Symposium on Progress in Information & Communication Technology 2009
A NOVEL APPROACH FOR OPTIMAL WIRELESS SENSOR NETWORK DEPLOYMENT
Abderrahim Tahiri1, Esteban Egea-Lpez2, Javier Vales-Alonso2, Joan Garca-Haro2 and
Mohamed Essaaidi1
1
Abdelmalek Essadi University of Tetuan, Morocco / 2Polytechnic University of Cartagena, Spain
{at4, esteban.egea, javier.vales, joang.haro}@upct.es, essaaidi@ieee.org
ABSTRACT
Redes de sensores inalmbricos (WSN) recursos limitados en trminos
de capacidad de procesamiento y suministro de energa plantean una
serie de retos que les hacen un terreno frtil para los numerosos
esfuerzos de investigacin . El aumento del rango de deteccin ,
mantener y mejorar la conectividad , o extender el tiempo de vida
representan los principales objetivos de las investigaciones WSN . En
este artculo se propone un enfoque para el despliegue de WSN basado
en el uso de recocido simulado para obtener cerca de las soluciones
ptimas para la colocacin de sensores en trminos de minimizar el
nmero de saltos entre todos los nodos de la regin de destino y el nodo
de sumidero al tiempo que cubre la mayor cantidad de rea de inters
como sea posible. Al reducir el nmero de saltos , tambin se mejora el
ahorro de energa. Finalmente , este trabajo demuestra la flexibilidad de
esta tcnica para el estudio de la influencia de los diferentes parmetros
de inters en una etapa de diseo de la red , antes de la implementacin
real de los nodos WSN .
Index Terms WSN, Connectivity, Optimal Deployment,
Simulated Annealing Algorithm, Energy Saving.
1. INTRODUCTION
A WSN consta de un elevado nmero de dispositivos de sensores
inalmbricos desplegados en una regin diana que operan
cooperativamente utilizando la arquitectura de comunicacin ad hoc.
Las tareas WSN combinan deteccin , cmputo y comunicacin de todo
en un solo dispositivo pequeo . A travs de los protocolos avanzados
en trminos de configuracin de deteccin y malla de comunicacin ,
estos dispositivos colaborar e intercambiar informacin para llegar a la
tarea global de la red .
La cobertura de deteccin de un sensor se define como una zona
formada por un conjunto de puntos dentro de un radio de deteccin del
sensor. En cuanto a la conectividad de una WSN , hay diferentes
definiciones: uno se refiere al hecho de que ninguna parte de la red est
aislado , es decir, que todos los nodos de la regin de destino pueden
enviar la informacin recogida al fregadero. Pero tambin; conectividad
se refiere a la calidad de los caminos de comunicacin entre los nodos :
nmero de saltos ; rutas redundantes y as sucesivamente. En este
trabajo nos referimos a este ltimo significado . Se define el rea de
cobertura de deteccin y el alcance de la transmisin de un sensor , Rc
y Rt , respectivamente . Cada punto existente dentro del radio Rc puede
ser cubierto por el sensor y cada nodo sensor colocado dentro del radio
Rt puede comunicar con el sensor.
Diversos trabajos han abordado el problema de la conectividad
garantizada en WSN mediante el control de la potencia de transmisin
[ 1 ] o el rango de cobertura de deteccin mediante la mejora de la
probabilidad de deteccin de eventos [ 2 ] . En cuanto a la conectividad
de la mayora de los esfuerzos
40
haber tenido la intencin de optimizar los protocolos de enrutamiento [
3 ] para mantener la conectividad y reducir la sobrecarga que sucede en
los nodos de sensores de misin rel. La relacin entre la cobertura de
deteccin y la conectividad se ha establecido en [ 4 ] : conectividad
cobertura implica si el rango de transmisin es ms de dos veces el
rango de deteccin del nodo sensor.
Este trabajo se inicia desde un enfoque anterior en el problema de
maximizar el problema de la cobertura de deteccin en WSN que se
puede encontrar en [ 5 ] , en el que la tcnica de recocido simulado se
utiliza para obtener soluciones ptimas en trminos de cobertura de
deteccin. A partir de la funcin objetivo propuesto de [ 5 ] , es decir, la
funcin que se ha optimizado , lo hemos mejorado para tener en cuenta
problemas de conectividad y , como efecto secundario , las cuestiones
de energa. Se demuestra que con modificaciones mnimas podemos
mejorar el nmero de saltos entre los nodos al tiempo que cubre un rea
de inters similar . Adems, se confirma tambin la flexibilidad de esta
tcnica para el estudio de la influencia de diferentes parmetros de
inters en el despliegue de nodos WSN : mediante la adicin de nuevos
trminos de la funcin objetivo y ajustar sus parmetros, varias
propiedades de la red pueden ser controlados.
Este trabajo se organiza de la siguiente manera : documentos
relacionados se discuten en la seccin 2. La seccin 3 explica el
despliegue ptimo de nodos basado en recocido simulado . La seccin 4
describe el escenario del problema e ilustra los caminos alternativos
entre todos los nodos y el nodo receptor . Seccin 5 define la
formulacin y el modelo que mejoran la calidad de las trayectorias de
todos los nodos al nodo receptor . Seccin 6 muestra la influencia de
los parmetros en el rendimiento de simulacin y discute los resultados
de una conectividad mejorada. Seccin 7 concluye este trabajo
2. RELATED WORK
Se han propuesto diferentes enfoques para los problemas de cobertura y
conectividad en WSN . En [ 6 ] se muestra que la cobertura de un rea
objetivo dada por un conjunto de nodos de sensores se puede mantener
si todos los puntos en esta rea est cubierta por al menos sensores k ,
donde k es el grado requerido de cobertura. Figura 1 , muestra un
problema de la cobertura en WSN cuando el grado requerido de
cobertura es 1 .
Boundary of sensing coverage area
Sensor
Sensor
Region not covered
Sensor
Figure 1. Coverage problem in WSN

