Bài viết này đề cập đến một phương pháp sử dụng thuật toán di truyền (GA) để tìm ra giải pháp tối ưu lịch trình mạng. Việc tính toán giá trị hàm mục tiêu, đánh giá và lựa chọn dựa trên khả năng thích nghi kết hợp các phép toán lai ghép và đột biến nhằm tiến hóa các cá thể trong quần thể qua các thế hệ theo hướng tối ưu. Nghiên cứu đã đưa ra được mô hình bài toán tối ưu lịch trình theo thuật toán di truyền và thực hiện được một số mô phỏng cho lịch trình tối ưu mạng cảm biến và dung lượng pin của các nút với lịch trình tối ưu.
JST: Engineering and Technology for Sustainable Development Vol 1, Issue 2, April 2021, 029-034 Ứng dụng giải thuật di truyền cho tối ưu lịch trình mạng cảm biến khơng dây theo thời gian Application of Genetic Algorithm in Time-Based Wireless Sensor Network Schedule Optimization Hà Văn Phương1,2*, Đào Trung Kiên1, Phạm Thị Ngọc Yến1, Lê Minh Hoàng1 Trường Đại học Bách khoa Hà Nội, Hà Nội, Việt Nam Trường Đại học Công nghiệp Hà Nội, Hà Nội, Việt Nam * Email: Havanphuong@haui.edu.vn Tóm tắt Trong năm gần đây, mạng cảm biến không dây ngày đặt biệt quan tâm, nghiên cứu ứng dụng mạnh mẽ nhiều lĩnh vực Một vấn đề mạng cảm biến hạn chế tài nguyên lượng hoạt động nên hạn chế nhiều tiềm ứng dụng Tối ưu hóa mạng cảm biến lớp toán đa dạng phong phú, lập lịch cho mạng cảm biến góp phần quan trọng giúp tiết kiệm lượng tăng thời gian hoạt động mạng ứng dụng thực tiễn Tuy nhiên, việc tối ưu hóa lập lịch cho mạng cảm biến toán phức tạp với nhiều ràng buộc, khó để giải phương pháp giải tích Bài báo đề cập đến phương pháp sử dụng thuật toán di truyền (GA) để tìm giải pháp tối ưu lịch trình mạng Việc tính tốn giá trị hàm mục tiêu, đánh giá lựa chọn dựa khả thích nghi kết hợp phép toán lai ghép đột biến nhằm tiến hóa cá thể quần thể qua hệ theo hướng tối ưu Nghiên cứu đưa mơ hình tốn tối ưu lịch trình theo thuật tốn di truyền thực số mơ cho lịch trình tối ưu mạng cảm biến dung lượng pin nút với lịch trình tối ưu Từ khóa: Mạng cảm biến, tối ưu hóa lịch trình, thuật tốn di truyền, tiết kiệm lượng Abstract In recent years, wireless sensor networks (WSN) have been particularly interested, studied and applied very strongly A sensor network is generally limited in resources and energy, which greatly restrict its applicability Sensor network optimization in practice is a very diverse with a wide range of applications, whereas sensor network scheduling is important in lowering energy consumption and maximizing network lifetime However, optimization of sensor network schedule is a very complex problem with many constraints that is not trivial to solve by analytical methods This paper discusses a heuristical approach using a genetic algorithm to find an optimal solution for network scheduling The evaluation of fitness function, as well as selection with crossover and mutation operations help to evolve individuals in the population through generations in an optimal direction The modeling of a genetic algorithm for the schedule optimization is presented, and simulation results with the optained optimal schedule are given Keywords: Sensor network, schedule optimization, genetic algorithm, energy efficiency Giới thiệu giải pháp nhằm tiết kiệm lượng, kéo dài tuổi thọ nâng cao