Kablosuz Algılayıcı Ağ (KAA)'lar kapsama alanı içerisinde birbirinden bağımsız olarak çalışan algılayıcıları kullanarak farklı ortamlardaki sıcaklık, nem, ses, nesne hareketleri gibi fiziksel ya da çevresel koşulların izlenmesi amacıyla kullanılmaktadırlar. KAA'daki algılayıcıların rastgele dağıtım sonrası dinamik dağıtımlarının optimize edilmesi ilgili ağın kapsanma oranını artırarak ağın performansını doğru orantılı bir şekilde geliştirir. Ayrıca KAA'daki mobil algılayıcıların ilgili alandaki konumlarını belirleyen dinamik dağıtımlarının etkin olarak yapılması, algılayıcıların daha hızlı bir şekilde birbirine yakınsamalarını gerçekleştirerek algılayıcıların kısa sürede optimum konuma yerleşmesi sağlanır. Tez çalışmasındaki amacımız; KAA'daki algılayıcıların dinamik dağıtımlarının optimize edilmesi için elektomanyetik alanda yüklü parçacık teoremine göre çalışan ve popülasyon tabanlı meta-sezgisel bir algoritma olan Elektromagnetizma – Benzer (EM) Algoritması ile alandaki algılayıcıların dinamik dağıtımlarının optimum şekilde gerçekleştirilmesini sağlamaktır. Önerilen EM algoritmasını temel alan Optimum Algılayıcı Tarama Algoritması (OSDA-EM) geliştirilip dinamik dağıtım modellerine uygulanarak KAA'da optimum bir kapsama alanının oluşturulması hedeflenmiştir. Öncelikle geliştirilen OSDA-EM algoritması İkili Tarama Modeline ilgili alandaki sadece mobil algılayıcılar kullanılarak uygulanmış ve sonrasında Olasılıksal Tarama Modeline hem mobil hem de statik algılayıcılar ile uygulanarak alanın kapsanma oranının değişimi incelenmiştir. Geliştirilen OSDA-EM'nin MATLAB ortamında uygulaması yapılmış ve elde edilen sonuçlar literatürde KAA'ların dinamik dağıtımında önerilen Parçacık Sürü Optimizasyonu (PSO) ve Yapay Arı Kolonisi (ABC) tabanlı algoritmalar ile karşılaştırılmıştır. Son olarak da gerçek bir ortam uygulaması yapılarak OSDA-EM'nin etkinliği ölçülmüştür. Sonuç olarak, geliştirilen OSDA-EM'nin algılayıcı düğümlerin dinamik dağıtımında en iyi sonuçlar verdiği ve dağıtık KAA'nın optimize edilmesinde tercih edilebileceği irdelenerek tartışılmıştır.
Wireless Sensor Networks (WSNs) are used to observe physical or environmental conditions such as heat, moisture, sound, object movements in different conditions by using sensors which behave independently from each other in coverage area. The optimization of dynamic deployments after the random deployment of sensors in WSN increases the coverage rate of the related network and as a result develops directly proportional to the performance of the network. Furthermore, the realization of efficient dynamic deployment which determines the positions in the related area of mobile sensors that are in WSN enables the sensors to converge faster and as a result locate in the optimal position in a short period of time. In this thesis, our purpose is to achieve dynamic deployment of the sensors in the area in an optimal way so as to optimize the dynamic deployment of sensors in WSN with Electromagnetism-like (EM) algoritm which is a population based meta-heuristic algoritm and works according to loaded particle theorem in electromagnetic area. Optimal Sensor Detection Algorithm (OSDA-EM), which considers the proposed EM algorithm as a basis, is improved and by applying it to deployment models, and optimal coverage area in WSN is obtained. Firstly, OSDA-EM, which has been improved, has been applied to binary detection model using only mobile sensors in the related area and then the change of the coverage rate has been searched by applying it to probabilistic detection model both with mobile and stationary sensors. The application of the improved OSDA-EM in MATLAB has been performed and the results, which have been obtained, have been compared with Particle Swarm Optimization (PSO) and Artificial Bee Colony (ABC) based algortims in literature, which is proposed in the dynamic deployment of WSN. Finally, the efficiency of OSDA-EM has been measured by performing applications in an authentic environment. Consequently, it has been determined that the improved OSDA-EM has provided optimal results in dynamic deployment of the sensor nodes and it has been discussed that it can be preferred in the optimization of the distributed WSN.