El grado de cobertura depende de los requisitos de aplicacin. Varias
aplicaciones pueden requerir un alto grado de cobertura para
proporcionar una tolerancia a fallos o datos precisos y la localizacin
objetivo. La Figura 1 representa la cobertura de deteccin de un nodo
sensor como un modelo de disco unidad, uniforme por lo general se
supone en todas las direcciones. Sin embargo, los autores de [7]
explican que la cobertura no slo depende de la capacidad de deteccin
del sensor, sino tambin de las caractersticas de los eventos. La
relacin entre la cobertura y la conectividad para el requisito de
cobertura solo se ha establecido en [4], y demuestra que si el alcance de
la comunicacin de los sensores es al menos el doble del rango de
deteccin, entonces necesitamos slo para garantizar que la cobertura y
la restriccin de conectividad ser satisfecho. Se han propuesto varios
enfoques para alcanzar el poder-eficiencia en trminos de cobertura y
conectividad, [8, 9, 10], por ejemplo, la disminucin de la potencia de
transmisin mediante la correccin de la distancia de transmisin de
radio nodales conservando al mismo tiempo las capacidades de red
necesarias. Otros esfuerzos [11, 12] se han basado en la gestin del
perodo de sueo enfoques para ahorrar energa. Un enfoque de gestin
del sueo apagar los nodos que no sean necesarios, manteniendo un
nmero mnimo de nodos activos que aseguren el grado requerido de
cobertura y el rel para la comunicacin de mltiples saltos.
Un pequeo nmero de enfoques se han presentado para resolver los
problemas de despliegue de nodos WSN . La mayora considera la
cobertura como su principal limitacin y dejar que la conectividad
viene en un segundo lugar. El enfoque para el despliegue de nodos en [
13 ] trata de maximizar la vida de la red para una cantidad fija de
energa de la energa reservada a todos los nodos de sensores para la
tarea de distribucin y un esquema de enrutamiento esttico . Por
ltimo , en [5 ] se ha presentado una solucin ptima en funcin de
recocido simulado para el despliegue de nodos con el fin de recoger el
mximo de informacin proporcionada por un rea objetivo y
garantizar un camino entre todos los nodos y el fregadero . Nos
centraremos en este trabajo para explorar nuevas posibilidades de esta
tcnica .
3. DEPLOYMENT OF NODES BASED ON
SIMULATED ANNEALING
Como se ha dicho anteriormente , en este trabajo , se parte del enfoque
de la implementacin ptima propuesto en [ 5 ] , que tiene por objeto
seleccionar las posiciones ptimas de un conjunto de nodos con el fin
de maximizar los intereses cobrados en un rea objetivo con la
restriccin de que uno existe camino de todos los nodos en el fregadero.
Una funcin de inters asigna un valor de inters a cualquier punto de
la zona de destino . El enfoque propuesto tiene como objetivo
maximizar una funcin objetivo que calcula los valores de los intereses
cobrados por el conjunto de nodos . Tal como se presenta en la
ecuacin ( 1 ) , que se reproduce a partir de [ 5 ] , la funcin objetivo
tiene dos miembros ; el primero calcula la distancia mnima entre los
nodos y el segundo calcula el inters conjunto recogido en todas las
regiones de los nodos .
. f min ( X ) f s ( X ) , if X is K-survivable
f K ( X )
C, otherwise (1)
Cuando, X es un conjunto de N nodos . X se dice que es K- survivable
si por cualquier fallo simultneo de nodos K en X , cada xi nodo
superviviente se encuentra por lo menos dentro de la cobertura de
comunicacin de otro
41
Symposium on Progress in Information & Communication Technology 2009
sobrevivir nodo x j , y cada nodo superviviente debe ser capaz de
comunicar directa o indirectamente con el fregadero. Por lo tanto, la
supervivencia se puede considerar una mtrica de la robustez de la red.
C es una constante garanta adecuada de que slo se aceptarn
soluciones de supervivencia . La maximizacin de la funcin objetivo
implica la maximizacin de la funcin de sub distancia mnima , y tiene
la intencin de garantizar que el conjunto de nodos de la solucin de
estar separado por la distancia mxima posible. La funcin que calcula
el inters recogido penaliza el solapamiento que se produce por la
interseccin entre las regiones de rango de deteccin de nodos.
El modelo de optimizacin propuesto en [5] utiliza el algoritmo de
recocido simulado (AEA) para obtener una solucin "buena" (cuasi-
ptimo) del despliegue de nodos. SAA [13] es una tcnica de
optimizacin numrica basada en los principios de la termodinmica
por una analoga para el recocido en slidos. El algoritmo simula el
proceso de enfriamiento mediante la reduccin gradual de la
temperatura del sistema hasta que converge a un estado estacionario,
congelado. Del mismo modo la propuesta algoritmo de [5] se inicia
desde una alta temperatura y las posiciones iniciales de los nodos N son
idnticas para garantizar la supervivencia K- del conjunto en el
comienzo de la simulacin. A continuacin, el algoritmo mueve un
nodo en una direccin aleatoria dentro del rea objetivo y se comprueba
la capacidad de supervivencia, si X es K-survivable entonces el
