Nghiên cứu giải pháp tối ưu hóa hiệu quả sử dụng năng lượng trong mạng cảm biến 100

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 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 cán 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 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 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 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 toàn mạng dài hạn Vì vấn đề lượng mạng cảm biến không dây cần nghiên cứu phát triển Hơn 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 tối ưu hóa mạng cảm biến cho lớp toán ứng dụng tốn tối ưu hóa tổ hợp đa mục tiêu nhiều ràng buộc đa dạng phong phú phức tạp đan xen Đây lớp toán phức tạp đòi 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 công việc nghiên cứu cần có cơng cụ chun dụng mơ giám sát 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 toán 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 tốn 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 toán tối ưu hóa sử dụng lượng mạng cảm biến (2) Luận án đề xuất phát triển biến thể thuật tốn 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 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 mô 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 12 Mạng cảm biến không dây nhu cầu lượng 121 Mạng cảm biến không dây 122 Nhu cầu lượng mạng cảm biến thách thức 13 Hướng tiếp cận phương pháp nghiên cứu 14 Các nghiên cứu đề xuất Chương Các nghiên cứu liên quan 21 Nguồn lượng dự trữ nút cảm biến Thu lượng từ môi trường cho cảm biến 221 Phương pháp thu lượng mặt trời 222 Phương pháp thu lượng từ rung động học 223 Phương pháp thu lượng nhiệt 224 Phương pháp thu lượng RF 23 Giải pháp tiết kiệm lượng cho nút cảm biến 231 Kiến trúc chế độ làm việc linh hoạt nút tiết kiệm lượng 232 Cảm biến tiêu thụ công suất thấp 24 Các nghiên cứu tối ưu hóa sử dụng lượng cho mạng cảm biến 241 Các nghiên cứu phát triển thuật toán giao thức định tuyến 242 Các phương pháp tối ưu hóa 25 Mơ mạng cảm biến 251 Phần mềm mô NS: 252 Phần mềm mô SENS 253 Phần mềm mô OMNeT ++: 254 Phần mềm mô OPNET 255 Phần mềm mô J-Sim 256 Phần mềm mô SENSE 26 Kết luận chương Chương Thiết kế triển khai tảng mô mạng cảm biến khơng dây có tính đến yếu tố lượng 31 Thiết kế chức tảng mô 311 Chức tảng mô 312 Chức thiết lập mạng 313 Chức thiết lập môi trường đặt mạng 314 Chức chạy chương trình mơ 32 Phát triển tảng mô mạng cảm biến 321 Mơ hình nút cảm biến 322 Các lớp đối tượng 323 Cơ chế hoạt động Phát triển thư viện mô đun cho tảng mô 331 Phát triển mô đun pin 332 Phát triển mô đun nguồn lượng 333 Phát triển mô đun truyền thông 334 Phát triển mô đun cảm biến 34 Kết thử nghiệm với tảng mô 341 Kết thử nghiệm mô pin Kết thực nghiệm phục vụ kiểm nghiệm tính đắn tảng mô lượng tiêu thụ nút mạng Kết mô giám sát mức lượng nút cảm biến mạng 4 Kết mô trình lượng nút hoạt động độc lập khơng có truyền thơng 345 Kết mơ truyền thông theo chế quảng bá 346 Kết mô truyền thông mạng theo cấu trúc Kết mơ q trình lượng nút mạng với hoạt động đo truyền thông thu thập lượng 35 Kết luận chương Chương Tối ưu hóa lịch trình mạng cảm biến 41 Một số chế lập lịch nhằm tiết kiệm lượng mạng cảm biến 411 Cơ chế lập lịch mạng không phân cấp 412 Cơ chế lập lịch cho mạng cảm biến phân cấp 413 Cơ chế lập lịch hợp tác dựa giao tiếp 42 Đặt vấn đề cho tốn tối ưu hóa lịch trình mạng cảm biến 43 Tổng quan thuật tốn di truyền Tối ưu hóa lịch trình mạng cảm biến sử dụng thuật toán di truyền với nhiễm sắc thể có chiều dài cố định 4 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 cố định 442 Kết tảng mơ tính đến yếu tố lượng 54 Tối ưu hóa lịch trình mạng sử dụng thuật tốn di truyền với nhiễm sắc thể có chiều dài thay đổi 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 thay đổi 46 452 Giải toán tối ưu hóa lịch trình mạng 453 Kết thử nghiệm với nút cảm biến 454 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  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  MC Xác suất phép chép gen  MI Xác suất phép chèn gen  MR Xác suất phép loại bỏ gen  MS Xác suất phép dịch chuyển gen  T%  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 Ví dụ đa dạng pin NI-MH Bảng 2 Đặc điểm số nút cảm biến thu lượng mặt trời Bảng Một số thiết bị thu lượng rung động Bảng Đặc điểm số nút thu lượng nhiệt khác Bảng Mức lượng thu từ số nguồn RF Bảng So sánh số phương pháp thu lượng Bảng Mức tiêu thụ chế độ hoạt động số nút cảm biến Bảng Mức tiêu thụ số cảm biến giám sát lượng Bảng Định thời gian chế độ hoạt động theo chu kỳ Bảng Kết đo công suất tiêu thụ nút 10 lần thực nghiệm ngẫu nhiên Bảng 3 So sánh kết lượng thực nghiệm mô Bảng Các thông số ban đầu lượng cho nút Bảng Số liệu trình hoạt động nút Bảng Tham số nút mạng kịch Bảng Kết mơ mạng theo lich trình tối ưu ngày Bảng Các thông số nút cảm biến Bảng 4 Các tham số sử dụng VLC-GA Bảng Kết lần chạy thuật toán trường hợp Bảng Kết tối ưu hóa mạng VLC-GA FLC-GA 10 ưu hóa sử dụng lượng mạng cảm biến Các công việc kết đạt sau: - Phát triển biến thể giải thuật di truyền VLC-GA với nhiễm sắc thể có độ dài thay đổi tùy biến cho tốn tối ưu hóa lịch trình mạng cảm biến - Mơ hình hóa giải tốn tối ưu hóa lịch trình mạng cảm biến theo hai dạng thức thuật toán di truyền FLC-GA VLC-GA nhằm so sánh thấy ưu điểm thuật toán VLC-GA - Thử nghiệm giải tốn tối ưu hóa lịch trình với mục tiêu tối đa hóa số giá trị đo lường với ràng buộc khoảng thời gian hai lần đo nhỏ tốt đảm bảo tuổi thọ mạng điều kiện nút thu thập lượng từ mơi trường Bài tốn giải với hai kịch mạng có nút mạng có nhiều nút Mỗi kịch thực với hai dạng thức thuật toán VLC-GA FLC-GA Các lần giải cho kết khả quan lịch