Open Archive TOULOUSE Archive Ouverte (OATAO)

OATAO is an open access repository that collects the work of Toulouse researchers and
makes it freely available over the web where possible.

This is an author-deposited version published in : http://oatao.univ-toulouse.fr/

Eprints ID : 13074

To cite this version Mnasri, Sami and Nasri, Nejah and Val, Thierry
Contribution au dploiement optimis des rseaux de capteurs sans fil.
(2014) In: Journes Nationales des Communications Terrestres (JNCT),
22 May 2014 - 23 May 2014 (Toulouse-Blagnac, France).

Any correspondance concerning this service should be sent to the repository

administrator: staff-oatao@listes-diff.inp-toulouse.fr

Contribution au dploiement optimis des

rseaux de capteurs sans fil
Sami MNASRI1, Nejah NASRI2 et Thierry VAL3
1,3
Universit de Toulouse, Laboratoire CNRS-IRIT quipe IRT
2
Ecole Nationale des Ingnieurs de Sfax, Laboratoire LETI quipe ISCSF
1
Sami.Mnasri@fsgf.rnu.tn, 2nejah.nasri@isecs.rnu.tn, 3val@irit.fr

Rsum : Les rseaux de capteurs sans fil (RCSF) sont un domaine de

recherche en volution continue avec une multitude de contextes
dapplication. Le dploiement des nuds capteurs est une phase dcisive
qui influe considrablement sur le fonctionnement et la performance du
rseau. Dans ce papier, nous nous intressons tudier le positionnement et
le placement des nuds capteurs dans un RCSF. Nous prsentons tout
dabord la problmatique de dploiement et nous dtaillons ensuite les
travaux de recherche les plus rcents qui concernent les mthodologies de
rsolution de cette problmatique.
Mots clefs : RCSF, optimisation, dploiement, positionnement, couverture,
nergie, connectivit.
1. INTRODUCTION A
DANS UN RCSF

LA PROBLEMATIQUE DE DEPLOIEMENT DES NUDS

La performance d'un rseau de capteur sans fil est considrablement

influence par le processus de dploiement des nuds capteurs. La
problmatique de dploiement ou de positionnement des nuds
capteurs dans un RCSF est une stratgie qui sert dfinir la topologie
du rseau, donc le nombre et la position des nuds capteurs. La
qualit de la surveillance, la connectivit, et la consommation d'nergie
sont aussi directement affectes par la topologie de rseau. Dautre
part, le problme de placement optimal des nuds est un problme qui
a t prouv NP-difficile pour la plupart des formulations de
dploiement des nuds [1].
Les diffrentes taches au niveau du dploiement peuvent tre
rassembles sous trois phases principales. Une phase de prdploiement et de dploiement concerne le placement manuel des
nuds par un humain ou un robot, ou le lancement des nuds partir
dun hlicoptre par exemple. Une phase de post-dploiement est
ncessaire si la topologie du rseau a volue, suite par exemple un

dplacement de nuds, ou un changement des conditions de

propagation radio. La troisime phase considre le redploiement qui
consiste ajouter de nouveaux nuds au rseau pour remplacer
certains nuds dfectueux ou en panne. Le systme peut itrer sur les
phases 2 et 3.
Diffrentes problmatiques sont tudies au niveau du dploiement des
nuds capteurs dans un RCSF. Ces tudes concernent principalement les
cas stationnaires et mobiles, les cas mono et multi objectifs, les aspects
dterministes et stochastiques, et enfin les cas statiques et dynamiques.
Les auteurs dans [2] proposent une tude dtaille du dploiement dans
le cas statique. Ils distinguent deux mthodologies de dploiement selon la
distribution des nuds (soit alatoire, soit contrl). Les objectifs primaires
traits sont diffrents :
- la couverture : qui est parmi les problmes les plus prpondrants pour
garantir la qualit de service dans un rseau sans fil. Plusieurs types de
couverture sont prsents : la couverture par point, la couverture de rgions,
la couverture de barrire ou celle dune cible en mouvement,
- loptimisation de la consommation de lnergie par les nuds et
lassurance dune efficacit nergtique,
- la connectivit du rseau,
- la dure de vie du rseau,
- le trafic du rseau,
- la fiabilit des donnes,
- le cout de dploiement (fonction du nombre de nuds dploys),
- la tolrance aux pannes et lquilibrage de charge entre les nuds.
Dans le contexte de dploiement dynamique, les auteurs dans [2]
prsentent les travaux proposant des schmas de repositionnement des
nuds capteurs et les problmatiques en relation.
Dans ce qui suit, nous visons prsenter les approches centralises,
dcentralises et hybrides utilises pour rsoudre la problmatique de
dploiement. Nous prsentons ensuite quelques problmatiques analogues
et quelques applications du dploiement.

