Nghiên cứu giải pháp tối ưu hóa hiệu quả sử dụng năng lượng trong mạng cảm biến

Nội dung bản trích yếu Mục đích, đối tượng và phạm vi nghiên cứu của luận án Nghiên cứu giải pháp tối ưu hóa sử dụng năng lượng trong mạng cảm biến nhằm tối ưu hóa mục tiêu mạng đồng thời đảm bảo duy trì hoạt động của mạng cảm biến là một bài toán cần thiết và rất phổ biến khi ứng dụng mạng cảm biến trong thực tế. Nghiên cứu phát triển giải pháp tối ưu hóa năng lượng cần có công cụ chuyên dụng mô phỏng, giám sát quá trình năng lượng của mạng cảm biến và phát triển thuật toán tối ưu hóa. Luận án trình bày việc phát triển nền tảng mô phỏng mạng cảm biến liên quan đến năng lượng, phát triển thuật toán tối ưu hóa để tối ưu hiệu quả sử dụng năng lượng trong mạng nhằm đảm bảo năng lượng hoạt động cho mạng cảm biến. Qua đó luận án thực hiện phương pháp giải bài toán tối ưu hóa lịch trình mạng với sự kết hợp giữa nền tảng mô phỏng năng lượng và thuật toán tối ưu hóa hiệu quả sử dụng năng lượng trong mạng cảm biến cho lớp bài toán ứng dụng. Các phương pháp nghiên cứu đã sử dụng Các phương pháp nghiên cứu của luận án bao gồm: nghiên cứu lý thuyết, mô phỏng và thực nghiệm. Về phương diện lý thuyết: Luận án đi sâu phân tích các yếu tố liên quan đến năng lượng cũng như quá trình năng lượng của các nút mạng. Từ đó, luận án đề xuất các giải pháp cho vấn đề được đặt ra của đề tài. Về phương diện thực nghiệm: Các kỹ thuật và giải pháp được phân tích và thực hiện về mặt lý thuyết được kiểm chứng qua việc thực nghiệm và mô phỏng trên máy tính. Các thử nghiệm được thực hiện trên mô phỏng cho thấy khả năng ứng dụng của đề xuất. Sự kết hợp và hỗ trợ giữa nền tảng mô phỏng năng lượng của mạng cảm biến và thuật toán tối ưu hóa trong việc giải bài toán tối ưu hóa lịch trình mạng nhằm tối ưu hóa mục tiêu mạng đồng thời đảm bảo năng lượng duy trì hoạt động mạng đạt được hiệu quả. Các kết quả chính của luận án Luận án có hai đóng góp chính như sau: Đề xuất và thực hiện phát triển nền tảng mô phỏng mạng cảm biến có xét đến yếu tố sử dụng năng lượng. Phát triển biến thể mới thuật toán di truyền ứng dụng vào tối ưu hóa lịch trình hoạt động của mạng cảm biến. Kết luận của luận án Luận án đã đi sâu nghiên cứu, phân tích các kỹ thuật và giải pháp năng lượng cho mạng cảm biến. Từ đó, luận án đề xuất các kỹ thuật và giải pháp nhằm tối ưu hóa hiệu quả sử dụng năng lượng trong mạng cảm biến. Luận án thực hiện phát triển, xây dựng nền tảng mô phỏng mạng cảm biến với mối quan tâm đặc biệt về năng lượng, nền tảng có khả năng tính toán, mô phỏng, giám sát quá trình năng lượng và mức tiêu thụ năng lượng trong từng chế độ hoạt động của từng nút mạng. Nền tảng hỗ trợ đắc lực trong giải các bài toán tối ưu hóa năng lượng của mạng cảm biến. Bên cạnh đó, luận án đề xuất phát triển biến thể mới của thuật toán di truyền với nhiễm sắc thể có chiều dài thay đổi cho bài toán tối ưu hóa lịch trình mạng. Luận án đã kết hợp giữa nền tảng mô phỏng năng lượng mạng cảm biến và thuật toán tối ưu hóa lịch trình mạng để tìm ra lịch trình nhằm tối ưu hóa mục tiêu mạng với các ràng buộc đồng thời đảm bảo năng lượng duy trì hoạt động mạng cảm biến. Các đề xuất được triển khai, đánh giá trên thực nghiệm, mô phỏng và so sánh với các nghiên cứu đã có.

LỜI CAM ĐOAN Tôi xin cam đoan kết trình bày luận án cơng trình nghiên cứu hướng dẫn thầy hướng dẫn Luận án thực hoàn toàn thời gian nghiên cứu sinh trường Đại học Bách khoa Hà Nội Các kết quả, số liệu trình bày luận án hoàn toàn trung thực chưa cơng bố cơng trình trước Các kết sử dụng tham khảo từ cơng trình cơng bố trích dẫn cách rõ ràng theo quy định Hà Nội, ngày tháng năm 2022 NGƯỜI HƯỚNG DẪN KHOA HỌC NGHIÊN CỨU SINH LỜI CẢM ƠN Trong trình thực đề tài “Nghiên cứu giải pháp tối ưu hóa hiệu sử dụng lượng mạng cảm biến”, nhận nhiều quan tâm, giúp đỡ tạo điều kiện Ban Giám hiệu, tập thể lãnh đạo, phòng đào tạo, phòng ban chức năng, cán bộ, chuyên viên trường Đại học Bách khoa Hà Nội Tôi xin bày tỏ lời cảm ơn chân thành quan tâm giúp đỡ đầy q báu Tơi xin chân thành cảm ơn Ban lãnh đạo Viện nghiên cứu, nhà khoa học cán Viện nơi nghiên cứu tạo điều kiện, giúp đỡ động viên tơi suốt q trình nghiên cứu hồn thành luận án Tơi xin bày tỏ lịng biết ơn sâu sắc tới thầy hướng dẫn người trực tiếp hướng dẫn, bảo, theo sát động viên tơi suốt q trình thực nghiên cứu để tơi hồn thành luận án Tơi xin chân thành cảm ơn Ban lãnh đạo quan nơi công tác đồng nghiệp, bạn bè tạo điều kiện giúp đỡ suốt trình thực luận án Tơi xin chân thành cảm ơn gia đình tơi ln động viên, khích lệ, tạo điều kiện giúp đỡ suốt q trình thực hồn thành luận án Tơi xin chân thành cảm ơn! Tác giả luận án MỞ ĐẦU Động lực nghiên cứu Mạng cảm biến tập hợp phân tán nút nhỏ có khả phối hợp hoạt động linh hoạt với nhau, cần tham gia người dùng Do có nhiều đặc điểm, tính vượt trội phát triển công nghệ không dây nên mạng cảm biến không dây gần áp dụng rộng rãi nhiều lĩnh vực điều tiết giao thông, tự động hóa tịa nhà, an ninh, qn sự, y tế, nông nghiệp, giám sát thương mại, giám sát cháy rừng, giám sát sinh thái,… Tuy nhiên, hạn chế lớn mạng cảm biến không dây nguồn lượng Các nút cảm biến khơng dây có nguồn cung cấp mang theo pin với dung lượng hạn chế Pin cạn kiệt nút cảm biến ngừng hoạt động dẫn đến mạng vùng phủ sóng chức mạng suy giảm, làm giảm chất lượng, phá vỡ cấu trúc mạng, vùng phủ sóng… dẫn đến mạng khơng cịn tồn nhiều nút bị hết lượng Điều có nghĩa lượng liên quan ảnh hưởng trực tiếp đến vấn đề lại mạng cảm biến Vì việc đảm bảo lượng trì hoạt động mạng vấn đề lớn triển khai ứng dụng mạng cảm biến Các giải pháp lượng cho mạng cảm biến không dây xem xét theo cấp độ nút mạng Cấp độ nút gồm giải pháp phát triển kỹ thuật phần cứng, phần mềm điều khiển tiết kiệm lượng, thu lượng từ môi trường cấp cho nút Các giải pháp cấp độ mạng phát triển giao thức tổ chức mạng, giao thức định tuyến, truyền thông, chế lập lịch hoạt động tối ưu cho mạng Các giải pháp góp phần đáng kể việc tiết kiệm, thu thập bổ sung lượng cải thiện tuổi thọ mạng cảm biến Tuy nhiên, giải pháp cấp độ nút phụ thuộc vào nhiều yếu tố công nghệ khách quan không gian, thời gian, thời tiết,… Các giải pháp cấp độ mạng phải tiêu hao nhiều lượng việc thực giao thức tổ chức mạng chế lập lịch Như điều chưa đủ cho mục tiêu hoạt động nút cảm biến tồn mạng dài hạn Vì vấn đề lượng mạng cảm