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 indi-
cate 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 fen-
menos 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.

1 Introduo Com objetivo de analisar o real ganho de

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 distri-
budos, possuem restries de energia e processa-
mento e devem ter mecanismos para autoconfigura-
o 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 locali-
zados em locais de difcil acesso, o que torna invi-
vel a substituio peridica das baterias que os ali-
mentam.
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 rote-
amento em RSSF. A abordagem aqui proposta desta-
ca-se pela aplicao de um sistema de inferncia
fuzzy ao algoritmo de roteamento Inter Cluster Rou-
ting Algorithm (ICA) (HABIB, 2004).
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 mensa-
gens enviadas, mensagens recebidas, energia residu-
al, 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 aper-
feioar 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 rote-
amento 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 ener-
gia suficiente e que esteja prxima a algum fenme-
no.
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 dispositi-
vos 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, proces-
sador e memria. Como as redes de sensores sem fio
so capazes de se auto organizar, torna-se dispens-
vel 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 durabili-
dade da RSSF. Sabendo disso, faz-se mister a aplica-
o de algoritmos de roteamento eficientes, que mi-
nimizem a transmisso de informaes desnecess-
rias e/ou redundantes. Este trabalho prope uma nova
abordagem no intuito de minimizar o envio e recep-
o de informaes ao aplicar mecanismos de inteli-
gncia computacional para aperfeioar um algoritmo
de roteamento clssico da literatura.
Nas prximas sees destacam-se o algorit-
mo de roteamento utilizado neste trabalho e o siste-
ma de inferncia fuzzy aplicado para seu aperfeioa-
mento.
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 geogr-
fica do ambiente. Aps isso, os nodos sabem a posi-
o 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 senso-
res 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 degrada-
o 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
possuam a distncia mais prxima a um local que se
esta acontecendo algum tipo de fenmeno no ambi-
ente e que possua energia suficiente, portanto o sis-
tema 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 apli-
cado 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 inter-
face de defuzzificao, conforme a Fig. 1 (SOUSA e
ASADA, 2011).
Fig. 1 Estrutura Bsica de um Controlador Fuzzy
Interface de fuzzyficao: o processo de ma-
pear valores escalares para graus de pertinncia
aos termos lingusticos dos conjuntos fuzzy.
Procedimento de inferncia: consiste em mape-
ar valores de entra para sadas fuzzy de acordo
com as regras fuzzy. Portanto diversas regras fu-
zzy so combinadas para produzir a sada do sis-
tema de inferncia.
Interface de defuzzyficao: consiste em con-
verter as sadas fuzzy em valores escalares.
2.3.1 Funes de pertinncia e conjunto de regras
fuzzy
O sistema fuzzy desenvolvido neste artigo baseia-
se em duas variveis de entrada e uma de sada. As
variveis fuzzy de entrada so distncia do n e ener-
gia 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.
( )
{ inicial de 5 J (joule).
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 si-
muladas 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 sal-
vas 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

A seguir, listam-se os parmetros TRAPE[a b Nas simulaes realizadas foi utilizado o mo-
c d] para cada um dos conjuntos fuzzy utilizados delo de dissipao de energia proposto por Heinzel-
neste trabalho: man et al. (2003), por ser o amplamente aceito e
utilizado na literatura. O modelo de Heinzelman et
L: TRAPE[3 4 5 5] al. (2003) pode ser sintetizado conforme segue.
DM: TRAPE[ 1 2 3 4]
P: TRAPE[0 0 1 2] Energia gasta na transmisso:
MB: TRAPE[ 0 0 0.5 2] ( )
B: TRAPE[0.5 1 1.5 2] Energia gasta na recepo:
M: TRAPE[1.5 2 2.5 3 ] ( )
A: TRAPE[2.5 3 3.5 4] Especificaes:
MA: TRAPE[3.5 4 5 5] k = nmero de bits da mensagem
d = distncia
Na Tabela 1, resumem-se as regras lingusti- ETx = Energia gasta na transmisso de men-
cas do fuzzy utilizada neste artigo. Os resultados sagem
sero PC (Pouca Chance), CM (Chance Mdia) e MC ERx = Energia gasta na recepo da mensa-
(Muita Chance): gem
Eamp = Energia do amplificado de transmis-
Tabela 1: Regras lingusticas so

