Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.Thuật toán định tuyến dựa trên logic mờ tích hợp máy học nhằm cải tiến thời gian sống của mạng cảm biến không dây.
HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - Phan Tuấn Hải THUẬT TỐN ĐỊNH TUYẾN DỰA TRÊN LOGIC MỜ TÍCH HỢP MÁY HỌC NHẰM CẢI TIẾN THỜI GIAN SỐNG CỦA MẠNG CẢM BIẾN KHÔNG DÂY ĐỀ ÁN TỐT NGHIỆP THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) TP HỒ CHÍ MINH – NĂM 2023 HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THÔNG Phan Tuấn Hải THUẬT TOÁN ĐỊNH TUYẾN DỰA TRÊN LOGIC MỜ TÍCH HỢP MÁY HỌC NHẰM CẢI TIẾN THỜI GIAN SỐNG CỦA MẠNG CẢM BIẾN KHÔNG DÂY Chuyên ngành: Hệ thống thông tin Mã số: 8.48.01.04 ĐỀ ÁN TỐT NGHIỆP THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS TRẦN CÔNG HÙNG TP HỒ CHÍ MINH – NĂM 2023 TP.HỒ CHÍ MINH – NĂM 2023 i LỜI CAM ĐOAN Tôi cam đoan đề án tốt nghiệp thạc sĩ: “Thuật toán định tuyến dựa logic mờ tích hợp máy học nhằm cải tiến thời gian sống mạng cảm biến không dây” cơng trình nghiên cứu tơi Các số liệu, kết nêu đề án trung thực chưa công bố cơng trình khác Khơng có sản phẩm/nghiên cứu người khác sử dụng đề án mà khơng trích dẫn theo quy định TP Hồ Chí Minh, ngày 18 tháng 08 năm 2023 Học viên thực đề án Phan Tuấn Hải ii LỜI CẢM ƠN Trong suốt trình học tập nghiên cứu thực đề án tốt nghiệp thạc sĩ, nỗ lực thân, nhận hướng dẫn nhiệt tình q báu q Thầy Cơ, với động viên ủng hộ gia đình, bạn bè đồng nghiệp Với lịng kính trọng biết ơn sâu sắc, xin gửi lời cảm ơn chân thành tới: Thầy PGS.TS Trần Công Hùng, người thầy kính u hết lịng giúp đỡ, hướng dẫn, động viên, tạo điều kiện cho suốt trình thực hồn thành đề án tốt nghiệp thạc sĩ Ban Giám Đốc, Phòng đào tạo sau đại học quý Thầy Cô tạo điều kiện thuận lợi giúp tơi hồn thành đề án Tơi xin chân thành cảm ơn gia đình, bạn bè, đồng nghiệp quan động viên, hỗ trợ lúc khó khăn để tơi học tập hồn thành đề án Mặc dù có nhiều cố gắng, nỗ lực, thời gian kinh nghiệm nghiên cứu khoa học cịn hạn chế nên khơng thể tránh khỏi thiếu sót Tơi mong nhận góp ý q Thầy Cơ bạn bè đồng nghiệp để kiến thức tơi ngày hồn thiện Xin chân thành cảm ơn! TP Hồ Chí Minh, ngày 18 tháng 08 năm 2023 Học viên thực đề án Phan Tuấn Hải iii MỤC LỤC LỜI CAM ĐOAN .i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT v DANH SÁCH BẢNG .vi DANH SÁCH HÌNH VẼ vii MỞ ĐẦU 1 Tính cấp thiết đề tài .1 Tình hình nghiên cứu liên quan đến đề tài Mục tiêu, ý nghĩa khoa học thực tiễn .5 Đối tượng phạm vi nghiên cứu .5 4.1 Đối tượng nghiên cứu 4.2 Phạm vi nghiên cứu Phương pháp nghiên cứu .6 5.1 Phương pháp nghiên cứu lý thuyết 5.2 Phương pháp nghiên cứu thực nghiệm 6 Bố cục đề án CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI 1.1 Giới thiệu chung .7 1.1.1 Mạng cảm biến không dây (WSN) 1.1.2 Đặc điểm tính chất WSN .9 1.1.3 Ứng dụng mạng cảm biến không dây 10 1.2 Fuzzy logic ứng dụng mạng cảm biến không dây 15 1.3 Học máy ứng