biến không dây cần nghiên cứu phát triển Hơn nữa, chế lập lịch hoạt động tối ưu cho mạng chủ yếu giải toán đơn lẻ xác định chưa xem xét đến trình lượng chế độ hoạt động nút mạng Trong đó, tối ưu hóa mạng cảm biến cho lớp toán ứng dụng toán tối ưu hóa tổ hợp đa mục tiêu, nhiều ràng buộc đa dạng, phong phú phức tạp đan xen Đây lớp tốn phức tạp, địi hỏi đảm bảo mục tiêu yêu cầu mạng đồng thời cần xem xét đến trình mức tiêu thụ lượng chế độ nút mạng để đảm bảo mạng hoạt động ổn định lâu dài Ứng dụng mạng cảm biến không dây tự động hóa tịa nhà tốn điển hình có nhiều mục tiêu, u cầu phức tạp liên quan đến lượng cần nghiên cứu để đưa giải pháp tối ưu Đề xuất phạm vi nghiên cứu Trước vấn đề thực tế định hướng thầy giáo hướng dẫn Luận án đề xuất nghiên cứu phát triển giải pháp tối ưu hóa hiệu sử dụng lượng mạng cảm biến Nghiên cứu mạng cảm biến hoạt động ổn định lâu dài nhờ giải pháp tối ưu hóa sử dụng lượng đồng thời hỗ trợ giải pháp lượng sẵn có hiệu Để thực cơng việc nghiên cứu cần có cơng cụ chun dụng mơ phỏng, giám sát q trình lượng mạng cảm biến phát triển thuật tốn tối ưu hóa Luận án trình bày việc phát triển tảng mô mạng cảm biến liên quan đến lượng, phát triển thuật tốn tối ưu hóa để tối ưu hiệu sử dụng lượng mạng nhằm đảm bảo lượng hoạt động cho mạng cảm biến Qua luận án thực phương pháp giải tốn tối ưu hóa lịch trình mạng với kết hợp tảng mô lượng thuật tốn tối ưu hóa hiệu sử dụng lượng mạng cảm biến cho lớp toán ứng dụng Đóng góp luận án Luận án có hai đóng góp việc đưa giải pháp tối ưu hóa hiệu sử dụng lượng nhằm đảm bảo trì hoạt động cho mạng cảm biến: (1) Luận án nghiên cứu, đề xuất phát triển tảng mơ mạng cảm biến tính đến yếu tố lượng Nền tảng phát triển có khả mơ mạng q trình lượng, trạng thái mức tiêu thụ lượng chế độ hoạt động nút Việc giúp mô giám sát hỗ trợ điều phối lượng cho mạng giải tốn tối ưu hóa sử dụng lượng mạng cảm biến (2) Luận án đề xuất phát triển biến thể thuật toán di truyền với nhiễm sắc thể có chiều dài thay đổi (VLC-GA) cho tốn tối ưu hóa lịch trình mạng nhằm tối ưu hóa sử dụng lượng cho mạng đồng thời tối ưu hóa mục tiêu mạng với ràng buộc Bài tốn tối ưu hóa giải thơng qua tối ưu hóa lịch trình mạng giải thuật di truyền biến thể với hỗ trợ tảng mơ tính đến yếu tố lượng Sau đó, kết lịch trình tối ưu cài đặt cho mạng thực hoạt động Cấu trúc luận án Phần “Mở đầu” trình bày lý lựa chọn đề tài, mục tiêu phạm vi nghiên cứu luận án Chương giới thiệu, đặt vấn đề, phân tích nhu cầu lượng mạng cảm biến thách thức Từ đưa hướng tiếp cận đề xuất nghiên cứu Chương đề cập, phân tích số nghiên cứu liên quan đến vấn đề lượng mạng cảm biến số kết công bố nghiên cứu sử dụng trình thực luận án Chương trình bày đề xuất phát triển tảng mơ mạng cảm biến tính đến yếu tố lượng Chương trình bày đề xuất phát triển biến thể giải thuật di truyền cho tốn tối ưu hóa lịch trình mạng Phần kết luận trình bày tóm tắt đóng góp luận án hướng phát triển MỤC LỤC MỞ ĐẦU DANH MỤC CHỮ VIẾT TẮT SỬ DỤNG TRONG LUẬN ÁN DANH MỤC CÁC KÝ HIỆU SỬ DỤNG TRONG LUẬN ÁN DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Chương Giới thiệu Đặt vấn đề 1.2 Mạng cảm biến không dây nhu cầu lượng 1.2.1 Mạng cảm biến không dây 1.2.2 Nhu cầu lượng mạng cảm biến thách thức 1.3 Hướng tiếp cận phương pháp nghiên cứu 1.4 Các nghiên cứu đề xuất Chương Các nghiên cứu liên quan 2.1 Nguồn lượng dự trữ nút cảm biến Thu lượng từ môi trường cho cảm biến 2.3 2.4 2.5 2.2.1 Phương pháp thu lượng mặt trời 2.2.2 Phương pháp thu lượng từ rung động học 2.2.3 Phương pháp thu lượng nhiệt 2.2.4 Phương pháp thu lượng RF Giải pháp tiết kiệm lượng cho nút cảm biến 2.3.1 Kiến trúc chế độ làm việc linh hoạt nút tiết kiệm lượng 2.3.2 Cảm biến tiêu thụ công suất thấp Các nghiên cứu tối ưu hóa sử dụng lượng cho mạng cảm biến 2.4.1 Các nghiên cứu phát triển thuật toán giao thức định tuyến 2.4.2 Các phương pháp tối ưu hóa Mô mạng cảm biến 2.5.1 Phần mềm mô NS: 2.5.2 Phần mềm mô SENS 2.6 2.5.3 Phần mềm mô OMNeT ++: 2.5.4 Phần mềm mô OPNET 2.5.5 Phần mềm mô J-Sim 2.5.6 Phần mềm mô SENSE Kết luận chương Chương Thiết kế triển khai tảng mô mạng cảm biến khơng dây có tính đến yếu tố lượng 3.1 3.2 3.4 Thiết kế chức tảng mô 3.1.1 Chức tảng mô 3.1.2 Chức thiết lập mạng 3.1.3 Chức thiết lập mơi trường đặt mạng 3.1.4 Chức chạy chương trình mô Phát triển tảng mô mạng cảm biến 3.2.1 Mơ hình nút cảm biến 3.2.2 Các lớp đối tượng 3.2.3 Cơ chế hoạt động Phát triển thư viện mô đun cho tảng mô 3.3.1 Phát triển mô đun pin 3.3.2 Phát triển mô đun nguồn lượng 3.3.3 Phát triển mô đun truyền thông 3.3.4 Phát triển mô đun cảm biến Kết thử nghiệm với tảng mô 3.4.1 Kết thử nghiệm mô pin 3.4.2 Kết thực nghiệm phục vụ kiểm nghiệm tính đắn tảng mô lượng tiêu thụ nút mạng 3.4.3 Kết mô giám sát mức lượng nút cảm biến mạng 3.4.4 Kết mô trình lượng nút hoạt động độc lập khơng có truyền thơng 3.4.5 Kết mô truyền thông theo chế quảng bá 3.4.6 Kết mô truyền thông mạng theo cấu trúc 3.4.7 Kết mơ q trình lượng nút mạng với hoạt động đo, truyền thông thu thập lượng 3.5 Kết luận chương Chương Tối ưu hóa lịch trình mạng cảm biến .14 Một số chế lập lịch nhằm tiết kiệm lượng mạng cảm biến 4.1.1 Cơ chế lập lịch mạng không phân cấp 4.1.2 Cơ chế lập lịch cho mạng cảm biến phân cấp 4.1.3 Cơ chế lập lịch hợp tác dựa giao tiếp 4.2 Đặt vấn đề cho tốn tối ưu hóa lịch trình mạng cảm biến 4.3 Tổng quan thuật toán di truyền Tối ưu hóa lịch trình mạng cảm biến sử dụng thuật tốn di truyền với nhiễm sắc thể có chiều dài cố định 4.4.1 Mơ hình hóa tốn tối ưu hóa lịch trình mạng cảm biến sử dụng thuật tốn di truyền với nhiễm sắc thể có chiều dài cố định 4.4.2 Kết tảng mơ tính đến yếu tố lượng 54 Tối ưu hóa lịch trình mạng sử dụng thuật toán di truyền với nhiễm sắc thể có chiều dài thay đổi 4.5.1 Mơ hình hóa tốn tối ưu hóa lịch trình mạng cảm biến sử dụng thuật toán di truyền với nhiễm sắc thể có chiều dài thay đổi 4.6 4.5.2 Giải tốn tối ưu hóa lịch trình mạng 4.5.3 Kết thử nghiệm với nút cảm biến 4.5.4 Kết thử nghiệm với nhiều nút cảm biến Kết luận chương Kết luận hướng phát triển Danh mục cơng trình công bố luận án Tài liệu tham khảo DANH MỤC CHỮ VIẾT TẮT SỬ DỤNG TRONG LUẬN ÁN Chữ viết tắt Nghĩa tiếng Anh Nghĩa tiếng Việt Developed Distributed Energy Efficient Clustering Distributed Energy Efficient Clustering Flexible Length ChromosomeGenetic Algorithms Bộ chuyển