2. TRAVAUX RECENTS ET METHODOLOGIES DE RESOLUTION

2.1. APPROCHES CENTRALISEES
Diffrentes approches centralises sont dveloppes et testes pour
rsoudre la problmatique de dploiement des nuds dans un RCSF. Entre
autres, nous pouvons citer les suivantes : les algorithmes de Bernoulli
(BDA), les approches bases sur la partition de Voronoi (VPA), les
approches bases sur les forces virtuelles (VFA), les algorithmes de champ
potentiel (PFDA), les algorithmes diffrentis de dploiement (DDA), les
approches doptimisation volutionnaires et dintelligence collectives.
Nous prsentons dans ce qui suit les diffrents travaux rcents dans ce
contexte.
Les algorithmes de force virtuels (VFA) sont des approches populaires
pour le problme de couverture et de dploiement des nuds. En effet, les
nuds sont considrs comme des points soumis une force de rpulsion
et d'attraction exerce entre eux et qui peuvent se dplacer en fonction de la
force calcule. Dans les travaux de [3], un algorithme de dploiement pour
les rseaux de capteurs mobiles qui est bas sur la force de van der Waals
est propos. En effet, une force de frottement est introduite dans l'quation
de la force, la relation de contigit des nuds est dfinie par la
triangulation de Delaunay, la force calcule produit une acclration pour
les nuds pour se dplacer. Une mtrique d'valuation appele fonction de
corrlation par paire est introduite pour valuer l'uniformit de la
distribution des nuds.
Dans [4] les auteurs se sont intresss aux rseaux auto-organiss avec
intelligence collective en essaim (swarm intelligence). Ils prsentent les
diffrents aspects des mcanismes bio-inspirs et examinent les diffrents
algorithmes qui ont t appliqu des systmes de rseaux auto-organiss.
Ils s'intressent lalgorithme bio-inspirs existant tels que l'algorithme de
colonies de fourmis, l'algorithme d'abeilles ou l'algorithme d'optimisation
par essaims particulaires. De plus, ils prsentent et discutent les diffrentes
problmatiques des rseaux auto-organiss du point de vue de la couche
physique, la couche MAC et la couche rseau.
Les travaux de [5] proposent une mthodologie multi-objectif pour
rsoudre le problme de dploiement et d'affectation de lnergie
(Deployment and Power Assignment Problem). Cet algorithme
volutionnaire multi-objectif est bas sur la dcomposition (MOEA/D :
Multi Objectif Evolutionary Algorithm/Decomposition). Ce problme est
dcompos en un ensemble de sous-problmes scalaires qui sont classifis
selon leurs prfrences en objectifs et qui sont traites en parallle en
utilisant les informations de voisin et les oprateurs volutionnaires

spcifiques. A chaque itration de l'algorithme volutionnaire propos, les

oprateurs proposs adaptent et fixent dynamiquement les exigences et les
prfrences en objectifs pour chaque sous-problme. Selon leurs rsultats
numriques, l'algorithme MOEA/D est meilleur que le NSGAII pour
diffrentes instances.
Dans leurs travaux, les auteurs de [6] modifient l'quation de l'abeille
observatrice et de labeille exploratrice de l'algorithme de colonie d'abeilles
(ABC). En effet, certains nouveaux paramtres sont introduits tels que
l'oubli et le facteur voisin pour acclrer la vitesse de convergence et la
probabilit de mutation pour maximiser le taux de couverture. Selon eux,
en le comparant par rapport au dploiement bas sur l'algorithme ABC
(Artificial Bee Colony) original et ou celui d'optimisation par essaims
particulaires, L'approche propose peut atteindre une meilleure
performance en couverture et en vitesse de convergence avec moins de
distance de dplacement des capteurs.
Les auteurs dans [7] prsentent un algorithme gntique qui recherche
une solution au problme des trous de couverture dans le rseau.
L'algorithme propos dtermine le nombre minimum et les meilleurs
emplacements des nuds mobiles qui doivent tre ajouts aprs le
dploiement initial des nuds fixes. La performance de l'algorithme
gntique propos a t value l'aide de plusieurs indicateurs, et les
rsultats de simulation montrent que cet algorithme permet d'optimiser la
couverture du rseau en termes de ratio de couverture global et de nombre
de nuds mobiles supplmentaires.
Les travaux de [8] tudient les diffrentes approches multi-objectif pour
la rsolution de la problmatique de dploiement des capteurs suivant
diffrentes paramtres (couverture, scalabilit, connectivit, cot, dure de
vie, latence). Les auteurs prsentent dans cette tude, les travaux bass sur
les algorithmes gntiques et ceux bass sur les essaims particulaires. Ils
prsentent galement les diffrents environnements de simulation dans le
cas multi-objectif. Cette simulation est dcompose en deux phases. La
premire consiste simuler le comportement des nuds et les rsultats sont
optimiss jusqu' atteindre la convergence. La deuxime phase consiste
alimenter un rseau de simulation par les rsultats obtenus pour vrifier la
solution trouve.
Les travaux de [9] tudient le problme de dploiement des RCSF en
termes de couverture et consommation d'nergie des nuds mobiles. Cinq
algorithmes de dploiement sont dvelopps pour maximiser la porte de
dtection et minimiser la consommation d'nergie pour maximiser la dure
de vie. Ces algorithmes fournissent galement la possibilit de
redploiement lorsquun certain nombre de nuds est inoprant. Deux