dụng mạng cảm biến không dây 17 1.4 Một số thuật toán định tuyến phổ biến WSN 19 1.4.1 Thuật toán LEACH .19 1.4.2 Thuật toán LEACH mở rộng 21 iv 1.4.3 Các thuật toán khác .21 1.5 Mô WSN 24 1.5.1 Matlab 24 1.5.2 Python 25 CHƯƠNG 2: CÁC CƠNG TRÌNH LIÊN QUAN 26 2.1 Các cơng trình liên quan thuật tốn LEACH 26 2.1.1 LEACH 26 2.1.2 LEACH-C .30 2.2 Các cơng trình liên quan đến Fuzzy Logic .31 2.3 Các công trình liên quan đến học máy 35 CHƯƠNG 3: THUẬT TOÁN ĐỀ XUẤT .39 3.1 Mô hình nghiên cứu 39 3.2 Thuật toán đề xuất 40 3.3 Tiêu chí đánh giá 49 CHƯƠNG 4: THỰC NGHIỆM VÀ ĐÁNH GIÁ 51 4.1 Môi trường thực nghiệm .51 4.2 Kết thí nghiệm mơ 52 4.3 Nhận xét thảo luận .57 KẾT LUẬN 59 Kết nghiên cứu đề tài 59 Hạn chế đề tài 59 Vấn đề kiến nghị hướng đề tài 59 DANH MỤC TÀI LIỆU THAM KHẢO .61 v DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT VIẾT TẮT TIẾNG ANH TIẾNG VIỆT BS Base Station Trạm gốc hay gọi sink CH Cluster Head Trưởng cụm LEACH Low-Energy Adaptive Clustering Hierarchy Cluster Head Election mechanism using Fuzzy logic Analog-To-Digital Converte Phân cụm thích ứng lượng thấp SP Bộ chuyển đổi tương tự sang số Time Division Multiple Đa truy nhập phân chia theo Access thời gian Set up phase Pha thiết lập SSP Steady state phase Pha ổn định ADV Advertisement Bản tin quảng cáo FL Fuzzy Logic Suy luận mờ FIS Fuzzy Inference System Hệ thống suy luận mờ CHEF ADC TDMA Cơ chế lựa chọn trưởng cụm sử dụng logic mờ vi DANH SÁCH BẢNG Bảng 2.1: Chín quy tắc mờ if-then thuật tốn CHEF Fuzzy 34 Bảng 3.1: Tập mờ đề xuất 42 Bảng 4.1: Bảng tham số mô 51 Bảng 4.2: Bảng so sánh tuổi thọ mạng LEACH, LEACH-C, LEACH-CD thuật toán đề xuất LEACH-FK 56 vii DANH SÁCH HÌNH VẼ Hình 1: Một mạng cảm biến khơng dây điển hình [1] Hình 2: Ứng dụng cơng nghiệp Hình 3: Ứng dụng nông nghiệp đo nhiệt độ, độ ẩm Hình 4: Ứng dụng quân .2 Hình 5: Ứng dụng y tế .2 Hình 6: Ứng dụng giao thơng Hình 7: Ứng dụng gia đình Hình 1.1: Một mạng cảm biến khơng dây điển hình [5] .8 Hình 1.2: Cấu trúc nút mạng cảm biến [6] .9 Hình 1.3: Cảm biến mơi trường 11 Hình 1.4: Ứng dụng chăn nuôi trồng trọt 12 Hình 1.5: Ứng dụng công nghiệp 13 Hình 1.6: Ứng dụng giao thơng .13 Hình 1.7: Ứng dụng thiết bị tự động gia đình 14 Hình 1.8: Ứng dụng quân 14 Hình 1.9: Ứng dụng y tế 15 Hình 1.10: Ví dụ Logic mờ hiệu điện 16 Hình 1.11: Các thuật toán học máy [16] 17 Hình 1.12: Kiến trúc IoT kết nối cho mẫu nông trại thông minh [16] 18 Hình 1.13: Mơ hình giao thức LEACH .19 Hình 1.14: Hoạt động giao thức LEACH 20 Hình 1.15: Mơ hình WSN cài đặt MatLab 25 Hình 2.1: Hoạt động giao thức LEACH 26 Hình 2.2: Cấu trúc hệ thống suy luận mờ (FIS) 32 Hình 2.3: Các WSN sử dụng ML [35] 36 Hình 2.4: Ứng dụng ML giải vấn đề WSN [35] 38 Hình 4.1: Mạng khởi tạo ban đầu fuzzy logic 52 viii Hình 4.2: k-Means thay đổi cụm trọng tâm cụm .53 Hình 4.3: Kết chạy thuật toán đề xuất LEACH-FK 53 Hình 4.4: Kết chạy thuật tốn LEACH 54 Hình 4.5: