ALGORITMO GENÉTICO APLICADO À OTIMIZAÇÃO DE ROTAS DE TRANSMISSÃO PARA MELHORIADA EFICIÊNCIA ENERGÉTICA EM REDES DE SENSORES SEM FIO

Autores

  • Marcelo Jorge Filho Universidade Estadual Paulista (Unesp) image/svg+xml , Faculdade de Engenharia de São João - FESJ
  • André Alves Ferreira Universidade Estadual Paulista (Unesp) image/svg+xml , Faculdade de Engenharia de São João - FESJ
  • Rui Marcos Grombone de Vasconcellos Universidade Estadual Paulista (Unesp) image/svg+xml , Faculdade de Engenharia de São João - FESJ

DOI:

https://doi.org/10.51859/amplla.sset.4126-9

Palavras-chave:

Rede de Sensores Sem Fio, Aprendizado de Máquina, Algoritmo Genético, Redes Cognitivas

Resumo

Existem muitas aplicações conhecidas para redes de sensores sem fio, e novas demandas surgem a cada dia para resolver problemas que  impossibilitam a operação dessas redes ou mesmo otimizá-las em aspectos como cobertura de sinal, rotas, espectro de frequência, canais, consumo de energia, entre outros. Este trabalho propõe um algoritmo genético  baseado na percepção de distância através da potência de recepção de uma rede de sensores sem fio com o objetivo de maximizar a eficiência energética. Independentemente da rede possuir sensores móveis ou com localizações fixas, as rotas de transmissão devem ser otimizadas pelo algoritmo com o objetivo de reduzir o consumo de energia na transmissão, comparando-as a outras propostas de rotas de transmissão como identificação de sensores e utilização da potência máxima de transmissão de cada sensor. Além de prever
possíveis problemas na rede que podem ocorrer caso haja um defeito em algum ponto da rota ou no sensor que impeça a propagação da informação para a base central.

Biografia do Autor

  • Marcelo Jorge Filho, Universidade Estadual Paulista (Unesp), Faculdade de Engenharia de São João - FESJ

    Possui Graduação em Engenharia Mecânica pelo Centro Universitário das Faculdades Associadas de Ensino (2016), Mestrado pelo programa de Pós-Graduação em Engenharia Elétrica Sorocaba / São João da Boa Vista da Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP) (2020), Especialização em Processos Didático-pedagógicos para Cursos na Modalidade à Distância (2021), é Doutorando como aluno especial no programa de Pós-Graduação em Engenharia da Faculdade de Engenharia e Ciências - Câmpus de Guaratinguetá e também Assistente de Suporte Acadêmico na UNESP Campus de São João da Boa Vista atuando nos cursos de Engenharia Eletrônica e de Telecomunicações e Engenharia Aeronáutica. Tem experiência nas áreas de Engenharia Mecânica, Eletrônica, Telecomunicações e Aeronáutica no desenvolvimento de sistemas de controle, microcontroladores, instrumentação, aquisição de dados, sistemas sensoriamento remoto, sistemas de transmissão, prototipagem, aeroelasticidade, energy harvesting e manufatura aditiva.

  • André Alves Ferreira, Universidade Estadual Paulista (Unesp), Faculdade de Engenharia de São João - FESJ

    Possui graduação em Física pelo Instituto de Física e Química de São Carlos (USP-1996), mestrado em Física pelo Instituto de Física (USP-1999) e doutorado em Engenharia Elétrica pela Escola Politécnica (USP-2004). Realizou dois Pós-doutoramentos, o primeiro no Centro de Fusão Nuclear do Instituto Superior Tecnico de Lisboa (IST-2006) e o segundo na Escola Politécnica da Universidade de São Paulo (USP-2009), ambos em Engenharia Elétrica. Foi coordenador de desenvolvimento e manutenção na empresa AeroGeoPhysica-Latinoamérica Ltda e Sócio-Diretor da Geocientífica Projetos e Tecnologia Ltda. Atualmente é Professor Assistente Doutor da UNESP na Faculdade de Engenharia de São João da Boa Vista. Tem larga experiência nas áreas de Engenharia Elétrica e Física, com ênfase em Instrumentação Eletrônica e Processamento Digital de Sinais, atuando principalmente nas áreas de Medidas Elétricas, Magnéticas e Eletrônicas; Microondas; Instrumentação; Análise Espectral; Filtros; Malhas de Sincronismo e Equipamentos Geofísicos.

  • Rui Marcos Grombone de Vasconcellos, Universidade Estadual Paulista (Unesp), Faculdade de Engenharia de São João - FESJ

    Graduado em Física pela Universidade Federal de São Carlos (UFSCAR), possui Mestrado e Doutorado em Engenharia Mecânica - Aeronaves, junto ao Programa de Pós Graduação em Engenharia Mecânica da Escola de Engenharia de São Carlos (EESC-USP), além de Pós Doutorado junto ao Departamento de Engenharia Aeronáutica da EESC-USP. Tem experiência na área de Aeroelasticidade, Sistemas dinâmicos, Dinâmica não-linear e Análise de Sinais, além de conhecimentos e experiência no ensino de Física. Participou de estagio internacional na Virginia Polytechnic Institute and State University (Virginia Tech) e na New Mexico State University (NMSU), pela CAPES/Programas Estratégicos. Foi Coordenador de Curso na fase inicial de implantação da graduação em Engenharia Aeronáutica da Universidade Estadual Paulista (UNESP), Campus de São João da Boa Vista

Referências

AKYILDIZ, I. D. et al. Wireless sensor networks: a survey. Computer Networks, v. 38, p. 393-422, 2002.

BANIMELHEM, O. et al. An efficient clustering approach using genetic algorithm and node mobility in wireless sensor networks. 11th International Symposium on Wireless Communications Systems (ISWCS), 2014.

BAYRAKLı, S.; ERDOGAN, S. Z. Genetic Algorithm Based Energy Efficient Clusters (GABEEC) in Wireless Sensor Networks. Procedia Computer Science, v. 10, p. 247-254, 2012.

FRIIS, H. T. A Note on a Simple Transmission Formula. Proceedings of the IRE, v. 34, n. 5, p. 254-256, 1946.

HEINZELMAN, W. R.; CHANDRAKASAN, A.; BALAKRISHNAN, H. Energy-efficient communication protocol for wireless microsensor networks. Proceedings of the 33rd Annual Hawaii International Conference on System Sciences, 2000.

JIN, S.; ZHOU, M.; WU, A. Sensor network optimization using a genetic algorith. Proceedings of the 7th World Multiconference on Systemics, Cybernetics, and Informatics, 2003.

NOROUZI, A.; ZAIM, A. H. Genetic Algorithm Application in Optimization of Wireless Sensor Networks. The Scientific World Journal, n. 15, 2014.

SRINIVAS, M.; PATNAIK, L. M. Genetic algorithms: a survey. Computer, v. 27, p. 17-26, 1994.

THOMAS, R. W.; FRIEND, D. H.; DASILVA, L. A. Cognitive Networks. Cognitive Networks, Virginia Tech, Blacksburg, 2007. 17-41.

WHITLEY, D. A genetic algorithm tutorial. Statistics and Computing, v. 4, p. 65–85, 1994.

Downloads

Publicado

07-07-2026

Edição

v. 4 n. 1 (2026): Science, Society and Emerging Technologies

Seção

Artigo

Licença

Direitos autorais (c) 2026 Science, Society and Emerging Technologies

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.