Hội nghị Quốc gia lần thứ 24 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2021)

Một Khảo Sát Về Giải Pháp Phân Cụm Và
Định Tuyến Cho Mạng Cảm Biến Khơng Dây
Theo Tiếp Cận Logic Mờ
Hồng Trọng Minh1, Phạm Anh Thư1, Đỗ Tường Lân1, Lê Mạnh Hùng2, Nguyễn Diệu Linh1, Nguyễn
Thị Vân Anh1.
1

Khoa Viễn Thông 1, Học Viện Công Nghệ Bưu Chính Viễn Thơng
2 Khoa Cơng nghệ Thơng tin, Đại học Điện Lực
Email: , , , ,
,
Tóm tắt - Tiếp cận tính tốn thơng minh dựa trên logic mờ là
một trong những xu hướng phát triển mạnh mẽ hiện nay. Với
lợi thế nhất định trong việc ra quyết định trong những điều
kiện không chắc chắn, quyết định dựa trên logic mờ cho mục
tiêu phân cụm và định tuyến trong mạng cảm biến không dây
đã đạt được một số kết quả khả quan. Bài báo này khảo sát
một cách có hệ thống các đề xuất trước đây sử dụng logic mờ
trong các quyết định phân cụm và chọn chủ cụm. Khác với các
nghiên cứu khảo sát của các tác giả trước, nghiên cứu này tiếp
cận từ các nguyên lý cơ bản của lý thuyết mờ để phân loại các
hướng nghiên cứu gần đây. Từ đó, những ưu nhược điểm của
các đề xuất được phân tích một cách hệ thống nhằm đưa ra
những hướng nghiên cứu rộng mở trong tương lai.
Keywords- Mạng cảm biến không dây, thời gian sống, logic
mờ, kỹ thuật phân cụm.

I.

GIỚI THIỆU

Mạng cảm biến không dây WSN (Wireless Sensor
Network) đóng vai trị then chốt trong hạ tầng của các giải
pháp Internet vạn vật hiện nay. Các nghiên cứu trong cả
lĩnh vực lý thuyết và triển khai thực nghiệm với mạng cảm
biến không dây tăng mạnh trong nhưng năm gần đây do các
áp lực thu thập dữ liệu hiệu quả, tin cậy và an toàn của hàng
loạt dịch vụ thực tiễn. Bên cạnh các lợi ích, mạng cảm biến
khơng dây thường có số lượng thiết bị cảm biến rất lớn, với
các công nghệ truyền dẫn tiết kiệm năng lượng có khoảng
cách truyền thơng hạn chế. Điều này dẫn đến quá trình phân
cụm và chuyển tiếp đa bước để tạo kết nối liền mạch. Kịch
bản điển hình là dữ liệu từ các cụm đến nút trung gian và
sau đó mới đến nút tập trung dữ liệu (sink). Một hậu quả
của phương pháp này là các nút cảm biến nằm gần nút sink
bị tiêu hao năng lượng nhiều hơn so với nút khác do phải
chuyển tiếp dữ liệu từ các nút trong mạng. Hiện tượng này
dẫn đến sự suy giảm năng lượng không đồng đều giữa các
nút trong WSN và làm giảm thời gian sống của toàn mạng
[1]. Nhằm để giải quyết thách thức này, rất nhiều hướng
nghiên cứu đã được đề xuất. Trong đó, một trong các
hướng sử dụng tiếp cận heuristics là logic mờ đã đem lại
một số kết quả khả quan do độ phưc tạp tính tốn thấp.

ISBN 978-604-80-5958-3

215

Nhằm tìm kiếm một giải pháp hiệu quả với mục tiêu

cải thiện hiệu năng của mạng WSN, một số khảo sát liên
quan tới hiệu năng và bảo mật đã được thực hiện từ nhiều
góc độ như thuật tốn, giải pháp hay mơ hình tính tốn. Tuy
nhiên, một khảo sát chi tiết về cách tiếp cận sử dụng logic
mờ để nâng cao hiệu năng mạng của mạng cảm biến không
dây chưa được đề cập trong các nghiên cứu khảo sát trước
đây. Do đó, chúng tơi bổ sung thêm bằng cách khảo sát chi
tiết cách tiếp cận này để tìm ra các điểm chính liên quan
đến các vấn đề định tuyến và phân cụm dựa trên logic mờ.
Cấu trúc của bài báo này được trình bày như sau. Phần II
cung cấp một ý tưởng ngắn gọn về các bài khảo sát gần đây
liên quan đến hiệu năng mạng của mạng cảm biến khơng
dây. Phần III trình bày các tham số hiệu năng phổ biến
được các nhà nghiên cứu sử dụng để đánh giá hiệu năng
mạng. Phần VI trình bày ý tưởng của chúng tôi về các đánh
giá chi tiết của các đề xuất trước đó về sử dụng logic mờ
trong các vấn đề phân cụm và định tuyến. Cuối cùng, chúng
tôi sẽ kết luận và đề xuất công việc trong tương lai của
chúng tôi tại phần kết luận.
II. CÁC NGHIÊN CỨU LIÊN QUAN
Thời gian sống của mạng được biểu hiện qua vấn đề
tiêu thụ năng lượng của các nút cảm biến. Các tác giả trong
[2] đã cung cấp một đánh giá có hệ thống về các sơ đồ định
tuyến gần đây liên quan đến việc cải thiện thời gian sống
của mạng. Quá trình đánh giá liên quan đến các tham số
định tuyến như ngưỡng nhạy, chu kỳ, hiệu suất năng lượng,
quá trình phân phối năng lượng hay các cơ chế thích ứng
năng lượng. Mục tiêu của khảo sát này không tập trung vào
các thuật toán định tuyến cụ thể.
Một khảo sát trong [3] đã phân loại các giao thức định

tuyến từ góc độ phương pháp luận thành bốn loại: phương
pháp tiếp cận cổ điển, phương pháp tiếp cận dựa trên mờ,
phương pháp tiếp cận dựa trên metaheuristic và phương
pháp tiếp cận kết hợp giữa metaheuristic và logic mờ.
Trong đó, các tiêu chí và thơng số được trình bày theo loại


