مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 24 1 2026 5 12 A Multi-Objective Metaheuristic Approach for Improving Coverage and Connectivity in Wireless Sensor Networks یک رهیافت فرااکتشافی چندهدفه برای بهبود پوشش و اتصال در شبکه‌های حسگر بی‌سیم 49 57 fa مصطفی بصیرنژاد دانشگاه آزاد اسلامی مشهد محبوبه هوشمند سید عابد حسینی دانشگاه فردوسی مشهد مهرداد جلالی دانشگاه SRH هایدلبرگ 2025 11 11 <p>This paper investigates and presents a new optimization algorithm titled Multi-Objective Cheetah Optimizer (MOCO), developed with the aim of increasing coverage and improving connectivity in wireless sensor networks. Utilizing metaheuristic optimization concepts, this algorithm offers a novel approach for optimally determining sensor node positions and managing resources. In this method, by defining a multi-criteria objective function including maximizing area coverage, improving connectivity between nodes, and reducing energy consumption, it is able to establish a suitable balance among these objectives. The proposed algorithm is inspired by the random search capabilities and the acceleration of the cheetah algorithm, enabling more effective searching in the solution space. The results of simulations and performed experiments show that MOCO, compared to three algorithms CSSO, MOFAC-GA-PSO, and HHA, has been able to increase the environment coverage rate to over 94.5%, raise the network connectivity rate to approximately 97.8%, and simultaneously reduce the average energy consumption of sensors by up to 15% compared to other algorithms.</p> <p>مقاله حاضر به بررسی و ارائه یک الگوریتم بهینه&zwnj;ساز جدید تحت عنوان الگوریتم بهینه&zwnj;ساز یوزپلنگ چندهدفه (MOCO) می&zwnj;پردازد که باهدف افزایش پوشش و بهبود اتصال در شبکه&zwnj;های حسگر بی&zwnj;سیم توسعه&zwnj;یافته است. این الگوریتم با بهره&zwnj;گیری از مفاهیم بهینه&zwnj;سازی فرا اکتشافی، یک رویکرد نوین برای تعیین بهینه موقعیت گره&zwnj;های حسگر و مدیریت منابع ارائه می&zwnj;دهد. در این روش، با تعریف یک تابع هدف چندمعیاره شامل بیشینه&zwnj;سازی پوشش ناحیه، بهبود اتصال بین گره&zwnj;ها و کاهش مصرف انرژی، قادر است تعادل مناسبی میان این اهداف برقرار کند. الگوریتم پیشنهادی از قابلیت&zwnj;های جستجوی تصادفی و پرشتاب الگوریتم یوزپلنگ الهام گرفته و امکان جستجوی مؤثرتر در فضای پاسخ را فراهم می&zwnj;سازد. نتایج شبیه&zwnj;سازی&zwnj;ها و آزمایش&zwnj;های انجام&zwnj;شده نشان می&zwnj;دهد که MOCO در مقایسه با سه الگوریتمCSSO ، MOFAC-GA-PSO&nbsp; و HHA توانسته نرخ پوشش محیط را به بیش از 5<sub>/</sub>94 درصد افزایش دهد، نرخ اتصال شبکه را به حدود 8<sub>/</sub>97 درصد برساند و درعین&zwnj;حال میانگین مصرف انرژی حسگرها را تا ۱۵ درصد نسبت به سایر الگوریتم&zwnj;ها کاهش دهد.</p> شبکه‌های حسگر بی‌سیم، پوشش، اتصال، الگوریتم‌های فرااکتشافی، بهینه‌سازی چندهدفه. http://ijece.org/fa/Article/Download/52048