Comparison of Particle Swarm Optimization, Bat Algorithm, Differential Evolution Algorithm and Firefly Algorithm Methods in Localization of Wireless Sensor Networks

Year 2020, Volume: 12 Issue: 3, 52 - 64, 31.12.2020

Ahmet Sami Doğru , Tolga Eren

https://doi.org/10.29137/umagd.832382

Abstract

Positioning in wireless sensor networks is becoming an important issue in many areas every day. It is very important to find the location of the sensors quickly and with low error rate in applications such as military applications, emergency assistance, geographic tracking. In wireless sensor networks (WSN), location detection is cited as a multidimensional optimization problem. The efficiency of optimization methods varies according to the complexity of WSN’s. In this article, Particle Swarm Optimization (PSO), Bat Algorithm (BA), Differential Evolution Algorithm (DEA) and Firefly Algorithm (FA) methods were compared with the goal of solving the positioning problem in WSN. The proposed methods are optimization methods that are inspired by the characteristics of living beings in nature. In this study, heuristic optimization methods PSO, BA, DEA and FA were applied to a sample node distribution in Matlab environment and the results were observed.

Keywords

Particle swarm optimization, Bat algorithm, Differential evolution algorithm, Firefly algorithm, Localization in wireless sensor networks

Kablosuz Sensör Ağlarında Konum Belirlemede Parçacık Sürü Optimizasyonu, Yarasa Algoritması, Diferansiyel Gelişim Algoritması ve Ateşböceği Algoritması Yöntemlerinin Karşılaştırılması

Abstract

Kablosuz sensör ağlarında konumlandırma birçok alanda her geçen gün önemli bir konu haline gelmektedir. Askeri uygulamalar, acil yardım, coğrafi takip gibi uygulamalarda sensörlerin yerini hata payı en düşük ve hızlı bir şekilde bulmak çok önemlidir. Kablosuz sensör ağlarında (KSA), konum tespiti çok yönlü bir optimizasyon sorunu olarak belirtilmektedir. KSA’ların kompleksliğine göre optimizasyon metotlarının verimi değişkenlik göstermektedir. Bu çalışmada, Parçacık Sürü Optimizasyonu (PSO), Yarasa Algoritması (YA), Diferansiyel Gelişim Algoritması (DGA) ve Ateşböceği Algoritması (AA) yöntemleri KSA’larda konum belirleme sorununun çözülmesi hedefi ile kıyaslanmıştır. Önerilen yöntemler, doğada bulunan canlıların karakteristiğinden ilham alınarak keşfedilmiş optimizasyon yöntemleridir. Bu çalışmada sezgisel optimizasyon yöntemlerinden olan PSO, YA, DGA ve AA Matlab ortamında bir örnek düğüm dağılımına uygulanmış olup sonuçlar gözlemlenmiştir.

Keywords

Parçacık sürü optimizasyonu, Yarasa algoritması, Diferansiyel gelişim algoritması, Ateşböceği algoritması, Kablosuz sensör ağlarında konum belirleme