algoritmo calcula el nuevo valor de la funcin objetivo y aceptar como
una nueva solucin si es mayor que la inicial valor de la solucin de la
iteracin actual de la temperatura, de lo contrario el algoritmo utiliza la
frmula SAA basado en un valor de probabilidad de aceptar o rechazar
la nueva solucin. A continuacin, el modelo disminuye la temperatura
y se mueve siguiente nodo y repita el procedimiento hasta que la
temperatura alcance el estado fro.
El algoritmo establecido en [5 ] se prob en una imagen de 640x480
pxeles que simula la zona de destino . Para representar la variacin del
inters en la regin diana , cada pxel toma un valor de 0 a 255 , donde
0 significa que no hay inters y 255 indican el mximo inters de la
posicin. El inters ha sido distribuido en dos modos , convexa y
regiones no convexas . El nmero total de nodos que se han utilizado es
30 , incluyendo el nodo de sumidero . La supervivencia se ha marcado
para K = 0 y K = 1 .
Los resultados obtenidos en [5 ] , como se ilustra en la Figura 2 Tapa de
todas las regiones de inters para ambos casos , convexa y regiones no
convexas , con la restriccin de que no existe un camino entre todos los
nodos y el fregadero .
Sink node
---- Transmission area
---- Coverage area
(a). Optimal deployment results of convex region
 Symposium on Progress in Information & Communication Technology 2009
Sink node
---- Transmission area
---- Coverage area
(b). Optimal deployment results of non convex region
Figure. 2. Results of optimal deployment in WSN from [5]
4. PROBLEM DESCRIPTION
Como se puede observar en la Figura 2 que, para ambos tipos de
resultados , convexo y no convexo regin , los nodos que estn
rodeadas por un crculo guin presentar sus paquetes al nodo receptor a
travs de un gran nmero de saltos .
Sink node
---- Transmission area
---- Coverage area
(a). Optimal deployment results of convex region
Sink node
---- Transmission area
---- Coverage area
(b). Short path of the non convex regions of interest
Figure 3. Scenario of the problem
En la figura 3 , las dos trayectorias representadas por los puntos
redondos y los puntos cuadrados tienen una longitud igual . El camino
de puntos cuadrados representa la ruta del resultado ptimo de [ 5 ] .
Esta ruta se utiliza para reenviar los paquetes de los nodos de las
regiones de inters rodeado por el crculo con sangra al nodo sumidero
. Si sustituimos este camino , en ambos casos , por el camino de los
puntos redondos podemos disminuir el nmero de saltos , en otras
palabras, podemos reducir el nmero total de nodos que conmutan los
paquetes entre todos los nodos y el fregadero . En ese caso, el consumo
de energa del conjunto
42
de nodos mejoraran . Las trayectorias de los puntos redondos tambin
frente a la restriccin de la capacidad de supervivencia de los dos
valores de K = 0 y K = 1 , y as preservar el despliegue ptimo de X.
Por ltimo , de acuerdo con esta observacin tenemos la intencin de
mejorar la conectividad , reduciendo al mnimo la longitud de las
trayectorias entre todos los nodos y el fregadero mientras satisfacer el
resto de restricciones.
5. FORMULATION AND OPTIMAL MODEL
Normalmente, el algoritmo de recocido simulado proporciona varias
soluciones que permiten recoger el mximo inters de la zona objetivo.
Algunas de estas soluciones permiten la transmisin de los paquetes de
todos los nodos en el fregadero con un nmero mnimo de saltos .
Permitira una cobertura mxima con propiedades mejoradas de
conectividad para los nodos desplegados. Para conseguirlo, hemos
ampliado la funcin objetivo [ 5 ] . Por lo tanto , hemos aadido un
nuevo sub- funcin que calcula el promedio del nmero de saltos entre
todos los nodos y el fregadero . Cuando la funcin objetivo se mueve
hacia su valor mximo, la funcin de saltos promedio disminuir
entonces el nmero de saltos entre todos los nodos y el lavabo
disminuir. La ecuacin ( 2 ) representa la nueva funcin objetivo como
sigue:
. f min ( X ) . f a ( X ) f s ( X ) , X is K-survivable
f ( X )
C, otherwise (2)
Cuando, f a (x ) es la funcin para el nmero medio de saltos definidos
por la ecuacin ( 3 ) como sigue:
f a ( X ) : 2N
pj
N 1 nbr _ hop(s, x j)
f a( X x i, s) xi d
1
N 1 j 1
p 1
p j
(3)
Cuando, s es el nodo receptor, p j representa el nmero total de
caminos entre s y x j , xi d es la posicin desplazada al azar de xi ,
Donde d es una distancia arbitraria orientada en una direccion
aleatoria y nbr_ hop(s, x j ) calcula el numero de saltos entre el
sink(nodo receptor) y el nodo x j . Tambien proponemos lo siguiente
algoritmo recursivo " descubrir " que determina todos los posibles
caminos entre x j y el sink node y calcula su nmero total de saltos.
Hemos utilizado dos tablas denmindas ruta y tabla de estado,
respectibamente. La tabla de ruta se utiliza para almacenar todos los
caminos posibles.
between x j y sink node. La tabla de estado se utiliza para evitar
the paths. bucles
evitar bucles en los caminos .
depth = 0; numberOfPath = 0; numberOfHop = 0;
discover ( x j , depth) :
 Symposium on Progress in Information & Communication Technology 2009