Kết chạy thuật toán LEACH-C 55 Hình 4.6: Kết chạy thuật tốn LEACH-CD .55 Hình 4.7: So sánh thuật toán 56 51 CHƯƠNG 4: THỰC NGHIỆM VÀ ĐÁNH GIÁ 4.1 Môi trường thực nghiệm Mạng cảm biến không dây bao gồm nút cảm biến có lượng giới hạn sử dụng kết nối khơng dây để thu thập thơng tin hữu ích từ môi trường cảm biến Việc thu thập liệu cảm biến đảm bảo hiệu lượng vấn đề then chốt việc kéo dài tuổi thọ mạng Trong trình thu thập liệu, chu kỳ truyền nhận, nút cảm biến có gói liệu cần truyền đến trạm gốc Nếu nút truyền liệu trực tiếp đến trạm gốc, lượng nút nhanh chóng bị tiêu hao Bảng 4.1: Bảng tham số mô Tham số Giá trị Diện tích mơ 100m*100m Số nút cảm biến sử dụng (N) 100 Phần trăm mong muốn trở thành cụm chủ tổng số nút tồn mạng (p) 0.05 Số bít truyền (k) 4000 Năng lượng khởi tạo nút (E0) 0.1 Hệ số lượng tiêu hao mạch truyền nhận (Eelec) 50nJ/bit Emp 0.0013pJ/bit/m4 Efs 10pJ/bit/m2 Năng lượng tổng hợp liệu, EDA nJ/bit Hệ số lượng mạch khuếch đại truyền (ETX , ERX) Thời gian mơ (rmax) 50nJ/bit 1000 vịng Tiến hành kiểm tra phân tích giải pháp đề xuất, số mô thực thông qua phần mềm mô Matlab R2023a Môi trường mô thiết lập với tham số liệt kê bảng 4.1 Giả định tất nút cảm 52 biến phân bố cách ngẫu nhiên khu vực 100m ×100m, nút thơng thường có lượng giới hạn Và đề xuất có tên gọi LEACH_FK (LEACH kết hợp Fuzzy logic k-Means) đánh giá so sánh với số hiệu suất khác thuật toán LEACH, LEACH-C, LEACH-CD [36] Các tiêu chí đánh giá hiệu suất Các số hiệu suất sử dụng để kiểm tra mạng, kiểm tra cách xử lý kịch mơ phỏng: • Thời gian sống mạng (tuổi thọ mạng): Tức số vòng từ khởi tạo mạng tất nút chết • Số nút khơng hoạt động: Tức số nút chết thời điểm khảo sát • Năng lượng cịn lại mạng (Residual energy): Nghĩa lượng lại mạng thời điểm khảo sát • Năng lượng trung bình mạng (Avegare energy):Nghĩa lượng trung bình mạng thời điểm khảo sát 4.2 Kết thí nghiệm mơ Hình 4.1: Mạng khởi tạo ban đầu fuzzy logic 53 Hình 4.1 cho thấy khởi tạo nút WSN cách ngẫu nhiên theo tham số cài đặt bảng 4.1 Hình 4.2: k-Means thay đổi cụm trọng tâm cụm Hình 4.2 chụp lại cụm k-Means gom lại qua vòng WSN Với ý tưởng sử dụng k-Means, WSN sau nút tham gia nút chết dần, hiệu sau Trong cấu hình mạng, ta chạy thuật tốn thu kết từ hình 4.3 đến hình 4.6 Hình 4.3: Kết chạy thuật tốn đề xuất LEACH-FK 54 Hình 4.3 gồm biểu đồ, cho thấy thay đổi tuổi thọ nút WSN sử dụng thuật toán Đề xuất LEACH-FK Nhìn vào biểu đồ, ta nhận thấy tuổi thọ WSN tăng theo thời gian sau ổn định mức độ cao Khi mạng bắt đầu hoạt động, nút bị hết pin sau 280 vòng, tức sau khoảng thời gian này, nút phải thay sạc pin Tuy nhiên, mạng tiếp tục hoạt động nút cuối chết sau 1000 vòng Sự gia tăng tuổi thọ WSN cho thấy thuật toán Đề xuất LEACH-FK đạt mục tiêu kéo dài tuổi thọ mạng Điều đạt cách áp dụng kỹ thuật quản lý lượng thông minh, phân bố công việc hiệu cân tải nút mạng Hình 4.4: Kết chạy thuật tốn LEACH Nhìn vào biểu đồ hình 