đổi tín hiệu tương tự sang số Phân cụm lượng phân tán hiệu phát triển Phân cụm lượng phân tán hiệu Giải thuật di truyền với nhiễm sắc thể có chiều dài cố định GAs Genetic Algorithms Giải thuật di truyền JSIM Java-based simulation LEACH Low Energy Adaptive Clustering Hierarchy Nền tảng mô dựa Java Giao thức phân cấp theo cụm thích ứng lượng thấp MAC Media Access Control Giao thức kiểm soát đa truy cập MCU Micro Controler Unit Bộ vi điều khiển NS2 Network Simulator version2 Mô mạng phiên NS3 Network Simulator version3 Mô mạng phiên Network Based Environment for Modelling and Simulation Optical Micro-Networks Plus Plus Optimized Network Engineering Tools Mơi trường mạng cho mơ hình hóa mơ ADC DDEEC DEEC FLC-GA NETSIM OMNET++ Analog to Digital Converter Nền tảng mô mạng PSM Power Save Mode PTIP Periodic Terminal Initiated Polling Bộ công cụ mô kỹ thuật mạng tối ưu hóa Giao thức chế độ tiết kiệm lượng Giao thức thăm dò định kỳ thiết bị đầu cuối RMSE Root Mean Square Error Sai số bình quân phương SEP Stable Election Protocol Giao thức lựa chọn ổn định Sensor, Environment and Network Simulator SEnsor Network Simulator and Emulator Trình mơ giả lập mạng cảm biến State Of Charge Trạng thái sạc OPNET SENS SENSE SOC Trình mơ mạng cảm biến VLC-GA Variable Length Chromosome – Genetic Algorithms Giải thuật di truyền với nhiễm sắc thể có chiều dài thay đổi DANH MỤC CÁC KÝ HIỆU SỬ DỤNG TRONG LUẬN ÁN Ký hiệu BS BI BM BC BFV Δ P(Δ) q τ q C( k) q1 q Ci ( k ) mij ( k ) Ý Nghĩa Biến chọn chế độ ngủ cho nút Biến chọn chế độ chờ cho nút Biến chọn chế độ đo lường cho nút Biến chọn chế độ truyền thông cho nút Giá trị hàm mục tiêu tốt Sai số phép đo Xác suất sai số Lịch trình mạng Lịch trình nút i Độ dài dãy trạng thái lịch trình nút i Chế độ trạng thái j nút i Thời điểm bắt đầu trạng thái j nút i Chế độ hoạt động với mức tiêu thụ điện cao Chế độ ngủ có mức tiêu thụ lượng thấp Cá thể quần thể lịch trình Lịch trình mạng quần thể lịch trình Đoạn gen tương ứng lịch trình nút lịch trình mạng Trạng thái nút cá thể Thời gian trạng thái nút cá thể Khoảng thời gian cố định lịch trình FLC-GA Nhiễm sắc thể cá thể hệ Đoạn gen nhiễm sắc thể cá thể q1 thể hệ k tương ứng lịch trình nút i Trạng thái nút cá thể hệ ρ MC Xác suất phép chép gen ρ MI Xác suất phép chèn gen ρ MR Xác suất phép loại bỏ gen ρ MS Xác suất phép dịch chuyển gen η T% ∆τ i Ls Ls Qmin Qmax Tổng phép đo Thời gian cạn pin Chênh lệch thời gian hai lần đo liên tiếp Mức pin ban đầu ngày Mức pin cuối ngày Dung lượng nhỏ ngày Dung lượng lớn ngày ΔQ Δtmax Mức giảm dung lượng so với mức ban đầu tính chu kỳ mơ Thời gian lớn hai lần đo liên tiếp tính chu kỳ mơ DANH MỤC CÁC BẢNG Bảng 2.1.Ví dụ đa dạng pin NI-MH Bảng 2.2 Đặc điểm số nút cảm biến thu lượng mặt trời Bảng 2.3 Một số thiết bị thu lượng rung động Bảng 2.4 Đặc điểm số nút thu lượng nhiệt khác Bảng 2.5 Mức lượng thu từ số nguồn RF Bảng 2.6 So sánh số phương pháp thu lượng Bảng 2.7 Mức tiêu thụ chế độ hoạt động số nút cảm biến Bảng 2.8 Mức tiêu thụ số cảm biến giám sát lượng Bảng 3.1 Định thời gian chế độ hoạt động theo chu kỳ Bảng 3.2 Kết đo công suất tiêu thụ nút 10 lần thực nghiệm ngẫu nhiên Bảng 3.3 So sánh kết lượng thực nghiệm mô Bảng 3.4 Các thông số ban đầu lượng cho nút Bảng 3.5 Số liệu trình hoạt động nút Bảng 4.1 Tham số nút mạng kịch Bảng 4.2 Kết mơ mạng theo lich trình tối ưu ngày Bảng 4.3 Các thơng số nút cảm biến Bảng 4.4 Các tham số sử dụng VLC-GA Bảng 4.5 Kết lần chạy thuật toán trường hợp Bảng 4.6 Kết tối ưu hóa mạng VLC-GA FLC-GA 10 Danh mục cơng trình cơng bố luận án A variable-length chromosome genetic algorithm for time-based sensor network schedule optimization, Sensors (Special Issue: Dependability of Wireless Sensor Networks), MDPI, ISSN: 1424-8220, vol 21, no 12, 6-2021, DOI: 10.3390/s21123990 (ISI-Q1: Web of Science) Sensor Network Scheduling for Energy Efficiency using a Simulation-based Genetic Algorithm with Variable-Length Chromosome, GMSARN International Journal, no.16, pp 247-255 (đã chấp nhận đăng- Scopus) Ứng dụng giải thuật di truyền cho tối ưu lịch trình mạng cảm biến khơng dây theo thời gian, Tạp chí Khoa học cơng nghệ trường đại học kỹ thuật, ISSN: 2734-9381, vol 149, no 2, pp 29-34, 4-2021 Thiết kế, chế tạo nút cảm biến có khả tùy biến phục vụ nghiên cứu, phát triển tảng mô mạng cảm biến, Tạp chí khoa học cơng nghệ trường đại học cơng nghiệp hà nội, ISSN: 1859-3585, tập 56-số 4, pp 26-30, 8-2020 Bộ cơng cụ mơ mạng cảm biến có tính tới yếu tố lượng, Chuyên san Đo lường, Điều khiển Tự động hóa, ISSN 1859-0551, 22, số 1, pp: 5057, 4-2019 Khảo sát lượng tiêu thụ truyền thông mạng cảm biến không dây tảng mơ tính đến yếu tố lượng, Hội nghị VCCA-2021, dự kiến tổ chức vào 11-2021 (Đã chấp nhận) Design and Implementation of an Energy Simulation Platform for Wireless Sensor Networks, 2020 International Conference on Multimedia Analysis and Pattern Recognition (MAPR), 10-2020 Mô mạng cảm biến không dây hoạt động lượng mặt trời, Hội nghị VCCA-2019, ISBN 978-604-95-0875-2, 9-2019 145 Danh mục cơng trình cơng bố có liên quan đến luận án High capacity encoding chipless RFID tag based on multi branch H-shaped resonator for sensing application, Proceedings of the 2018 Vietnam- Japan international symposium on antennas and propagation (VJISAP 2018), 1-2018, pp 117-123 Multi-bit encoded H-shaped resonator for UWB chipless RFID application, Proceedings of the 2017 Vietnam - Japan Microwave (VJMW2017), 6-2017, pp 116-120 146 Tài liệu tham khảo [1] Jang, T., Kim, G., Kempke, B., Henry, M B., Chiotellis, N., Pfeiffer, C., & Blaauw, D (2017) Circuit and system designs of ultra-low power sensor nodes with illustration in a miniaturized GNSS logger for position tracking: Part I—Analog circuit techniques IEEE Transactions on Circuits and Systems I: Regular Papers, 64(9), 2237-2249 [2] Seah, W K., Eu, Z A., & Tan, H P (2009, May) Wireless sensor networks powered by ambient energy harvesting (WSN-HEAP)-Survey and challenges In 2009 1st International Conference on Wireless Communication, Vehicular Technology, Information Theory and Aerospace & Electronic Systems Technology (pp 1-5) IEEE [3] Nacef, A B., Senouci, S M., Ghamri-Doudane, Y., & Beylot, A L (2011, June) A cooperative low power mac protocol for wireless sensor networks In 2011 IEEE International Conference