1) path[depth] = x j ; nueva solucin basada en el concepto de SAA . Por ltimo , se

disminuye la temperatura y repetir de nuevo el procedimiento de la
2) if x j is the sink node then: etapa a) hasta que la temperatura se eleva su valor ms bajo o la funcin
a) numberOfPath = numberOfPath + 1; objetivo se mantiene constante .
b) numberOfHop = numberOfHop + depth;
3) state[ x j ] = true; 6. RESULTS AND DISCUSSION
Hemos probado nuestro modelo en una imagen que representa la
4) for each node xi in N distribucin de los intereses de la zona objetivo. Hemos utilizado en la
funcin objetivo un alfa coeficiente en el inters conjunto para
a) if xi is not a neighbor of x j or if state[ x j ] = true, then controlar la pena de solapamiento que se produce en la zona de
go to xi1 in N; interseccin del rango de deteccin entre los nodos sensores vecinos .
Todos las
b) else discover ( xi ,depth+1);
simulaciones presentadas en este trabajo se han realizado
5) state[ x j ] = false.
con 0.001 , 1.5 , 0.0005 y =0.0025. Estos
parmetros se han seleccionado despus de ejecutar varias
simulaciones entre los que proporcionan el mejor rendimiento.
A continuacin , hemos llevado a cabo el simulated annealing
algoritmo clsico algoritmo como sigue: Sobre el radio de cobertura y la transmisin se ha simulado nuestro
modelo con R = 10 y Rt = 60. En cuanto a la supervivencia hemos
utilizado durante nuestras simulaciones para k = 1 , ya que asegura un
mayor nmero de caminos entre todos los nodos y el fregadero.
1) T= T0, X0= { x0 , x1,..., xN } and i = 0, where T0 and X0
represent respectively the initial temperature and the initial
deployment of X. i correspond to the index of the current 6.1. Parameters of influence on the simulation
node. performance
2) Let a node of the set X be denoted as the sink node with the
Nuestra implementacin inicial como se representa en la figura 4
label xS ;
distribuye los nodos N en sus posiciones inciales para formar una
3) Compute the initial values of the function of minimum forma de cruz que cubre la mayor parte de la zona de destino y dejar
distance, joint interest value and average hops. Then compute que el modelo de alcanzar rpidamente una solucin ptima. La figura
the initial value of objective function f ( X 0 ) . 5 representa la variacin de las posiciones de los nodos de todas las
soluciones aceptadas por SAA durante la simulacin.
4) While T > 0
Hemos notado en esta variacin que la simulacin que se inicia desde
a) i = i+1;
las posiciones inciales de los nodos spreaded llega a lugares lejanos en
b) if i > N, then i = 0; el rea objetivo en mucho menos tiempo para un determinado . Por el
c) if i = s, then i = i+1; contrario la simulacin en el que los nodos parten de posiciones
d) Move xi within the target area to a random position; idnticas tienden a permanecer en la misma zona del rea objetivo a
e) If X is not K-survivable then go to step d of 4); menos que disminuimos .lo que aumenta el nmero de pasos de
f) Compute the values of the function of minimum distance, simulacin y por lo que el tiempo de simulacin. Figura 6-A ilustra que
joint interest and average hops. Next compute the value cuando comenzamos la simulacin de un despliegue inicial X0 basado
of objective function f ( X ) ; en diferentes posiciones de los nodos N , se llega rpidamente en un
g) If f ( X 0 ) f ( X ) < 0 then f ( X 0 ) f ( X ) despliegue ptimo que cubren todas las regiones de inters en la zona
objetivo. La figura 6 -b muestra que cuando la simulacin se inicia
h) Otherwise: desde posiciones idnticas inciales con el mismo valores de =0.0025,
i. Generate a random value r between 0 and 1; los nodos de sensores descubrir slo una regin de inters de la zona de
f ( X 0 ) f ( X ) destino despus de que el mismo nmero de pasos .
ii. If ( r < exp( ) ), then f ( X 0 ) f ( X )
T
i) T=T-.