hiệu mạng Trong năm gần đây, mạng cảm biến không dây quan tâm, nghiên cứu ứng dụng mạnh mẽ nhiều lĩnh vực giám sát mơi trường [1], sức khoẻ, kiểm sốt sản xuất công nghiệp, nông nghiệp, lượng [2], giao thông, an ninh, quân ứng dụng dân dụng Nhờ ưu điểm không cần dây cấp nguồn dây tín hiệu, tính mềm dẻo linh hoạt, khả tùy biến cao, dễ triển khai diện rộng môi trường phức tạp, mang lại hiệu cao kinh tế nên mạng cảm biến không dây ngày ứng dụng rộng rãi Tuy nhiên, vấn đề lớn quan tâm mạng cảm biến không dây lượng cung cấp cho nút cảm biến hạn chế nên cần phải có Nghiên cứu, phát triển ứng dụng mạng cảm biến thực tế có nhiều mục tiêu Nhiều tốn tối ưu hóa cho mạng cảm biến cần thực tối ưu hóa lượng tiêu thụ, tối ưu hóa vùng phủ sóng, tối ưu hóa kết nối mạng, tối đa hóa thời gian hoạt động mạng, v.v… Các tiêu chí mục tiêu tối ưu hóa xác định khác nhau, ví dụ tối đa hóa thời gian hoạt động tiêu chí thời gian hoạt động xác định khác nhau, mạng coi hoạt động cần vài nút hoạt động, phạm vi bao phủ ngưỡng cho trước, bao phủ khu vực quy định [3] Thực tế, mạng cảm biến thường không đồng nhất, cảm biến đa dạng chủng loại, số lượng nút cảm biến lớn, không gian triển khai mạng rộng, địa hình mơi trường phức tạp, nên lập lịch hoạt động cho mạng cảm biến ISSN: 2734-9381 https://doi.org/10.51316/jst.149.etsd.2021.1.2.5 Received: February 02, 2021; accepted: April 05, 2021 29 JST: Engineering and Technology for Sustainable Development Vol 1, Issue 2, April 2021, 029-034 giải pháp sử dụng phổ biến việc thực mục tiêu tối ưu hóa cho mạng Lập lịch tối ưu cho mạng cảm biến phụ thuộc vào mục tiêu cần tối ưu hóa ràng buộc mạng Đây tốn tối ưu hóa tổ hợp đa mục tiêu với nhiều ràng buộc phức tạp khó để giải thuật toán tối ưu xác định hay phương pháp tích phân Bài báo đề cập tới cách tiếp cận vấn đề cách sử dụng thuật tốn di truyền (GA) chế tìm kiếm chung cho giải pháp tối ưu tổng thể cho mạng cảm biến cấp dựa cụm Các nút cảm biến mạng tổ chức thành cụm, có trưởng cụm đóng vai trị liên lạc với cảm biến cụm sau liên lạc với trưởng cụm khác trạm gốc, cịn nút cụm hoạt động ngủ tùy thuộc vào tính cần thiết cụ thể thời điểm Như vậy, trưởng cụm có nhiều trách nhiệm tiêu tốn nhiều lượng hơn, dẫn đến cụm trưởng hết lượng ngừng hoạt động trước ảnh hưởng chung tồn mạng Để tránh tình trạng này, thuật toán lập lịch chia hoạt động mạng thành chu kỳ, chu kỳ lựa chọn ngẫu nhiên trưởng cụm [7], tất các cảm biến có xác suất trở thành trưởng cụm chu kỳ Hơn nữa, số lượng trưởng cụm phải xem xét vấn đề phân cụm, số lượng trưởng cụm nhiều mức cần thiết mạng gây lãng phí lượng mạng thuật tốn thiết lập lịch hoạt động cho mạng cần phải xem xét việc xác định số lượng cụm trưởng cần thiết Lập lịch dựa việc giám sát lượng cụm cụm trưởng [8], nút cụm trưởng cụm giám sát điều khiển việc ngủ thức tùy thuộc theo mức lượng tương đối cụm ví dụ mức lượng ngủ nhiều, trưởng cụm giám sát lựa chọn lại đầu chu kỳ hoạt động mạng Bài tốn tối ưu lịch trình cho mạng cảm biến Do tính chất đa dạng phức tạp yêu cầu toán ứng dụng mạng cảm biến, nên toán tối ưu lịch cho mạng cảm biến đa dạng phức tạp Các chế lập lịch mục tiêu tối ưu điều kiện ràng buộc khác chế lập lịch khác Nhìn chung, mục tiêu tối ưu hóa mạng cảm biến thường với hai vấn đề tổng