論文の概要: nodeWSNsec: A hybrid metaheuristic approach for reliable security and node deployment in WSNs

• arxiv url: http://arxiv.org/abs/2508.16619v1
• Date: Thu, 14 Aug 2025 00:06:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-31 21:54:20.591244
• Title: nodeWSNsec: A hybrid metaheuristic approach for reliable security and node deployment in WSNs
• Title（参考訳）: nodeWSNsec: WSNにおける信頼性の高いセキュリティとノードのデプロイのためのハイブリッドメタヒューリスティックアプローチ
• Authors: Rahul Mishra, Sudhanshu Kumar Jha, Naresh Kshetri, Bishnu Bhusal, Mir Mehedi Rahman, Md Masud Rana, Aimina Ali Eli, Khaled Aminul Islam, Bishwo Prakash Pokharel,
• Abstract要約: 遺伝的アルゴリズム(GA)とパーティクルスワーム最適化(PSO)は、エネルギー効率と信頼性の高いノード配置の課題に対処するために提案されている。 GA PSOはセンサーノードを15%から25%少なくし、95%以上をカバーしている。 提案アルゴリズムは,CMOMPAよりも高いカバレッジ,接続性の向上,センサノードの少ないデプロイメント時間削減といった点で,長時間の検知と通信範囲の比較において優位である。
• 参考スコア（独自算出の注目度）: 2.2680495672788257
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficient and reliable node deployment in Wireless Sensor Networks is crucial for optimizing coverage of the area, connectivity among nodes, and energy efficiency. This paper proposes a hybrid meta heuristic approach combining a Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) to address the challenges of energy efficient and reliable node deployment. The GA PSO hybrid leverages GAs strong exploration capabilities and PSOs rapid convergence, achieving an optimum stability between coverage and energy consumption. The performance of the proposed approach is evaluated against GA and PSO alone and the innovatory meta heuristic based Competitive Multi Objective Marine Predators Algorithm (CMOMPA) across varying sensing ranges. Simulation results demonstrate that GA PSO requires 15% to 25% fewer sensor nodes and maintains 95% or more area coverage while maintaining the connectivity in comparison to standalone GA or PSO algorithm. The proposed algorithm also dominates CMOMPA when compared for long sensing and communication range in terms of higher coverage, improved connectivity, and reduced deployment time while requiring fewer sensor nodes. This study also explores key trade offs in WSN deployment and highlights future research directions, including heterogeneous node deployment, mobile WSNs, and enhanced multi objective optimization techniques. The findings underscore the effectiveness of hybrid meta heuristics in improving WSN performance, offering a promising approach for real world applications such as environmental monitoring, smart cities, smart agriculture, disaster response, and IIoT.
• Abstract（参考訳）: Wireless Sensor Networksにおける効率よく信頼性の高いノード配置は、領域のカバレッジ、ノード間の接続性、エネルギー効率の最適化に不可欠である。 本稿では,遺伝的アルゴリズム(GA)と粒子群最適化(PSO)を組み合わせたハイブリッドメタヒューリスティック手法を提案する。 GA PSOハイブリッドは、GAの強い探査能力とPSOの急速な収束を活用し、カバーとエネルギー消費の最適な安定性を達成する。 提案手法の性能は,GAとPSOだけで評価され,様々な範囲にわたる,革新的メタヒューリスティックに基づく競合多目的海洋捕食者アルゴリズム(CMOMPA)が提案される。 シミュレーションの結果,GA PSOではセンサノードが15%から25%少なくなり,95%以上のエリアカバレッジを維持しながら,スタンドアロンのGAやPSOアルゴリズムと比較して接続性を維持していることがわかった。 提案アルゴリズムは,CMOMPAよりも高いカバレッジ,接続性の向上,センサノードの少ないデプロイメント時間削減といった点で,長時間の検知と通信範囲の比較において優位である。 本研究は、WSNデプロイメントにおける重要なトレードオフについても検討し、異種ノードデプロイメント、モバイルWSN、強化された多目的最適化技術など、今後の研究方向性を強調している。 この発見は、WSNパフォーマンスを改善するためのハイブリッドメタヒューリスティックスの有効性を強調し、環境モニタリング、スマートシティ、スマート農業、災害対応、IoTといった現実世界のアプリケーションに有望なアプローチを提供する。

