You are on page 1of 5

UMA PROPOSTA PARA CONTROLE DE DENSIDADE EM REDES DE SENSORES SEM FIO

UTILIZANDO INTELIGNCIA COMPUTACIONAL


DIEGO CARVALHO P. MACEDO1, HARILTON DA S. ARAJO2, ALDIR S. SOUSA3.
Centro de Ensino Unificado de Teresina - CEUT
Av. dos Expedicionrios, 790 Bairro So Joo
Caixa Postal 64.046-700 Teresina, PI
E-mails: diegomacedo_cp@hotmail.com, hariltonaraujo@ceut.com.br, aldirsousa@ceut.com.br,
Abstract The wireless sensor networks (WSN) consist of small sensors capable of capturing information phenomena of the
environment they are inserted and to transmit this information. The sensor nodes are very limited in their processing power and
capacity and energy storage. When it has a fairly large number of nodes in an environment, energy consumption is greater. This
paper presents a proposal for density control in wireless sensor networks using computational intelligence. The simulations indicate that the proposal is effective with respect to reduction of energy consumption, increase in the number of messages sent and
received, increased the residual energy of the network, increasing the lifetime of the network and reducing the cost of receiving
the message.
Keywords wireless sensor networks, Routing, sink, cluster head, fuzzy inference system
Resumo As redes de sensores sem fio (RSSF) so compostas por pequenos sensores capazes de captar informaes de fenmenos do meio ambiente em que esto inseridos e de transmitir essas informaes. Os ns sensores so bastante limitados em seu
poder de processamento e a capacidade de energia e de armazenamento. Quando se possui um nmero bastante elevado de ns
em um ambiente, consumo de energia maior ainda. Este trabalho apresenta uma proposta para controle de densidade em redes
de sensores sem fio utilizando inteligncia computacional. As simulaes indicam que a proposta eficiente no que diz respeito a
reduo do consumo de energia, aumento no nmero de mensagens enviadas e recebidas, aumento na energia residual da rede,
aumento na vida til da rede e a reduo do custo de recebimento da mensagem.
Palavras-chave Redes de sensores sem fio, Roteamento, ICA, fuzzy.

Introduo

Uma rede de sensores sem fio (RSSF) pode


ser definida como um conjunto de ns sensores que
tm a funo de captar as aes do meio em que
esto inseridos e, por meio de comunicao sem fio,
podem transmitir informaes para outros ns da
rede. Estas redes diferem das redes de computadores
tradicionais em diversos aspectos. Geralmente, as
RSSF tm um grande nmero de ns sensores distribudos, possuem restries de energia e processamento e devem ter mecanismos para autoconfigurao em caso de perda de comunicao e falhas nos
ns sensores (SOBRAL et. Al, 2013).
Um dos principais desafios na rea de RSSF a
reduo do custo de energia nos ns sensores, uma
vez que na maioria dos casos, estes ns esto localizados em locais de difcil acesso, o que torna invivel a substituio peridica das baterias que os alimentam.
Dada a caracterstica de baixa alimentao energtica
dos ns sensores, algoritmos de roteamento devem
visar o consumo mnimo de energia. Neste trabalho,
prope-se uma nova abordagem para lidar com roteamento em RSSF. A abordagem aqui proposta destaca-se pela aplicao de um sistema de inferncia
fuzzy ao algoritmo de roteamento Inter Cluster Routing Algorithm (ICA) (HABIB, 2004).

Com objetivo de analisar o real ganho de


desempenho da abordagem proposta neste trabalho,
levaram-se em considerao algumas mtricas que
indicam o melhor desempenho da rede. As mtricas
utilizadas neste trabalho foram: nmero de mensagens enviadas, mensagens recebidas, energia residual, custo de recebimento de mensagens e o tempo de
vida da rede.
Uma forma de melhorar o desempenho de
uma RSSF pode ser por meio de um algoritmo de
roteamento eficiente. Este trabalho consiste em aperfeioar o algoritmo de roteamento ICA para lidar
com o roteamento visando melhorar o desempenho
da RSSF. Neste trabalho, prope-se a aplicao de
um sistema de inferncia fuzzy no algoritmo de roteamento ICA no intuito de se monitorar um evento em
um espao geogrfico, no objetivando otimizar as
rotas para maximizar o desempenho da rede. Com a
abordagem proposta neste artigo, o sistema fuzzy
possibilita que a rede se autoconfigure no intuito de
atender regies geogrficas em que ainda haja energia suficiente e que esteja prxima a algum fenmeno.
2 A Metodologia Proposta
Redes de Sensores sem Fio (RSSF) uma
funcionalidade que promete monitorar, instrumentar,
e, possivelmente, controlar o meio fsico. Estas redes
so constitudas de um nmero elevado de dispositivos sem fios (ns sensores ou simplesmente senso-