Hội nghị Quốc gia lần thứ 24 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2021)

phương pháp luận để đánh giá các phương pháp. Một ý
tưởng thú vị là các tham số dựa trên phân cụm và các tham
số dựa trên phương pháp luận đã được thảo luận. Khảo sát
này hữu ích từ góc nhìn tổng quan về phương pháp. Tuy
nhiên, các khía cạnh kỹ thuật của logic mờ như loại hoặc
phương pháp suy luận không được đưa ra để tiếp cận thực
tiễn.
Việc hình thành cụm ảnh hưởng rất lớn tới hiệu năng
mạng WSN, tác giả trong [4] thảo luận về những thách thức
thiết kế đối với việc sắp xếp cụm, các tham số hình thành
cụm quan trọng và việc phân loại các giao thức phân cụm
phân cấp. Từ đó, kỹ thuật phân cụm và hình thành lưới
được đánh giá qua các thông số nhất định để lựa chọn một
kỹ thuật thích hợp cho các ứng dụng. Hơn nữa, các giao
thức phân cụm được phân tích qua ưu điểm, nhược điểm và
khả năng áp dụng của chúng trong các trường hợp cụ thể.
Tuy nhiên, khảo sát này không đề cập đến các tham số phân
cụm hay chiến lược chuyển tiếp đa bước.
Từ quan điểm cấu trúc liên kết mạng, trong [5] đề xuất
một phương pháp truyền dữ liệu qua các cụm phân bổ theo
đường chéo cho các vòng định tuyến. Trong đó, chứng

minh tổng năng lượng tiêu thụ của các nút cảm biến trong
mạng truyền đa bước ít hơn truyền đơn bước. Truyền đa
bước đảm bảo sự phân bố đều năng lượng tiêu thụ và tăng
tuổi thọ của toàn bộ mạng cảm biến. Tuy nhiên, các vấn đề
phân cụm không cân bằng và các sơ đồ định tuyến không
được đề cập.
Xem xét các giao thức định tuyến dựa trên tính tốn
thơng minh để giải quyết các vấn đề về nguồn lực hạn chế
và độ phức tạp, các tác giả trong [6] trình bày một đánh giá
có hệ thống về các cơ chế chất lượng dịch vụ QoS trong
một số giao thức định tuyến. Khảo sát này thảo luận về các
hướng tiềm năng khác nhau cho nghiên cứu trong tương lai
trong lĩnh vực cung cấp QoS ở một lớp mạng. Tuy nhiên,
vấn đề hình thành phân cụm khơng được xem xét trong
khảo sát này.
III. CÁC THAM SỐ HIỆU NĂNG WSN
Để làm rõ và thống nhất các khía cạnh liên quan tới
hiệu năng mạng, phần này sẽ tóm tắt các tham số hiệu năng
mạng quan trọng nhất. Đầu tiên, thông lượng là một tham
số xác định lượng dữ liệu được chuyển thành cơng từ nút
nguồn đến nút đích. Thơng lượng có thể được đo bằng tổng
lưu lượng đến nút sink trên một đơn vị thời gian. Một số
phương pháp để cải thiện hiệu quả thông lượng WSN qua
các kỹ thuật phân cụm như nén dữ liệu [7], lựa chọn nút
chủ cụm CH (luster Head) [8], hoặc duy trì tính ổn định [8].
Tiếp theo, độ trễ cũng là một thước đo hiệu năng quan
trọng, thể hiện qua lượng thời gian để chuyển gói tin từ
nguồn đến đích. Độ trễ tổng thể gồm độ trễ xử lý tại nguồn
và đích, độ trễ lan truyền và độ trễ hàng đợi. Bằng cách tối
ưu hóa hiệu quả của kỹ thuật phân cụm, độ trễ từ các nút

đến sink được giảm bớt. Một số phương pháp đề xuất để
giảm độ trễ bao gồm cân bằng tải, giảm bước nhảy hoặc
định tuyến được tối ưu hóa. Cân bằng tải có thể tối ưu hóa
sự tắc nghẽn mạng và độ dài của hàng đợi, dẫn đến cải

ISBN 978-604-80-5958-3

216

thiện độ trễ [9-11]. Một cách khác để tối ưu hóa độ trễ là
mỗi nút gửi dữ liệu trực tiếp đến nút sink. Tuy nhiên, gửi
trực tiếp sẽ gây tiêu hao nhiều năng lượng nhiều hơn nên
cần có giải pháp trung hòa. Trong [12-14], các tác giả sử
dụng kỹ thuật phân cụm sử dụng hai bước nhảy cố định
trong định tuyến nội cụm để giảm số lượng bước nhảy giữa
các nút và sink để cải thiện độ trễ trong các cụm.
Bảo mật cũng là một tham số liên quan tới hiệu năng
mạng. Đã có các kỹ thuật khác nhau được đề xuất nhằm
tăng cường tính bảo mật của WSN. Một số cơ chế mật mã
và các cách tiếp cận quản lý khóa khác nhau được đề xuất
trong WSN để bảo vệ dữ liệu nhạy cảm [15-19]. Bên cạnh
đó, một số cơng trình nghiên cứu đề xuất các kỹ thuật phát
hiện và ngăn chặn tấn công như phát hiện các nút độc hại
[20], xác thực giữa CH và các thành viên [21].
Một số liệu nổi bật khác là tỷ lệ mất gói. Số liệu này được
định nghĩa là tỷ số giữa số gói bị mất trên tổng số gói được
truyền. Có rất nhiều lý do gây ra rớt gói làm giảm tỷ lệ mất
gói, ví dụ, nếu nút bị lỗi hoặc nếu mạng bị tắc nghẽn. Trong
WSNs, các phương pháp kỹ thuật đã được đề xuất để cải
thiện tỷ lệ mất gói [22-23]. Trong đó, các phương pháp

