SavedAdd your journal

Journals / Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi / 2020 / Cilt: 12 - Sayı: 2

Comparison of Heuristic Algorithms via Quantum Behavior in Localization of Wireless Sensor Networks

Kablosuz Sensör Ağlarında Konum Belirlemede Sezgisel Algoritmaların Kuantum Davranışları ile Karşılaştırılması

Ertem KIZILKAPLAN
Tolga EREN
Fikret YALÇINKAYA
Pages
587–602
Publication Date
2020-06-30
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Quantum-behavior QFPA and QCSA applied to the test system in Matlab environment and the approaches of standard FPA and CSA to similar problem solutions were evaluated.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Today, positioning in wireless sensor networks is becoming an important in many applications.
📊
Key Findings & Data:The positioning optimization technique in WSN’s used in many applications is an important step to reach the desired goal quickly and reliably.
💡
Conclusion & Impact:Quantum-behavior QFPA and QCSA applied to the test system in Matlab environment and the approaches of standard FPA and CSA to similar problem solutions were evaluated.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Kablosuz sensör ağları · Sezgisel algoritmalar · Kuantum davranışı

Abstract

Today, positioning in wireless sensor networks is becoming an important in many applications. The positioning optimization technique in WSN’s used in many applications is an important step to reach the desired goal quickly and reliably. For this reason, in the study aiming to find the targeted locations, one of the new generation heuristic algorithms created by inspiring from nature Flower Pollination Algorithm (FPA) and Cuckoo Search Algorithm (CSA) methods have been compared in solving the problem of positioning in WSN’s. In addition, Flower Pollination Algorithm (FPA) and Cuckoo Search Algorithm (CSA) are combined with quantum behavior search mechanisms to improve and compare the global search capability and accuracy of this algorithm. Quantum-behavior QFPA and QCSA applied to the test system in Matlab environment and the approaches of standard FPA and CSA to similar problem solutions were evaluated.

Özet

Günümüzde, kablosuz sensör ağlarında (KSA) konum belirleme giderek önemli bir hale gelmektedir. Bir çok uygulamada kullanılan KSA’larda konum belirleme optimizasyon tekniği, istenilen amaca doğru, hızlı ve de güvenilir bir şekilde ulaşmak için önemli bir adım oluşturmaktadır. Bu nedenle hedeflenen konumları bulmayı amaçlayan çalışmada, doğadan esinlenerek oluşturulmuş yeni nesil sezgisel algoritmalardan Çiçek Tozlaşma Algoritması (FPA) ve Guguk Kuşu Arama Algoritması (CSA) metotları (KSA)’larda konum belirleme probleminin çözülmesi amacı ile karşılaştırılmıştır. Ayrıca bu algoritmaların küresel arama kabiliyetini ve doğruluğunu geliştirmek ve karşılaştırmak amacıyla da Çiçek Tozlaşma Algoritması (FPA) ve Guguk Kuşu Arama Algoritması (CSA) kuantum davranışlı arama mekanizmalarıyla ayrı ayrı birleştirilmiştir. Matlab ortamında test sistemine uygulanmış kuantum davranışlı QFPA ve QCSA ile standart FPA ve CSA’nın benzer problem çözümüne olan yaklaşımları da değerlendirilmiştir.

🔖

Cite This Article

KIZILKAPLAN, E., EREN, T., YALÇINKAYA, F. (2020). Comparison of Heuristic Algorithms via Quantum Behavior in Localization of Wireless Sensor Networks. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, Cilt: 12 - Sayı: 2, 587–602. https://ajindex.com/articles/889304

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (9)

  1. Abdel-Basset, M. and Shawky, L.A. (2019). Flower Pollination Algorithm: A Comprehensive Review. Springer Science and Business Media B.V., part of Springer Nature. Vol. 52, pp 2533–2557, 2019.
  2. Abdel-Raouf, O., Abdel-Baset, M., El-henawy, I. (2014). A New Hybrid Flower Pollination Algorithm for Solving Constrained Global Optimization Problems. International Journal of Applied Operational Research. Vol. 4, no. 2, pp. 1-13, 2014.
  3. Akyildiz, I.F., Su, W. and Sankarasubramaniam, Y. (2002). Wireless Sensor Networks: A Survey. Computer Networks. Vol. 38, no. 4, pp. 393-422, 2002.
  4. Alrajeh, N. A., Bashir, M. and Shams, B. (2013). Localization Techniques in Wireless Sensor Networks. Hindawi Publishing Corporation International Journal of Distributed Sensor Networks, International Journal of Distributed Sensor Networks. Vol. 13, No. 6, pp. 1-9, 2013.
  5. Al-qaness, M. A. A., Ewees, A. A., Hong, F. and El Aziz, M. A. (2020). Optimization Method for Forecasting Confirmed Cases of COVID-19 in China, Journal of Clinical Medicine. Vol. 9, no. 3, 674, 2020. doi:10.3390/jcm9030674 Aspnes, J., Eren, T. and Goldenberg, D. (2006). A Theory of Network Localization. IEEE Transactions on Mobile Computing. Vol. 5, no. 12, pp. 1663–1678, 2006.
  6. Ateş, V. and Necaattin, B. (2017). Short-Term Load Forecasting Model Using Flower Pollination Algorithm, International Scientific and Vocational Journal (ISVOS JOURNAL). Vol. 1, no.1, pp. 22-29, 2017.
  7. Bekçibaşı, U., Tenruh, M. (2012). Kablosuz Algılayıcı Ağlarda Konum Saptama Teknikleri ve Mesafe Bağımlı Tekniklerde Dördüncü Çapa Yaklaşımı, Akademik Bilişim’12 - XIV. Akademik Bilişim Konferansı Bildirileri, 2012.
  8. Chen, C. C., Chang, C. Y., and Li, Y. N. (2012). Range-Free Localization Scheme in Wireless Sensor Networks Based on Bilateration. Hindawi Publishing Corporation International Journal of Distributed Sensor Networks. Vol. 9, no. 1, 2012.
  9. Cheng, J. and Xia, L. (2016). An Effective Cuckoo Search Algorithm for Node Localization in Wireless Sensor Network. Sensors 2016. Vol. 16, no.9, 1390, 2016. DOI:10.3390/s16091390 Djeloul, H., Layeb, A. and Chikhi S. (2014). Quantum Inspired Cuckoo Search Algorithm for Graph Coloring. International Journal of Bio-Inspired Computation. ISSN: 1758-0366, vol.7, no.3, pp 183–194, 2014. DOI: 10.1504/IJBIC.2015.069554 Doğru, A. S., Temel, B., Eren, T. (2019). dKablosuz Sensör Ağlarında Konum Belirlemede Parçacık Sürü Optimizasyonu ve Yarasa Algoritması Yöntemlerinin Karşılaştırılması. IJISAE International Journal