利用混合蝙蝠-人工蜂群算法在无线传感器网络中进行节能优化 Hussein S. Mohammed, Poria Pirozmand, Sheeraz Memon, Sajad Ghatrehsamani, Indra Seher

《Sensors》：Energy-Efficient Optimization in Wireless Sensor Networks Using a Hybrid Bat-Artificial Bee Colony Algorithm Hussein. S. Mohammed, Poria Pirozmand, Sheeraz Memon, Sajad Ghatrehsamani and Indra Seher

　　

摘要

本研究提出了一种新颖的混合算法——蝙蝠-人工蜂群（BA-ABC），用于无线传感器网络（WSNs）中的能效优化，旨在解决节点能量有限和网络寿命缩短的关键问题。该框架结合了蝙蝠算法的快速局部收敛能力和人工蜂群的强大全局探索能力，实现了聚类和路由过程的统一优化。开发了一种自适应的多目标适应度函数，以平衡能量消耗、网络寿命和通信效率，从而在不同网络条件下实现动态且高效的资源利用。在MATLAB R2024a中进行的全面模拟表明，所提出的BA-ABC算法显著优于传统的和最近的优化方法。结果显示，与蚂蚁群优化（ACO）等基线方法相比，总能量消耗减少了约22-30%，网络寿命提高了18-25%，延迟降低了近24%。统计验证（包括置信区间和假设检验）证实了该框架在多次模拟运行中的鲁棒性、稳定性和一致性。与现有的混合算法和基于机器学习的方法不同，BA-ABC算法在不引入过多计算开销或复杂训练要求的情况下实现了高效的优化性能，使其适用于资源受限的WSN环境。此外，所提出的方法具有很强的可扩展性和适应性，使其成为智能城市、环境监控和医疗系统等实际应用的可行解决方案。这项工作通过提供一个可扩展、自适应且计算效率高的混合框架，为智能WSN优化做出了贡献，符合下一代物联网网络的新兴趋势。