hợp liệu tiết kiệm lượng cho mạng Vì vậy, việc lập lịch tối ưu cho mạng dựa kết hợp chế hoạt động nút cảm biến với trạng thái hoạt động ngủ, đo lường, truyền thông chế hoạt động chung toàn mạng để thực mục tiêu tối ưu hóa tốn cụ thể Tuy nhiên, tất chiến lược có mục tiêu thiết kế chung để tối đa hóa tuổi thọ mạng, chế để thực vấn đề đa dạng kỹ thuật sử dụng triển khai mạng cảm biến giả định khác xem xét bối cảnh ứng dụng khác [4] Do đó, chế phân loại theo nhiều cách: tĩnh động, tập trung phân tán, hợp tác dựa giao tiếp giao tiếp, phân cấp khơng phân cấp, v.v Như vậy, tốn tối ưu hóa lập lịch cho mạng cảm biến có chất thời gian biểu rời rạc, việc tìm kiếm giải pháp tối ưu phương pháp phân tích không phù hợp Bài báo hướng tới cách tiếp cận vấn đề cách sử dụng thuật toán di truyền (GA) [9], đưa chế tìm kiếm chung cho giải pháp tối ưu hóa mạng cảm biến Thuật toán di truyền cho toán tối ưu lịch trình mạng cảm biến Ví dụ, với chế lập lịch mạng không phân cấp, nút cảm biến có vai trị mạng Các nút cảm biến tự quảng bá thông tin thân vị trí, mức lượng, thời gian làm việc liên tục thăm dò, giao tiếp với nút lân cận để đưa yêu cầu nút lân cận định hành động thân tiếp tục ngủ để tiết kiệm lượng hay thức dậy làm việc để đảm bảo chức năng, nhiệm vụ mục tiêu mạng Hiện có nhiều chế lập lịch mạng không phân cấp nghiên cứu đề xuất áp dụng, chế lập lịch tối đa hóa tuổi thọ mạng cảm biến với vấn đề hạn chế thời lượng pin phạm vi cảm nhận [5]; lập lịch theo chế vùng phủ sóng hỗ trợ, dựa việc nút mạng tự động định kỳ đưa định bật hay tắt cách sử dụng thông tin phủ sóng nút lân cận, nút định tắt phát nút lân cận giúp giám sát tồn khu vực hoạt động [6] Bên cạnh đó, chế lập lịch cho mạng cảm biến phân cấp tương tự chế lập lịch không phân cấp, có nhiều chế lập lịch khác nhóm nghiên cứu đề xuất phát triển, chẳng hạn chế lập lịch mạng phân 3.1 Tổng quan thuật toán di truyền Theo học thuyết Charles Darwin tiến hóa lồi, tự nhiên, quần thể bao gồm cá thể sinh sống cạnh tranh nguồn tài nguyên sống thức ăn, nơi cá thể cạnh tranh vấn đề sinh sản trì nịi giống Những cá thể có lực cao có khả sống sót cao có số lượng lớn hơn, cá thể yếu có chí khơng có Các hệ sau thừa hưởng, kết hợp phát triển đặc điểm tốt từ bố mẹ nên có lực cao bố mẹ nhiều Đây cách mà lồi tiến hóa để thích nghi với mơi trường sống Thuật toán di truyền bắt chước tự nhiên với nguyên lý tiến hóa di truyền, chọn lọc tự nhiên, lai ghép đột biến để tìm giải pháp tối ưu tổng thể cho vấn đề, đặc biệt tốn liên quan đến vấn đề tìm kiếm tối ưu hóa GA hoạt động với tập hợp cá thể, cá thể đại diện giải pháp khả thi cho vấn đề định có giá trị tùy thuộc vào mức độ giải vấn đề 30 JST: Engineering and Technology for Sustainable Development Vol 1, Issue 2, April 2021, 029-034 Những cá thể có tính phù hợp cao lựa chọn lai với để tạo có lực tốt bố mẹ GA thường ứng dụng cho tối ưu như: lập kế hoạch [10], vận tải [11], tìm đường [12], chương trình trị chơi, điều khiển thích nghi, Do ưu điểm vượt trội, thuật toán di truyền ngày phát triển ứng dụng mạnh mẽ thực tế GA sử dụng tối ưu hóa cho mạng cảm biến, toán phổ biến quan trọng tối ưu chế lập lịch thực mục tiêu tối ưu hóa mạng cảm biến • - Lựa chọn hai cá thể bố mẹ từ quần thể cũ theo độ thích nghi chúng, cá