on Communications (ICC) (pp 1-6) IEEE [4] Brini, O., Deslandes, D., & Nabki, F (2018, June) A model-based approach for the design of ultra-low power wireless sensor nodes In 2018 16th IEEE International New Circuits and Systems Conference (pp 248251) IEEE [5] Babusiak, B., Smondrk, M., & Borik, S (2019, July) Design of Ultra-LowEnergy temperature and humidity sensor based on nRF24 wireless technology In 2019 42nd International Conference on Telecommunications and Signal Processing (TSP) (pp 397-401) IEEE [6] Lee, Y., Blaauw, D., & Sylvester, D (2016) Ultralow power circuit design for wireless sensor nodes for structural health monitoring Proceedings of the IEEE, 104(8), 1529-1546 [7] Enz, C C., El-Hoiydi, A., Decotignie, J D., & Peiris, V (2004) WiseNET: an ultralow-power wireless sensor network solution Computer, 37(8), 62-70 [8] Park, C., & Chou, P H (2006, September) Ambimax: Autonomous energy harvesting platform for multi-supply wireless sensor nodes In 2006 3rd annual IEEE communications society on sensor and ad hoc communications and networks (Vol 1, pp 168-177) IEEE [9] Sharma, H., Haque, A., & Jaffery, Z A (2018) Solar energy harvesting wireless sensor network nodes: A survey Journal of Renewable and Sustainable Energy, 10(2), 023704 [10] Tan, Y K., & Panda, S K (2010) Energy harvesting from hybrid indoor ambient light and thermal energy sources for enhanced performance of wireless sensor nodes IEEE Transactions on Industrial Electronics, 58(9), 4424-4435 [11].Mouapi, A., & Hakem, N (2018) A new approach to design autonomous wireless sensor node based on RF energy harvesting system Sensors, 18(1), 133 147 [12] Camilo, T., Carreto, C., Silva, J S., & Boavida, F (2006, September) An energy-efficient ant-based routing algorithm for wireless sensor networks In International workshop on ant colony optimization and swarm intelligence (pp 49-59) Springer, Berlin, Heidelberg [13] Xie, P., & Cui, J H (2007, August) R-MAC: An energy-efficient MAC protocol for underwater sensor networks In International Conference on Wireless Algorithms, Systems and Applications (WASA 2007) (pp 187-198) IEEE [14] Fu, C., Jiang, Z., Wei, W E I., & Wei, A (2013) An energy balanced algorithm of LEACH protocol in WSN International Journal of Computer Science Issues (IJCSI), 10(1), 354 [15] Kandasamya, C A., & Yaminib, S (2012) Energy-Efficient Protocol for Wireless Sensor Networks Journal of Computer Applications (JCA), 5(2) [16] Depedri, A., Zanella, A., & Verdone, R (2003) An energy efficient protocol for wireless sensor networks Proc AINS, 1-6 [17] Cheng, M X., & Gong, X (2011) Maximum lifetime coverage preserving scheduling algorithms in sensor networks Journal of Global Optimization, 51(3), 447-462 [18] Incel, O D., Ghosh, A., & Krishnamachari, B (2011) Scheduling algorithms for tree-based data collection in wireless sensor network In Theoretical aspects of distributed computing in sensor networks (pp 407445) Springer, Berlin, Heidelberg [19] Sohraby, K., Minoli, D., & Znati, T (2007), Wireless sensor networks: technology, protocols, and applications, John wiley & sons [20] Sharma, D N., & Kaur, S (2015), Overview of Various Routing Protocols in Wireless Sensor Networks Journal of Network Communications and Emerging Technologies (JNCET) Volume, [21] Matin, M A (Ed.) (2012), Wireless sensor networks: Technology and protocols BoD–Books on Demand [22] Agarwal, Yuvraj, and Thomas Weng (2012), From buildings to smart buildings-sensing and actuation to improve energy efficiency IEEE Design & Test of Computers, no 4, 36-44 [23] Othman, M F., & Shazali, K (2012) Wireless sensor network applications: A study in environment monitoring system Procedia Engineering, 41, 1204-1210 [24] Nagaraj, S., & Biradar, R V (2017, August) Applications of wireless sensor networks in the real-time ambient air pollution monitoring and air quality in metropolitan cities—a survey In 2017 International Conference On Smart Technologies For Smart Nation (SmartTechCon) (pp 1393-1398) IEEE [25] Al Ameen, M., Liu, J., & Kwak, K (2012) Security and privacy issues in wireless sensor networks for healthcare applications Journal of medical systems, 36(1), 93-101 148 [26] Ali, N S., Alkaream Alyasseri, Z A., & Abdulmohson, A (2018) Real-time Heart Pulse Monitoring Technique Using Wireless Sensor Network and Mobile Application International Journal of Electrical & Computer Engineering (2088-8708), [27] SHAMS, R., KHAN, M U., & SIDDIQUE, M A (2018) Building automation (IoT) by WSN Journal of Information Communication Technologies and Robotic Applications, 17-28 [28] Pirbhulal, S., Zhang, H., E Alahi, M E., Ghayvat, H., Mukhopadhyay, S C., Zhang, Y T., & Wu, W (2017) A novel secure IoT-based smart home automation system using a wireless sensor network Sensors, 17(1), 69 [29] Zhou, Y., Yang, X., Guo, X., Zhou, M., & Wang, L (2007, September) A design of green house monitoring & control system based on ZigBee wireless sensor network In 2007 International Conference on Wireless Communications, Networking and Mobile Computing (pp 2563-2567) IEEE [30] Magno, M., Polonelli, T., Benini, L., & Popovici, E (2014) A low cost, highly scalable wireless sensor network solution to achieve smart LED light control for green buildings IEEE Sensors Journal, 15(5), 2963-2973 [31] Huang, Q., & Mao, C (2017) Occupancy estimation in smart building using hybrid CO2/light wireless sensor network Journal of Applied Sciences and Arts, 1(2), [32] Vieira, M A M., Coelho, C N., Da Silva, D C., & da Mata, J M (2003) Survey on wireless sensor network devices In Emerging Technologies and Factory Automation, 2003 Proceedings ETFA'03 IEEE Conference (Vol 1, pp 537-544) IEEE [33] Akyildiz, I F., Su, W., Sankarasubramaniam, Y., & Cayirci, E (2002) Wireless sensor networks: a survey Computer networks, 38(4), 393-422 [34] Mukherjee, N., Neogy, S., & Roy, S (2017), Building wireless sensor networks: theoretical and practical perspectives CRC Press [35] Al-Obaisat, Y., & Braun, R (2007, March) On wireless sensor networks: architectures, protocols, applications, and management [36] Sharma, S., Kumar, D., & Kishore, K (2013) Wireless sensor networks-A review on topologies and node architecture International Journal of Computer Sciences and Engineering, 