Phân cụm dựa trên logic mờ trong khảo sát thời gian sống cho mạng cảm biến không dây

10 Phạm Thị Dung, Lê Văn Sơn, Lê Thành Công, Đặng Hùng Vĩ PHÂN CỤM DỰA TRÊN LOGIC MỜ TRONG KHẢO SÁT THỜI GIAN SỐNG CHO MẠNG CẢM BIẾN KHÔNG DÂY CLUSTERING BASED ON FUZZY LOGIC FOR SURVEYING LIFETIME IN THE WIRELESS SENSOR NETWORK Phạm Thị Dung, Lê Văn Sơn, Lê Thành Công, Đặng Hùng Vĩ Trường Đại học Sư phạm, Đại học Đà Nẵng; levansupham2004@yahoo.com, dungsp2012@gmail.com Tóm tắt - Trong báo cáo này, chúng tôi đi sâu nghiên cứu và mở rộng các thuật toán phân cụm đối với sự ảnh hưởng trực tiếp đến việc khảo sát, phân tích thời gian sống (LifeTime) của các thành phần cấu thành của mạng cảm biến không dây (Wireless Sensor Network). Đối với các hệ thống WSN hiện đang tồn tại còn có rất nhiều hạn chế, mà một trong những hạn chế có tính chất thách thức quan trọng đáng kể đến đó chính là nguồn năng lượng bị giới hạn và khó có thể nạp lại. Vì vậy, một giải pháp để giảm thiểu sự tiêu thụ năng lượng nhằm tối đa hóa tuổi thọ của mạng WSN, phân cụm mờ là một trong những phương pháp mang lại hiệu quả thiết thực với độ tin cậy chấp nhận được. Mờ trong phương pháp nghiên cứu chính là Logic mờ, nó hoạt động dựa trên giá trị định nghĩa bởi các hàm thành viên. Abstract - This paper presents an in-depth investigation into researching and extending the clustering algorithms that have a direct impact on the examination and analysis of the lifetime of the components in W ireless Sensor Networks. At present there still exist many limitations in the Wireless Sensor Networks, of which limited energy resources difficult to recharge are critically challenging. Consequently, as a solution to the minimization of energy consumption and maximization of the WSN life span, the fuzzy clustering approach is one of the effective and practical methods with acceptable reliability. The fuzzy in our research method is the fuzzy logic approach, which operates based on the values defined by member functions. Từ khóa - WSN; logic mờ; phương pháp phân cụm; FIS; hàm thành viên. Key words - WSN; fuzzy logic; clustering method; FIS; member functions. 