4.4, ta nhận thấy tuổi thọ WSN giảm theo thời gian Nút bị hết pin sau 119 vòng, tức sau khoảng thời gian này, nút phải thay sạc pin Trong trình hoạt động tiếp theo, nút khác dần chết cuối cùng, nút cuối chết sau 433 vòng Sự giảm tuổi thọ WSN biểu đồ cho thấy thuật tốn LEACH khơng đạt mục tiêu kéo dài tuổi thọ mạng Điều yếu tố tiêu thụ lượng không cân đối, quản lý công việc không hiệu 55 Hình 4.5: Kết chạy thuật tốn LEACH-C Từ biểu đồ hình 4.5, ta thấy tuổi thọ WSN tăng theo thời gian Nút bị hết pin sau 224 vòng, tức sau khoảng thời gian này, nút cần thay sạc pin Quá trình hoạt động tiếp theo, nút khác tiếp tục hoạt động nút cuối chết sau 499 vòng Sự gia tăng tuổi thọ WSN biểu đồ cho thấy thuật toán LEACH-C đạt mục tiêu kéo dài tuổi thọ mạng Điều đạt thơng qua việc áp dụng phương pháp tiết kiệm lượng, phân bố công việc hiệu cân tải nút mạng Hình 4.6: Kết chạy thuật tốn LEACH-CD Từ hình 4.6, ta nhìn thấy tuổi thọ WSN tăng theo thời gian Nút bị hết pin sau 268 vòng, tức sau khoảng thời gian này, nút cần thay sạc pin Trong trình hoạt động tiếp theo, nút khác tiếp tục hoạt động nút cuối chết sau 519 vòng Sự gia tăng tuổi thọ WSN biểu đồ cho thấy thuật toán LEACH-CD đạt mục tiêu kéo dài tuổi thọ mạng Thuật toán LEACH-CD cải tiến LEACH-C kết hợp với Dijkstra 56 cách hiệu quả, áp dụng phương pháp tiết kiệm lượng, quản lý công việc hiệu quả, cân tải nút Bảng 4.2: Bảng so sánh tuổi thọ mạng LEACH, LEACH-C, LEACH-CD thuật toán đề xuất LEACH-FK Thuật tốn Nút chết (vịng) Nút cuối chết (vòng) LEACH 119 433 LEACH-C 224 499 LEACH-CD [36] 268 519 Đề xuất LEACH-FK 280 1000 1200 1000 1000 Vòng 800 600 400 200 519 499 433 224 280 268 119 LEACH LEACH-C Nút chết (vòng) LEACH-CD Đề xuất LEACH-FK Nút cuối chết (vòng) Hình 4.7: So sánh thuật tốn Biểu đồ 4.7 cho thấy thuật toán LEACH-C, LEACH-CD đề xuất LEACH-FK có tuổi thọ mạng cao so với thuật toán gốc LEACH Điều cho thấy thuật tốn cải tiến có khả kéo dài tuổi thọ mạng hệ thống mạng cảm biến không dây Ngồi ra, ta nhận thấy thuật tốn LEACH-C có tuổi thọ mạng tốt so với LEACH, thuật toán LEACH-CD đề xuất LEACH-FK lại có tuổi thọ mạng tốt so với LEACH LEACH-C Điều cho thấy cải tiến thuật tốn LEACH-CD đề xuất LEACHFK đóng góp tích cực để tăng tuổi thọ mạng hệ thống WSN 57 4.3 Nhận xét thảo luận Trong LEACH xác định CHs dựa vào xác suất ngẫu nhiên, LEACH-C đề xuất LEACH-CD xác định CHs dựa vào lựa chọn trạm gốc BS Trong đó, LEACH-CD có sink di chuyển từ trạm gốc đến trưởng cụm CHs theo lộ trình xác định thuật tốn Dijkstra Dựa biểu đồ, ta nhận thấy thuật toán LEACH-C, LEACHCD đề xuất LEACH-FK có khả kéo dài thời gian sống WSN so với thuật toán gốc LEACH Cả ba thuật toán cho thấy cải thiện đáng kể việc làm chậm chạp tiến trình lượng nút mạng Trong đó, thuật toán đề xuất LEACH-FK đạt kết tốt với số vòng cao trước nút cuối chết Điều cho thấy phương pháp đề xuất có khả kéo dài thời gian sống WSN tốt so với thuật toán