Empezamos el algoritmo a partir de una temperatura inicial T0 . El

conjunto X0 representa las posiciones iniciales de los nodos N de X.
Las X nodo de X ha de ser elegido como el nodo receptor . Entonces
calculamos los valores iniciales de : la distancia mnima entre dos
nodos de X , los valores de inters comn recogidos en el rea de
cobertura de todos los nodos de X y el promedio de nmero de saltos en
todos los caminos entre cada nodo de X y el lavabo . A continuacin,
nos acercamos un nodo distinto al fregadero a una posicin aleatoria
dentro del rea objetivo . Si el conjunto de nodos , incluyendo la
posicin desplazada es K - supervivencia , a continuacin, se calcula el
valor correspondiente de la funcin objetivo . El algoritmo acepta la
nueva solucin si es mayor que la inicial de la iteracin actual , de lo
contrario el algoritmo acepta o rechaza la Figure 4. Initial deployment of nodes in our model

43
 Symposium on Progress in Information & Communication Technology 2009

modelo que utiliza la optimizacin del nmero medio de saltos entre

todos los nodos y el fregadero , y el modelo que slo recoge la mxima
importancia de la regin de destino con la garanta de un camino entre
todos los nodos y el fregadero existente. En ambas figuras 8 y 9 , el
nodo receptor es el rojo . Hemos establecido la misma posicin para el
nodo receptor en ambas simulaciones para comparar los resultados de
implementacin de cada modelo . Tambin hemos simulado ambos
modelos de las figuras 8 y 9 con parmetros iguales 0.001,
1.5 , 0.0005 and =0.0025.