algorithmes centraliss d'optimisation sont dvelopps, un est bas sur

l'optimisation par essaims particulaires (OEP) et un autre bas sur les
algorithmes gntiques (AG). Ce dernier algorithme est employ pour
dterminer le compromis optimal entre le rapport de couverture du rseau
et la distance globale parcourue par les nuds mobiles ayant un rayon de
dtection fixe. L'algorithme doptimisation par OEP est employ pour
assurer la couverture du rseau et rduire au minimum l'nergie
consomme par les nuds mobiles ayant des portes de dtection
ajustables. Selon leurs rsultats, en optimisant lnergie, cet algorithme
permet dtendre la dure de vie du capteur entre 1.4 et 10 fois.
Dans leurs travaux de recherche, les auteurs de [10] sadressent au
problme de dploiement statique des rseaux de capteurs sans fil. Leurs
travaux de recherches visent la satisfaction et loptimisation des objectifs
suivants : le cot de dploiement (le nombre de nuds), la qualit de
surveillance, la connectivit du rseau, et la dure de vie de ce dernier. Les
auteurs proposent plusieurs stratgies de dploiement heuristiques et
abordent le problme en trois tapes. Dans la premire tape, ils
considrent le cot de dploiement et la qualit de surveillance uniquement.
Ils proposent une nouvelle stratgie de dploiement appele algorithme de
dploiement diffrenci (Differentiated Deployment Algorithm), base sur
le traitement d'image et la modlisation 3D. Dans la deuxime tape, ils
tendent les travaux de la premire tape en ajoutant comme objectif la
connectivit du rseau. En effet, ils proposent deux stratgies de
dploiement bases sur la mta-heuristique de recherche Tabou. La
premire stratgie est lalgorithme de dploiement de Bernoulli (Bernoulli
Deployment Algorithm), qui est une stratgie probabiliste dans laquelle la
dcision pour dployer ou enlever un nud suit une distribution de
Bernoulli. La deuxime stratgie est lalgorithme potentiel de dploiement
(Potential Field Deployment Algorithm) qui est une mthode dterministe
se basant sur un des principes de la robotique: les forces virtuelles (Virtual
Forces).
2.2 APPROCHES DISTRIBUEES
En plus des approches centralises, on trouve les approches distribues
qui exploitent les avantages de la distribution pour mieux rsoudre la
problmatique de dploiement. Dans ce contexte, les travaux de [9]
tudient galement le problme de dploiement des RCSF dans le cas
distribu. Trois algorithmes d'optimisation distribus sont galement
dvelopps, sans lutilisation dun nud central, pour replacer les nuds et
optimiser la couverture rseau. Chaque algorithme est cooprativement
excut par tous les nuds qui utilisent et communiquent entre eux des