trình mạng Dạng thức VLC-GA cho thấy tính hiệu thể lần chạy thuật toán cho giá trị hàm mục tiêu tốt ổn định với sai lệch nhỏ lời giải Kết mô mạng với lịch trình kết nhận từ VLC-GA cho thấy tối ưu thể nút hoạt động nhịp nhàng ln thu thập lượng từ môi trường sạc cho pin lúc cần thiết giúp tránh tình trạng hết pin nên đảm bảo tuổi thọ mạng Sự kết hợp thuật tốn di truyền sử dụng nhiễm sắc thể có chiều dài thay đổi tảng mơ tính đến yếu tố lượng giúp thực toán tối ưu hóa lịch trình mạng cách hiệu mở hứa hẹn phát triển nghiên cứu tối ưu hóa mạng cảm biến phương pháp cải thiện hiệu mạng đặc biệt vấn đề liên quan đến lượng mạng cảm biến Kết luận án mở hướng nghiên cứu tích cực vấn đề xoay quanh lượng tuổi thọ mạng nói riêng tối ưu hóa mạng cảm biến nói chung Hướng phát triển Trong thời gian tới với kết nghiên cứu đạt luận án sở để tiếp tục nghiên cứu phát triển hoàn thiện vấn đề sau: - Tiếp tục phát triển hoàn thiện tảng mô bao gồm phát triển thư viện mô đun giao diện người dùng - Phát triển mở rộng giải thuật di truyền VLC-GA để giải tốn tối ưu hóa cho mạng cảm biến vấn đề định tuyến truyền thông tối ưu hóa vùng phủ sóng 140 Danh mục cơng trình công 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 pp 29-34 4-2021 Thiết kế chế tạo nút cảm biến có khả tùy biến phục vụ nghiên cứu phát triển tảng mơ mạng cảm biến Tạp chí khoa học công nghệ trường đại học công nghiệp hà nội ISSN: 1859-3585 tập 56-số 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 pp: 50-57 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 141 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 116-120 142 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 248-251) 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 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 [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 4959) Springer Berlin Heidelberg 143 [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 407-445) 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 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 [26] Ali N S Alkaream Alyasseri Z A & Abdulmohson A (2018) Realtime Heart Pulse Monitoring Technique Using Wireless Sensor Network and Mobile Application International Journal of Electrical & Computer Engineering (20888708) [27] SHAMS R KHAN M U & SIDDIQUE M A (2018) Building automation (IoT) by WSN Journal of Information Communication Technologies and Robotic Applications 17-28 144 [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 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 networksA 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 in ultra-low power design In IEEE International Solid-State Circuits Conference ISSCC 2002 (Vol 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 145 [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 973989 [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 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) 17-21 146 [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 (2008): 14571486 [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 [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 147 [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 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 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 [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 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) 6-28 148 [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) 8196 [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 pp 723740 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) 398-417 [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 29-41 149 [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 [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 pp 307-314) IEEE 150 [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 component-based 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 [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 (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 - 397 151 [128] Panasonic Ni-MH Handbook: Industrial Batteries Available online https://eu industrial panasonic com/sites/default/pidseu/files/downloads/files/ni-mhhandbook-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 pp 723740 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 170175) [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 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 152 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) 272285 [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 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 no 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 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 153 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 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 2450-2455) IEEE [161] Anwit R & Jana P K (2018 February) A variable length genetic algorithm approach to optimize data collection using mobile sink in wireless 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 pp 227-235 1988 154 ... thọ mạng cao [16][17] Các giải thuật tối ưu hóa nghiên cứu ứng dụng tối ưu hóa vấn đề định cho mạng cảm biến Ví dụ tối ưu hóa việc thu thập liệu mạng cảm biến [18] Các giải pháp tiết kiệm lượng. .. trình lượng mạng cảm biến phát triển thuật tốn tối ưu hóa Luận án trình bày việc phát triển tảng mơ mạng cảm biến liên quan đến lượng phát triển thuật tốn tối ưu hóa để tối ưu hiệu sử dụng lượng mạng. .. đảm bảo lượng hoạt động cho mạng cảm biến Qua luận án thực phương pháp giải toán 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