phân cụm có thể được sử dụng để phát hiện lỗi của nút hoặc
chọn các CH tốt nhất về năng lượng còn lại và vị trí nút, và
do đó, giảm mất gói.
Ngồi ra, chỉ số độ tin cậy được định nghĩa trong [24] là
khả năng mạng trong đó dữ liệu thời gian thực có thể được
truyền đến nút sink với tỷ lệ mất gói ít nhất. Vì WSN được
biết đến là mạng khơng đáng tin cậy, nên hai cách tiếp cận
chính bao gồm truyền lại [6] [25] và dự phòng [26-27]
được sử dụng để đạt được độ tin cậy khi truyền dữ liệu.
Gần đây, một số kỹ thuật phân cụm được đề xuất để cải
thiện độ tin cậy của WSNs [28 -29].
Cuối cùng, tiêu thụ năng lượng là một tham số quan
trọng này để đánh giá hiệu năng của WSN. Mức tiêu thụ
năng lượng gồm năng lượng truyền hoặc nhận dữ liệu, xử
lý dữ liệu và điều khiển, chuyển tiếp dữ liệu, phân cụm và
năng lượng của nút chờ hoạt động, truyền lại do xung đột
hoặc nút hoạt động quá tải. Mục tiêu này thu hút rất nhiều
nghiên cứu với các đề xuất giảm thiểu tiêu thụ năng lượng
[30]. Đặc biệt, kỹ thuật phân cụm dựa trên logic mờ đã
được đề xuất để tối ưu hóa tiêu thụ năng lượng [31-34]
bằng cách luân phiên nút trưởng cụm đã đem lại hiệu quả.
Từ khía cạnh ứng dụng thực tiễn, các nút cảm biến sử
kết nối không dây và nguồn pin hạn chế nên một trong
những yêu cầu quan trọng nhất trong WSN là giảm năng
lượng tiêu thụ để kéo dài tuổi thọ mạng.

Hình 1. Một sơ đồ mạng cảm biến điển hình


Hội nghị Quốc gia lần thứ 24 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2021)


Để đánh giá mức suy giảm năng lượng của WSN, mơ
hình năng lượng được sử dụng cùng với một kiến trúc điển
hình như hình 1. Một mạng cảm biến gồm nhiều nút cảm
biến SN được tạo thành cụm với một chủ cụm CH. Chủ
cụm thu thập và tổng hợp dữ liệu từ các nút cảm biến để
truyền dữ liệu tới nút Sink. Năng lượng tiêu hao của một
nút cảm biến được biểu diễn qua công thức 1 dưới đây.
Esn  k  Eelec  k  E fs  d 2
(1)

làm giảm sự phức tạp tính tốn. Tuy nhiên, hiệu quả của
các mơ hình này chỉ có thể được so sánh trong cùng một
kịch bản và tiêu chí đầu ra. Do đó, chúng tơi sẽ cung cấp
các khía cạnh của các kịch bản ứng dụng để làm rõ hơn và
phân biệt các vấn đề định tuyến và phân cụm dựa trên lý
thuyết mờ.

Trong đó, Esn là năng lượng tiêu hao, Eelec là năng lượng
tiêu thụ của mạch điện tử, Eef là năng lượng tiêu tán trong
máy phát và d là khoảng cách giữa hai nút, k là số bit trong
gói tin.
IV. PHÂN LOẠI KỸ THUẬT PHÂN CỤM MỜ
Để cung cấp một khảo sát tường minh và ứng dụng của
logic mờ trong mục tiêu cải thiện hiệu năng mạng. Chúng
tơi bắt đầu từ góc độ lý thuyết mờ được sử dụng trong các
nghiên cứu trước đây. Cụ thể, các loại tập mờ, quy tắc và
quyết định kết quả sẽ được xem xét cùng với các kịch bản
áp dụng nhằm tìm ra ưu điểm và nhược điểm của các đề
xuất.