khác nghiên cứu So sánh LEACH-FK với thuật toán cải tiến LEACH khác: - LEACH-FK E-LEACH (Extended - LEACH): E-LEACH [37] chọn trưởng cụm CH dựa vào lượng lại nút, nút CH có lượng lại lớn thu thập, xử lý thông tin truyền từ CH khác tổng hợp gửi trạm gốc BS Tuy nhiên, E-LEACH không xem xét đến vị trí nút, hay mật độ nút dẫn tới việc tiêu hao lượng khơng đồng mạng Ngồi ra, việc lựa chọn nút CH có lượng cao lại xa trạm gốc BS gây tiêu hao lượng đáng kể Trái lại, LEACHFK không xem xét lượng lại nút để chọn trưởng cụm mà cịn tính khoảng cách tối thiểu CH Điều giúp cho việc giao tiếp truyền liệu nút CH trở nên hiệu quả, giảm đáng kể tiêu hao lượng tăng thời gian sống cho mạng cảm biến không dây - LEACH-FK MH-LEACH (Multi-Hop - LEACH): MH-LEACH [38] đề xuất cải tiến từ thuật toán gốc LEACH giai đoạn phân cụm tương tự thuật toán LEACH Tuy nhiên, MH-LEACH thiết lập giao tiếp đa chặng trưởng cụm hướng trạm gốc BS khoảng cách 58 truyền nhỏ mức tiêu thụ lượng thấp, việc định tuyến phụ thuộc vào trạm gốc BS Tuy nhiên, việc phân cụm khơng dựa vào lượng cịn lại nút dẫn tới nút có lượng thấp nhanh chóng tiêu hao lượng ngừng hoạt động Với LEACH-FK, không xem xét tới lượng lại nút mà xem xét yếu tố khác vị trí, mật độ nút, Điều giúp cho việc giao tiếp truyền liệu nút trưởng cụm hiệu hơn, giảm tiêu hao lượng Ngồi khơng cần phụ thuộc vào trạm gốc BS thiết lập tuyến đường định tuyến nên việc sử dụng tài nguyên trạm gốc BS tối ưu hơn, giảm độ trễ - LEACH-FK T-LEACH (Threshold - Based - LEACH): T-LEACH [39] biến thể giao thức LEACH mạng cảm biến khơng dây Với LEACH xoay vịng ngẫu nhiên nút để trở thành trưởng cụm mà không quan tâm vị trí mạng hay lượng lại nút mà dựa vào số lần làm trưởng cụm trước T-LEACH sử dụng ngưỡng (threshold) để định nút trở thành trưởng cụm, giá trị ngưỡng dựa lượng lại nút cảm biến Điều đảm bảo nút cảm biến mạnh mẽ có nhiều lượng trở thành trưởng cụm Tuy nhiên, việc xác định ngưỡng đòi hỏi kiến thức sâu mạng cảm biến yếu tố môi trường việc thiết lập ngưỡng gây cân tải cụm Trái lại, LEACH-FK không xem xét đến yếu tố lượng lại nút, mà xem xét đến yếu tố khác để phân cụm Ngoài ra, với khoảng cách tối thiểu CH giúp cho việc cân tải cụm tốt Kết luận chương: Chương đề án trình bày kết mô đánh giá hiệu suất giải pháp đề xuất việc cải tiến thời gian sống WSN Qua phương pháp đề xuất có sử dụng Fuzzy Logic k-Means nhận thấy giải pháp cho kết tốt thuật toán LEACH, LEACH-C, LEACH-CD, qua cải tiến thời gian sống mạng cảm biến không dây 59 KẾT LUẬN Kết nghiên cứu đề tài Đề án đề xuất cách cải tiến thời gian sống WSN cách sử dụng fuzzy logic để lọc nút có khả trở thành CH, sau tính toán khoảng cách tối thiểu CH nhằm phân bổ cụm mạng để giảm tiêu hao lượng truyền thông, dựa vào tập nút có khả trở thành CH khoảng cách tối thiểu sử dụng k-Means để phân cụm Với kết hợp giúp cho việc phân cụm tối ưu hơn, giảm tính phức tạp thuật tốn, tiết kiệm thời