Energia Neste trabalho, Eelec = 50 nJ/bit e Eamp = 100

MB B M A MA pJ/bit/m2. Nas simulaes realizadas, o tamanho das
L PC PC PC PC PC mensagens que trafegam na rede foi configurado para
Distncia DM PC PC CM CM MC 500 bytes, que igual a 4000 bits.
P PC PC CM MC MC Na unidade de processamento, a energia
dissipada nas execues dos protocolos de roteamen-
to e no processamento.
No modelo de comunicao, a energia gasta
3 Testes computacionais no processamento equivale energia dissipada na
transmisso de um bit a 100 metros dividido por
Com objetivo de avaliar o desempenho da abor- 3.000, conforme a Eq. (2).
dagem proposta neste trabalho simulaes foram
realizadas atravs do simulador Sinalgo (SINALGO, (2)
2013). Este simulador foi escolhido por ser larga-
mente utilizado na literatura e de fcil configurao. Logo:
O pacote java jFuzzyLogic (jFUZZYLOGIC, ( ) ( )
2013) foi utilizado para aplicar o sistema de infern-
cia fuzzy. onde
ETrans = Energia de transmisso.
3.1 Ambiente dos testes Eelec = ECir = Energia gasta nos circuitos
do rdio.
As simulaes foram realizadas em um EAmp = Energia do amplificador de trans-
Computador HP Pavilion dv4 2040br, com sistema misso.
operacional Windows 7, processador Intel Core i3
Neste trabalho, foram realizadas 10 simulaes para
cada cenrio a fim de obter dados, para fazermos a A Fig. 3 mostra os resultados das simulaes tendo
comparao destas informaes. como mtrica a quantidade de mensagem recebida no
sink.
3.3 Resultados
Nmero de mensagens recebida
Os resultados exibem a comparao de dois cenrios:
no primeiro foi utilizado o algoritmo de roteamento 8000

Nmero de mensagens recebida

7000
ICA clssico. No segundo cenrio, foi utilizado o 6000
5000
algoritmo de roteamento ICA com a utilizao do 4000
sistema de inferncia fuzzy no intuito de obter o con- 3000 ICA COM FUZZY
2000
trole de densidade dos ns na rede. 1000 ICA SEM FUZZY
0

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, defi-
nem-se as mtricas utilizadas.
A quantidade de mensagens enviadas se re-
fere a quantas mensagens a rede dos senso-
res tentaram mandar para estao base;
A quantidade de mensagens recebida se re-
fere quantidade de mensagens que o sink
conseguiu receber dos ns.
A mtrica da energia restante da rede se re-
fere ao somatrio das energias restantes em
cada n da rede n fim de cada simulao.
A mtrica do custo do recebimento de men-
sagens leva em considerao a quantidade
de mensagens recebidas pela energia residu-
al total da rede, obtendo assim, o valor do
custo do recebimento da mensagem.
A mtrica do tempo de vida da rede se refe-
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 quanti-
dade 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, fa-
zendo com que a rede no desperdiasse energia e
obtendo assim uma maior economia de energia.
Energia residual (Jouls)
6
Energia residual (Jouls)

5
re at quando a estao base conseguiu re-
4
ceber mensagens. Assim que a estao base
3
deixar de receber mensagens a rede ser 2
ICA COM FUZZY

considerado como morta. 1

ICA SEM FUZZY

0
A Fig. 2 mostra os resultados das simulaes tendo 500 1000200030004000500060007000
como mtrica a quantidade de mensagem enviada ao Tempo de simulao (Rounds)

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

Nmero de mengens enviada

A Fig. 5 mostra os resultados das simulaes tendo
10000 como mtrica de comparao o custo de recebimento
Nmero de mensagens enviadas

8000 de mensagens da rede, que a razo da quantidade

6000 de mensagens recebida pela energia residual total da
4000 ICA COM FUZZY
rede.
2000
ICA SEM FUZZY
0
Custo do recebimento de Mensagens

46
Tempo de simulao (Rounds)
44
42
Custo

Fig. 2 Quantidade de mensagens enviadas x rounds (tempo) 40

ICA COM FUZZY

38 ICA SEM FUZZY

O cenrio do ICA com a utilizao do fuzzy obteve 36
os resultado significativamente melhores do que o 34
cenrio do ICA clssico. O ICA com fuzzy comea a 1

se destacar no nmero de envios de mensagens pelos Fig. 5 Custo do recebimento de mensagens

ns sensores ao sink a partir de 1.000 rounds (Fig. 2).
O ICA clssico possui um valor bastante elevado no Referncias Bibliogrficas
custo de recebimento de mensagens, sendo, portanto
o ICA com fuzzy muito mais vivel do que o ICA ALFREDO, Antonio. Redes de Sensores Sem Fio.
clssico (Fig. 5). Departamento de Cincia da Computao da
Universidade Federal de Minas Gerais. Belo
A Fig. 6 mostra os resultados das simulaes tendo Horizonte. 2006.
como referncia o tempo de vida til da rede, que o DALTON, Giulian. Roteamento em Redes de Sen-
tempo necessrio para que a rede pare de funcionar.
sores. Instituto de Matemtica e Estatstica.