res). Esses so distribudos densamente por toda uma


regio de interesse (ALFREDO, 2006).
A RSSF pode ser formada por centenas ou
at milhares de sensores posicionados dentro do
fenmeno a ser observado ou prximo a ele, os quais
so, de fato, dispositivos compostos de transceptor,
fonte de energia, unidade de sensoriamento, processador e memria. Como as redes de sensores sem fio
so capazes de se auto organizar, torna-se dispensvel um planejamento minucioso de posicionamento
dos sensores.
Cada um dos sensores alimentado por uma
fonte de energia escassa, ou seja, tem curta durao.
Portanto, o consumo de energia influencia a durabilidade da RSSF. Sabendo disso, faz-se mister a aplicao de algoritmos de roteamento eficientes, que minimizem a transmisso de informaes desnecessrias e/ou redundantes. Este trabalho prope uma nova
abordagem no intuito de minimizar o envio e recepo de informaes ao aplicar mecanismos de inteligncia computacional para aperfeioar um algoritmo
de roteamento clssico da literatura.
Nas prximas sees destacam-se o algoritmo de roteamento utilizado neste trabalho e o sistema de inferncia fuzzy aplicado para seu aperfeioamento.

possuam a distncia mais prxima a um local que se


esta acontecendo algum tipo de fenmeno no ambiente e que possua energia suficiente, portanto o sistema exerce a funo de identificar aqueles ns que
podem se tornarem lideres, por exemplo, quando se
acontece um evento em algum local, a rede se auto
configura de forma com que os ns determinem suas
distncias ao evento mais prximo, aps isso entra o
funcionamento do fuzzy que com o dado da distncia
e a energia do n, elegera os ns permitidos na rede,
na prxima seo ser apresentado caracterstica do
sistema fuzzy.
2.3 Sistema de Interferncia Fuzzy
Um sistema de interferncia fuzzy foi aplicado e tem fundamental importncia para o bom
desempenho desta proposta. O sistema de inferncia
fuzzy aplicado neste trabalho baseado em regras
lingusticas do tipo se <condio> ento <ao>. O
sistema de inferncia fuzzy aplicado neste trabalho
composto por uma interface de fuzzyficao, uma
base de regras o procedimento de inferncia e a interface de defuzzificao, conforme a Fig. 1 (SOUSA e
ASADA, 2011).

2.1 Algoritmo de Roteamento ICA


O Inter Cluster Routing Algorithm (ICA)
um algoritmo de roteamento em RSSF baseado no
algoritmo de roteamento LEACH (HABIB, 2004).
No ICA, quando h o incio do funcionamento da
rede, a estao base envia mensagem (broadcast)
para os ns da rede informando sua posio geogrfica do ambiente. Aps isso, os nodos sabem a posio geogrfica do sink, suas devidas posies e a
distncia e a rota at o sink. O ICA possibilita ao n
se tornar lder (cluster head) de uma determinada
regio. Depois disso, os ns prximos se conectam a
cluster head e os ns que possurem informaes a
serem enviadas para o sink mandar para o cluster
head, para depois esse repass-las para a estao
base. Depois de um n se eleger lder, esse manda
um broadcast par os ns prximos avisando-os de
que ele se tornou um cluster head. Assim, estes ns
tero a posio geogrfica deste n lder e tero uma
rota mais curta at ele. Com isso, os ns sabem a
localizao do nodo lder mais prximo, com o qual
devem se comunicar. Portanto, no ICA, os ns sensores no enviam as mensagens diretamente para o
sink, e sim para outro cluster head mais prximo e
que esteja na direo da estao base.
O algoritmo ICA possibilita uma degradao suave da energia da rede como um todo e no
necessariamente nodo por nodo.
2.2 Utilizao do Fuzzy
O sistema de interferncia fuzzy foi utilizado
no ICA de forma a selecionar os ns lideres que

Fig. 1 Estrutura Bsica de um Controlador Fuzzy

Interface de fuzzyficao: o processo de mapear valores escalares para graus de pertinncia


aos termos lingusticos dos conjuntos fuzzy.
Procedimento de inferncia: consiste em mapear valores de entra para sadas fuzzy de acordo
com as regras fuzzy. Portanto diversas regras fuzzy so combinadas para produzir a sada do sistema de inferncia.
Interface de defuzzyficao: consiste em converter as sadas fuzzy em valores escalares.

