FIGURE 5.12 – Temps d’exécution de WSN-2-LTS.
se déroule selon l’algorithme 5. Algorithm 5 HSL-2-AN
1: Groups_Formation ;
2: Leader_Election ;
3: Super-leader_Election ;
où, groups_formation, Leader_election et super-leader election sont les trois étapes de l’algorithme.
1. Formation des clusters :
Algorithm 6 Groups_Formation
1: # Cette phase concerne la formation des clusters #
2: # ====================================== #
3: k = 1
4: for each node ni in the nodes list do
5: Addition of ni to Gk
6: Suppression of ni f rom nodes list
7: for each node nj in the nodes list (j , i) do
8: if q(xj−xi)2−(yj−yi)2< Di then
9: Addition of the node nj to Gk
10: Suppression of the node nj f romthe nodes list
11: end if
12: end for
13: k = k + 1;
14: end for
Cette étape permet de mettre les nœuds qui sont dans une même région dans le même cluster. La deuxième étape concerne l’élection d’un CH dans chaque cluster, selon l’algorithme 7.
2. L’élection du CH : Le CH est le nœud dont la moyenne des dis- tances entre lui et les autres nœuds du cluster est minimale. Pour réaliser cela, chaque membre de cluster exécute l’algorithme sui- vant :
A la fin de la deuxième étape, les clusters formés sont disjoints ; mais ils ne sont pas formés dans le 1-voisinage ; c’est à dire que les membres des clusters ne sont pas nécessairement dans le champ de couverture de leur CH.
3. L’élection du super-leader : Le super-leader est le nœud qui a le maximum de CHs dans son champ de couverture. Il est élu selon l’algorithme 8.
Dans HSL − 2 − AN , l’élection du CH ne tient compte que du critère géographique, et ne pose aucune contrainte sur le nombre de nœud. De là, les clusters formés peuvent être très différents en nombre de nœuds
Algorithm 7 CH_election
1: for each node ni ∈Gk do
2: K = 0
3: Somme_distance = 0
4: for each node nj∈Gk(j , i) do
5: somme_distance = somme_disatnce+ 6: q (xj−xi)2−(yj−yi)2 7: k = k + 1 8: end for 9: Moy_distance[i] = somme_distance[i]/K 10: end for
11: Min(moy_distance[i]); ]let0s suppose that Moy_distance[m] is the minimum; ]
12: Election of nm as the group CH
13: if it exists two (ormore) minimums then
14: election of the one that has the lowest identif ier
15: end if
16: ] T he elected CH broadcastsin the network its identif ier; ]
Algorithm 8 super-leader_election
1: for each node ni (, CH) do
2: for each node nj in the list of CHs do
3: if (xj−xi)2−(yj−yi)2≤ D2
i then
4: #increment of the number of
5: # CHs that are in the node range#
6: N b_leader[i] = nb_leader[i] + 1
7: end if 8: end for 9: end for
10: Max(nb_leader[i]) # Let0s suppose nb_leader[m] is the maximum#
11: Election of nm to be super − leader
12: if it exists two (or more) maximums then
13: Election of the one that has
14: the lowest identif ier; ] only one
15: super − leader is elected in the network]
16: end if
17: ] T he super − leader broadcasts its identif ier number
18: in the network.]
et peuvent même être composés d’un seul nœud. Ce déséquilibre dans le nombre de nœuds par cluster entraîne à un déséquilibre dans la consom- mation d’énergie entre les nœuds et entre les clusters. HSL-2-AN définit
sur la base de la structure hiérarchique de niveau 2, ainsi que sur les protocoles de communication supposés, des paramètres de cohésion qui permettent de donner un certains nombre d’informations sur l’état du réseau. Ces paramètres ont été explicités dans le paragraphe5.4.1.