A. Khía cạnh tập mờ
Vấn đề phân cụm trong cảm biến không dây bị ảnh
hưởng bởi rất nhiều điều kiện không chắc chắn và rất phù
hợp với lý thuyết mờ. Mỗi nút cảm biến có nhiều tham số
ràng buộc liên quan đến các quyết định nhóm và tập các
tham số đầu vào của nút có thể được coi là tập mờ. Trên cơ
sở lý thuyết mờ, các đặc tính của tập mờ có thể được phân
loại thành mờ loại 1 và mờ loại 2.
Sau khi khảo sát, chúng tôi nhận thấy rằng loại mờ 2
được áp dụng nhiều hơn trong các nghiên cứu gần đây do
sự chồng chéo không rõ ràng của các biến đầu vào như
trong hình 2. Chi tiết hơn, để tương thích với các tham số
biến thiên theo thời gian phi tuyến, tập mờ loại 2 cũng được
sử dụng thường xuyên hơn. Cách tiếp cận này tận dụng khả
năng đối phó với các điều kiện khơng chắc chắn thay đổi
nhanh chóng mà khơng làm tăng quá nhiều độ phức tạp của
quyết định. Mô hình Mamdani loại 2 chiếm ưu thế hơn do
khả năng tùy chỉnh các ánh xạ tập mờ đầu vào và đầu ra
B. Khía cạnh mơ hình
Hệ thống suy luận mờ FIS (Fuzzy Inference System)
được trình bày dưới dạng quá trình ánh xạ các biến đầu vào
đã cho vào không gian đầu ra thơng qua logic mờ gần đúng
với thói quen ngôn ngữ của con người. Hai loại phương
pháp suy luận mờ là suy luận mờ Mamdani và suy luận mờ
Tsukamoto Sugeno Kang (TSK). Trong mơ hình Mamdani,
hệ quả của quy tắc Nếu-Thì được xác định bởi tập mờ và
đầu ra của mỗi quy tắc cần phải giải mờ để có kết quả.Mơ
hình TSK sử dụng các quy tắc cộng để quyết định kết quả
thực tế.
Như trong hình 2, hầu hết tất cả các nghiên cứu đều tập

trung vào mơ hình Mamdani vì hệ thống Mamdani có các
cơ sở quy tắc trực quan và dễ hiểu hơn. Hơn nữa, các mối
quan hệ không rõ ràng giữa các tập tham số đầu vào được
xử lý bởi các đối số mờ hiệu quả hơn các quy tắc rõ ràng.
Một số nghiên cứu tiếp cận các mơ hình TSK với mục đích

ISBN 978-604-80-5958-3

217

Hình 2. Phân loại kỹ thuật phân cụm mờ
So sánh hiệu quả của các mơ hình FIS khác nhau được
trình bày dưới đây. Nhìn chung, từ góc độ phương pháp
định tuyến, ta thấy rất nhiều giao thức định tuyến đa bước
đã được đề xuất. Hầu hết tất cả các giao thức định tuyến
này sử dụng nhiều hơn một biến đầu vào và trong đó tham
số tiêu thụ năng lượng là tiêu chí quan trọng nhất, trong khi
một giá trị đầu ra là cơ hội trở thành nút chủ cụm được xem
xét. Điều này là do mục tiêu quan trọng nhất trong WSN là
cân bằng mức tiêu thụ năng lượng và cải thiện tuổi thọ
mạng. Kết quả và nhược điểm của mỗi giao thức phụ thuộc
vào đặc tính của giao thức được thảo luận dưới đây.
C. Các kỹ thuật logic mờ theo Mamdani FIS
Các đề xuất nghiên cứu từ [35 – 50] sử dụng các kỹ thuật
logic mờ trên mơ hình Mamdani loại 1. Trong đó, cấu hình
mạng cảm biến khơng dây được chia thành hai loại là kiểu
đơn bước và đa bước. Các mơ hình mạng đơn bước tập
trung vào q trình phân cụm với các tham số đầu vào mờ.
Mạng đa bước liên quan tới chuyển tiếp giữa các chủ cụm
và vấn đề lỗ hổng năng lượng vẫn chưa được giải quyết

triệt để.
Qua khảo sát cho thấy, tham số sử dụng để bầu chọn chủ
cụm luôn liên quan đến năng lượng, khoảng cách và mật độ
nút trong mạng. Tuy nhiên, khi các nút mạng cạn kiệt năng
lượng, cấu hình mạng thay đổi rất nhiều và dẫn đến các suy
luận đơn giản dường như không đáp ứng được quyết định
đầu ra hiệu quả.
Sử dụng tập mờ loại 2 cho mơ hình Mamdani FIS được đề
xuất trong các nghiên cứu [51- 65]. Trong đó, số lượng biến
đầu vào để ra quyết định dao động từ 02 biến đến 04 biến
và ảnh hưởng đến số quy tắc và độ phức tạp của thuật toán.
Về nguyên tắc, sự gia tăng số lượng đầu vào dẫn đến độ
chính xác của quyết định, nhưng cũng làm tăng số lượng


Hội nghị Quốc gia lần thứ 24 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2021)

các quy tắc và tăng độ phức tạp. Tuy nhiên, trong thực tế,
không có sự so sánh cụ thể về điểm chuẩn của các thuật
tốn.
Tiêu chí đầu ra của các đề xuất tập trung vào thời gian
tồn tại của mạng ở các mức tiêu chí khác nhau: nút mạng
đầu tiên hết năng lượng, một nửa số mạng hết năng lượng
và toàn bộ nút mạng hết năng lượng. Đây là thước đo quan
trọng chung của các giải pháp được đề xuất. Tuy nhiên, vấn
đề về các điểm nóng năng lượng và sự cân bằng năng lượng
qua các vòng đời của mạng vẫn chưa được xem xét. Điều
này là do tính chủ quan cố hữu của các quy tắc suy luận
mờ.
C. Các kỹ thuật logic mờ theo TSK FIS