2.3.1 Funes de pertinncia e conjunto de regras


fuzzy
O sistema fuzzy desenvolvido neste artigo baseiase em duas variveis de entrada e uma de sada. As
variveis fuzzy de entrada so distncia do n e energia contida no n. A varivel de sada, aqui chamada
de chance de se tornar lder, consiste em saber se o
n tem chance ou no para se tornar lder no ICA.
Os conjuntos fuzzy atribudos varivel distncia
do n foram: Longe (L), Distncia Mdia (DM) e
Perto (P). O universo de discurso destes conjuntos
est no intervalo discreto entre 0 a 5. Para a energia
contida no n, foram atribudos seguintes conjuntos:
Muito Baixa (MB), Baixa (B), Mdia (M), Alta (A) e
Muito Alta (MA). O universo de discurso destes
conjuntos est no intervalo contnuo entre 0 e 5. A
chance de se tornar lder composta pelos seguintes

conjuntos fuzzy: Pouca Chance (PC), Chance Mdia


(CM) e Muita Chance (MC). O universo de discurso
destes conjuntos est no intervalo contnuo entre 0 e
30.
Todas as variveis de entrada foram modeladas
como funo de pertinncia trapezoidal. A Eq. (1)
define a funo trapezoidal para os parmetros
a,b,c,d.

( )

( )

{
A seguir, listam-se os parmetros TRAPE[a b
c d] para cada um dos conjuntos fuzzy utilizados
neste trabalho:

L: TRAPE[3 4 5 5]
DM: TRAPE[ 1 2 3 4]
P: TRAPE[0 0 1 2]
MB: TRAPE[ 0 0 0.5 2]
B: TRAPE[0.5 1 1.5 2]
M: TRAPE[1.5 2 2.5 3 ]
A: TRAPE[2.5 3 3.5 4]
MA: TRAPE[3.5 4 5 5]

Na Tabela 1, resumem-se as regras lingusticas do fuzzy utilizada neste artigo. Os resultados


sero PC (Pouca Chance), CM (Chance Mdia) e MC
(Muita Chance):
Tabela 1: Regras lingusticas

Distncia

L
DM
P

MB
PC
PC
PC

B
PC
PC
PC

Energia
M
PC
CM
CM

A
PC
CM
MC

MA
PC
MC
MC

3 Testes computacionais
Com objetivo de avaliar o desempenho da abordagem proposta neste trabalho simulaes foram
realizadas atravs do simulador Sinalgo (SINALGO,
2013). Este simulador foi escolhido por ser largamente utilizado na literatura e de fcil configurao.
O pacote java jFuzzyLogic (jFUZZYLOGIC,
2013) foi utilizado para aplicar o sistema de inferncia fuzzy.

CPU M 330 @ 2,13GHz, 2128MHz. Memria RAM


de 4 GB DDR3 e memria cache L2 256 KB.
3.2 Caractersticas da rede
As simulaes foram realizadas em redes simuladas compostas de 100 ns sensores e um sink
node, dispostos de forma aleatria em um ambiente
de duas dimenses sendo de 1000x1000. O tempo em
rounds determinado para cada simulao foi de 8.000
rounds e as posies geogrficas dos ns foram salvas para que todas as simulaes fossem realizadas
com a mesma configurao, dando segurana s
comparaes realizadas. Foi configurado para que
cada n sensor possua uma bateria com capacidade
inicial de 5 J (joule).
Nas simulaes realizadas foi utilizado o modelo de dissipao de energia proposto por Heinzelman et al. (2003), por ser o amplamente aceito e
utilizado na literatura. O modelo de Heinzelman et
al. (2003) pode ser sintetizado conforme segue.
Energia gasta na transmisso:
(
)
Energia gasta na recepo:
( )
Especificaes:
k = nmero de bits da mensagem
d = distncia
ETx = Energia gasta na transmisso de mensagem
ERx = Energia gasta na recepo da mensagem
Eamp = Energia do amplificado de transmisso
Neste trabalho, Eelec = 50 nJ/bit e Eamp = 100
pJ/bit/m2. Nas simulaes realizadas, o tamanho das
mensagens que trafegam na rede foi configurado para
500 bytes, que igual a 4000 bits.
Na unidade de processamento, a energia
dissipada nas execues dos protocolos de roteamento e no processamento.
No modelo de comunicao, a energia gasta
no processamento equivale energia dissipada na
transmisso de um bit a 100 metros dividido por
3.000, conforme a Eq. (2).
(2)
Logo:
(

( )

onde
ETrans = Energia de transmisso.
Eelec = ECir = Energia gasta nos circuitos
do rdio.
EAmp = Energia do amplificador de trans-

3.1 Ambiente dos testes


As simulaes foram realizadas em um
Computador HP Pavilion dv4 2040br, com sistema
operacional Windows 7, processador Intel Core i3

misso.