1(2), 19-25 [37] Callaway Jr, E H (2003), Wireless sensor networks: architectures and protocols CRC press [38] Ok, C S., Lee, S., Mitra, P., & Kumara, S (2009), Distributed energy balanced routing for wireless sensor networks Computers & Industrial Engineering, 57(1), 125-135 [39] Halgamuge, M N., Zukerman, M., Ramamohanarao, K., & Vu, H L (2009) An estimation of sensor energy consumption Progress in Electromagnetics Research, 12, 259-295 [40] Rabaey, J M., Ammer, J., Karalar, T., Li, S., Otis, B., Sheets, M., & Tuan, T (2002) PicoRadios for wireless sensor networks: the next challenge 149 in ultra-low power design In IEEE International Solid-State Circuits Conference, ISSCC 2002 (Vol 1, pp 200-201) [41] El-Hoiydi, A., Decotignie, J D., & Hernandez, J (2004, February) Low power MAC protocols for infrastructure wireless sensor networks In Proceedings of the fifth European wireless conference (pp 563-569) [42] Bernard, T., & Fouchal, H (2012, June) A low energy consumption MAC protocol for WSN In 2012 IEEE International Conference on Communications (ICC) (pp 533-537) IEEE [43] El-Hoiydi, A., & Decotignie, J D (2004, July) WiseMAC: An ultra low power MAC protocol for multi-hop wireless sensor networks In International symposium on algorithms and experiments for sensor systems, wireless networks and distributed robotics (pp 18-31) Springer, Berlin, Heidelberg [44] Chan, C K., Peng, H., Liu, G., McIlwrath, K., Zhang, X F., Huggins, R A., & Cui, Y (2008) High-performance lithium battery anodes using silicon nanowires Nature nanotechnology, 3(1), 31-35 [45] Lam, L (2011) A practical circuit-based model for state of health estimation of li-ion battery cells in electric vehicles Online> http://www eclectic eu/images/MScthesis_LongLamv3 pdf [46] Xuyun, F., & Zechang, S (2008, September) A battery model including hysteresis for State-of-Charge estimation in Ni-MH battery In 2008 IEEE Vehicle Power and Propulsion Conference (pp 1-5) IEEE [47] Tremblay, O., & Dessaint, L A (2009) Experimental validation of a battery dynamic model for EV applications World electric vehicle journal, 3(2), 289-298 [48] Shaikh, F K., & Zeadally, S (2016) Energy harvesting in wireless sensor networks: A comprehensive review Renewable and Sustainable Energy Reviews, 55, 1041-1054 [49] Panatik, K Z., Kamardin, K., Shariff, S A., Yuhaniz, S S., Ahmad, N A., Yusop, O M., & Ismail, S (2016, November) Energy harvesting in wireless sensor networks: A survey In 2016 IEEE 3rd international symposium on Telecommunication Technologies (ISTT) (pp 53-58) IEEE [50] Magno, M., Marinkovic, S., Brunelli, D., Popovici, E., O'Flynn, B., & Benini, L (2012, March) Smart power unit with ultra low power radio trigger capabilities for wireless sensor networks In 2012 Design, Automation & Test in Europe Conference & Exhibition (DATE) (pp 75-80) IEEE [51] Visser, H J., & Vullers, R J (2013) RF energy harvesting and transport for wireless sensor network applications: Principles and requirements Proceedings of the IEEE, 101(6), 1410-1423 [52] Kausar, A Z., Reza, A W., Saleh, M U., & Ramiah, H (2014) Energizing wireless sensor networks by energy harvesting systems: Scopes, challenges and approaches Renewable and Sustainable Energy Reviews, 38, 973-989 150 [53] Basagni, S., Naderi, M Y., Petrioli, C., Spenza, D., Conti, M., Giordano, S., & Stojmenovic, I (2013) Wireless Sensor Networks with Energy Harvesting Mobile ad hoc networking, 1, 701-736 [54] Gilbert, J M., & Balouchi, F (2008) Comparison of energy harvesting systems for wireless sensor networks International Journal of automation and computing, 5(4), 334-347 [55] Chegaar, M., Ouennoughi, Z., Guechi, F., & Langueur, H (2003) Determination of solar cells parameters under illuminated conditions Journal of electron devices, 2(2003), 17-21 [56] López-Lapa, O., Penella, M T., & Gasulla, M (2009) A new MPPT method for low-power solar energy harvesting IEEE Transactions on industrial electronics, 57(9), 3129-3138 [57] Samijayani, O N., Firdaus, H., & Mujadin, A (2017, October) Solar energy harvesting for wireless sensor networks node In 2017 International Symposium on Electronics and Smart Devices (ISESD) (pp 30-33) IEEE [58] Bhuvaneswari, P T V., Balakumar, R., Vaidehi, V., & Balamuralidhar, P (2009, July) Solar energy harvesting for wireless sensor networks In 2009 First International Conference on Computational Intelligence, Communication Systems and Networks (pp 57-61) IEEE [59] Voigt, T., Ritter, H., & Schiller, J (2003, October) Utilizing solar power in wireless sensor networks In 28th Annual IEEE International Conference on Local Computer Networks, 2003 LCN'03 Proceedings (pp 416-422) IEEE [60] Raghunathan, V., Kansal, A., Hsu, J., Friedman, J., & Srivastava, M (2005, April) Design considerations for solar energy harvesting wireless embedded systems In IPSN 2005 Fourth International Symposium on Information Processing in Sensor Networks, 2005 (pp 457-462) IEEE [61] Shaikh, F K., & Zeadally, S (2016) Energy harvesting in wireless sensor networks: A comprehensive review Renewable and Sustainable Energy Reviews, 55, 1041-1054 [62] Mitcheson, Paul D., et al Energy harvesting from human and machine motion for wireless electronic devices Proceedings of the IEEE 96.9 (2008): 1457-1486 [63] Beeby, S P., Torah, R N., Tudor, M J., Glynne-Jones, P., O'donnell, T., Saha, C R., & Roy, S (2007) A micro electromagnetic generator for vibration energy harvesting Journal of Micromechanics and microengineering, 17(7), 1257 [64] Stephen, N G (2006) On energy harvesting from ambient vibration Journal of sound and vibration, 293(1-2), 409-425 [65] Anton, S R., & Sodano, H A (2007) A review of power harvesting using piezoelectric materials (2003–2006) Smart materials and Structures, 16(3), R1 151 [66] Chen, G., Meng, Q., Fu, H., & Bao, J (2013) Development and experiments of a micro piezoelectric vibration energy storage device Mechanical Systems and Signal Processing, 40(1), 377-384 [67] Shenck, N S., & Paradiso, J A (2001) Energy scavenging with shoemounted piezoelectrics IEEE micro, 21(3), 30-42 [68] Lee, J., & Choi, B (2014) Development of a piezoelectric energy harvesting system for implementing wireless sensors on the tires Energy conversion and management, 78, 32-38 [69] Dagdeviren, C., Yang, B D., Su, Y., Tran, P L., Joe, P., Anderson, E., & Lu, B (2014) Conformal piezoelectric energy harvesting and storage from motions of the heart, lung, and diaphragm Proceedings of the National Academy of Sciences, 111(5), 1927-1932 [70] Lu, X., & Yang, S H (2010, October) Thermal energy harvesting for WSNs In 2010 IEEE International Conference on Systems, Man and Cybernetics (pp 3045-3052) IEEE [71] Enescu, D (2019) Thermoelectric energy harvesting: basic principles and applications Green energy advances, [72] Visser, H J., & Vullers, R J (2013) RF energy harvesting and transport for wireless sensor network applications: Principles and requirements Proceedings of the IEEE, 101(6), 1410-1423 [73] Shrestha, S., Noh, S K., & Choi, D Y (2013) Comparative study of antenna designs for RF energy harvesting International Journal of Antennas and Propagation [74] David Jiménez López, Iker Antxustegi-etxearte Atienzar, Powering autonomous sensors by RF harvesting, UPC, September 13th 2013 [75] Lu, X., Wang, P., Niyato, D., Kim, D I., & Han, Z (2015) Wireless networks with RF energy harvesting: A contemporary survey Communications Surveys & Tutorials, IEEE, 17(2), 757-789 [76] Amer, A A G., Sapuan, S Z., Nasimuddin, N., Alphones, A., & Zinal, N B (2020) A comprehensive review of metasurface structures suitable for RF energy harvesting IEEE Access, 8, 76433-76452 [77] Hempstead, M., Tripathi, N., Mauro, P., Wei, G Y., & Brooks, D (2005, June) An ultra low power system architecture for sensor network applications In 32nd International Symposium on Computer Architecture (ISCA'05) (pp 208-219) IEEE [78] Rabaey, J M., Ammer, J., Karalar, T., Li, S., Otis, B., Sheets, M., & Tuan, T (2002) PicoRadios for wireless sensor networks: the next challenge in ultra-low power design In IEEE International Solid-State Circuits Conference, ISSCC 2002 (Vol 1, pp 200-201) [79] Huang, L., Ashouei, M., Yazicioglu, F., Penders, J., Vullers, R., Dolmans, G., & Gyselinckx, B (2009) Ultra-low power sensor design for wireless body area networks: challenges, potential solutions, and applications International Journal of Digital Content Technology and its Applications, 3(3), 136-148 152 [80] Lee, Y., Yoon, D., Kim, Y., Blaauw, D., & Sylvester, D (2013) Circuit and system design guidelines for ultra-low power sensor nodes IPSJ Transactions on System LSI Design Methodology, 6, 17-26 [81] Ahmed, S., Khan, M A., Ishtiaq, A., Khan, Z A., & Ali, M T (2019) Energy harvesting techniques for routing issues in wireless sensor networks International Journal of Grid and Utility Computing, 10(1), 10-21 [82] Sordiashie E (2012) Electromagnetic harvesting to power energy management sensor in built environment Nebraska, UnitedStates: Faculty of the Graduate College, University of Nebraska-Lincoln [83] Al-Karaki, J N., & Kamal, A E (2004) Routing techniques in wireless sensor networks: a survey IEEE wireless communications, 11(6), 6-28 [84] Heinzelman, W B., Chandrakasan, A P., & Balakrishnan, H (2002) An application-specific protocol architecture for wireless microsensor networks IEEE Transactions on wireless communications, 1(4), 660-670 [85] Hung, T C., & Quan, N H (2014) A proposal for improve the life-time of wireless sensor network International Journal of Computer Networks & Communications, 6(5), 59 [86] Thi, P T., Mai, B H., Tuan, N T., & Hung, T C (2017) Improving distributed energy efficient clustering algorithm to save lifetime for heterogeneous WSN International Journal of Computer Networks & Communications, 9(4), 81-96 [87] Smaragdakis, G., Matta, I., & Bestavros, A (2004) SEP: A stable election protocol for clustered heterogeneous wireless sensor networks Boston University Computer Science Department [88] Aderohunmu, F A., & Deng, J D (2009) An enhanced stable election protocol (sep) for clustered heterogeneous wsn Department of Information Science, University of Otago, New Zealand [89] Elbhiri, B., Saadane, R., & Aboutajdine, D (2010, September) Developed Distributed Energy-Efficient Clustering (DDEEC) for heterogeneous wireless sensor networks In 2010 5th International Symposium On I/V Communications and Mobile Network (pp 1-4) IEEE [90] TO, E C A (2017) Improving distributed energy-efficient clustering algorithm to save lifetime for hetrerogeneous wsn International Journal of Computer Networks & Communications, 9(4), 81-96 [91] L Wang, and X Yang A survey of energy-efficient scheduling mechanisms in sensor networks, Mobile Networks and Applications, vol 11, no 5, pp 723-740, 2006 [92] Holland, J.H Adaptation in Natural and Artificial Systems, The University of Michigan Press, Michigan, 1975 [93] Qin, A K., Huang, V L., & Suganthan, P N (2008) Differential evolution algorithm with strategy adaptation for global numerical optimization IEEE transactions on Evolutionary Computation, 13(2), 398417 153 [94] Eberhart, R.; Kennedy, J A new optimizer using particle swarm theory Proceedings of the Sixth International IEEE Symposium on Micro Machine and Human Science (MHS'95), pp 39-43, Oct 1995 [95] Yang, X S (2011) Bat algorithm for multi-objective optimisation International Journal of Bio-Inspired Computation, 3(5), 267-274 [96] Mirjalili, S., Saremi, S., Mirjalili, S M., & Coelho, L D S (2016) Multi-objective grey wolf optimizer: a novel algorithm for multi-criterion optimization Expert Systems with Applications, 47, 106-119 [97] Dorigo, M.; Maniezzo, V.; Colorni, A Ant system: optimization by a colony of cooperating agents IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics) 1996, 26(1), pp 29-41 [98] Wang, G.G.; Deb, S.; Coelho, L.D.S Elephant herding optimization 3rd IEEE International Symposium on Computational and Business Intelligence (ISCBI), Bali, Indonesia, Dec 2015 [99] Rajabioun, R (2011) Cuckoo optimization algorithm Applied soft computing, 11(8), 5508-5518 [100] Binh, H T T., Hanh, N T., & Dey, N (2018) Improved cuckoo search and chaotic flower pollination optimization algorithm for maximizing area coverage in wireless sensor networks Neural computing and applications, 30(7), 2305-2317 [101] Yang, X.S Firefly algorithms for multimodal optimization International Symposium on Stochastic Algorithms, pp 169-178, Berlin, Oct 2009 [102] Issariyakul, T., & Hossain, E (2009) Introduction to network simulator (NS2) In Introduction to network simulator NS2 (pp 1-18) Springer, Boston, MA [103] Siraj, S., Gupta, A., & Badgujar, R (2012) Network simulation tools survey International Journal of Advanced Research in Computer and Communication Engineering, 1(4), 199-206 [104] Pan, J., & Jain, R (2008) A survey of network simulation tools: Current status and future developments Email: jp10@ cse wustl edu, 2(4), 45 [105] Rajankumar, P., Nimisha, P., & Kamboj, P (2014, March) A comparative study and simulation of AODV MANET routing protocol in NS2 & NS3 In 2014 International Conference on Computing for Sustainable Global Development (INDIACom) (pp 889-894) IEEE [106] Gupta, S G., Ghonge, M M., Thakare, P D., & Jawandhiya, P M (2013) Open-source network simulation tools: An overview International Journal of Advanced Research in Computer Engineering & Technology (IJARCET), 2(4), 1629-1635 [107] Sundresh, W Kim, and G Agha, SENS: A Sensor, Environment and Network Simulator, The 37th Annual Simulation Symposium (ANSS37), Arlington, VA, April 2004 154 [108] Khemapech, I., Miller, A., Duncan, I., & Haugh, N (2005) Simulating wireless sensor networks University of St Andrews, St Andrews [109] Varga, A., & Hornig, R (2008, March) An overview of the OMNeT++ simulation environment In Proceedings of the 1st international conference on Simulation tools and techniques for communications, networks and systems & workshops (pp 1-10) [110] C Mallanda, A Suri, V Kunchakarra, SS Iyengar, R Kannan, A Durresi, and S Sastry, Simulating Wireless Sensor Networks with OMNeT+ +, submitted to IEEE Transactions on Computers [111] Xian, X., Shi, W., & Huang, H (2008, June) Comparison of OMNET+ + and other simulator for WSN simulation In 2008 3rd IEEE Conference on Industrial Electronics and Applications (pp 1439-1443) IEEE [112] Chang, X (1999, December) Network simulations with OPNET In WSC'99 1999 Winter Simulation Conference Proceedings.'Simulation-A Bridge to the Future'(Cat No 99CH37038) (Vol 1, pp 307-314) IEEE [113] Prokkola, J (2006) Opnet-network simulator URL http://www telecomlab oulu fi/kurssit/521365A tietoliikennetekniikan simuloinnit ja tyokalut/Opnet esittely, [114] Sobeih, A., Chen, W P., Hou, J C., Kung, L C., Li, N., Lim, H., & Zhang, H (2005, April) J-sim: A simulation environment for wireless sensor networks In 38th Annual Simulation Symposium (pp 175-187) IEEE [115] S Park, A Savvides, and MB Srivastava, SensorSim: A Simulation Framework for Sensor Networks, Proceedings of MSWiM 2000, Boston, MA, August 2000 [116] Tyan, H Y., & Hou, C J (2001, January) JavaSim: A componentbased compositional network simulation environment In Proceedings of the Western Simulation Multiconference, Communication Networks And Distributed Systems Modeling And Simulation [117] Sobeih, A., Hou, J C., Kung, L C., Li, N., Zhang, H., Chen, W P., & Lim, H (2006) J-Sim: a simulation and emulation environment for wireless sensor networks IEEE Wireless Communications, 13(4), 104-119 [118] Koprda, Š., Turčáni, M., & Balogh, Z (2012, October) Modelling, simulation and monitoring the use of LabVIEW In 2012 6th International Conference on Application of Information and Communication Technologies (AICT) (pp 1-5) IEEE [119] G Chen, J., M J Branch, L Z Pflug, and B Szymanski, SENSE: A Sensor Network Simulator, in Advances in Pervasive Computing & Networking, B Szymanksi and B Yener, Eds., 2004, pp 249-267 [120] Gautam, G., & Sen, B (2015) Design and simulation of wireless sensor network in NS2 International Journal of Computer Applications, 113(16) [121] Timm-Giel, A., Murray, K., Becker, M., Lynch, C., Gorg, C., & Pesch, D (2008) Comparative simulations of WSN Proceedings of ICT Mobile and Wireless Communications Summit, Stockholm, Sweden 155 [122] C Mallanda, A Suri, V Kunchakarra, S S Iyengar, R Kannan, and A Durresi, Simulating Wireless Sensor Networks with OMNeT++, unpublished, submitted to IEEE Computer, 2005 [123] Oshima, S., Matsunaga, K., Kondo, T., & Morimura, H (2015) Ultralow power Sensor Node with Nanowatt Wireless Circuit Technology NTT Technical Review, 13(1) [124] Nguyễn Trọng Quế, Nguyễn Thị Lan Hương, Phạm Thị Ngọc Yến (2009) Cơ sở kỹ thuật đo 240/QĐXB-NXBKHKT-10/8/2009 [125] Reda, Ibrahim, and Afshin Andreas Solar position algorithm for solar radiation applications Solar energy 76.5 (2004): 577-589 [126] Spencer, J.W 1989 Comments on The Astronomical Almanac's Algorithm for Approximate Solar Position (1950-2050) Solar Energy 42(4) : 353 [127] Walraven, R 1978 Calculating the position of the sun Solar Energy 20 : 393 - 397 [128] Panasonic Ni-MH Handbook: Industrial Batteries Available online https://eu.industrial.panasonic.com/sites/default/pidseu/files/downloads/files/ ni-mh-handbook-2014_interactive.pdf (accessed on 06/06/2021) [129] Deng, J., Han, Y S., Heinzelman, W B., & Varshney, P K (2005, December) Scheduling sleeping nodes in high density cluster-based sensor networks In ACM/Kluwer Mobile Networks and Applications, Issue: Volume 10, Number (pp 825–835), Springer Netherlands [130] Ma, J., Lou, W., Wu, Y., Li, X Y., & Chen, G (2009, April) Energy efficient TDMA sleep scheduling in wireless sensor networks In IEEE INFOCOM 2009 (pp 630-638) IEEE [131] L Wang, and X Yang A survey of energy-efficient scheduling mechanisms in sensor networks, Mobile Networks and Applications, vol 11, no 5, pp 723-740, 2006 [132] A.E Eiben and J.E Smith, Introduction to Evolutionary Computing, Springer, 2003 [133] Kishor, A., & Niyogi, R (2020, March) Multi-objective load balancing in distributed computing environment: an evolutionary computing approach In Proceedings of the 35th Annual ACM Symposium on Applied Computing (pp 170-175) [134] Deng, J., Han, Y S., Heinzelman, W B., & Varshney, P K (2005, December) Scheduling sleeping nodes in high density cluster-based sensor networks In ACM/Kluwer Mobile Networks and Applications, Issue: Volume 10, Number (pp 825–835), Springer Netherlands [135] Berman, P., Calinescu, G., Shah, C., & Zelikovsly, A (2005) Efficient energy management in sensor networks In Y Xiao & Y Pan (Eds.), Ad hoc and sensor networks Nova Science [136] Tian, D., & Georganas, N D (2002) A coverage-preserving node scheduling scheme for large