Оптимізація розміщення сенсорних вузлів у міській IoT-мережі методом багатокритеріальної мінімізації
DOI:
https://doi.org/10.32347/st.2025.4.1204Ключові слова:
IoT-мережі, оптимальне розміщення сенсорів, багатокритеріальна оптимізація, енергоспоживання, затримка, щільність покриття, міська інфраструктураАнотація
У статті розглянуто задачу оптимізації просторового розміщення сенсорних вузлів у міській IoT-мережі на основі багатокритеріальної мінімізації з одночасним урахуванням енергоспоживання, мережевої затримки та щільності покриття. Запропоновано математичну модель, у якій міська територія дискретизується на множину комірок попиту та кандидатних позицій, а вибір активних сенсорів описується бінарним вектором рішень. Цільова функція інтегрує три нормалізовані критерії: загальні енерговитрати, середню затримку доставки даних та відхилення фактичної щільності покриття від цільового профілю. Модель доповнено набором просторових і мережевих обмежень, що визначають зв’язність вузлів, зони покриття та максимально допустиму кількість сенсорів.
Для валідації моделі реалізовано програмний модуль на Python, який автоматизує пошук оптимальних конфігурацій, побудову графа зв’язності, обчислення часткових критеріїв та порівняння оптимізованої топології з традиційним ґратковим розміщенням. Експериментальне оцінювання виконано з використанням реального набору даних IoT Sensor Network Dataset, що містить різні параметри сенсорних мереж і дозволяє зіставити ефективність запропонованого підходу з типовими конфігураціями. Отримані результати продемонстрували суттєве зниження енергоспоживання та середньої затримки передачі, а також покращення просторової повноти покриття при збереженні кількості вузлів. Запропонована модель забезпечує збалансоване оптимізаційне рішення для міських IoT-інфраструктур і може слугувати основою для подальшого розвитку адаптивних методів планування топології в системах «розумного міста».
Посилання
Mohammed, Y. I., Hassan, R., Hasan, M. K., Abbas, H. S., Khan, M. A., Baili, J., & Gupta, D. (2025). Optimizing UAV-assisted IoT sensor networks: A multi-objective approach to data collection and routing. Alexandria Engineering Journal, 115, 47–56. https://doi.org/10.1016/j.aej.2024.12.018
Tawfeek, M. A., Alrashdi, I., Alruwaili, M., & Talaat, F. M. (2025). A Fuzzy Multi-Objective Framework for Energy Optimization and Reliable Routing in Wireless Sensor Networks via Particle Swarm Optimization. Computers, Materials and Continua, 83(2), 2773–2792. https://doi.org/10.32604/cmc.2025.061773
Lang, Y., Ng, M. X. Y., Yu, K. X., Chen, B., Tan, P. C., Tan, K. W., Lam, W. H., Siwayanan, P., Kim, K. S., Choong, T. S. Y., Ten, J. Y., & Ban, Z. H. (2025). A novel CFD-MILP-ANN approach for optimizing sensor placement, number, and source localization in large-scale gas dispersion from unknown locations. Digital Chemical Engineering, 14, 100216. https://doi.org/10.1016/j.dche.2024.100216
Díaz Cantero, F., Barriga Corchero, J. Á., Pérez-Toledano, M. Á., & Clemente, P. J. (2025). A simulation framework for assessing and optimizing IoT service and resource allocation: SimulateIoT-Services. Internet of Things, 34, 101736. https://doi.org/10.1016/j.iot.2025.101736
Elyyan, R. R., & Darabkh, K. A. (2025). Power-aware clustering and routing protocol utilizing virtual hexagonal cells and computational intelligence for smart cities with dual mobility and power-constrained IoT sensors. Results in Engineering, 28, 107687. https://doi.org/10.1016/j.rineng.2025.107687
Landge, P. B., Singh, Y., Mohapatra, H., & Edalatpanah, S. A. (2025). Efficient Resource Management in IoT Network through ACOGA Algorithm. CMES - Computer Modeling in Engineering and Sciences, 143(2), 1661–1688. https://doi.org/10.32604/cmes.2025.065599
Tiwari, V., Pandey, C., Francis, S. J., Budhiraja, I., Bhattacharya, P., Zhu, Z., & Gadekallu, T. R. (2025). Artificial intelligence enhanced edge server placement for workload balancing and energy efficiency in B5G networks. Digital Communications and Networks. https://doi.org/10.1016/j.dcan.2025.08.009
Haider, S. K., Ahmed, A., Khan, N. M., Nauman, A., & Kim, S. W. (2024). AI-Driven Energy Optimization in UAV-Assisted Routing for Enhanced Wireless Sensor Networks Performance. Computers, Materials and Continua, 80(3), 4085–4110. https://doi.org/10.32604/cmc.2024.052997
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Anastasiia Kondakova

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор(и) та Редакція згодні на те, що Редакція також матиме право:
- здійснювати необхідне оформлення Твору/Статті за результатами його редакційної обробки;
- визначати самостійно кількість видань, друк додаткових копій і тираж Твору/Статті, кількість копій окремих видань і додаткових тиражів;
- опублікування Твору/Статті в інших виданнях, пов’язаних з діяльністю Редакції
В журналі діє ліцензія CC BY 4.0