thể có độ thích nghi cao có nhiều khả chọn - Lai ghép hai cá thể bố mẹ để tạo cá thể với xác suất lai ghép chọn Việc thực thuật tốn di truyền điển hình biểu diễn lưu đồ mơ tả Hình Khi khởi tạo, quần thể tạo tạo ngẫu nhiên Sự ngẫu nhiên hóa hồn tồn đồng đơi dựa cá thể hạt giống người dùng cung cấp đầu vào thuật toán - Đột biến nhằm mục đích biến đổi ngẫu nhiên phần gen cá thể với xác suất đột biến chọn • Bắt đầu 3.2 Tối ưu lịch trình mạng cảm biến với thuật tốn di truyền Tính giá trị hàm thích nghi Với tốn tối ưu hóa, điều quan trọng hàm mục tiêu, biểu diễn chung hàm tốn học nhiều biến ánh xạ phần tử từ miền đầu vào X thành số thực: Đ 𝑓𝑓(𝑥𝑥): 𝐗𝐗 → R Nhiễm sắc thể cá thể tốt Đối với toán tối ưu lịch mạng cảm biến, gốc lõi vấn đề lập lịch tối ưu cho nút mạng với ràng buộc liên quan để lịch trình tối ưu cho tồn mạng Mỗi nút cảm biến hoạt động chế độ khác ngủ, chờ, đo lường, truyền thơng,… Trong tốn này, tập hợp chế độ nút i biểu thị Mi Khi đó, lịch trình nút i xác định chuỗi: Lai ghép Đột biến Kết thúc Hình Lưu đồ thuật tốn di truyền Từ Hình 1, thấy giải thuật di truyền bao gồm bước sau: • Bắt đầu: nhận tham số cho thuật tốn • Khởi tạo: sinh ngẫu nhiên quần thể gồm n cá thể • Thích nghi: tính tốn giá trị hàm thích nghi cho từ cá thể tồn quần thể • Đánh giá: kiểm tra điều kiện kết thúc giải thuật (1) x ∈ X vectơ biến Thông thường, X tập phần tử Rn thỏa mãn ràng buộc Đối với toán cực tiểu, nghiệm x0 phần tử mà 𝑓𝑓(𝐱𝐱 ) ≤ 𝑓𝑓(𝐱𝐱) với x ∈ X S Lựa chọn Kết thúc: điều kiện dừng thỏa mãn thuật tốn kết thúc trả lời giải tốt quần thể Tuy nhiên, thứ tự bước khác chí chúng kết hợp theo cách khác số biến thể thuật tốn để có linh hoạt việc triển khai Khởi tạo quần thể ban đầu Điều kiện dừng ? Tạo quần thể mới: điều kiện chấm dứt khơng thỏa mãn, q trình tiếp tục cách tạo hệ theo hướng chất lượng cải thiện so với hệ bố mẹ Bước gọi sinh sản đạt cách thực ba phép toán: lựa chọn, lai ghép đột biến quần thể 𝑆𝑆 𝑖𝑖 ≜ 〈𝑚𝑚𝑗𝑗𝑖𝑖 〉|𝑗𝑗=1 𝑠𝑠 , (2) 𝑆𝑆̂ = {𝑆𝑆 𝑖𝑖 }|𝑖𝑖=1 𝑛𝑛 (3) s độ dài chuỗi hay số lần thay đổi trạng thái nút, mij ∈ Mi chế độ sử dụng trạng thái thứ j nút i Lịch trình tồn mạng 𝑆𝑆̂ kết hợp lịch trình nút mạng gồm n nút Chú ý các nút có thời gian bắt đầu t0 = thời điểm kết thúc cho lịch trình T 31 JST: Engineering and Technology for Sustainable Development Vol 1, Issue 2, April 2021, 029-034 Trong nghiên cứu này, nhiễm sắc thể mã hóa lịch trình mạng 𝑆𝑆̂ định nghĩa sau: tối đa pin Nhóm phát triển thực nghiệm nút cảm biến đo nhiệt độ độ ẩm không khí q trình nghiên cứu [13], tham số nút mạng thực nghiệm đưa Bảng Các mô thực tảng mô nhóm nghiên cứu phát triển giới thiệu cụ thể [14] = C [ m11 , m12 , …, m1s , m12 , m22 , …, ms2 , … Bảng Tham số nút mạng kịch n n n s m , m , …, m ] (4) Tham số Số gen nút s tồn mạng (n×s) Giả sử quần thể có p cá thể, qC|q=1 p biểu thị lịch trình cá thể q quần thể lịch trình mạng, qCi, thể Hình 2, biểu thị đoạn gen qC tương ứng lịch trình nút i lịch trình mạng q Tương tự, tất biến phụ thuộc cá thể khác tuân theo quy ước ký hiệu này, ví dụ, q𝑚𝑚𝑗𝑗𝑖𝑖 trạng thái j nút i cá thể q Lịch trình nút i biểu diễn sau: i i i Ci = [q m1 , q m2 , …, q ms ] q q t q i q i t t q i t (6) q i q i t t q i t 7000 0.8 0.8 0.8 Mức tiêu thụ chế độ ngủ (W) 0.05 0.05 0.05 Mức tiêu thụ lượng