1. Đặt vấn đề Hiện nay, WSN [1] với những tiềm năng nổi trội đã mang lại những ứng dụng thiết thực trong cuộc sống con người [2, 3]. Thực chất, WSN là một tập hợp bao gồm các thiết bị cảm biến sử dụng các liên kết không dây để phối hợp thực hiện nhiệm vụ nhằm thu thập thông tin dữ liệu phân tán với quy mô lớn trong bất kỳ điều kiện cũng như bất kỳ địa hình nào. Tuy nhiên, nó tồn tại rất nhiều hạn chế và một trong những thách thức lớn nhất chính là thời gian sống của các node Sensors trong mạng rất ngắn. Tối ưu hóa thời gian sống của mạng là một bài toán phức tạp. Những kết quả đạt được bởi nhiều công trình nghiên cứu đã chứng minh phân cụm là một kỹ thuật phổ biến với thuật toán Fuzzy C – means của giáo sư Bezdek [4] trong WSN nhằm nâng cao thời gian sống của các node Sensors trong hệ thống mạng. Đồng thời hiện nay, có rất nhiều nghiên cứu phân tích phương pháp phân cụm sử dụng logic mờ cho WSN nhằm tối đa hóa thời gian sống của nó [5]. Chính vì lẽ đó, riêng đối với bài báo này, nhóm tác giả tập trung nghiên cứu phương pháp phân cụm dựa trên logic mờ trong khảo sát thời gian sống cho WSN. Sự nghiên cứu của nhóm tác giả tập trung với một số nội dung chính được trình bày rất chi tiết lần lượt như đặt vấn đề; mạng cảm biến không dây; logic mờ và thuật toán FCM mở rộng; khảo sát và đánh giá, cuối cùng là kết luận. 2. Mạng cảm biến không dây WSN bao gồm số lượng lớn các node Sensors phân bố trên diện rộng, ngẫu nhiên nhằm thu thập thông tin về môi trường. Mỗi node Sensor bao gồm một số thành phần cơ bản, đồng thời cũng chính là một thiết bị nhỏ bé với những tính toán đơn giản và hạn chế về nguồn năng lượng mà khó có thể thay thế hoặc nạp lại. Một node Sensor có thể thay đổi kích thước tùy thuộc vào yêu cầu của mỗi ứng dụng [6]. Điều này đồng nghĩa với việc chi phí có thể thay đổi từ hàng trăm đô la đến một vài xu, tùy thuộc vào kích thước của WSN. Với những hạn chế như vậy, các node Sensors cũng hạn chế tương ứng về các mặt tài nguyên như pin, bộ nhớ, tốc độ tính toán và băng thông [7]. Nguồn năng lượng Sensors Thu phát vô tuyến GPS Bộ nhớ Bộ vi xử Hình 1. Thành phần node Sensor Trong các thành phần trên, Sensors chính là thành phần cảm biến nhằm cảm nhận về sự thay đổi của môi trường. Thành phần thứ hai, đó chính là bộ xử lý có nhiệm vụ xử lý các dữ liệu khi các Sensors cảm nhận được. Còn thành phần thu phát vô tuyến hay là thiết bị trao đổi thông tin liên lạc từ node chủ đến trung tâm dữ liệu (node Sink) thì chúng ta có thể hình dung thông qua sơ đồ sau: Hình 2. Cấu trúc hoạt động phân cụm trong WSN ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 12(97).2015, QUYỂN 2 11 Cuối cùng, GPS [8] chính là một thiết bị định vị. Như vậy, việc tiêu hao năng lượng của các node