Tempo de vida da rede

Universidade de So Paulo. 2004
6400

6350
FONTENELE, Krllon. Uma proposta de modelo
Tempo de simulao (Rounds)

6300
de dissipao de energia em redes sensores
6250
sem fio. 2010. Teresina
6200 ICA COM FUZZY

6150 ICA SEM FUZZY HABIB, E., Cmara, D., and Loureiro, A. A. (2004).
6100 Ica: Um novo algoritmo de
6050
roteamento para redes de sensores. In Simpsio
Brasileiro de Redes de Computadores, Grama-
6000
1 do, RS.
Fig. 6 Tempo de vida da rede
POTTIE, G. J. and KAISER, W. J. (2000). Wireless
Em relao ao tempo de vida da rede, o ICA com integrated network sensors. Communications
fuzzy se destaca do ICA clssico de forma acintosa. of the ACM, 43(5):51-58.
Ao final de 8.000 rounds, o algoritmo ICA com fuzzy
foi 305% melhor (Fig. 6). RIBEIRO, Wellington Gomes, ARROYO, Jos Elias
Claudio, SANTOS, Andr Gustavo, ROCHA,
Mauro Nacif. Aplicao da Meta-Heurstica
4 Concluso ILS para o problema de Cobertura Conecti-
vidade e Roteamento em RSSF 2D Plana
Neste trabalho prope-se uma nova metodologia para homognea. In: ENCONTRO DE COMPU-
lidar com roteamento em redes de sensores sem fio. TAO E INFORMTICA DO TOCAN-
A abordagem proposta neste trabalho consiste na TINS, 13., 2011, Palmas. Anais... Palmas:
aplicao de um sistema de inferncia fuzzy para CEULP/ULBRA, 2011. p. 109-118.
seleo dos ns lderes do algoritmo ICA clssico.
Pde-se verificar uma melhoria significativa no algo- SOUSA, A. S. e ASADA, E. N. Combined heuristic
ritmo ICA em diversas simulaes realizadas. with fuzzy system to transmission system ex-
pansion planning. Electric Power Systems Re-
O ganho de desempenho global da rede deve-se ao
search , Volume 81 (1) Elsevier, 2011.
sistema fuzzy. Este sistema possibilitou que a rede se
autoconfigurasse no intuito de melhorar o controle de
SINALGO, Simulator for Network Algorithms.
densidade de ns em uma RSSF. Atravs da nova
Disponvel em:
abordagem proposta neste trabalho, uma RSSF pode
http://www.disco.ethz.ch/projects/sinalgo/.
se autoconfigurar uma vez ocorrendo um evento
Acesso em 16/05/2013.
futuro em outra regio geogrfica se a rede ainda
possuir energia. O algoritmo ICA clssico no
jFUZZYLOGIC. Open Source Fuzzy Logic library
capaz disso, j que os lideres so eleitos aleatoria-
and FCL language implementation. Dispon-
mente. Portanto, nem sempre em locais apropriados.
vel em:
Isso incorre em maior gasto de energia.
http://jfuzzylogic.sourceforge.net/html/index.ht
ml. Acesso em 16/05/2013.
Foram realizadas anlises comparativas considerando
o algoritmo ICA com o sistema de inferncia fuzzy e
SOBRAL, J., SOUSA, A. S., ARAUJO, H., BALUZ,
o algoritmo ICA clssico. Levaram-se em considera-
R., FILHO, R., LEMOS, M., e RABELO, R. A
o as seguintes mtricas: nmero de mensagens
Fuzzy Inference System for Increasing of
enviadas, mensagens recebidas, energia residual,
Survivability and Efficiency in Wireless Sen-
custo de recebimento de mensagens e o tempo de
sor Networks. In ICN 2013, The Twelfth Inter-
vida da rede. Em todos os testes realizados pode-se
national Conference on Networks (pp. 34-41).
perceber um ganho significativo em desempenho da
rede para todas as mtricas analisadas.