関連論文リスト

• Improved Exploration in GFlownets via Enhanced Epistemic Neural Networks [0.8385863811195056]
  トレーニングのための適切な軌道を効果的に特定することは、GFlowNetsでは未解決の問題である。 提案アルゴリズムは,GFlownetのベースライン法と比較し,グリッド環境での評価を行う。
  論文  参考訳（メタデータ） (2025-06-19T13:39:30Z)
• Resource Allocation for RIS-Assisted CoMP-NOMA Networks using Reinforcement Learning [8.13094889619588]
  この論文は、STAR-RIS、CoMP、NOMAの3つの変換技術の相乗的統合を探求する。 この研究は、データレートの増大、スペクトル効率の向上、進化途上の6G開発環境のカバー範囲の拡大などにより、これらの技術が将来の無線ネットワークに革命をもたらす可能性を調査する。
  論文  参考訳（メタデータ） (2025-04-01T17:14:01Z)
• GDSG: Graph Diffusion-based Solution Generator for Optimization Problems in MEC Networks [109.17835015018532]
  グラフ拡散型ソリューション生成(GDSG)法を提案する。 このアプローチは、おそらく最適な解に収束しながら、最適以下のデータセットを扱うように設計されている。 グラフニューラルネットワーク(GNN)を用いたマルチタスク拡散モデルとしてGDSGを構築し,高品質な解の分布を求める。
  論文  参考訳（メタデータ） (2024-12-11T11:13:43Z)
• A Safe Genetic Algorithm Approach for Energy Efficient Federated Learning in Wireless Communication Networks [53.561797148529664]
  フェデレートラーニング(FL)は、従来の集中型アプローチとは対照的に、デバイスが協調的にモデルトレーニングを行う分散技術として登場した。 FLの既存の取り組みにもかかわらず、その環境影響は、無線ネットワークへの適用性に関するいくつかの重要な課題が特定されているため、まだ調査中である。 現在の研究は遺伝的アルゴリズム(GA)アプローチを提案しており、FLプロセス全体のエネルギー消費と不要な資源利用の両方を最小化することを目標としている。
  論文  参考訳（メタデータ） (2023-06-25T13:10:38Z)
• Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning Approach [66.53364438507208]
  アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。 非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。 ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。 増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:16:28Z)
• Balancing the trade-off between cost and reliability for wireless sensor networks: a multi-objective optimized deployment method [4.031433260365659]
  実用無線センサネットワーク(WSN)の最適配置法を提案する。 我々は競合多目的最適化アルゴリズム(CMOMPA)として知られる新しい多目的最適化アルゴリズムを開発した。 その結果、最適化されたデプロイメントは、デプロイメントコスト、感度信頼性、ネットワーク信頼性のトレードオフのバランスをとることができることがわかった。
  論文  参考訳（メタデータ） (2022-07-19T05:53:55Z)
• Deep Reinforcement Learning Based Multidimensional Resource Management for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
  エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。 本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
  論文  参考訳（メタデータ） (2021-09-17T08:55:48Z)
• Data-Driven Random Access Optimization in Multi-Cell IoT Networks with NOMA [78.60275748518589]
  非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。 本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。 ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
  論文  参考訳（メタデータ） (2021-01-02T15:21:08Z)
• Nature-Inspired Algorithms for Wireless Sensor Networks: A Comprehensive Survey [2.064612766965483]
  本稿では、無線センサネットワーク(WSN)の最適カバレッジに関する自然に着想を得た最適化アルゴリズムに焦点を当てる。 我々は、WSNにおいて最適なカバレッジを得るために、2つの自然に着想を得たアルゴリズムの性能を比較した。 シミュレーションの結果,LOはネットワークカバレッジが向上し,LOの収束速度はIGA-BACAよりも高速であることが確認された。
  論文  参考訳（メタデータ） (2020-12-24T05:30:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。