الفهرس 
Chapter1: IntroductionOnly 14 pages are availabe for public view
 |  | from | 284 |  |  |
| | | from | 284 | | |
Abstract
يعد اقتراح الخوارزميات الميتاهيروستية المعدلة لتعزيز كفاءة شبكات الاستشعار اللاسلكية أمرًا مهمًا. يعد الوضع الأفضل لـ Sink nodes فى شبكة الاستشعار اللاسلكية ضروريًا ليس فقط لتوفير الطاقة على عقد الاستشعار ولكن أيضًا لتوفير النقل السريع للبيانات المجمعة من عقد الاستشعار إلى Sink nodes. يعد Localization تحديًا مهمًا في شبكات الاستشعار اللاسلكية ويرتبط بتوفير الطاقة والاتصال وإعادة تكوين الشبكة. إن تقديم تقنية محوسبة جديدة لكشف مواقع العقد الاستشعارية غير المعروفة دون الحاجة إلى تجهيز نظام تحديد المواقع العالمي (GPS) أمر ضروري لتوفير طاقة الشبكة. وبالتالي، هناك حاجة إلى تقنيات تحسين الذكاء الفوقي (الميتاهيروستية) مع وظائف موضوعية مناسبة.
المنهجية
تثير مشكلة التحسين الصعبة قدرًا جوهريًا من الحلول المتاحة. يتطلب الحصول على الحل الأمثل التحسين أو الخوارزمية الإرشادية الفوقية (الميتاهيروستية) لقيادة أفراد السرب (Search agents) بكفاءة لتشكيل بحث فعال في البيئة. وهذا يتطلب تحركات متعددة الاستخدامات وديناميكية إلى مناطق واعدة دون إهدار الوقت والموارد. لتحديد كفاءة الخوارزمية المختارة في عملية البحث، يجب تنفيذ مقياسي الأداء، التكثيف (Local search) والتنويع (Global search) على تطبيقات العالم الحقيقي ومشاكل التحسين العددي.
النتائج والاسهامات
• تم اقتراح خوارزمية جديدة متعددة الأهداف تسمى مُحسِّن قوات الغوريلا متعددة الأهداف (MOGTO) لمعالجة تحديات التحسين.
• اقتراح ثلاث وظائف موضوعية يجب حلها في وقت واحد لتحسين وضع العديد من Sink nodes في شبكات الاستشعار اللاسلكية واسعة النطاق.
• تعديل خوارزمية وصفية حديثة جدًا تسمى خوارزمية افتراس Orca (OPA) باستخدام استراتيجيات فعالة مثل رحلة Levy ( (LFوالاختيار الجشع (GS).
• تم التحقق من فعالية الخوارزمية المقترحة (LFOPA) باستخدام منصة اختبار CEC 2020 ذات الهدف الواحد، وأربعة تحديات للتصميم الهندسي في العالم الحقيقي، وتحدي Nodes localization في شبكات الاستشعار اللاسلكية.
• تعديل خوارزمية ميتاهيروستية حديثة جداً تسمى محسن حصان البحر (SHO) باستخدام استراتيجيات فعالة مثل التعلم القائم على المعارضة (OBL) والاختيار الجشع (GS).
• يتم التحقق من فعالية الخوارزمية المقترحة ((SHO-OBL المقترح باستخدام منصة اختبار CEC 2020 ذات الهدف الواحد وتحدى Cluster head selection في شبكات الاستشعار اللاسكية.
• تقديم لمحة عامة عن أساليب التحسين الفوقية (الميتاهيروستية) الموجودة في الأدبيات، بما في ذلك النهج أحادي الهدف ومتعدد الأهداف، بالإضافة إلى معايير التقييم وتطبيقاتها في تحديات شبكة الاستشعار اللاسلكية.
Proposing modified meta-heuristics to enhance the efficiency of WSNs is important. A better placement of WSN sink nodes is necessary not only to save energy on sensor nodes but also to provide rapid transmission of the collected data from sensor nodes to sink nodes. Localization is an important challenge in WSNs and is related to energy savings, connectivity, and network reconfiguration. Presenting a new computerized technique in order to detect the positions of unknown sensor nodes without needing to equip GPS is necessary for saving network energy. Consequently, meta-heuristic intelligence optimization techniques with suitable objective functions are required.
Methodology
The difficult optimization problem raises an intrinsic amount of available solutions. Obtaining the optimal solution demands optimization or meta-heuristic algorithm to efficiently lead swarm individuals (search agents) to shape efficacious search of the environment. This requires versatile and dynamic moves to promising areas without a waste of time and resources. To identify the efficiency of the selected algorithm in the search process, the two performance metrics, intensification (exploitation) and diversification (exploration) must be performed on real-world application and numerical optimization problems.
Thesis contributions
• A new multi-objective meta-heuristic algorithm called the multi-objective gorilla troops optimizer (MOGTO) for addressing optimization challenges is proposed.
• Proposing three objective functions to be solved simultaneously for optimizing several sink nodes placement in large-scale WSNs.
• Modifying a very recent meta-heuristic algorithm called the Orca Predation Algorithm (OPA) by using efficient strategies such as Levy flight (LF) and greedy selection (GS).
• The efficacy of the proposed LFOPA is verified using the single-objective CEC 2020 test platform, four real-world engineering design challenges, and the node localization challenge in WSNs.
• Modifying a very recent meta-heuristic algorithm called the sea-horse optimizer (SHO) by using efficient strategies such as opposition-based learning (OBL) and greedy selection (GS).
• The efficacy of the proposed SHO-OBL is verified using the single-objective CEC 2020 test platform and the cluster head selection issue in WSNs.
• Providing an overview of meta-heuristic methods found in the literature, including the single-objective and multi-objective approaches, as well as their evaluation criteria and applications in WSN challenges.
• Providing a large list of recent studies related to meta-heuristic methods and their applications in addressing WSN challenges including deployment, localization, sink node placement, energy efficiency, and clustering.