Sensors chủ yếu bởi ba thành phần chính, lần lượt là các Sensors, bộ xử lý dữ liệu và thu phát vô tuyến hay còn gọi là truyền thông dữ liệu. Tuy nhiên, Sensors là thành phần tiêu tốn năng lượng ít nhất. Vì vậy, hệ thống logic mờ sẽ điều khiển trạng thái hoạt động của các node Sensors rơi vào một trong hai trạng thái hoạt động hoặc nghỉ ngơi để tiết kiệm nguồn năng lượng. 3. Logic mờ và thuật toán FCM mở rộng 3.1. Logic mờ Logic mờ [9] được phát triển từ lý thuyết tập mờ nhằm thực hiện một lập luận xấp xỉ, cho phép sự không chính xác, tính bất định, gần đúng nhằm tìm lời giải hiệu quả - đơn giản, dễ hiểu và dễ thực hiện với chi phí thấp. Nó sẽ phân tích các thông tin bằng cách sử dụng tập mờ được định nghĩa bởi các biến ngôn ngữ với công thức sau: ܣ~ ൌ ൝෍μ୅~ሺu୧ሻ u୧ൗ : u୧ ∈ U ୬ ୧ୀଵ , μ୅~ሺu୧ሻ ∈ ሾ0, 1ሿൡ ሺ1ሻ Trong đó ୅~ሺu୧ሻ ∈ ሾ0, 1ሿ là giá trị hàm thành viên. ܷ ൌ ሼݑଵ, ݑଶ, , ݑ௡ሽ là các phần tử trên tập vũ trụ U. Tùy thuộc hình dạng của hàm thành viên, tập mờ có các loại: Hình 3. Các dạng hàm thành viên trong tập mờ Hàm thành viên WSN sử dụng chủ yếu bởi hai hình dạng chính đó là trimf (hình tam giác) và trapmf (hình thang). Tập mờ ܣ~ có dạng hình thang, ký hiệu ܣ~ ൌ ሺܽ, ܾ, ܿ, ݀ሻ và được xác định như sau: ஺~ሺݔሻ ൌ ۖە ۔ ۖۓ ௫ିሺ௔ି௖ሻ ௖ , ݊ếݑ ܽെ ܿ ൑ ݔ ൏ ܽ 1, ݊ếݑ ܽ ൑ ݔ ൑ ܾ ௕ାௗି௫ ௗ , ݊ếݑ ܾ൏ ݔ ൑ ܾ ൅ ݀ 0, ܿò݊ ݈ạ݅ (2) Hàm thành viên được minh họa bởi mô hình bên dưới. Hình 4. Hàm thành viên của số mờ hình thang Đối với tập mờ hình tam giác hàm thành viên ký hiệu ܣ~ ൌ ሺܽ, ܾ, ܿሻ và được xác định như sau: ஺~ሺݔሻ ൌ ൞ ௫ିሺ௔ି௕ሻ ௕ , ݊ếݑ ܽെ ܾ ൑ ݔ ൑ ܽ ௔ା௖ି௫ ௖ , ݊ếݑ ܽ൏ ݔ ൑ ܽ ൅ ܿ 0, ܿò݊ ݈ạ݅ (3) Hình 5. Hàm thành viên của số mờ tam giác Hệ thống logic mờ gồm có ba giai đoạn, như sau: Fuzzy hóa Giải mờ Suy diễn mờ Tri thức Hình 6. Cấu trúc hệ thống Logic mờ Trong đó, thành phần trung tâm của hệ mờ chính là các tri thức hay cơ sở luật mờ, nó được xây dựng dưới sự mô tả của các chuyên gia về môt lĩnh vực áp dụng cụ thể, tức là bao gồm các luật If – then. Sau đó, nó sẽ được bộ suy diễn mờ với nhiệm vụ kết hợp các luật If – then mờ trong cơ sở luật để tạo thành một tập mờ đầu ra F. Trong thực tế, có thể đánh giá hay thu nhận dữ liệu từ môi trường thì dữ liệu đó chỉ có thể là những giá trị số chứ không thể là những giá trị mờ. Thành phần tiếp theo trong hệ thống logic mờ đó chính là Fuzzy hóa với nhiệm vụ biến đổi các giá trị rõ x(T) thành tập mờ X(T). Thành phần cuối cùng trong hệ chính là khâu giải mờ, với nhiệm