex.org/W2771454953 (Other)
https://openalex.org/W2101167671 (Other)
https://openalex.org/W2062688728 (Other)
https://openalex.org/W2061231656 (Other)
https://openalex.org/W2027636740 (Other)
https://openalex.org/W2019904086 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Pakistan

References

  • https://openalex.org/W2050218995
  • https://openalex.org/W2061438946
  • https://openalex.org/W2084078358
  • https://openalex.org/W2090434188
  • https://openalex.org/W2093048429
  • https://openalex.org/W2095556541
  • https://openalex.org/W2101871422
  • https://openalex.org/W2148135143
  • https://openalex.org/W2293344781
  • https://openalex.org/W2327622231
  • https://openalex.org/W2345154681
  • https://openalex.org/W2413631189
  • https://openalex.org/W2510816028
  • https://openalex.org/W2766234523
  • https://openalex.org/W2767345790
  • https://openalex.org/W2767817351
  • https://openalex.org/W2774128548
  • https://openalex.org/W2782679645
  • https://openalex.org/W2792331782
  • https://openalex.org/W2799777195
  • https://openalex.org/W287062882
  • https://openalex.org/W2901921436
  • https://openalex.org/W2904258566
  • https://openalex.org/W2922332933
  • https://openalex.org/W2948765495
  • https://openalex.org/W2967014726
  • https://openalex.org/W4249723702