gian tính tốn vùng nhớ Ngồi ra, việc phân bổ cụm mạng khoảng cách tối thiểu d giảm lượng tiêu thụ truyền thơng nút Do đó, chiến lược kết hợp fuzzy logic để xác định CH sau dùng k-Means để phân cụm tương ứng giúp cải thiện thời gian sống mạng cảm biến không dây môi trường cảm biến đồng Hạn chế đề tài Bên cạnh đó, đề án cần cải thiện tối ưu tập mờ chưa đạt hiệu tốt (mới xét yếu tố đầu vào ảnh hưởng tiêu hao lượng), cách tăng thêm biến đầu vào tập mờ dựa vào yếu tố khác gây tiêu hao lượng khoảng cách, mật độ nút Ngoài ra, tiền xử lý liệu trước để tối ưu việc phân cụm k-Means phụ thuộc vào việc xác định số lượng cụm mong muốn trước Vấn đề kiến nghị hướng đề tài Đối với nghiên cứu tương lai, đề án cải tiến cách xem xét vấn đề sau: - Cải tiến tập mờ cách bổ sung biến phù hợp với đặc điểm WSN để tối ưu việc lựa chọn CH 60 - Sử dụng k-Means có trọng số để hồn thiện việc phân cụm sau vịng, tiết kiệm lượng hơn, ví dụ độ tin cậy nút thông qua liệu thu thập từ môi trường - Tăng cường tính linh hoạt đề xuất thích ứng với điều kiện mạng rộng hơn, tăng cường nhiều nút sink để tránh bỏ sót gói tin giới hạn phạm vi cảm biến giúp tiết kiệm lượng truyền thông 61 DANH MỤC TÀI LIỆU THAM KHẢO [1] A Alzubairi, B Kada and A Tameem (2019), “Industrial communication networks and the future of industrial automation,” 2019 Industrial & Systems Engineering Conference (ISEC), pp 1-5 [2] A Kumar, P Pahwa, V Rathi, Sahil, S Swami and D Virmani (2015), Dynamic cluster head selection using fuzzy logic on cloud in wireless sensor networks [3] A H Abdullah, J I Bangash, A W Khan and M A Razzaque (2015), “VGDRA: A virtual grid-based dynamic routes adjustment scheme for mobile sink-based wireless sensor networks,” IEEE Sens J., 15(1), pp 526– 534 [4] T C Hung et al (2015), A proposal to reduce energy consumption for wireless sensor network Cyberjournals.com http://www.cyberjournals.com/Papers/2015/07.pdf [Online] [Accessed: Available: 27-Mar- 2023] [5] K Holger and A Willig (2007), Protocols and architectures for wireless sensor networks, 1st ed Hoboken, NJ: Wiley-Blackwell [6] D Puccinelli and M Haenggi (2005), “Wireless sensor networks: applications and challenges of ubiquitous sensing,” IEEE Circuits Syst Mag., 5(3), pp 19–31 [7] O Boric-Lubeke and V M Lubecke (2003), “Wireless house calls: using communications technology for health care and monitoring,” IEEE Microw Mag., 3(3), pp 43–48 [8] G Indrawan, I Putu Andika Subagya Putra, L J E Dewi, and I Gede Aris Gunadi (2023), “Application of fuzzy logic in sales inventory system: A literature review,” Proceedings of Seventh International Congress on Information and Communication Technology, pp 543–549 62 [9] G Scott, “Fuzzy logic: Definition, meaning, examples, and history,” Investopedia, 21-May-2008 [Online] Available: https://www.investopedia.com/terms/f/fuzzy-logic.asp [Accessed: 27-Mar2023] [10] M Maksimović, V Vujović, and