wireless sensor networks In Proceedings of the 156 1st ACM International Workshop on Wireless Sensor Networks and Applications (WSNA ’02) (pp 32–41), Atlanta, Georgia [137] Kumar, S., Lai, T H., & Balogh, J (2004) On K-coverage in a mostly sleeping sensor network In Proceedings of the 10th Annual International Conference on Mobile Computing and Networking (Mobicom ’04) (pp 144– 158), Philadelphia, Pennsylvania [138] Wu, K., Gao, Y., Li, F., & Xiao, Y (2005, December) Lightweight deployment-aware scheduling for wireless sensor networks ACM/Kluwer Mobile Networks and Applications (MONET) Special Issue on BEnergy Constraints and Lifetime Performance in Wireless Sensor Networks,^ 10(6), 837–852 [139] Ye, F., Zhong, G., Cheng, J., Lu, S., & Zhang, L (2003) PEAS: A robust energy conserving protocol for long-lived sensor networks In Proceedings of the 23rd International Conference on Distributed Computing Systems (ICDCS ’03) (pp 28–37) [140] Zhang, H., & Hou, J C (2004, February) Maintaining sensing coverage and connectivity in large sensor networks In Proceedings of NSF International Workshop on Theoretical and Algorithmic Aspects of Sensor, Ad Hoc Wireless, and Peer-to-Peer Networks, invited paper [141] Cerpa, A., & Estrin, D (2004) ASCENT: Adaptive self-configuring sensor networks topologies IEEE transactions on mobile computing, 3(3), 272-285 [142] Gui, C., & Mohapatra, P (2004) Power conservation and quality of surveillance in target tracking sensor networks In Proceedings of the 10th Annual International Conference on Mobile Computing and Networking (Mobicom ’04) (pp 129– 143), Philadelphia, Pennsylvania [143] Li, X., Mao, Y., & Liang, Y (2008, December) A survey on topology control in wireless sensor networks In 2008 10th International Conference on Control, Automation, Robotics and Vision (pp 251-255) IEEE [144] Heinzelman, W R., Chandrakasan, A., & Balakrishnan, H (2000, January) Energy-efficient communication protocol for wireless microsensor networks In Proceedings of the 33rd annual Hawaii international conference on system sciences (pp 10-pp) IEEE [145] Heinzelman, W B., Chandrakasan, A P., & Balakrishnan, H (2002) An application-specific protocol architecture for wireless microsensor networks IEEE Transactions on wireless communications, 1(4), 660-670 [146] Bandyopadhyay, S., & Coyle, E J (2003) An energy efficient hierarchical clustering algorithm for wireless sensor networks In INFOCOM [147] Bandyopadhyay, S., & Coyle, E J (2004) Minimizing communication costs in hierarchically-clustered networks of wireless sensors Computer Networks, 44, 1–16 [148] He, T., Krishnamurthy, S., Stankovic, J A., Abdelzaher, T., Luo, L., Stoleru, R et al (2004) Energy-efficient surveillance system using wireless 157 sensor networks In Proceedings of the 2nd International Conference on Mobile Systems, Applications, and Services (MobiSys ’04) (pp 270–283), Boston, Massachusetts [149] M J Miller, and N H Vaidya, A MAC protocol to reduce sensor network energy consumption using a wakeup radio, IEEE Transactions on Mobile Computing, vol 4, no 3, pp 228-242, 2005 [150] F Nawaz, S A Hassan, A J Hashmi, and H Jung, A physical-layer scheduling approach in large-scale cooperative networks, IEEE Access, vol 7, pp 134338-134347, 2019 [151] M T Nguyen, T T K Nguyen, and A T Keith An energy-efficient combination of sleeping schedule and cognitive radio in wireless sensor networks utilizing compressed sensing, International Conference on Engineering Research and Applications, pp 154-160, Thai Nguyen, Vietnam, Nov 2020 [152] Lee, S C., Tseng, H E., Chang, C C., & Huang, Y M (2019) Applying Interactive Genetic Algorithms to Disassembly Sequence Planning International Journal of Precision Engineering and Manufacturing, 1-17 [153] Liu, T K., Lin, S S., & Hsueh, P W (2019) Optimal design for transport and logistics of steel mill by-product based on double-layer genetic algorithms Journal of Low Frequency Noise, Vibration and Active Control, 1461348419872368 [154] Al-Furhud, M A., & Ahmed, Z H (2020) Genetic Algorithms for the Multiple Travelling Salesman Problem International Journal of Advanced Computer Science and Applications (IJACSA), 11(7), 553-560 [155] Herrera, F., & Lozano, M (2000) Two-loop real-coded genetic algorithms with adaptive control of mutation step sizes Applied Intelligence, 13(3), 187-204 [156] Hanh, N T., Binh, H T T., Haoi, N X., & Palaniswami, M S (2019) An efficient genetic algorithm for maximizing area coverage in wireless sensor networks Information Sciences, 488, 58-75 [157] Jiang, H., Yang, X., Yin, K., Zhang, S., & Cristoforo, J A (2011) Variable Length Chromosome Genetic Algorithm Information Technology Journal, 10(1), 113-119 [158] Brie, A H., & Morignot, P (2005, June) Genetic Planning Using Variable Length Chromosomes In ICAPS (pp 320-329) [159] Cruz-Piris, L., Marsa-Maestre, I., & Lopez-Carmona, M A (2019) A variable-length chromosome genetic algorithm to solve a road traffic coordination multipath problem IEEE Access, 7, 111968-111981 [160] Deif, D S., & Gadallah, Y (2014, April) Wireless sensor network deployment using a variable-length genetic algorithm In 2014 IEEE wireless communications and networking conference (WCNC) (pp 24502455) IEEE [161] Anwit, R., & Jana, P K (2018, February) A variable length genetic algorithm approach to optimize data collection using mobile sink in wireless 158 sensor networks In 2018 5th International Conference on Signal Processing and Integrated Networks (SPIN) (pp 73-77) IEEE [162] J J Michalsky, The astronomical almanac's algorithm for approximate solar position (1950–2050), Solar Energy, vol 40, no 3, pp 227-235, 1988 159 ... trình mạng Phần kết luận trình bày tóm tắt đóng góp luận án hướng phát triển MỤC LỤC MỞ ĐẦU DANH MỤC CHỮ VIẾT TẮT SỬ DỤNG TRONG LUẬN ÁN DANH MỤC CÁC KÝ HIỆU SỬ DỤNG TRONG LUẬN ÁN DANH MỤC CÁC BẢNG... Qua luận án thực phương pháp giải tốn tối ưu hóa lịch trình mạng với kết hợp tảng mơ lượng thuật tốn tối ưu hóa hiệu sử dụng lượng mạng cảm biến cho lớp tốn ứng dụng Đóng góp luận án Luận án có... trình thực luận án Tơi xin chân thành cảm ơn gia đình tơi ln động viên, khích lệ, tạo điều kiện giúp đỡ tơi suốt q trình thực hồn thành luận án Tôi xin chân thành cảm ơn! Tác giả luận án MỞ ĐẦU