vụ chuyển đổi tập mờ F thành các giá trị rõ y(F) cụ thể. Vì vậy, giai đoạn quan trọng nhất chính là hệ thống suy diễn mờ “FIS – Fuzzy Inference System”. Vì nó đơn giản; nó có thể xử lý dữ liệu không đáng tin cậy. Ngoài ra, FIS còn có một số tính năng không kém phần quan trọng trong Wireless Sensor Network, đó chính là nó có thể thiết kế một hệ thống đang chạy bằng cách sử dụng một mô hình trực quan, mô tả thông qua những suy luận thông thường của con người về các vấn đề. Thứ hai, FIS thực hiện việc tính toán nhanh và xây dựng trên các kiến thức chuyên môn. Cuối cùng, FIS có thể thực hiện với ít bộ nhớ. Cụ thể sự liên hệ này được minh họa như hình vẽ bên dưới. Fuzzy hóa Suy diễn mờ Giải mờ Môi trường Node sensor Tri thức MAC WSN Tổng số node Node giao tiếp Hình 7. Cấu trúc D - FLER 3.2. Thuật toán Fuzzy C- means (FCM) mở rộng Cho  1 2, ,..., cu u u u là phân hoạch mờ C. 11 1 1 n cxn c cn u u U u u             FCM mở rộng là thuật toán dựa trên cơ sở của thuật toán FCM nhằm phân hoạch một tập n vectors đối tượng 12 Phạm Thị Dung, Lê Văn Sơn, Lê Thành Công, Đặng Hùng Vĩ dữ liệu trong không gian d chiều ܺ ൌ ሼݔଵ, ݔଶ, , ݔ௡ሽ ∈ ܴௗ thành c nhóm mờ, tức là ⋃ ܣ௜ ൌ ܺ௖௜ୀଵ dựa trên tính toán tối ưu hóa của hàm mục tiêu bởi công thức (4) xác định bên dưới sau: ܬ௠∗ ሺܺ; ܷ, ܸሻ ൌ minெ೑೎೙ ܬ௠ሺܺ; ܷ, ܸሻ ൌ min ሺ∑ ∑ ሺݑ௜௞ሻ௠‖ݔ௞ െ ݒ௜‖஺~ଶ௡௞ୀଵ௖௜ୀଵ ሻ (4) Trong đó, ܷ ൌ ሾݑ௜௞ሿ ∈ ܴ௖∗௡ là ma trận phân hoạch mờ với ݑ௜௞ là giá trị hàm thành viên của phần tử thứ k ở cụm thứ i. ܸ ൌ ሾݒଵ, ݒଶ, , ݒ௖ሿ, ݒ௜ ∈ ܴ௖ là một vector cụm trung tâm được xác định bởi công thức (5) bên dưới. ܦ௜௞ಲ~ଶ ൌ ‖ݔ௞ െ ݒ௜‖஺~ଶ ൌ ൣ∑ ൫ݔ௞௝ െ ݒ௜௝൯ௗ௝ୀଵ ൧ ଵ ଶൗ (5) Với ݉ ∈ ሾ1,∞ሻ là tham số mờ, và thường chọn m = 2. Trong không gian ܴ௖∗ௗ tập tất cả các ma trận phân hoạch mờ U được xác định bởi công thức (6) sau: ܯ௙௖௡ ൌ ቐ ܷ ∈ ܴ௖∗ௗ,∀௜,௞:௨೔ೖ∈ሾ଴,ଵሿ ∑ ݑ௜௞ ൌ 1௖௜ୀଵ 0 ൏ ∑ ݑ௜௞ ൌ 1௖௜ୀଵ ൏ ݊ (6) Như vậy, để tối thiểu hàm muc tiêu khi và chỉ khi các công thức (7) và (8) được xác định bên dưới. ∀ଵஸ௜ஸ௖ ଵஸ௞ஸ௡ ݑ௜௞ ൌ ൥∑ ൬ௗ೔ೖௗೕೖ൰ మ ೘షభ௖௝ୀଵ ൩ ିଵ (7) Và ݒ௜௝ ൌ ∑ ሺ௨೔ೖሻ ೘௫ೖ೔೙ೖసభ ∑ ሺ௨೔ೖሻ೘೙ೖసభ (8) Cụ thể hơn nữa, thuật toán FCM mở rộng được biểu diễn toàn bộ minh họa bởi một sơ đồ khối bao gồm 10 bước thực hiện tuần tự như sau: Bắt đầu Nhập số cụm c; m = 2; ߝ ൐ 0 . Các tập mờ con X = ሼݔ1, ݔ2, , ݔ݊ሽ Khởi tạo ma trận phân hoạch mờ ܷሺ0ሻ ∈ ݂ܯ ܿ݊ , ݆ ൌ 0 ݆ ൌ ݆ ൅ 1 Xác định vector trung tâm ݒሺ݆ሻ, ݅ ൌ 1, ܿതതതത bởi ݒ݅ ൌ ∑ ሺݑ݅݇ ሻ ݉ ݔ݇݊݇ൌ1 ∑ ሺݑ݅݇ ሻ݉݊݇ൌ1 ; 1 ൑ ݅ ൑ ܿ Phân hoạch các điểm thuộc