V Milošević (2014), “Fuzzy logic and Wireless Sensor Networks – A survey,” J Intell Fuzzy Syst., 27(2), pp 877– 890 [11] P Nayak and A Devulapalli (2016), “A fuzzy logic-based clustering algorithm for WSN to extend the network lifetime,” IEEE Sens J., 16(1), pp 137–144 [12] M Singh, Gaurav, S Soni, and V Kumar (2016), “Clustering using fuzzy logic in wireless sensor networks,” 2016 3rd International Conference on Computing for Sustainable Global Development (INDIACom), pp 1669– 1674 [13] N Singh, D Virmani, and X.-Z Gao (2020), “A fuzzy logic-based method to avert intrusions in wireless sensor networks using WSN-DS dataset,” Int J Comput Intell Appl., 19(3), p 2050018 [14] A Brnabic and L M Hess (2021), “Systematic literature review of machine learning methods used in the analysis of real-world data for patient-provider decision making,” BMC Med Inform Decis Mak., 21(1), pp 54 [15] P K Jain, R Pamula, and G Srivastava (2021), “A systematic literature review on machine learning applications for consumer sentiment analysis using online reviews,” Comput Sci Rev., 41(100413) [16] Y Mekonnen, S Namuduri, L Burton, A Sarwat, and S Bhansali (2020), “Review—machine learning techniques in wireless sensor network based precision agriculture,” J Electrochem Soc., 167(3), pp 037522, [17] L Mao and Y Zhang (2017), “An energy-efficient LEACH algorithm for wireless sensor networks,” 2017 36th Chinese Control Conference (CCC), pp 9005-9009 63 [18] H Gou and Y Yoo (2010), “An energy balancing LEACH algorithm for wireless sensor networks,” 2010 Seventh International Conference on Information Technology: New Generations [19] M Khaleel Ullah Khan and K S Ramesh (2020), “A modified LEACH algorithm for WSN: MODLEACH,” Learning and Analytics in Intelligent Systems, pp 632–642 [20] M Razzaq and S Shin (2019), “Fuzzy-logic Dijkstra-based energy-efficient algorithm for data transmission in WSNs,” Sensors (Basel), 19(5), pp 1040 [21] S Radhika and P Rangarajan (2021), “Fuzzy based sleep scheduling algorithm with machine learning techniques to enhance energy efficiency in wireless sensor networks,” Wireless Personal Commununication, 118(4), pp 3025–3044 [22] H Koyuncu, D Sharma and G S Tomar (2020), “A new energy efficient Multitier Deterministic Energy-Efficient Clustering routing protocol for wireless Sensor Networks,” Symmetry (Basel), 12(5), pp 837 [23] A Costea (2014), “Applying fuzzy logic and machine learning techniques in financial performance predictions,” Procedia Econ Finance, 10, pp 4–9 [24] S Ahn et al (2019), “A Fuzzy Logic Based Machine Learning Tool for Supporting Big Data Business Analytics in Complex Artificial Intelligence Environments,” 2019 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), 1(6) [25] “MATLAB,” Mathworks.com [Online] https://www.mathworks.com/products/matlab.html [Accessed: Available: 27-Mar- 2023] [26] “Wireless