An energy-efficient approach to enhance virtual sensors provisioning in the heterogeneous environments of sensor clouds [Digital]
Tese
Português
681.3:621.391
Fortaleza, 2018.
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...
Ver mais
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.
Ver menos
Palavras-chaves: Otimização por colônia de formigas. Agrupamento. Virtualização. Redes de Sensores Sem Fio.
Ver menos
Virtual sensors provisioning is a central issue for sensors cloud middleware since it is responsible for selecting physical nodes, usually from Wireless Sensor Networks (WSN) of different owners, to handle user's queries or applications. Recent works perform provisioning by clustering sensor nodes...
Ver mais
Virtual sensors provisioning is a central issue for sensors cloud middleware since it is responsible for selecting physical nodes, usually from Wireless Sensor Networks (WSN) of different owners, to handle user's queries or applications. Recent works perform provisioning by clustering sensor nodes based on the correlation measurements and then selecting fewer nodes as possible to preserve WSN energy. However, such works consider only homogeneous nodes (all nodes using the same set of sensors). Therefore, those works are not entirely appropriate for sensor clouds, which in most cases comprises heterogeneous sensor nodes. In this thesis, we propose ACxSIM, an approach to enhance the provisioning task by considering heterogeneous environments. Two main algorithms form ACxSIM. The first one, ACASIM, creates multi-dimensional clusters of sensor nodes, taking into account the measurements correlations instead of the physical distance between nodes like most works on literature. Then, the second algorithm, ACOSIM, based on an Ant Colony Optimization system, selects an optimal set of sensors nodes from to respond user¿s queries while attending all parameters and preserving the overall energy consumption. Simulations have shown that ACxSIM has better performance than the LEACH protocol regarding energy consumption (7.0x) and Mean Squared Error (2.0x), indicating the feasibility of the proposed approach.
Keywords: Ant Colony Optimization. Clustering. Virtualization. Wireless Sensor Networks. Ver menos
Keywords: Ant Colony Optimization. Clustering. Virtualization. Wireless Sensor Networks. Ver menos
Holanda Filho, Raimir
Orientador
Carvalho, Carlos Giovanni Nunes de
Coorientador
Rabêlo, Ricardo de Andrade Lira
Coorientador
Holanda Filho, Raimir
Banca examinadora
Carvalho, Carlos Giovanni Nunes de
Banca examinadora
Rabêlo, Ricardo de Andrade Lira
Banca examinadora
Albuquerque, Adriano Bessa
Banca examinadora
Santos, Aldri Luiz dos
Banca examinadora
Sampaio, Americo Tadeu Falcone
Banca examinadora
Rodrigues, Joel José Puga Coelho
Banca examinadora