References

• Akyildiz IF, Su W, Sankarasubramaniam Y et al. Wireless sensor networks: a survey. Computer Networks 2002; 38(4): 393–422.
• Aspnes J, Eren T, Goldenberg D et al. A theory of network localization. IEEE Transactions on Mobile Computing 2006; 5(12): 1663–1678.
• Aloor, G. & Lillykutty, J. (2008). Localization in Wireless Sensor Networks using Particle Swarm Optimization, 2008 IET International Conference on Wireless, Mobile and Multimedia Networks, Beijing, 2008, pp. 227-230, doi: 10.1049/cp:20080185.
• Barak, N., Gaba, N. & Aggarwal, S. (2016). Localization of sensor nodes using modified particle swarm optimization in wireless sensor networks, 2016 Int. Conf. Adv. Comput. Commun. Informatics, ICACCI 2016, pp. 2608–2613, 2016.
• Bozkurt, N. (2015). Sinyal Alım Gücü Ağırlıklı Ortalamaya Dayalı Ağ Konumlandırması İçin Kablosuz Ağlarda Referans Düğümlerinin Yerleştirilmesi, Kırıkkale Üniversitesi Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği, 2015.
• Çetin, E. (2011). Rüzgar Enerjisi Dahil Olan Güç Sistemlerinde Ekonomik Yük Dağıtımı Probleminin Çözümü, Erciyes Üniversitesi Fen Bilimleri Enstitüsü, 2011.
• Demirdelen, T. (2018). Kuru Tip Transformatör Optimizasyonuna Yeni Bir Yaklaşım: Ateş Böceği Algoritması, Çukurova Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 33(1): 87-96, 2018.
• Doğru A.S., Temel B., Eren T. (2019). Kablosuz Sensör Ağlarında Konum Belirlemede Parçacık Sürü Optimizasyonu ve Yarasa Algoritması Yöntemlerinin Karşılaştırılması, Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, 11(3): 793-801, 2019
• Ekinci S. (2015). Power system stabilizer design for multi-machine power system using bat search algorithm, Sigma Mühendislik ve Fen Bilimleri Dergisi, 33(4): 627-637, 2015.
• Eren T., (2019). Conditions for Unique Localizability in Cooperative Localization of Wireless ad hoc and Sensor Networks. Cooperative Localization and Navigation: Theory, Research, and Practice: 31-48. Gao, C. (Ed.), Zhao, G. (Ed.), Fourati, H. (Ed.). Boca Raton: CRC Press.
• Eren T, The effects of random geometric graph structure and clustering on localizability of sensor networks, International Journal of Distributed Sensor Networks, vol. 13, no.12, pp. 1-14, 2017.
• Eren T, Graph invariants for unique localizability in cooperative localization of wireless sensor networks: rigidity index and redundancy index, Ad Hoc Networks, vol. 44, pp. 32-45, 2016.
• Eren T, “Cooperative localization in wireless ad hoc and sensor networks using hybrid distance and bearing (angle of arrival) measurements” EURASIP Journal on Wireless Communications and Networking 2011, 2011:72.
• Eren T, Goldenberg DK, Whiteley W et al. Rigidity, computation, and randomization in network localization. In Proceedings of the 2004 International Annual Joint Conference of the IEEE Computer and Communications Societies (INFOCOM 2004). Hong Kong, pp. 2673–2684.
• Gandomi, A. H., Yang, X.S. & Alavi, A. H. (2011). Mixed variable structural optimization using Firefly Algorithm, Computer and Structres, pp. 2325-2336, 2011.
• Karaboğa, D. (2004). Yapay Zeka Optimizasyon Algoritmaları. Nobel Yayın Dağıtım, 2004.
• Kennedy, J. & Eberhart, R. (1995). Particle swarm optimization, Nat. Comput. Ser., pp. 97–102, 1995.
• Keskintürk T. (2006). Diferansiyel Gelişim Algoritması, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 5(9):85-99, 2006.
• Kızılkaplan E., Eren T., Yalçınkaya F. (2020). Kablosuz Sensör Ağlarında Konum Belirlemede Sezgisel Algoritmaların Kuantum Davranışları ile Karşılaştırılması, International Journal of Engineering Research and Development, 12 (2), 587-602. DOI: 10.29137/umagd.746589.
• Kurtulmuş, C. (2019). Diferansiyel Gelişim Algoritması İle Kardinalite Kısıtlı Portföy Optimizasyonu, Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstatistik, 2019.
• Kulkarni, R. V., Venayagamoorthy, G. K. & Cheng, M. X. (2009). Bio-inspired node localization in wireless sensor networks, Conf. Proc. - IEEE Int. Conf. Syst. Man Cybern., no. October, pp. 205–210, 2009.
• Kulkarni, R. V. & Venayagamoorthy, G. K. (2010). Bio-inspired algorithms for autonomous deployment and localization of sensor nodes, IEEE Trans. Syst. Man Cybern. Part C Appl. Rev., vol. 40, no. 6, pp. 663–675, 2010.
• Kulkarni, R. V. & Venayagamoorthy, G. K. (2011). Particle swarm optimization in wireless-sensor networks: A brief survey, IEEE Trans. Syst. Man Cybern. Part C Appl. Rev., vol. 41, no. 2, pp. 262–267, 2011.
• Kumar, A., Khosla, A, Saini, J. S. & Singh, S. (2012). Computational intelligence based algorithm for node localization in Wireless Sensor Networks, IS’2012 - 2012 6th IEEE Int. Conf. Intell. Syst. Proc., pp. 431–438, 2012.
• Li, D., & Wen, X. b. (2015). An Improved PSO Algorithm for Distributed Localization in Wireless Sensor Networks. International Journal of Distributed Sensor Networks. Vol 2015. doi:10.1155/2015/970272
• Lv, J., Cui, H. & Yang, M. (2012). Distribute localization for wireless sensor networks using particle swarm optimization, ICSESS 2012 - Proc. 2012 IEEE 3rd Int. Conf. Softw. Eng. Serv. Sci., pp. 355–358, 2012.
• Namin, P. H. & Tinati, M. A. (2011). Node localization using Particle Swarm Optimization, Proc. 2011 7th Int. Conf. Intell. Sensors, Sens. Networks Inf. Process. ISSNIP 2011, pp. 288–293, 2011.
• Özsağlam, Y. & Çunkaş, M. (2008). Optimizasyon Problemlerinin Çözümü için Parçacık Sürü Optimizasyonu Algoritması, Politek. Derg., vol. 11, no. 4, pp. 299–305, 2008.
• Patwari N, Ash JN, Kyperountas S et al. Locating the nodes: cooperative localization in wireless sensor networks. IEEE Signal Processing Magazine July 2005; 22(4): 54–69.
• Shieh, C. S., Sai, V. O., Lin, Y. C., Lee, T. F., Nguyen, T. T. & Le, Q. D. (2016). Improved node localization for WSN using heuristic optimization approaches, Proc. - 2016 Int. Conf. Netw. Netw. Appl. NaNA 2016, no. 4, pp. 95–98, 2016.
• Storn, R. & Price, K. (1997). Differential Evolution – A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces, Journal of Global Optimization, 11: 341-359, 1997.
• Wymeersch H, Lien J and Win M. Cooperative localization in wireless networks. Proceedings of the IEEE 2009; 97(2):427–450.
• Yang, X. S. (2010). A New Metaheuristic Bat-Inspired Algorithm, Nature Inspired Cooperative Strategies for Optimization (NICSO 2010), 284, 65-74, 2010.
• Yang, X. S. (2008). Nature-Inspired Metaheuristic Algorithms, Luniver Press, 2008.
• Zhang, Q., Wang, J., Jin, C., Ye, J., Changlin, M., & Zhang, W. (2008). Genetic algorithm based wireless sensor network localization, Proc. - 4th Int. Conf. Nat. Comput. ICNC 2008, vol. 1, no. 2007, pp. 608–613, 2008. doi: 10.1109/ICNC.2008.206