یک روش جدید مبتنی بر ژنتیک برای افزایش طول عمر شبکه در شبکه‌های حسگر جهتی با دامنه حسگری قابل تنظیم

در سال‌های اخیر، شبکه‌های حسگر جهت‌دار به دلیل کاربردهای گسترده و گسترده خود برای محققان جذاب بوده‌اند.این شبکه‌ها معمولا شامل تعدادی از سنسورهای  قابل تنظیم خودکار هستند که دارای بخش‌های کروی قابل تنظیم با زاویه محدود هستند.یکی از مهم‌ترین مسایل در چنین شبکه‌هایی این است که چگونه بر اهداف پراکنده در این شبکه‌ها با استفاده از حسگرها با دامنه حسگری قابل تنظیم، نظارت کنیم و در عین حال، عمر شبکه را به حداکثر برسانیم.این مساله به عنوان ماکزیمم عمر شبکه با محدوده قایل تنظیم  شناخته می‌شود.این مساله یک مساله NP – complete است.به عنوان یک راه‌حل کارآمد برای این مساله، مقاله حاضر یک الگوریتم مبتنی بر هدف مبتنی بر هدف را پیشنهاد می‌کند که می‌تواند مجموعه‌های شامل حسگرها با جهت‌های مناسب را شکل دهد و دامنه را در یک راه برای نظارت بهتر همه اهداف در شبکه ایجاد کند.ما کارایی الگوریتم پیشنهادی را با مقایسه نتایج به‌دست‌آمده با نتایج حاصل از الگوریتم حریصانه که اخیرا در نوشته‌ها معرفی شده‌است، مورد بررسی قرار دادیم.نتایج مقایسه‌ای عملکرد موثر الگوریتم پیشنهادی و همچنین برتری آن بر الگوریتم حریصانه بر

In recent years, the directional sensor networks have been attractive to researchers due to their wide and different applications. These networks normally contain a number of self-configurable directional sensors holding adjustable spherical sectors with limited angle. One of the most significant problems in such networks is how to monitor the targets scattered in these networks using sensors with adjustable sensing range and, at the same time, maximize the network lifetime. This problem is recognized as Maximum Network Lifetime With Adjustable Ranges; it has been already proved as an NP-complete problem. As an efficient solution to this problem, the present paper proposes a target-oriented GA-based algorithm that can form cover sets comprising sensors with appropriate directions and sensing ranges in a way to desirably monitor all targets in the network. We examined the efficiency of the proposed algorithm by comparing its obtained results with those of a greedy-based one introduced r