Trong các nghiên cứu [66 – 71] các đề xuất sử dụng mơ
hình hệ thống suy luận mờ TSK. Các nghiên cứu chủ yếu
hướng tới việc sử dụng các tập mờ loại 2 và ứng dụng cho
cả mạng đơn bước và mạng đa bước. Kết quả khảo sát cho
thấy suy luận tuyến tính của mơ hình TSK FIS là động lực
của các đề xuất này. Tuy nhiên, xu hướng tăng các thông số
đầu vào sẽ làm tăng tiêu đề thơng tin vẫn chưa được tính
tốn cụ thể. Nói cách khác, hiệu năng của các giao thức
chưa được đề cập trong các nghiên cứu này.
V. THẢO LUẬN VÀ HƯỚNG PHÁT TRIỂN
Qua khảo sát và phân loại các nghiên cứu lý thuyết mờ ứng
dụng ở mục IV, một số vấn đề được tóm tắt như dưới đây
- Tập mờ loại 2 được sử dụng nhiều hơn trong các đề
xuất gần đây vì khả năng thích ứng tốt hơn với các điều
kiện bất định của WSN, ngoài ra độ phức tạp nhiễu
không tăng quá nhiều so với các ứng dụng khác sử
dụng tập mờ loại 1.
- Các biến đầu vào của các đề xuất thường dựa trên các
mối quan hệ với năng lượng, khoảng cách và mật độ
nút. Mơ hình này hiệu quả cho cả các nút mạng tĩnh và
động. Tuy nhiên, nó khá đơn giản với các giả định về
phân phối nút, khơng có nhiễu và khơng tính tới độ tin
cậy. Ngoài ra, gần như tất cả các đề xuất đề xuất xác
minh bằng mô phỏng khi so sánh với các nghiên cứu
khác. Do đó, các mục tiêu về bảo mật hoặc hiệu năng
mạng sẽ vẫn còn để ngỏ cho các nghiên cứu trong
tương lai.
- Cho đến nay, mô hình hệ thống suy luận mờ Mamdani
đang chiếm ưu thế rõ rệt trong nghiên cứu. Tuy nhiên,
tính minh bạch trong mối quan hệ giữa đầu vào và đầu

ra của mô hình TSK sẽ dần được khai thác hiệu quả khi
hệ thống suy luận cần một số lượng lớn các biến đầu
vào. Sự phức tạp về thời gian hệ thống giảm với đặc
tính tuyến tính hóa của cách tiếp cận này là một lợi thế
không thể chối cãi.
- Sự thay đổi của các tham số quy tắc trong hệ thống FIS
trong suốt thời gian tồn tại của mạng chưa được đề cập
đến. Việc điều chỉnh các tập mờ loại 2 mới chỉ là một
cách giải quyết. Tuy mới chỉ có một số kết quả ban đầu
nhưng phương pháp tiếp cận đại số gia tử cũng là một
gợi ý để tiếp tục mở ra những nghiên cứu mới.

ISBN 978-604-80-5958-3

218

-

Vấn đề định tuyến trong các nghiên cứu về mạng cảm
biến không dây đa bước nhảy vẫn chưa được giải quyết
thỏa đáng. Một số thuật tốn định tuyến được nhúng
trong các quy trình chuyển tiếp đơn giản. Cách giải
quyết này phù hợp khi xem xét các nút đầu cụm có
dung lượng tương đương với các nút cảm biến trong
mạng. Tuy nhiên, điều này làm hạn chế giải pháp của
vấn đề cạn kiệt nguồn của các nút gần nút Sink. Vì vậy,
bài tốn thuật tốn định tuyến cần được nghiên cứu sâu
hơn trong tương lai.

VI. KẾT LUẬN

Sử dụng lý thuyết mờ trong các bài toán nhận dạng và
điều khiển là một trong những hướng đi của máy tính thơng
minh. Các vấn đề phân cụm và định tuyến trong mạng cảm
biến không dây gặp phải nhiều điều kiện khơng chắc chắn.
Do đó, cách tiếp cận này khả thi nhất trong mơi trường
mạng với tài ngun tính tốn hạn chế. Khảo sát từ khía
cạnh lý thuyết đến mơ hình ứng dụng trên cho thấy hiệu
quả nhất định của các giải pháp dựa trên lý thuyết mờ.
Những hạn chế và thách thức cũng đã được nêu ra từ góc
độ phương pháp luận. Từ đó, các gợi ý cho các hướng
nghiên cứu tiếp theo cũng được chỉ ra trong bài báo này.
TÀI LIỆU THAM KHẢO
[1]

Z X. Li, A. Nayak and I. Stojmenovic, “Sink Mobility in Wireless
Sensor Networks,” In Wireless Sensor and Actuator Networks,
Wiley, pp. 153- 184, 2010.
[2] M. Shafiq, H. Ashraf, A. Ullah, and S. Tahira, “Systematic Literature
Review on Energy Efficient Routing Schemes in WSN – A Survey,”
Mob. Networks Appl., vol. 25, no. 3, pp. 882–895, 2020.
[3] F. Fanian and M. Kuchaki Rafsanjani, “Cluster-based routing
protocols in wireless sensor networks: A survey based on
methodology,” J. Netw. Comput. Appl., vol. 142, no. February, pp.
111–142, 2019.
[4] H. Ennajari, Y. Ben Maissa, and S. Mouline, “Energy Efficient
Hierarchi- cal Clustering Approaches in Wireless Sensor Networks:
A Survey,” Lect. Notes Electr. Eng., vol. 397, pp. 1–14, 2017.
[5] P. Sudarsanam and G. Singaravel, “Super-imposed cluster
embedding for ring routing path identification in WSN,” Soft
Comput., vol. 23, no. 18, pp. 8633–8642, 2019.

