Fusão de dados paralela em redes de sensores sem fio densas utilizando algoritmo genético

Abstract

Redes de sensores sem fio são redes que possuem severas restrições computacionais. Após a implantação dessas redes no ambiente, ainda existe o problema de auto-configuração e auto-gerenciamento em virtude da necessidade que se tem dessas redes serem autônomas. Conciliar as restrições computacionais bem como a gerência da estrutura dinâmica dessas redes é uma tarefa difícil. O presente trabalho aborda o uso de algoritmo genético para atingir a auto-configuração e auto-otimização em redes de sensores sem fio densas. Duas abordagens de algoritmo genético foram implementadas e simuladas. Essas abordagens atuam em um nodo central, o qual não possui restrições de recursos. Este nodo é responsável por gerenciar os demais nodos da rede. O objetivo final é reduzir as perdas de mensagens, e melhorar a qualidade dos dados coletados. Como conseqüência, consegue-se aumentar a eficiência energética da rede. Os resultados das simulações demonstraram a viabilidade dessa abordagem. There is a considerable computational limitation for running Wireless Sensor network. After its implantation into an environment, those networks still expose problems to be solve, e.g. autonomic self-configuring and self-management issues. Therefore, conciliating computational restrictions and networks structure management is a challenge. The present work concerns the use of genetic algorithm to obtain self-configuring and self-optimization goals in dense wireless networks sensors. Two genetic algorithms approaches were implemented and simulated. Those approaches ran into a non resource-constrained central node. This node was the responsible to manage every other node at the networks. The main objective was to reduce the lost of messages, and also improve the quality of the collected data. As consequence, the energetic efficiency of the network meant to be increased. As results of simulations it was demonstrated that this approach is viable.