Neste trabalho, foram realizadas 10 simulaes para


cada cenrio a fim de obter dados, para fazermos a
comparao destas informaes.

A Fig. 3 mostra os resultados das simulaes tendo


como mtrica a quantidade de mensagem recebida no
sink.

3.3 Resultados

A quantidade de mensagens enviadas se refere a quantas mensagens a rede dos sensores tentaram mandar para estao base;
A quantidade de mensagens recebida se refere quantidade de mensagens que o sink
conseguiu receber dos ns.
A mtrica da energia restante da rede se refere ao somatrio das energias restantes em
cada n da rede n fim de cada simulao.
A mtrica do custo do recebimento de mensagens leva em considerao a quantidade
de mensagens recebidas pela energia residual total da rede, obtendo assim, o valor do
custo do recebimento da mensagem.
A mtrica do tempo de vida da rede se refere at quando a estao base conseguiu receber mensagens. Assim que a estao base
deixar de receber mensagens a rede ser
considerado como morta.

Nmero de mensagens recebida

As mtricas utilizadas como forma de comparao


dos dois cenrios foram: a quantidade de mensagens
enviadas, a quantidade de mensagens recebidas, a
energia restante da rede, o custo de recebimento de
mensagens e o tempo de vida da rede. Abaixo, definem-se as mtricas utilizadas.

Nmero de mensagens recebida


8000
7000
6000
5000
4000
3000
2000
1000
0

ICA COM FUZZY


ICA SEM FUZZY

Tempo de simulao (Rounds)

Fig. 3 Quantidade de mensagens recebidas x rounds (tempo)

O cenrio do ICA com a utilizao do fuzzy teve


melhor desempenho tambm para a mtrica quantidade de mensagens recebidas por rounds. O ICA
com fuzzy comea a se destacar no nmero de envios
de mensagens pelos ns sensores ao sink a partir dos
1000 rounds (Fig. 3).
A Fig. 4 mostra os resultados das simulaes tendo
como mtrica a energia residual da rede. Como se
pode observar na referida figura, o ICA com fuzzy
obteve um melhor consumo de energia na rede, fazendo com que a rede no desperdiasse energia e
obtendo assim uma maior economia de energia.
Energia residual (Jouls)
6
Energia residual (Jouls)

Os resultados exibem a comparao de dois cenrios:


no primeiro foi utilizado o algoritmo de roteamento
ICA clssico. No segundo cenrio, foi utilizado o
algoritmo de roteamento ICA com a utilizao do
sistema de inferncia fuzzy no intuito de obter o controle de densidade dos ns na rede.

5
4
3

ICA COM FUZZY

2
ICA SEM FUZZY

1
0

A Fig. 2 mostra os resultados das simulaes tendo


como mtrica a quantidade de mensagem enviada ao
sink.

500 1000200030004000500060007000
Tempo de simulao (Rounds)

Fig. 4 Energia residual da rede x rounds (tempo)

Nmero de mensagens enviadas

Nmero de mengens enviada


10000
8000
6000
4000

ICA COM FUZZY

2000

A Fig. 5 mostra os resultados das simulaes tendo


como mtrica de comparao o custo de recebimento
de mensagens da rede, que a razo da quantidade
de mensagens recebida pela energia residual total da
rede.

ICA SEM FUZZY

Custo do recebimento de Mensagens


46

Tempo de simulao (Rounds)

44

O cenrio do ICA com a utilizao do fuzzy obteve


os resultado significativamente melhores do que o
cenrio do ICA clssico. O ICA com fuzzy comea a
se destacar no nmero de envios de mensagens pelos
ns sensores ao sink a partir de 1.000 rounds (Fig. 2).