[6] T. Kaur and D. Kumar, “A survey on QoS mechanisms in WSN for
computational intelligence based routing protocols,” Wirel.
Networks, vol. 26, no. 4, pp. 2465–2486, 2020.
[7] D. Mantri, N. R. Prasad, and R. Prasad, “MBHCDA: Mobility and
Het- erogeneity aware Bandwidth Efficient Cluster based Data
Aggregation for Wireless Sensor Network,” 2013 Int. Conf. Adv.
Comput. Commun. Informatics, pp. 1–5, Aug. 2013.
[8] R. Tandon, B. Dey, and S. Nandi, “Weight based clustering in
wireless sensor networks,” 2013 Natl. Conf. Commun. NCC 2013,
pp. 1–5, 2013.
[9] R. Severino, N. Pereira, and E. Tovar, “Dynamic cluster scheduling
for
cluster-tree
WSNs,”
16th
IEEE
Int.
Symp.
Object/Component/Service- Oriented Real-Time Distrib. Comput.
ISORC 2013, pp. 1–17, 2014.
[10] S. K. Singh, P. Kumar, and J. P. Singh, “An Energy Efficient
Protocol to Mitigate Hot Spot Problem Using Unequal Clustering in
WSN,” Wirel. Pers. Commun., vol. 101, no. 2, pp. 799–827, 2018.
[11] S. Jannu and P. K. Jana, “A grid based clustering and routing
algorithm for solving hot spot problem in wireless sensor networks,”
Wirel. Networks, vol. 22, no. 6, pp. 1901–1916, 2016.


Hội nghị Quốc gia lần thứ 24 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2021)


[12] R. Nagpal and D. Coore, “An Algorithm for Group Formation in an
Amorphous Computer,” Proc. Tenth Int. Conf. Parallel Distrib. Syst.,
pp. 1–4, 1998.
[13] A. Bazregar, A. Movaghar, A. Barati, M. R. E. Nejhad, and H.
Barati, “Notice of Violation of IEEE Publication Principles - A New
Automatic Clustering Algorithm via Deadline Timer for Wireless
Ad-hoc Sensor Networks,” pp. 1–7, 2008.
[14] K. Yanagihara, J. Taketsugu, K. Fukui, S. Fukunaga, S. Hara, and K.
I. Kitayama, “EACLE: Energy-aware clustering scheme with
transmission power control for sensor networks,” Wirel. Pers.
Commun., vol. 40, no. 3, pp. 401–415, 2007.
[15] G. Gaubatz, J. P. Kaps, and B. Sunar, “Public key cryptography in
sensor networks-revisited,” Lect. Notes Comput. Sci., vol. 3313, pp.
2–18, 2005.
[16] L. Zhou, J. Ni, and C. V. Ravishankar,“Supporting secure
communication and data collection in mobile sensor networks,” Proc.
- IEEE INFOCOM, vol. 00, no. c, 2006.
[17] S. Schmidt, H. Krahn, S. Fischer, and D. Watjen, “A security
architecture for wireless sensor networks,” ACM Int. Conf.
Proceeding Ser., vol. 3133, pp. 166–177, 2005.
[18] L. Eschenauer and V. D. Gligor, “A key-management scheme for
dis- tributed sensor networks,” Proc. ACM Conf. Comput. Commun.
Secur., pp. 41–47, 2002.
[19] W. Du, J. Deng, Y. S. Han, P. K. Varshney, and J. Katz, “A pairwise
key predistribution scheme for wireless sensor networks,” J.
Networks, vol. 8, no. 2, pp. 228–258, 2005.
[20] A. Dahane, B. Nassreddine, and B. Kechar, “Energy efficient and
safe weighted clustering algorithm for mobile wireless sensor
networks,” Pro- cedia Comput. Sci., vol. 2015, pp. 1–18, 2015.
[21] M. B. Krishana, and M. N. Doja “Deterministic K-means secure

coverage clustering with periodic authentication for wireless sensor
networks,” Int.J. Commun. Syst., pp. 1–16, 2015.
[22] D. Izadi, J. Abawajy, and S. Ghanavati, “An alternative clustering
scheme in WSN,” IEEE Sens. J., pp. 1–8, 2015.
[23] S. K. S. L. Preeth, R. Dhanalakshmi, R. Kumar, and P. M.
Shakeel, “An adaptive fuzzy rule based energy efficient clustering
and immune- inspired routing protocol for WSN-assisted IoT
system,” J. Ambient Intell. Humaniz. Comput., vol. 0, no. 0, pp. 1–
13, 2018.
[24] F. K. Shaikh, A. Khelil, and N. Suri, “AReIT: Adaptive Reliable
Infor- mation Transport Protocol for Wireless Sensor Networks,”
System, no. January 2009, pp. 1–8, 2014.
[25] F. K. Shaikh, A. Khelil, A. Ali, and N. Suri, “TRCCIT: Tunable
relia- bility with congestion control for information transport in
wireless sensor networks,” 2010 5th Annu. ICST Wirel. Internet
Conf. WICON 2010, pp. 1–9, 2010.
[26] W. Lou, “An efficient N-to-1 multipath routing protocol in wireless
sensor networks,” 2nd IEEE Int. Conf. Mob. Ad-hoc Sens. Syst.
MASS 2005, vol. 2005, pp. 665–672, 2005.
[27] W. Lou and Y. Kwon, “H-SPREAD: A hybrid multipath scheme for
secure and reliable data collection in wireless sensor networks,”
IEEE Trans. Veh. Technol., vol. 55, no. 4, pp. 1320–1330, 2006.
[28] U. N. Nisha and A. M. Basha, “Triangular fuzzy-based spectral
clustering for energy-efficient routing in wireless sensor network,” J.
Supercomput., vol. 76, no. 6, pp. 4302–4327, 2020.
[29] S. Randhawa and S. Jain, “MLBC: Multi-objective Load Balancing
Clustering technique in Wireless Sensor Networks,” Appl. Soft
Comput. J., vol. 74, pp. 66–89, 2019.
[30] T. Rault, A. Bouabdallah, and Y. Challal, “Energy efficiency in
wireless sensor networks: A top-down survey,” Comput. Networks,

vol. 67, pp. 104–122, 2014.
[31] Q. Ni, Q. Pan, H. Du, C. Cao, and Y. Zhai, “A Novel Cluster Head
Selection Algorithm Based on Fuzzy Clustering and Particle Swarm
Op- timization,” IEEE/ACM Trans. Comput. Biol. Bioinforma., vol.
14, no. 1, pp. 76–84, 2017.

