Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/ESBF-97CMA7
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Luiz Filipe Menezes Vieirapt_BR
dc.contributor.referee1Geraldo Robson Mateuspt_BR
dc.contributor.referee2Gisele Lobo Pappapt_BR
dc.contributor.referee3Ricardo Augusto Rabelo Oliveirapt_BR
dc.creatorAngelo Ferreira Assispt_BR
dc.date.accessioned2019-08-09T19:26:59Z-
dc.date.available2019-08-09T19:26:59Z-
dc.date.issued2013-03-01pt_BR
dc.identifier.urihttp://hdl.handle.net/1843/ESBF-97CMA7-
dc.description.abstractLocalization is one of the key issues in Wireless Sensor Networks. Its use is undoubtedlyimportant in many different applications. However, its often required to minimize thelocalization cost in a network. This can be done by setting some nodes as anchors,which are used as reference to other nodes. Current literature solutions focus on findingas many nodes as possible given a static set of anchor nodes, providing each one of thesenodes resources such as a GPS to determine its location. On the other hand, this maybe unfeasible for many sensor networks due to the high cost and/or implementationcomplexity. The optimization problem presented in this work consists of finding theminimum set of anchor nodes needed to locate all nodes in the network. Anotherapproach is to find the shortest path between the anchors. This way a robot can beused to visit and set the exact position of the nodes that work as anchors, that is, it isonly necessary to minimize the path, since the localization cost is the robot fuel. Hereit is presented a model for the problem using Genetic Algorithms in order to createthis problem a better solution. Several tests were performed to show the effectivenessof the strategy based on the number of anchors required to locate the entire network.The results have shown that the genetic algorithm reached, on average, a 50%-bettersolution than the greedy algorithm, having a feasible runtime.pt_BR
dc.description.resumoLocalização é uma das questões essenciais em Redes de Sensores Sem Fio. Sua utilizaçãoé indiscutivelmente importante em diferentes aplicações. Entretanto, é precisominimizar o custo de localização de toda a rede. Isto pode ser feito definindo algunsnós como âncora, que servirão de referência para os outros nós se localizarem. Váriasdas soluções existentes focam principalmente em localizar o maior número de nóspossível dado um conjunto estático de nós âncoras, fornecendo a cada um destes umrecurso como, por exemplo, o GPS para definir sua localização. Porém, isso é inviávelpara muitas das redes de sensores, devido ao custo e/ou complexidade de implantação.O problema de otimização deste trabalho consiste em encontrar o menor conjunto denós âncoras necessários para a localização de toda a Rede de Sensores Sem Fio. Outraabordagem é encontrar o menor caminho entre os nós âncoras. Dessa forma pode-seutilizar um robô que tem a função de visitar e definir a posição exata dos nós quefuncionarão como âncoras. Nesse caso é preciso minimizar apenas o caminho, pois ocusto da localização é o combustível do robô. Aqui é apresentada uma modelagem parao problema usando Algoritmos Genéticos, a fim de criar uma melhor solução para oproblema. Foram realizados diversos testes que mostram a eficácia da estratégia combase no número de nós âncoras necessários para localizar toda a rede. Os resultadosapresentados mostram que o algoritmo genético alcançou uma solução em média 50%melhor que um algoritmo guloso recente encontrado na literatura, com um tempo deexecução viável.pt_BR
dc.languagePortuguêspt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectLocalizaçãopt_BR
dc.subjectAlgoritmo genéticopt_BR
dc.subjectRedes de sensores sem fiopt_BR
dc.subject.otherComputaçãopt_BR
dc.subject.otherAlgoritmos genéticospt_BR
dc.subject.otherRedes de sensores sem fiopt_BR
dc.titleLocalização de sensores considerando custo mínimopt_BR
dc.typeDissertação de Mestradopt_BR
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
angeloferreira_final.pdf4.22 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.