Figure 5. Position of nodes for all accepted solutions

Figure 7. Average number of hops for models (using and not using
the average number of hops)
Transmission range area
Sensing coverage area
. Sensor node

(a). Solution of initial deployment with different positions

Transmission range area

Sensing coverage area
. Sensor node

Transmission range area Figure 8. Deployment results of the model that uses the average
Sensing coverage area number of hops optimization
. Sensor node

(b). Solution of initial deployment with identical positions

Figure 6. Solutions of optimal deployment model

6.2. Improved connectivity

En la Figura 7 , hemos representado todas las soluciones aceptadas

durante el proceso de enfriamiento del modelo que optimiza el nmero Transmission range area
de saltos entre todos los nodos y el fregadero con respecto a los
Sensing coverage area
resultados del modelo ptimo de [ 5 ] que tiene como objetivo slo para
recoger el mximo inters bajo la restriccin de que existe un camino . Sensor node
entre todos los nodos y el fregadero . De un valor dado de la
temperatura , nuestro modelo slo acepta las soluciones con valores Figure 9. Deployment results of the model that not uses the
ms bajos de lpulo promedio , y a T = 0 nuestro modelo ha disminuido average number of hops optimization
el nmero medio de saltos de 8 lpulo menos que el modelo del
enfoque anterior. Tambin hemos observado que cuando continuamos
El Radio ()/_ (x) = 0,995 denota el porcentaje de la
aumentar la coeficiente , el nmero medio de saltos resultante
funcin de importancia conjunta , f s ( X ) sin dar lugar a la
disminuye hasta que se alcanza un valor constante cuando =2 ,
optimizacin del nmero medio de saltos a la funcin importancia
Despus de eso , no hay ninguna mejora significativa .
conjunta f s _ hop ( X ) con el resultado de la optimizacin de la
cantidad de saltos . Este valor muestra claramente que el nuevo modelo
Hemos representado respectivamente en las figuras 8 y 9 , los
resultados de la implantacin de 30 nodos en la zona objetivo utilizando
nuestro