ISBN 978-604-80-5958-3

219

[32] F. Fanian and M. Kuchaki Rafsanjani, “Memetic fuzzy clustering
protocol for wireless sensor networks: Shuffled frog leaping
algorithm,” Appl. Soft Comput. J., pp. 1-40, 2018.
[33] K. D. Jung, J. Y. Lee, and H. Y. Jeong, “Improving adaptive cluster
head selection of teen protocol using fuzzy logic for WMSN,”
Multimed. Tools Appl., vol. 76, no. 17, pp. 18175–18190, 2017.
[34] F. Fanian and M. Kuchaki Rafsanjani, “A new fuzzy multi-hop
clustering protocol with automatic rule tuning for wireless sensor
networks,” Appl. Soft Comput. J., vol. 89, pp. 1–24, 2020.
[35] J. M. Kim, S. H. Park, Y. J. Han, and T. M. Chung, “CHEF: Cluster
Head Election mechanism using Fuzzy logic in wireless sensor
networks,” Int. Conf. Adv. Commun. Technol. ICACT, vol. 1, pp.
654–659, 2008.
[36] G. Ran, H. Zhang, and S. Gong, “Improving on LEACH Protocol of
Wireless Sensor Networks Using Fuzzy Logic,” J. Radiol. Nurs., pp.
767–775, 2010.
[37] E. Saeedian, M. Jalali, M. M. Tajari, M. N. Torshiz, and G. Tadayon,
“CFGA: Clustering wireless sensor network using fuzzy logic and
genetic algorithm,” 7th Int. Conf. Wirel. Commun. Netw. Mob.
Comput. WiCOM 2011, pp. 1–4, 2011.

[38] R. Jin, N. Wei, X. Shi, T. Gao, and J. Zou, “Clustering routing
protocol based on fuzzy inference for WSNs,” 7th Int. Conf. Wirel.
Commun. Netw. Mob. Comput. WiCOM 2011, pp. 0–3, 2011.
[39] S. Ben Alla, A. Ezzati, and A. Mohsen, “Gateway and cluster head
election using fuzzy logic in heterogeneous wireless sensor
networks,” Proc. 2012 Int. Conf. Multimed. Comput. Syst. ICMCS
2012, pp. 1–6, 2012.
[40] J. S. Lee and W. L. Cheng, “Fuzzy-logic-based clustering approach
for wireless sensor networks using energy predication,” IEEE Sens.
J., vol. 12, no. 9, pp. 2891–2897, 2012.
[41] R. Mhemed, N. Aslam, W. Phillips, and F. Comeau, “An energy
efficient fuzzy logic cluster formation protocol in wireless sensor
networks,” Proce- dia Comput. Sci., vol. 10, pp. 255–262, 2012.
[42] S. Mao, C. Zhao, Z. Zhou, and Y. Ye, “An improved fuzzy unequal
clustering algorithm for wireless sensor network,” Mob. Networks
Appl., pp. 245–250, 2012.
[43] C. Mohan, Suman, and A. Kumar, “Heterogeneous fuzzy based
clustering protocol,” 2013 IEEE 2nd Int. Conf. Image Inf. Process.
IEEE ICIIP 2013, pp. 601–606, 2013.
[44] S. A. Sert, H. Bagci, and A. Yazici, “MOFCA: Multi-objective fuzzy
clustering algorithm for wireless sensor networks,” Appl. Soft
Comput., vol. 30, pp. 1–15, 2015.
[45] K. Sundaran, V. Ganapathy, and P. Sudhakara, “Fuzzy logic based
Unequal Clustering in wireless sensor network for minimizing
Energy consumption,” Proc. 2017 2nd Int. Conf. Comput. Commun.
Technol. ICCCT 2017, no. February, pp. 304–309, 2017.
[46] P. Neamatollahi, M. Naghibzadeh, and S. Abrishami, “Fuzzy-Based
Clustering-Task Scheduling for Lifetime Enhancement in Wireless
Sensor Networks,” IEEE Sens. J., vol. 17, no. 20, pp. 6837–6844,
2017.

[47] K. Sundaran, V. Ganapathy, and P. Sudhakara, “Fuzzy logic based
Unequal Clustering in wireless sensor network for minimizing
Energy consumption,” Proc. 2017 2nd Int. Conf. Comput. Commun.
Technol. ICCCT 2017, pp. 304–309, 2017.
[48] D. Agrawal and S. Pandey, “FUCA: Fuzzy-based unequal clustering
algorithm to prolong the lifetime of wireless sensor networks,” Int. J.
Commun. Syst., vol. 31, no. 2, pp. 1–18, 2018.
[49] Z. Siqing, T. Yang, and Y. Feiyue, “Fuzzy logic-based clustering
algo- rithm for multi-hop wireless sensor networks,” Procedia
Comput. Sci., vol. 131, pp. 1095–1103, 2018.
[50] R. Sharma, V. Vashisht, and U. Singh, “Fuzzy modelling based
energy aware clustering in wireless sensor networks using modified
invasive weed optimization,” J. King Saud Univ. - Comput. Inf. Sci.,
no. xxxx, pp. 1–11, 2019.
[51] W. X. Xie, Q. Y. Zhang, Z. M. Sun, and F. Zhang, “A Clustering
Routing Protocol for WSN Based on Type-2 Fuzzy Logic and Ant
Colony Optimization,” Wirel. Pers. Commun., pp. 1–32, 2015.