trung bình chế độ chờ (W) 0.17 0.17 0.17 Mức tiêu thụ lượng trung bình chế độ đo lường (W) 0.22 0.22 0.22 Δτ (phút) 5 T (ngày) 3 Ngoài ra, kịch mơ phỏng, vị trí, tọa độ nút không gian cần quan tâm xác định cụ thể liên quan đến vấn đề thu lượng Để tối đa hoá số lần đo thực mạng, đồng thời đảm bảo yếu tố lượng thời gian hoạt động, hàm mục tiêu sử dụng hàm gồm thành phần: Ci q i 5250 Mức tiêu thụ trung bình lần 13.27 13.27 13.27 truyền thơng (W) Theo đó, lịch trình mạng gồm n nút qC biểu diễn sau: C = [qC1, qC2,…, qCn ] 3500 Tốc độ sạc pin (W) (5) q Nút Nút Nút Dung lượng pin tối đa (mAh) t t q i (7) Φ = Φ1 + Φ + Φ + Φ , đó, Φ1 thành phần tương ứng với số lần đo cần tối đa hoá, Φ thành phần giúp hạn chế khoảng thời gian dài mà khơng có phép đo thực hiện, Φ để hạn chế việc nút bị hết pin trước Hình Biểu diễn lịch trình hoạt động nút Kịch kết mô Trong khuôn khổ báo này, kịch thử nghiệm thuật toán di truyền cho lớp tốn tối ưu lịch trình mạng với mục tiêu cụ thể tối đa hóa số giá trị đo thông số môi trường, với ràng buộc tuổi thọ nút đảm bảo thời gian hai lần đo liên tiếp không lớn Δτ cho trước Đối với nút cảm biến, cần phải biết trước thông số lượng tiêu thụ nút dung lượng lớn pin, tốc độ sạc pin, lượng tiêu thụ chế độ làm việc Thực tế, nút cảm biến có nhiều chế độ làm việc ngủ, chờ, đo lường truyền thơng,… Tuy nhiên, tốn ràng buộc tối đa tuổi thọ mạng nên vấn đề lượng tiêu thụ đặc biệt quan tâm Vì kịch này, để đơn giản, nút xem xét với chế độ chế độ ngủ M- tiêu thụ lượng mức thấp chế độ hoạt động M+ tiêu thụ lượng mức cao Như Mi = {M-, M+} Giả sử thời gian tồn lịch trình chia thành khoảng khoảng τ, τ×s = T kết thúc kịch chạy, Φ để hạn chế việc mức pin cuối chu kỳ mô nhỏ bắt đầu Cụ thể, Φ1 =−kηη , Φ = (8) η ∑ kτ ∆τ i =1 ( i + kτ ∆τ i2 , ) ( (9) ) = Φ kT T − T + kT T − T , (10) k ( L − Ls ) + k L ( Le − Ls ) if Le < Ls , Φ = L1 e 0 if Le ≥ Ls , (11) η số lần đo thực được; ∆τ i thời gian hai lần đo liên tiếp; T thời điểm nút bị hết pin, T không hết; Ls Le mức pin bắt đầu kết thúc chu kỳ; kη , kτ , kτ , Kịch thử nghiệm với mạng gồm nút cảm biến Để đơn giản, giả sử nút có cấu hình tương tự có khác biệt dung lượng kT , kT , k L1 , k L hệ số với giá trị Các hàm bậc hai sử dụng cho Φ − nhằm giúp thuật toán 32 JST: Engineering and Technology for Sustainable Development Vol 1, Issue 2, April 2021, 029-034 10 3.5 100 90 80 70 2.5 Capacity (%) Best fitness value 60 1.5 50 40 30 20 0.5 Node 10 Node Node 0 0 10 20 30 40 50 60 70 80 90 10 20 30 100 40 50 60 70 Time (h) Generation Hình Giá trị thích nghi tốt sau 100 hệ Hình Dung lượng pin nút với lịch trình tối ưu 1000 Node schedule Node Node 900 Node Total 800 700 Measurements Node schedule 600 500 400 300 Node schedule 200 100 10 15 20 Time (h) 30 40 50 60 70 Hình Số phép đo thực theo thời gian Kết luận hội tụ nhanh Giá trị tham số thuật tốn GA cho Bảng Trong nghiên cứu này, nhóm tác giả thực tìm hiểu, phân tích xác định việc tối ưu hóa lịch trình làm việc cho mạng cảm biến toán quan trọng liên quan đến vấn đề lượng, tuổi thọ hiệu mạng Theo hướng tiếp cận ứng dụng thuật toán di truyền cho tốn tối ưu hóa lịch trình mạng cảm biến Nghiên cứu đưa mơ hình hóa tốn học tốn tối ưu lịch trình theo thuật tốn di truyền Kết chạy mơ với kịch thử