5.8.2
CSOS
CSOS est un algorithme de clusterisation conçu pour réseaux de cap- teurs mobiles[56][64]. Il crée une structure de niveau 1 : plusieurs clus- ters avec un cluster-head par cluster. Les clusters sont crées dans le 2-voisinage, c’est à dire que les membres peuvent être à deux sauts du cluster-head. La métrique d’élection des cluster-heads est le poids défini de la manière suivante :
weight(u) = α ∗ P2−density+ β ∗ Pres_energy+ γ ∗ Pmobility (5.1)
où,
α + β + γ = 1 (5.2)
et p2−density représente la densité du nœud par rapport au 2-voisinage,
Pres_energy l’énergie résiduelle du nœud, et Pmobility sa mobilité.
La force de la métrique réside dans le fait qu’elle prend en considéra- tion trois paramètres à la fois, le critère géographique représenté par la densité p2−density, l’énergie résiduelle du nœud et la mobilité. En faisant
varier les valeurs de α, β or γ on peut augmenter, diminuer ou annuler l’influence d’un critère dans la métrique. De cette façon, cette métrique peut être convenable pour un grand nombre d’applications. CSOS a été testé sur une plateforme expérimentale, et a donné de bons résultats en termes de consommation d’énergie.
5.8.3
Etude Comparative de WSN-2-LTS, HSL-2-AN et CSOS
Dans la conception de WSN-2-LTS, la métrique d’élection du CH est similaire à celle utilisée dans HSL-2-AN. Mais l’opération d’élection elle même, et la formation des clusters se fait comme dans CSOS. La deuxième étape de WSN-2-LTS concerne la détermination des nœuds de connexion ou nœuds relais, dans l’objectif de faciliter le routage ; ensuite vient l’élec- tion du super-leader en utilisant la même métrique utilisée dans HSL-2- AN, Mais l’élection elle même est réalisée différemment ; le super-leader
est choisi parmi les nœuds qui sont dans le champ de couverture de la SB. Les paramètres de cohésion sont définis et discutés comme dans HSL-2-AN Un chemin de routage est défini ensuite pour atteindre la SB : capteur, CH, super-leader, SB ; avec agrégation des données à deux ni- veaux ; au niveau des CHs pou chaque cluster, ensuite au niveau du super-leader pour tout le réseau. Quelques mesures ont été prises par si- mulation sur la base de différents critères : taux de ré-affiliation, nombre de clusters formés et network_cohesion.
Tous les deux, CSOS and WSN-2-LTS, utilisent la technique de ré- affiliation FIG5.13 compare le taux de ré-affiliation dans les deux proto- coles. Le taux de ré-affiliation est plus élevé dans WSN-2-LTS parce qu’il crée un plus grand nombre de clusters. cela est du au fait qu’il forme ses clusters dans le 1-voisinage, mais CSOS forme ses clusters dans le 2-voisinage. FIG(5.13) et TABLE(5.5) illustrent les valeurs obtenues. TABLE 5.5 – Taux de Re-Affiliation pour WSN-2-LTS et CSOS en fonction du nombre de nœuds Nombre de Nœuds CSOS WSN- 2-LTS 20 8 6 50 35 64 100 27 176 200 64 324 300 101 676 400 136 876 500 840 1384
Tous les deux, HSL-2-AN et WSN-2-LTS définissent les paramètres de cohésion ; FIG5.14 compare N etwork_Cohesion dans les deux protocoles. Les paramètres de cohésion sont définis de la même manière dans les deux protocoles et leurs valeurs dépendent fortement des positions du CH, super-leader et tous les autres nœuds. Notons que la formation des clusters est réalisée différemment dans les deux protocoles, c’est pour cette raison que les courbes montrent des valeurs différentes de Net- work_Cohesion pour le même nombre de nœuds dans les deux proto- coles. FIG(5.14) et TABLE(5.6) illustrent les résultats obtenus.
Dans le but de vérifier la balance des clusters en nombre de nœuds, nous utilisons le concept de l’écart type. L’écart type est une grandeur mathématique, largement utilisé en statistiques, nous informe sur l’ho- mogénéité d’un ensemble de valeurs discrètes. Quand l’écart type d’un ensemble de valeurs tend vers zéro, cela signifie que ces valeurs sont ru-