An energy-efficient approach to enhance virtual sensors provisioning in the heterogeneous environments of sensor clouds

• Ano de defesa: 2018
• Autor(a) principal: Lemos, Marcus Vinicius de Sousa
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Redes de sensores sem fio; Otimização combinatória; Algoritmos
• Link de acesso: https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/115903

No contexto de nuvens de sensores, o procedimento de provisionamento é essencial, uma vez que é responsável por selecionar os sensores físicos, geralmente de redes de sensores sem fio (RSSF) de diferentes proprietários, que serão alocados (provisionados) para compor os sensores virtuais. Trabalhos recentes na literatura realizam o provisionamento agrupando nós de sensores com base nas medidas de correlação e, em seguida, selecionando o menor conjunto possível de nós para preservar a energia da RSSF, ao mesmo tempo que garante os requisitos das aplicações. No entanto, tais trabalhos consideram apenas nós homogêneos, i.e., nós que monitoram o mesmo conjunto de variáveis. Desta forma, tais trabalhos não são inteiramente apropriados para o ambiente de nuvens de sensores, que na maioria dos casos incluem nós sensores heterogêneos. Nesta tese, propomos ACxSIM, uma abordagem para aprimorar o provisionamento de sensores virtuais, considerando ambientes heterogêneos. Dois algoritmos principais formam ACxSIM. O primeiro, ACASIM, cria clusters multidimensionais de nós de sensores, levando em consideração as correlações de medições em vez da distância física entre nós, que é a abordagem padrão da maioria dos trabalhos encontrados na literatura. Em seguida, ACOSIM, um algoritmo baseado em um sistema de otimização por colônia de formigas, seleciona um conjunto ótimo de nós de sensores para responder as consultas do usuário que atende aos parâmetros das consultas e preserva o consumo geral de energia. Simulações realizadas mostraram que ACxSIM possui melhor desempenho do que o protocolo LEACH com relação ao consumo de energia (aproximadamente 7.0x) e Erro Quadrático Médio (2.0x), indicando a viabilidade da abordagem proposta. Palavras-chaves: Otimização por colônia de formigas. Agrupamento. Virtualização. Redes de Sensores Sem Fio.