nghiệm cho thấy giải thuật di truyền hiệu việc tìm giải pháp tối ưu lịch trình mạng cảm biến Bảng Tham số giải thuật di truyền Kích thước quần thể 20 Time (h) Hình Lịch trình mạng tối ưu Tham số 10 Giá trị 100 Tỉ lệ lựa chọn 20% Tỉ lệ lai 50% Tỉ lệ đột biến 40% Với tham số định cho nút mạng GA thực thi sau 100 hệ, kết nhận giá trị thích nghi tốt 3.57×104 Q trình hội tụ Hình 3, thể giá trị hàm mục tiêu cá thể tốt hệ Lịch trình mạng tối ưu cuối hiển thị Hình Tài liệu tham khảo Theo lịch trình tối ưu thu được, phạm vi thời gian hoạt động ngày cho ba nút riêng lẻ 39,6%, 38,5% 40,5%, kết hợp chúng tạo mức độ bao phủ 91,7% thời gian ngày Phần trăm dung lượng pin nút mơ với lịch trình đưa Hình số phép đo thực nút toàn mạng đưa Hình Khi kết thúc mơ phỏng, nút thực phép đo 312, 315 325 riêng lẻ, với tổng cộng 952 33 [1] Srivastava N (2010) Challenges of next-generation wireless sensor networks and its impact on society Journal of Telecommunications, pp 128-133 [2] Guinard, A., McGibney, A., & Pesch, D (2009, November) A wireless sensor network design tool to support building energy management In Proceedings of the First ACM Workshop on Embedded Sensing Systems for Energy-Efficiency in Buildings (pp 2530) ACM [3] 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 JST: Engineering and Technology for Sustainable Development Vol 1, Issue 2, April 2021, 029-034 [4] L Wang, and X Yang “A survey of energy-efficient scheduling mechanisms in sensor networks,” Mobile Networks and Applications, vol 11, no 5, pp 723740, 2006 [5] 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 [6] Tian, D., & Georganas, N D (2002) A coveragepreserving 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 [7] 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 10pp) IEEE [8] [9] J H Holland, Adaptation in Natural and Artificial Systems, The University of Michigan Press, Michigan, 1975 [10] 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 [11] 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 [12] 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 [13] Nguyễn, T H., Lê, M H., Đào, T K., Hà, V P., & Phạm, T N Y (2020) 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, 56(4), 26-30 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 [14] Ha, V.P., Dao, T.K., Le, M.H., Nguyen, T.H., and Nguyen, V.T 2020 Design and implementation of an energy simulation platform for wireless sensor networks 2020 IEEE International Conference on Multimedia Analysis and Pattern Recognition (MAPR) Hanoi, Vietnam, Oct 34 JST: Engineering and Technology for Sustainable Development Vol 1, Issue 2, April 2021, 029-034 35 ... chung cho giải pháp tối ưu hóa mạng cảm biến Thuật toán di truyền cho toán tối ưu lịch trình mạng cảm biến Ví dụ, với chế lập lịch mạng không phân cấp, nút cảm biến có vai trị mạng Các nút cảm biến. .. thọ hiệu mạng Theo hướng tiếp cận ứng dụng thuật toán di truyền cho tốn tối ưu hóa lịch trình mạng cảm biến Nghiên cứu đưa mơ hình hóa tốn học tốn tối ưu lịch trình theo thuật tốn di truyền Kết... nghiệm cho thấy giải thuật di truyền hiệu việc tìm giải pháp tối ưu lịch trình mạng cảm biến Bảng Tham số giải thuật di truyền Kích thước quần thể 20 Time (h) Hình Lịch trình mạng tối ưu Tham