các cụm ܷሺ݆ ሻ ൌ ܷሺ݆െ1ሻ ݒà ݔ݇ ∈ ݒ݅ Kết thúc ݀݅݇2 ൌ ‖ݔ݇ െ ݒ݅‖2 Xác định khoảng cách ݑ݅݇ ൌ ቎෍ቆ ݀݅݇ ݆݀݇ ቇ 2 ݉െ1ܿ ݆ൌ1 ቏ െ1 ; 1 ൑ ݇ ൑ ݊, 1 ൑ ݅ ൑ ܿ Cập nhật ma trận phân hoạch mờ ܷሺ݆ሻ ൌ ሾݑ݅݇ ሿሺ݆ሻ bởi ݉ܽݔฮݑ݅݇ ሺ݆ ሻ െ ݑ݅݇ ሺ݆െ1ሻ‖ ൏ ߝ Hình 8. Thuật toán FCM mở rộng Gọi T là số lần lặp thực hiện của thuật toán FCM mở rộng. Riêng đối với thuật toán này độ phức tạp của nó được chứng minh chính là O(T). Giả sử, xem tập ܺ ൌ ሼݔଵ, ݔଶ, ݔଷ, ݔସሽ, với ݔଵ ൌ ሼ5, 5ሽ, ݔଶ ൌሼ6, 8ሽ, ݔଷ ൌ ሼ8, 10ሽ, ݔସ ൌ ሼ9, 12ሽ. Với ݉ ൌ 2, ߝ ൌ 0,01. Cho tâm của hai cụm như sau ݒଵ ൌ ሼ5, 7ሽ, ݒଶ ൌ ሼ8, 11ሽ và được biểu diễn bởi ma trận phân hoạch sau: ܷሺ଴ሻ ൌ 1,0 1,0 0,0 0,0 0,0 0,0 1,0 1,0 Hãy sử dụng thuật toán để xác định phân cụm tối ưu. Giải Theo tuần tự các bước của thuật toán FCM mở rộng, với lần lặp đầu tiên: ݒ௜௝ ൌ ∑ ሺݑ௜௞ሻଶݔ௞௜ସ௞ୀଵ ∑ ሺݑ௜௞ሻଶସ௞ୀଵ Kết quả xác định toạ độ các cụm cụ thể như sau: ݒଵ ൌ ሺ11/2,13/2ሻ và ݒଶ ൌ ሺ17/2,11ሻ. Tiếp tục thực hiện bước 6 trong thuật toán, cụ thể sau: Khoảng cách đối với cụm 1 Khoảng cách đối với cụm 2 ݀ଵଵ ൌ √10/2 ݀ଶଵ ൌ √10/2 ݀ଶଵ ൌ √10/2 ݀ଶଶ ൌ √61/2 ݀ଷଵ ൌ 2√2 ݀ଷଶ ൌ √5/2 ݀ସଵ ൌ √170/2 ݀ସଶ ൌ √5/2 Tiếp tục thực hiện các bước 7, 8 và đạt được kết quả như sau: Giá trị phụ thuộc đối với cụm 1 Giá trị phụ thuộc đối với cụm 2 uଵଵ ൌ 0,5 uଵଶ ൌ 1,0 െ 0,5 ൌ 0,5 uଶଵ ൌ 0,86 uଵଶ ൌ 1,0 െ 0,86 ൌ 0,14 uଷଵ ൌ 0,09 uଵଶ ൌ 1,0 െ 0,09 ൌ 0,91 uସଵ ൌ 0,03 uଵଶ ൌ 1,0 െ 0,03 ൌ 0,97 Từ bảng trên, ta cập nhật lại ma trận phân hoạch ở lần lặp thứ nhất và kết quả đạt được như bên dưới. ܷሺଵሻ ൌ 0,5 0,86 0,09 0,03 0,5 0,14 0,91 0,97 Tiếp tục kiểm tra điều kiện dừng đối với thuật toán tương ứng ở bước 8 như sau: max௜௞ ൛หݑ௜௞ ሺ௝ሻ െ ݑ௜௞ሺ௝ିଵሻห ൏ ߝൟ ↔ max௜௞ ൛หݑ௜௞ ሺଵሻ െ ݑ௜௞ሺ଴ሻห ൏ ߝൟ ↔ max௜௞ ሼሺ0,5 െ 1,0ሻ, ሺ0,86 െ 1,0ሻ, ሺ0,09 െ 0,0ሻ, ሺ0,03െ 0,0ሻ, ሺ0,5 െ 0,0ሻ, ሺ0,14 െ 0,0ሻ, ሺ0,91 െ 1,0ሻ, ሺ0,97 െ 1,0ሻሽ ൌ 0,5 ൐ ߝ ൌ 0,01 Lúc này, điều kiện ở bước 8 của thuật toán chưa thỏa mãn, nên chúng ta thực hiện tương tự ở các lần lặp tiếp theo. Sau khi qua 4 lần lặp, tức là j = 4, kết quả cuối cùng như sau: ܷሺସሻ ൌ ܷሺଷሻ ൌ 0,83 0,87 0,05 0,04 0,17 0,13 0,95 0,96 ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 12(97).2015, QUYỂN 2 13 Như vậy, với tập dữ liệu ban đầu chúng ta sẽ phân hoạch các điểm và được kết quả như sau: ൜ݔଵ  ݔଶ ∈ ݒଶݔଷ  ݔସ ∈ ݒଵ Ngoài ra, việc phân cụm đối với thuật toán FCM mở rộng cũng có thể minh họa bởi đoạn mã như sau: ሾܿ݁݊ݐ݁ݎ, ܷ, ݋ܾ݆_݂ܿ݉ሿ ൌ ݂ܿ݉ሺ݂ܿ݉݀ܽݐܽ, ݈ܿݑݏݐ݁ݎ_݊ሻ Với centrer: Biến dùng để thể hiện tọa độ của các cụm trung tâm, cụ thể ở đây minh họa chỉ với 2 cụm trung tâm. U: Chứa giá trị hàm thành viên đối với mỗi điểm dữ liệu. obj_fcm: Chứa giá trị lịch sử của hàm mục tiêu mà mỗi lần lặp lại. Hình 9. Demo thuật toán FCM mở rộng Kết quả sau khi phân tách các điểm thuộc 2 cụm được thể hiện như hình vẽ bên dưới. Hình 10. Kết quả phân hoạch của thuật toán FCM mở rộng 4. Khảo sát và đánh giá Riêng đối với bài báo này, nhằm tăng tuổi thọ của các node Sensors trong hệ thống mạng, nhóm tác giả nghiên cứu khả năng ứng dụng của logic mờ trong mạng cảm biến không dây và thiết kế một mô hình mô phỏng cụ thể gồm năm đầu vào và một đầu ra. Mô hình cụ thể như sau: Hình 11. Cấu trúc hệ thống 5 – Input và 1 – Output Hình 12. Kết quả mô phỏng hàm thành viên của hệ thống Riêng đối với cấu trúc hệ thống ở hình trên, thực chất mỗi đầu vào chính là một bộ điều khiển mờ. Hệ này như đã giới thiệu, đầu vào của nó chính là các giá trị rõ, cụ thể được tác giả định nghĩa nằm trong [0, 100]. Với các giá trị rõ đầu vào, sau khi đi vào hệ thống điều khiển xử lý dưới các suy diễn mờ sử dụng các biến ngôn ngữ, kết quả đầu ra chính là một giá trị rõ nằm trong [0, 100]. Như vậy, dưới sự hỗ trợ của công cụ Matlab [10] chúng ta sẽ xác định được các hàm thành viên của cấu trúc trên và cụ thể đạt được kết quả như Hình 12. Sau khi chúng ta định nghĩa được các hàm thành viên, tiếp tục đến với quá trình sinh luật. Cụ thể, tác giả chỉ định nghĩa minh họa 19 luật trong tổng số 1125 luật như sau: Hình 13. Các luật của hệ thống Lúc này, thời gian sống của các node Sensors trong hệ thống mạng thay đổi với rất nhiều kịch bản thử nghiệm chính là do sự thay đổi các tham số đầu vào Input mà chính nhóm tác giả thiết kế. Trường hợp 1, chỉ với 32 cụm minh họa, nhưng chúng ta sẽ xác định được thời gian sống tối đa của hệ thống mạng đạt được là t = 5/năm và cụ thể mô phỏng như sau: Hình 14. Thời gian sống của mạng với 32 cụm Đối với trường hợp 2, hệ thống chỉ với 78 cụm thì kết quả mô phỏng đạt được như sau: Hình 15. Thời gian sống của mạng với 50 cụm Tuy nhiên, nếu chúng ta thay đổi khu vực phân bố các nodes trong mạng, chẳng hạn, các nodes phân bố trong một khu vực giảm thì thời gian sống của nó cũng sẽ thay đổi, cụ thể là t = 7,51/năm và kết quả như Hình 16. Nhiều kịch bản mô phỏng khác nhau nhằm đánh giá kết luận cuối cùng được tác giả thống kê qua bảng bên dưới trong Hình 17. 