OPTIMASI JARINGAN SENSOR NIRKABEL MENGGUNAKAN ALGORITMA TWO SUB-SWARMS PSO DISKRIT

  • Danang Triantoro Murdiansyah Telkom University
Abstract views: 697 , PDF downloads: 618

Abstract

Pada paper ini diusulkan sebuah algortima berbasis PSO, yaitu Two Sub-Swarms PSO Diskrit atau disingkat dengan TSS PSO Diskrit, untuk memecahkan masalah konsumsi energi pada jaringan sensor nirkabel. Jarak yang jauh antara sensor nirkabel dan stasiun utama pada jaringan sensor nirkabel dapat menyebabkan energi pada sensor nirkabel cepat habis dan menurunkan umur pakai dari sensor nirkabel tersebut. Untuk memecahkan masalah konsumsi energi tersebut, metode klasterisasi dipilih. Dengan melakukan klasterisasi pada jaringan sensor nirkabel menjadi sejumlah klaster sensor nirkabel, masalah jarak yang jauh untuk transfer data dapat diatasi dan energi yang dibutuhkan oleh sensor nirkabel jauh berkurang. Pada proses klasterisasi akan dipilih sejumlah sensor nirkabel untuk menjadi sensor kepala atau disebut juga dengan cluster head. Simulasi menunjukan bahwa algoritma TSS PSO Diskrit dapat mencapai solusi yang baik dengan cepat dan menghasilkan efisiensi jarak transmisi sampai 95.36% dari transmisi jarak yang ditempuh dengan cara transmisi langsung. Performa algoritma TSS PSO Diskrit ini juga dibandingkan dengan penelitian sebelumnya yang menggunakan AG (Algoritma Genetika) [1].

Downloads

Download data is not yet available.

References

Jin, S., Zhou, M. and Wu, A.S., 2003, July. Sensor network optimization using a genetic algorithm. In Proceedings of the 7th World Multiconference on Systemics, Cybernetics and Informatics (pp. 109-116).

Kulkarni, R.V. and Venayagamoorthy, G.K., 2011. Particle swarm optimization in wireless-sensor networks: A brief survey. Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE Transactions on, 41(2), pp.262-267.

Pardalos, P.M. and Wolkowicz, H. eds., 1994. Quadratic Assignment and Related Problems: DIMACS Workshop, May 20-21, 1993 (Vol. 16). American Mathematical Soc..

Yu, Z., Wu, W. and Wu, L., 2012. An Improved Particle Swarm Optimization Algorithm Based on Two Sub-swarms. In Advances in Computer Science and Information Engineering (pp. 443-448). Springer Berlin Heidelberg. [crossref]

Guru, S.M., Halgamuge, S.K. and Fernando, S., 2005, December. Particle swarm optimisers for cluster formation in wireless sensor networks. In Intelligent Sensors, Sensor Networks and Information Processing Conference, 2005. Proceedings of the 2005 International Conference on (pp. 319-324). IEEE.

Cao, X., Zhang, H., Shi, J. and Cui, G., 2008, October. Cluster heads election analysis for multi-hop wireless sensor networks based on weighted graph and particle swarm optimization. In Natural Computation, 2008. ICNC'08. Fourth International Conference on (Vol. 7, pp. 599-603). IEEE.

Heinzelman, W.B., Chandrakasan, A.P. and Balakrishnan, H., 2002. An application-specific protocol architecture for wireless microsensor networks. Wireless Communications, IEEE Transactions on, 1(4), pp.660-670.

Ilaya, O., Bil, C. and Evans, M., 2007, February. A particle swarm optimisation approach to graph permutations. In Information, Decision and Control, 2007. IDC'07 (pp. 366-371). IEEE.[crossref]

Kennedy, J., 1999. Small worlds and mega-minds: effects of neighborhood topology on particle swarm performance. In Evolutionary Computation, 1999. CEC 99. Proceedings of the 1999 Congress on (Vol. 3). IEEE. [crossref]

Wang, L., Wang, X., Fu, J. and Zhen, L., 2008. A novel probability binary particle swarm optimization algorithm and its application. Journal of software, 3(9), pp.28-35. [crossref]

Li-Ping, Z., Huan-Jun, Y. and Shang-Xu, H., 2005. Optimal choice of parameters for particle swarm optimization. Journal of Zhejiang University Science A, 6(6), pp.528-534.

Published
2016-03-31
How to Cite
Murdiansyah, D. T. (2016). OPTIMASI JARINGAN SENSOR NIRKABEL MENGGUNAKAN ALGORITMA TWO SUB-SWARMS PSO DISKRIT. Indonesian Journal on Computing (Indo-JC), 1(1), 1-10. https://doi.org/10.21108/INDOJC.2016.1.1.36
Section
Articles