Tez No	İndirme	Tez Künye	Durumu
698442		Büyük boyutlu gezgin kablosuz algılayıcı ağlarda düğümlerin lokalizasyonu için çapa düğümlerin optimizasyon yöntemleriyle yerleşimi / Anchor node placement with optimization methods for localization of nodes in large-scale mobile wireless sensor networks Yazar:FARUK BATURALP GÜNAY Danışman: DOÇ. DR. TUĞRUL ÇAVDAR Yer Bilgisi: Karadeniz Teknik 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 2021 130 s.
Lokalizasyon, hedef izleme ve nesne izleme gibi çeşitli kullanım alanları için Kablosuz Algılayıcı Ağlarında (KAA) önemli bir süreç olmaktadır. Çapa düğümleri, konumlarını GPS sinyalleri veya elle verilen konumlar aracılığıyla bulabildikleri ve ağdaki diğer düğümlerin konumlarını belirlemelerine yardımcı oldukları için bu görevde kritik rol oynar. Bu nedenle, bir KAA'daki çapa düğümlerinin optimal yerleşimi, düğümlerin konumlarını bulmada daha kesin doğruluk sağlarken enerji tüketimini azaltmak için özellikle önem arz eder. Bu tezde, Bozkurt Optimizasyonu (GWO) ve Parçacık Sürü Optimizasyonu (PSO) yöntemlerine dayalı olarak, büyük ölçekli bir KAA'da en uygun çapa düğümü sayısını ve en uygun yerleştirme stratejisini bulmak amacıyla yeni bir yaklaşım önerilmiştir. Bu yaklaşımın ilk adımı olarak, sürecin verimliliğini optimize etmek için sanal lokalizasyon süreci bir sanal koordinat sistemi üzerinden sağlanmıştır. GWO ve PSO yöntemleri, kapsama alanı tabanlı bir analitik yöntem, Destek Vektör Makinesi (SVM) regresyonu ve Çoklu Regresyon gibi makine öğrenmesi yaklaşımlarıyla karşılaştırılmıştır. Ayrıca lokalizasyon alanında DV-HoP yöntemiyle mukayese edilmiştir. Bir KAA'da farklı sayıda düğüm ve farklı maksimum kapsama uzaklıkları ile çalıştırdığımız simülasyonlar, önerilen yaklaşımların çapa düğümlerinin sayısını azaltırken lokalizasyon hatalarını en aza indirme anlamında üstün olduğunu göstermektedir.
Localization is an important process in Wireless Sensor Networks (WSNs) for various usage areas such as target tracking and object tracking. Anchor nodes play a critical role in this task since they can find their location via GPS signals or manual setup mechanisms and help other nodes in the network determine their locations. Therefore, optimal placement of anchor nodes in a WSN is particularly important to reduce energy consumption while providing more precise accuracy in locating nodes. In this thesis, a new approach is proposed to find the optimal number of anchor nodes and the optimal placement strategy in a large-scale WSN, based on Gray Wolf Optimization (GWO) and Particle Swarm Optimization (PSO) methods. As the first step of this approach, the virtual localization process is provided over a virtual coordinate system to optimize the efficiency of the process. GWO and PSO methods are compared with machine learning approaches such as a coverage-based analytical method, Support Vector Machine (SVM) regression, and Multiple Regression. In addition, it was compared with the DV-HoP method in the localization aspect. The simulations we run in a WSN with different numbers of nodes and different maximum coverage distances show that the proposed approaches are superior in terms of minimizing localization errors while reducing the number of anchor nodes.