sensor networks simulation - file exchange - MATLAB CentralFile exchange - MATLAB central,” Mathworks.com, 20-Dec-2018 [Online] Available: https://www.mathworks.com/matlabcentral/fileexchange/69778-wirelesssensor-networks-simulation/ [Accessed: 27-Mar-2023] 64 [27] “Random way mobility with routing WSN simulator - file exchange MATLAB CentralFile exchange - MATLAB central,” Mathworks.com, 15Oct-2020 [Online] Available: https://www.mathworks.com/matlabcentral/fileexchange/81188-randomway-mobility-with-routing-wsn-simulator/ [Accessed: 27-Mar-2023] [28] T.-M Chung, Y.-J Han, J.-M Kim and S.-H Park (2008), “CHEF: Cluster Head Election mechanism using Fuzzy logic in Wireless Sensor Networks,” 2008 10th International Conference on Advanced Communication Technology [29] S Sudha and D Uma Maheswari (2019), “Node degree based energy efficient two-level clustering for wireless sensor networks,” Wirel Pers Commun., 104(3), pp 1209–1225 [30] F Anwar, S M A Motakabber and A Sharmin (2018), “A noble approach of ACO algorithm for WSN,” 2018 7th International Conference on Computer and Communication Engineering (ICCCE) [31] D Kadam, P H Kulkarni and P Malathi (2017), “To maximize energy efficiency in WSN using ACO,” 2017 International Conference on Computing, Communication, Control and Automation (ICCUBEA) [32] T Alhmiedat (2022), “Energy management in wireless sensor network,” Emerging Trends in Wireless Sensor Networks [33] C Zhou, M Wang, W Qu, and Z Lu (2018), “A wireless sensor network model considering energy consumption balance,” Mathematics Problem Engineer, 2018, pp 1–8 [34] G Sulakshana and G R Kamatam (2023), “Data accumulation in WSNs using a mobile sink: A linear programming approach,” Measur Sens., 27(100743) [35] D Praveen Kumar, T Amgoth, and C S R Annavarapu (2019), “Machine learning algorithms for wireless sensor networks: A survey,” Inf Fusion, 49, pp 1–25 65 [36] T C Hung, D Thi Ngoc, Phan Thi The, L Ngoc Hieu, L N T Huynh, and L Dien Tam (2019), “A moving direction proposal to save energy consumption for mobile sink in wireless sensor network,”, 2019 21st International Conference on Advanced Communication Technology (ICACT), pp 107–110 [37] Jia Xu, Ning Jin, Xizhong Lou,Ting Peng,Qian Zhou and Yanmin Chen (2012), “Improvement of LEACH protocol for WSN”, 2012 9th International Conference on Fuzzy Systems and Knowledge Discovery, pp 2174-2177 [38] José Henrique Brandão Neto, Antoniel da Silva Rego, André Ribeiro Cardoso and Joaquim Celestino Jr (2014), “MH-LEACH: A Distributed Algorithm for Multi-Hop Communication in Wireless Sensor Networks,” ICN 2014 : The Thirteenth International Conference on Networks, pp 55-61 [39] Jiman Hong, Joongjin Kook, Sangjun Lee, Dongseop Kwon and Sangho Yi (2009), “T-LEACH: The method of threshold-based cluster head replacement for wireless sensor networks,” Information Systems Frontiers, 11, pp 513521