Optimización del posicionamiento de sensores mediante el recocido simulado

• Trujillo-González, Julio ^[1]
  1. [1] Universidad De Panama

     Universidad De Panama

     Panamá

     
• Localización: Revista Semilla del Este, ISSN-e 2710-7469, Vol. 4, Nº. 1, 2023, págs. 154-165
• Idioma: español
• Títulos paralelos:
  • Optimizing the positioning of sensors through simulated annealing
• Enlaces
  • Texto completo
• Resumen
  • español

    Este estudio aborda el desafío de optimizar el posicionamiento de sensores en un campo de cultivo regado por canales, con el objetivo de maximizar la cobertura de puntos de interés utilizando el menor número de sensores. Este problema de localización se asemeja a cuestiones de cubrimiento máximo y los conocidos problemas de la mochila (Knapsack Problem) y cobertura de conjuntos (Set Cover Problem). Para superar este desafío, se propone el uso del algoritmo de Recocido Simulado (Simulated Annealing), una técnica de optimización basada en la búsqueda local. El algoritmo se implementó en una superficie rectangular de 2000 x 2000 m con 75 puntos de interés y 30 sensores con un radio de cobertura de 100 unidades. Los resultados demostraron que el algoritmo fue capaz de cubrir 54 de los 75 puntos de interés. A pesar de la naturaleza estocástica del Recocido Simulado, se concluyó que la ejecución repetida del algoritmo puede proporcionar soluciones consistentemente óptimas.

  • English

    This study addresses the challenge of optimizing sensor placement in a crop field irrigated by canals, with the aim of maximizing the coverage of points of interest using the least number of sensors. This location problem resembles issues of maximum coverage and the well-known knapsack and set cover problems. To overcome this challenge, the use of the Simulated Annealing algorithm is proposed, a local search-based optimization technique. The algorithm was implemented on a rectangular surface of 2000 x 2000 m with 75 points of interest and 30 sensors with a coverage radius of 100 units each. The results showed that the algorithm was able to cover 54 out of the 75 points of interest. Despite the stochastic nature of Simulated Annealing, it was concluded that repeated execution of the algorithm can provide consistently optimal solutions.