Une méta-heuristique hybride pour une meilleure localisation des nœuds dans les RCSFs

Abstract

Les travaux présentés dans cette thèse s'inscrivent dans le cadre général des réseaux de capteurs sans fil. Ils se concentrent sur l'étude et la mise en œuvre de nouveaux algorithmes distribués qui utilisent des heuristiques inspirées de la biologie pour résoudre le problème de localisation. Dans cette mémoire, nous avons proposé une m l'algorithme d'optimisation par fruit fly FOA avec l'algorithme d'optimisation d'inférence pour optimiser le sitemap estimé par une technique de localisation célèbre (Centroid) afin de fournir la localisation de deux nouvelles approches hybrides. Pour valider les performances de nos approches proposées, nous avons mené des expériences et les avons comparées avec l'algorithme optimisé () pour évaluer le taux d'amélioration

يقع العمل المقدم في هذه الرسالة ضمن الإطار العام لشبكات الاستشعار اللاسلكية. يركزون على دراسة وتنفيذ الخوارزميات الموزعة الجديدة التي تستخدم الاستدلال البيولوجي المستوحى من علم الأحياء لحل مشكلة التوطين. في هذه الرسالة، قمنا بتكييف الاستدلال الفوقي لخوارزمية تحسين ذبابة الفاكهة (FOA) مع خوارزمية تحسين الاستدلال لتحسين خريطة المواقع المقدرة بتقنية توطين شهيرة (Centroid) من أجل توفير توطين هجينين جديدين اقتراب. للتحقق من صحة أداء مناهجنا المقترحة، أجرينا تجارب وقارناها بخوارزمية (CSO) المحسنة لتقييم معدل التحسين