Custo

42

Fig. 2 Quantidade de mensagens enviadas x rounds (tempo)

ICA COM FUZZY

40

ICA SEM FUZZY

38
36
34
1

Fig. 5 Custo do recebimento de mensagens

O ICA clssico possui um valor bastante elevado no


custo de recebimento de mensagens, sendo, portanto
o ICA com fuzzy muito mais vivel do que o ICA
clssico (Fig. 5).
A Fig. 6 mostra os resultados das simulaes tendo
como referncia o tempo de vida til da rede, que o
tempo necessrio para que a rede pare de funcionar.

Referncias Bibliogrficas
ALFREDO, Antonio. Redes de Sensores Sem Fio.
Departamento de Cincia da Computao da
Universidade Federal de Minas Gerais. Belo
Horizonte. 2006.
DALTON, Giulian. Roteamento em Redes de Sensores. Instituto de Matemtica e Estatstica.
Universidade de So Paulo. 2004

Tempo de vida da rede

Tempo de simulao (Rounds)

6400
6350

FONTENELE, Krllon. Uma proposta de modelo


de dissipao de energia em redes sensores
sem fio. 2010. Teresina

6300
6250
6200

ICA COM FUZZY

6150

ICA SEM FUZZY

6100
6050
6000
1

Fig. 6 Tempo de vida da rede

Em relao ao tempo de vida da rede, o ICA com


fuzzy se destaca do ICA clssico de forma acintosa.
Ao final de 8.000 rounds, o algoritmo ICA com fuzzy
foi 305% melhor (Fig. 6).
4 Concluso
Neste trabalho prope-se uma nova metodologia para
lidar com roteamento em redes de sensores sem fio.
A abordagem proposta neste trabalho consiste na
aplicao de um sistema de inferncia fuzzy para
seleo dos ns lderes do algoritmo ICA clssico.
Pde-se verificar uma melhoria significativa no algoritmo ICA em diversas simulaes realizadas.
O ganho de desempenho global da rede deve-se ao
sistema fuzzy. Este sistema possibilitou que a rede se
autoconfigurasse no intuito de melhorar o controle de
densidade de ns em uma RSSF. Atravs da nova
abordagem proposta neste trabalho, uma RSSF pode
se autoconfigurar uma vez ocorrendo um evento
futuro em outra regio geogrfica se a rede ainda
possuir energia. O algoritmo ICA clssico no
capaz disso, j que os lideres so eleitos aleatoriamente. Portanto, nem sempre em locais apropriados.
Isso incorre em maior gasto de energia.
Foram realizadas anlises comparativas considerando
o algoritmo ICA com o sistema de inferncia fuzzy e
o algoritmo ICA clssico. Levaram-se em considerao as seguintes mtricas: nmero de mensagens
enviadas, mensagens recebidas, energia residual,
custo de recebimento de mensagens e o tempo de
vida da rede. Em todos os testes realizados pode-se
perceber um ganho significativo em desempenho da
rede para todas as mtricas analisadas.

HABIB, E., Cmara, D., and Loureiro, A. A. (2004).


Ica: Um novo algoritmo de
roteamento para redes de sensores. In Simpsio
Brasileiro de Redes de Computadores, Gramado, RS.
POTTIE, G. J. and KAISER, W. J. (2000). Wireless
integrated network sensors. Communications
of the ACM, 43(5):51-58.
RIBEIRO, Wellington Gomes, ARROYO, Jos Elias
Claudio, SANTOS, Andr Gustavo, ROCHA,
Mauro Nacif. Aplicao da Meta-Heurstica
ILS para o problema de Cobertura Conectividade e Roteamento em RSSF 2D Plana
homognea. In: ENCONTRO DE COMPUTAO E INFORMTICA DO TOCANTINS, 13., 2011, Palmas. Anais... Palmas:
CEULP/ULBRA, 2011. p. 109-118.
SOUSA, A. S. e ASADA, E. N. Combined heuristic
with fuzzy system to transmission system expansion planning. Electric Power Systems Research , Volume 81 (1) Elsevier, 2011.
SINALGO, Simulator for Network Algorithms.
Disponvel
em:
http://www.disco.ethz.ch/projects/sinalgo/.
Acesso em 16/05/2013.
jFUZZYLOGIC. Open Source Fuzzy Logic library
and FCL language implementation. Disponvel em:
http://jfuzzylogic.sourceforge.net/html/index.ht
ml. Acesso em 16/05/2013.
SOBRAL, J., SOUSA, A. S., ARAUJO, H., BALUZ,
R., FILHO, R., LEMOS, M., e RABELO, R. A
Fuzzy Inference System for Increasing of
Survivability and Efficiency in Wireless Sensor Networks. In ICN 2013, The Twelfth International Conference on Networks (pp. 34-41).