Hội nghị Quốc gia lần thứ 24 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2021)

[52] I. S. Akila and R. Venkatesan, “A Cognitive Multi-hop Clustering
Ap- proach for Wireless Sensor Networks,” Wirel. Pers. Commun.,
pp. 1–19, 2016.
[53] B. Baranidharan and B. Santhi, “DUCF: Distributed load balancing
Unequal Clustering in wireless sensor networks using Fuzzy
approach,” Appl. Soft Comput. J., vol. 40, pp. 495–506, 2016.
[54] J. C. Cuevas-Martinez, A. J. Yuste-Delgado, and A. Trivino-Cabrera,
“Cluster Head Enhanced Election Type-2 Fuzzy Algorithm for
Wireless Sensor Networks,” IEEE Commun. Lett., pp. 1–14, 2017.

[55] M. Mirzaie and S. M. Mazinani, “MCFL: an energy efficient multiclustering algorithm using fuzzy logic in wireless sensor network,”
Wirel. Networks, pp. 1–16, 2017.
[56] H. El Alami and A. Najid, “Fuzzy logic based clustering algorithm
for wireless sensor networks,” Int. J. Fuzzy Syst. Appl., vol. 6, no. 4,
pp. 63–82, 2017.
[57] P. Nayak and B. Vathasavai, “Energy Efficient Clustering Algorithm
for Multi-Hop Wireless Sensor Network Using Type-2 Fuzzy
Logic,” IEEE Sens. J., vol. 17, no. 14, pp. 4492–4499, 2017.
[58] N. Mazumdar and H. Om, “Distributed fuzzy approach to unequal
cluster- ing and routing algorithm for wireless sensor networks,” Int.
J. Commun. Syst., pp. 1–23, 2018.
[59] P. S. Mehra, M. N. Doja, and B. Alam, “Enhanced clustering
algorithm based on fuzzy logic (E-CAFL) for WSN,” Scalable
Comput., vol. 20, no. 1, pp. 41–54, 2019.
[60] J. C. Cuevas-Martinez, A. J. Yuste-Delgado, A. J. Leon-Sanchez,
A.J. Saez-Castillo, and A. Trivin˜o-Cabrera, “A new centralized
clustering algorithm for wireless sensor networks,” Sensors
(Switzerland), vol. 19, no. 20, pp. 1–19, 2019.
[61] A. J. Yuste-Delgado, J. C. Cuevas-Martinez, and A. Trivin˜oCabrera, “EUDFC - Enhanced Unequal Distributed Type-2 Fuzzy
Clustering Al- gorithm,” IEEE Sens. J., vol. 19, no. 12, pp. 4705–
4716, 2019.
[62] W. S. Kiran, S. Smys, and V. Bindhu, “Enhancement of network
lifetime using fuzzy clustering and multidirectional routing for
wireless sensor networks,” Soft Comput., pp. 1–14, 2020.
[63] S. Lata, S. Mehfuz, S. Urooj, and F. Alrowais, “Fuzzy Clustering
Algo- rithm for Enhancing Reliability and Network Lifetime of
Wireless Sensor Networks,” IEEE Access, vol. 8, pp. 66013–66024,
2020.
[64] S. Phoemphon, C. So-In, P. Aimtongkham, and T. G. Nguyen, “An
energy-efficient fuzzy-based scheme for unequal multihop clustering

in wireless sensor networks,” J. Ambient Intell. Humaniz. Comput.,
pp. 1–23, 2020.
[65] A. Dwivedi and A. Sharma, “FEECA: Fuzzy based Energy Efficient
Clustering Approach in Wireless Sensor Network,” ICST Trans.
Scalable Inf. Syst., pp. 1–12, 2020.
[66] A. Pires, C. Silva, E. Cerqueira, D. Monteiro, and R. Viegas,
“CHEATS: A cluster-head election algorithm for WSN using a
Takagi-Sugeno fuzzy system,” 2011 IEEE Latin-American Conf.
Commun. LATINCOM 2011 - Conf. Proc., pp. 1–6, 2011..
[67] F. Zhang, Q. Y. Zhang, and Z. M. Sun, “ICT2TSK: An improved
cluster- ing algorithm for WSN using a type-2 Takagi-Sugeno-Kang
Fuzzy Logic System,” IEEE Symp. Wirel. Technol. Appl. ISWTA,
pp. 153–158, 2013.
[68] W. A. Afifi and H. A. Hefny, “Adaptive TAKAGI-SUGENO fuzzy
model using weighted fuzzy expected value in wireless sensor
network,” 2014 14th Int. Conf. Hybrid Intell. Syst. HIS 2014, pp.
225–231, 2014.
[69] Y. Zhang, J. Wang, D. Han, H. Wu, and R. Zhou, “Fuzzy-logic based
distributed energy-efficient clustering algorithm for wireless sensor
net- works,” Sensors (Switzerland), vol. 17, pp. 1–21, 2017.
[70] Y. Tao, J. Zhang, and L. Yang, “An unequal clustering algorithm for
wireless sensor networks based on interval type-2 tsk fuzzy logic
theory,” IEEE Access, vol. 8, pp. 197173–197183, 2020.
[71] A. J. Yuste-Delgado, J. C. Cuevas-Martinez, and A. Trivin˜oCabrera, “A distributed clustering algorithm guided by the base
station to extend the lifetime of wireless sensor networks,” Sensors
(Switzerland), vol. 20, pp. 1–18, 2020.

ISBN 978-604-80-5958-3

220