44
 Symposium on Progress in Information & Communication Technology 2009
de la media de saltos preserva los intereses cobrados en el modelo del
enfoque [ 5 ] . Por lo tanto, produce una solucin con mejores
propiedades . Adems , a partir de ambas Figuras 8 y 9 , se puede
observar que , adems, la optimizacin de nmero medio de saltos entre
todos los nodos y el fregadero proporciona rutas alternativas para
conectar todas las regiones de inters de la zona objetivo. Por el
contrario, sin la optimizacin de los saltos promedio entre todos los
nodos y el fregadero, los resultados de despliegue contienen slo un
camino de rel que unen todas las regiones de inters , lo que
aumentara la sobrecarga en los nodos que forman la trayectoria de rel
y , por lo tanto , reducira su vida. En resumen , el nuevo enfoque ,
mejora la conectividad de la red en trminos de robustez y consumo de
energa .
7. CONCLUSION
En este trabajo , hemos mejorado las propiedades connectity que
obtendramos por un diseo optimizado y cuidado de la
implementacin de los nodos en una red de sensores . Hemos utilizado
un simulado Annaeling Algoritmo (SAA ) para obtener la posicin de
los nodos de sensores que proporcionaran la mejor cobertura de
deteccin para un rea de inters dada , mientras que se mantienen las
propiedades de conectividad ventajosas en trminos de robustez , la
latencia y la energa.
Mediante el diseo y puesta a punto adecuada la funcin objetivo para
ser optimizado por AEA , se pueden obtener las propiedades antes
mencionadas . En este caso , hemos obtenido soluciones con un nmero
promedio mnimo de saltos entre los nodos y la puerta de enlace
Por ltimo , estas modificaciones confirman la flexibilidad de esta
tcnica para el estudio de la influencia de diferentes parmetros de
inters en una etapa de diseo de la red, antes de la implementacin real
de nodos WSN : mediante la adicin de nuevos trminos de la funcin
objetivo y ajustar sus parmetros, mltiple propiedades de la red de
inters pueden ser controlados.
Como trabajo futuro , continuaremos el estudio de soluciones ptimas
en trminos de propiedades de cobertura y otra red de inters en base a
la colocacin nodos y densidad . En particular , vamos a estudiar no
slo la posicin, sino tambin el nmero de nodos necesarios para
cumplir con ciertos requisitos.
8. AKNOWLDGEMENT
This research has been supported by project grant TEC2007-
67966-01/TCM (CON-PARTE-1), by Ministerio de Educacin y
Ciencia grant DEP2006-56158-C03, and it is also developed in the
framework of Programa de Ayudas a Grupos de Excelencia de la
Regin de Murcia, de la Fundacin Sneca, Agencia de Ciencia y
Tecnologa de la RM.
This research work has been also supported by Abdelmalek
Essadi University of Tetuan, Morocco.
9. REFERENCES
[1] S. Panichpapiboon, G. Ferrari, and O.K. Tonguz, Optimal
Transmit Power in Wireless Sensor Networks, IEEE
45
Transactions on Mobile Computing, Pittsburgh, vol 5,
pp.1432-1447, October 2006.
[2] N. Ahmed, S.S. Kanhere, S. Jha, Probabilistic coverage in
wireless sensor networks, Local Computer Networks,
Sydney pp.672-681, November 2005,
[3] X. Wang, G. Xing,Y. Zhang, C. Lu, R. Ples and C. Gill,
Integrated Coverage and Connectivity Configuration in
Wireless Sensor Networks, Conference On Embedded
Networked Sensor Systems, Los Angeles, pp. 28-39, 2003.
[4] C. Schurgers and M.B. Srivastava, Energy efficient routing
in wireless sensor networks, Military Communications
Conference, Los Angeles, vol 1, pp 357-361, 2001.
[5] Vales-Alonso, J., Costas-Rodrguez, S., Bueno-Delgado,
M.V., Egea-Lpez, E., Gil-Castieira, F., Rodrguez-
Hernndez, P. S., Garca-Haro, J. and Gonzlez-Castao, F.
J., An analytical approach to the optimal deployment of
Wireless Sensor Networks, M. Graa and R.J. Duro (Eds.):
Computational Intelligence for Remote Sensing, SCI 133,
Springer Verlag Berlin Heidelberg, pp. 145-161, 2008.
[6] Chi-Fu Huang and Yu-Chee Tseng, The coverage problem in
a wireless sensor network, Mobile Networks and
Applications, Springer Netherlands, vol 10, pp. 519-528,
august 2005.
[7] Adlakha, S. and Srivastava, M., Critical density thresholds
for coverage in wireless sensor networks, IEEE WCNC, Los
Angeles, vol 3, pp 1615-1620, March 2003.
[8] S. Narayanaswamy, V. Kawadia, RS. Sreenivas, PR. Kumar,
Power control in ad-hoc networks: Theory, architecture,
algorithm and implementation of the COMPOW protocol,
European Wireless Conference, Florence, pp.156-162, 2002.
[9] Ning Li, Hou, J.C. and Sha, L., Design and analysis of an
MST-based topology control algorithm, IEEE Transactions
on Wireless Communications, Trier, vol 4, pp. 1195-1206,
May 2005.
[10] Vikas Kawadia and Kumar, P.R., Power control and
clustering in ad hoc networks, IEEE INFOCOM, vol 1, pp.
459- 469, April 2003.
[11] Cerpa, A. and Estrin, D., Ascent: Adaptive self-configuring
sensor networks topologies, IEEE Transactions on Mobile
Computing, Trier, vol 3, pp. 272-285, July-Aug. 2004
[12] Stankovic, J.A., Abdelzaher, T.E., Chenyang Lu, Lui Sha,
Hou, J.C., Real-time communication and coordination in
embedded sensor networks, Proceedings of the IEEE,
Chicago, vol 91, pp. 1002-1022, July 2003.
[13] Chu-Fu Wang, Chun-Chia Lee and Hui-Sheng Chu, Optimal
Deployment for Wireless Sensor Networks Using Lifetime
Expectation Estimation, Intelligent Information Hiding and
Multimedia Signal Processing Conference, Splendor
Kaohsiung, vol 1, pp. 15 18, November 2007.
[14] Eglese, R. W., Simulated annealing: a tool for operational
research, European Journal of Operational Research,
pp.271-281, June 1990.