14 Phạm Thị Dung, Lê Văn Sơn, Lê Thành Công, Đặng Hùng Vĩ Hình 16. Thời gian sống của mạng với Area giảm sonutCH thoigiansong 12 3,71 27 3,86 32 5 78 6 Hình 17. Dữ liệu thử nghiệm khi thực hiện các kịch bản Kết quả thống kê như sau: Hình 18. Đánh giá thời gian sống của mạng phụ thuộc vào sonutCH Như vậy, thời gian sống của các node Sensors có xu hướng tăng lên khi số node chủ tăng lên. 5. Kết luận Với nghiên cứu thể hiện trong bài báo, các tác giả đã hệ thống hóa và mở rộng các thuật toán phân cụm nhằm cho phép khảo sát đầy đủ về thời gian sống của WSN. Đồng thời, nhóm nghiên cứu cũng đã tập trung xây dựng các kịch bản khác nhau và tiến hành thử nghiệm với các tham số đại diện đầu vào để đánh giá thời gian sống của một WSN cụ thể và hiệu quả hơn. Riêng phần minh chứng cho cải tiến FCM được tiến hành bằng nhiều cách, chẳng hạn như cách thực hiện thủ công hoặc sự thay đổi kích cỡ, màu sắc của các nodes trong cụm và được thể hiện dưới sự hỗ trợ của Matlab. TÀI LIỆU THAM KHẢO [1] D. R. I. Gupta and S. Sampalli, "Cluster -head election using fuzzy logic for wireless sensor networks”, in 3rd Annual Conference on Communication Networks and Services Research, vol. 2, 2005. [2] [3] [4] [5] J. Ibriq and I. Mahgoub, "Cluster - based routing in wireless sensor networks: issues and challenges (SPECTS)”, in Symposium on Performance Evaluation of Computer Telecommunication Systems, 2004. [6] Mohd Ezwan Jalil, “Positioning and Location Tracking Using Wireless Sensor Network”, 2011. [7] Q. L. Haining Shu and J. Gao, "Wireless Sensor Network Lifetime Analysis Using Interval Type-2 Fuzzy Logic Systems”, IEEE Transactions on Fuzzy Systems, vol. 16, no. 2, pp. 416-427, 2008. [8] S. A. a. o. Budiarto. (2012, Jul.) The wireless sensor network. [Online]. accessed on 26th Aug. 2012, .net/blogs/ui_thefarmers/archive/2010/04/23/wireless-sensor- networks-how-do-theywork.aspx [9] T.M. F. Kuhn and R. Wattenhofer, "Initializing newly deployed ad hoc and sensor networks”, in 10th annual international conference on Mobile computing and networking, New York, NY, USA, 2004, pp. 260-274. [10] X. Chen, "Research on hierarchical mobile wireless sensor network architecture with mobile sensor nodes”, in 3rd International Conference on Biomedical Engineering and Informatics (BMEI), vol. 7, Oct. 2010, pp. 2863-2867. (BBT nhận bài: 28/07/2015, phản biện xong: 11/10/2015) 0 10 20 30 40 50 60 70 80 90 3,71 3,86 5 6 so nu tC H thoigiansong T/năm Đánh giá thời gian sống của mạng sonutCH thoigiansong