Tez No	İndirme	Tez Künye	Durumu
334542		Kablosuz algılayıcı ağlarda optimum yaşam süresi için enerji verimli sezgisel bir yöntem geliştirilmesi / Developing an energy efficient heuristic method for optimum lifetime in wireless sensor networks Yazar:HÜSEYİN FEHMİ SELİM BAYRAKLI Danışman: YRD. DOÇ. DR. ŞENOL ZAFER ERDOĞAN Yer Bilgisi: Maltepe Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2013 102 s.
Bu tezde kablosuz algılayıcı ağların yaşam süresini optimize etmek için genetik algoritma tabanlı bir yöntem (GABEEC) önerilmektedir. Önerilen yöntem LEACH algoritması gibi kümeleme tabanlı bir metottur. Ağın yaşam süresini maksimize etmek için genetik algoritma kullanılmıştır. Yöntemin iki safhası vardır. Kurulum safhası ve iletişim safhası. Kurulum safhasında kümeler oluşturulur ve oluşturulan kümeler ağ yaşam süresi boyunca sabit kalır. Her turda dinamik olarak değişen küme başları olan sabit kümeler vardır. Önerilen yöntemi doğrulamak için Visual C# 2010 program geliştirme ortamı kullanılarak bir simülatör geliştirilmiştir. Yöntem simüle edilip alınan sonuçlar diğer ilgili çalışmalarla karşılaştırılmıştır. Sonuçlar önerilen yöntemin diğer yöntemlerden daha iyi sonuç ürettiğini göstermektedir. Tez çalışmasında, önerilen GABEEC yöntemi, küme başları arasındaki iletişim metodu değiştirilerek geliştirilmiştir. Ağın yaşam süresini uzatmak için çok atlamalı (multihop) iletişim kullanılmıştır. Yöntemin adı Multihop-GABEEC (M-GABEEC) olup simülasyon sonuçları M-GABEEC yönteminin GABEEC?e göre daha enerji verimli olduğunu göstermektedir.
In this thesis, a genetic algorithm based energy efficient clustering (GABEEC) is proposed to optimize the lifetime of wireless sensor networks (WSNs). The proposed method is cluster based method like LEACH and generates energy efficient clusters by considering several aspects of the network. The WSN is represented as a graph and the genetic algorithm (GA) is used to obtain the approximate near-optimal solution in order to maximize the lifetime of the network. GABEEC generates energy efficient clusters, where cluster heads are changed dynamically. A simulator is de-veloped in MS Visual C# 2010 development environment to validate the proposed method. The simulation results show that the proposed method outperforms the other methods. Further in this thesis, GABEEC is improved by using multi-hop communica-tion between cluster heads. Multi-hop communication has been used to extend the lifetime of the network. The name of the method is Multihop-GABEEC (M-GABEEC). The simulation results reveal that multi-hop approach is even more energy-efficient than single-hop approach, GABEEC.