informations limites pour se relocaliser et raliser une meilleure

couverture. Deux de ces algorithmes utilisent les positions relatives entre
les nuds pour optimiser la couverture et la consommation d'nergie. Ils
permettent une baisse de consommation dnergie entre 20% et 25%. Le
troisime algorithme est, selon les auteurs, le premier algorithme dvelopp
pour les rseaux dpourvus de la possibilit d'auto-localisation. Il soutient
le dploiement optimal de tels rseaux sans exiger l'utilisation dun
matriel de golocalisation ou loptimisation de la consommation d'nergie
pour les algorithmes de localisation. Selon eux, ceci est important pour les
applications de surveillance l'intrieur parce que les algorithmes de
localisation actuels ne peuvent pas facilement fournir une bonne exactitude
pour le redploiement des capteurs dans des environnements intrieurs.
2.3 APPROCHES HYBRIDES
Les approches hybrides consiste utiliser deux techniques ou plus pour
rsoudre la problmatique voulue. Il reste trouver le bon schma
dhybridation et savoir combiner ces mthodes pour en tirer des avantages.
Dans ce contexte, diffrentes hybridations sont proposes. Entre autres, on
cite les suivantes :
Les auteurs de [10] ont ainsi rsolu la problmatique de dploiement en
considrant simultanment tous les objectifs indiqus prcdemment. La
stratgie propose est appele algorithme de dploiement multi-objectif
(Multi-Objective Deployment Algorithm). Elle est base sur un algorithme
de forces virtuelles et de recherche tabou multi-objectif.
Parmi les mtaheuristiques les plus rcentes, on cite celle qui est base
sur la thorie de la biogographie insulaire (BBO : Biogeography based
optimization). Dans [11], les auteurs proposent de nouvelles versions BBO
hybrides pour rsoudre les problmes doptimisation globale avec des
variables continues avec et sans contraintes. Ces nouvelles versions BBO
hybrides ont comme objectif l'empchement de la lente convergence et le
manque de diversit de l'algorithme BBO. La premire hybridation
propose est coupler le BBO avec l'algorithme d'volution diffrentielle
(DE : Differential Evolution) pour la rsolution des problmes
d'optimisation sans contrainte, en particulier pour les problmes multimodaux. La seconde hybridation propose consiste utiliser trois nouvelles
variantes de BBO pour rsoudre les problmes doptimisation sous
contraintes. Pour tester les mthodes proposes, les auteurs proposent la
rsolution du problme dallocation de la puissance pour dtecter le signal
dterministe dans un RCSF d'une manire dcentralise. Leur objectif
global tait la minimisation de lnergie alloue aux nuds capteurs, en
garantissant une faible probabilit derreur de dtection. Avec ce mme

objectif, une deuxime application est propose. Elle consiste segmenter

les images en niveaux de gris avec un seuillage multi-niveaux en
appliquant une variante floue de l'algorithme BBO (DBBO-Fuzzy).
Les travaux de [12] s'intressent l'tude de la couverture dans les
rseaux de capteurs qui est l'un des paramtres de qualit de service. En
effet, la couverture doit tre assure de faon ce que l'nergie
consomme des capteurs soit la plus limite pour augmenter la dure de vie
du rseau. Les auteurs proposent un algorithme d'optimisation par essaims
particulaires hybrid avec un algorithme d'volution diffrentielle. Un
algorithme d'optimisation par essaims particulaires OEP est mis en uvre
pour comparer l'efficacit du modle hybride dans la mme situation. Les
rsultats de leurs expriences montrent que l'algorithme hybride permet une
dure de vie du rseau plus longue et une utilisation plus optimise de
l'nergie des capteurs. Les auteurs de [13] proposent un algorithme bas sur
l'optimisation par essaims particulaires (OEP) et sur le diagramme de
Voronoi. L'OEP est utilis pour dterminer le schma de dploiement des
capteurs assurant la couverture optimale alors que le diagramme de
Voronoi est utilis pour valuer la fonction objective de la solution.
On trouve aussi les travaux de [14] qui visent la maximisation de la zone
de couverture dans un RCSF en se servant d'un modle probabiliste. Un
algorithme nomm CSAPO (Clonal Selection Artificial Physics
Optimisation Algorithm) est propos. Cet algorithme est la combinaison de
deux algorithmes : l'algorithme d'optimisation physique artificielle (APO :
Artificial Physics Optimisation Algorithm) et l'algorithme de slection par
clonage (CSA : Clonal Selection Algorithm). L'APO est utilis pour mettre
jour l'objectif global alors que la CSA est utilis pour permettre
l'algorithme prcdent de s'chapper des optimaux locaux.
Le tableau 1 rsume les travaux mentionns et leurs spcificits.
3. PROBLEMATIQUES ANALOGUES

ET APPLICATIONS

Plusieurs problmatiques analogues sont envisages et diffrentes

applications ont t dployes en utilisant les approches mentionnes.
Dans ce contexte, les auteurs de [15] tudient la problmatique
d'optimisation d'nergie pour le problme de couverture dans les rseaux de
capteurs. Ils dtaillent les facteurs de conception des RCSF et prsentent
les problmatiques de couverture analogues celles de couverture dans les
RCSF. Ils s'intressent en particulier aux problmes de galerie d'art (Art
Gallery Problem), de couverture dans les ocans (Ocean Coverage) et aux
systmes de couverture robotiques (Robotic Systems Coverage). Les
problmatiques d'optimisation d'nergie traites sont soit fonction des

zones de couverture (energy efficient area coverage), soit selon des points
de couverture (energy efficient point coverage).
Une autre problmatique, en relation avec le dploiement, est celle
des trous de couverture dans le champ de dtection. En effet, ces trous
sont gnralement provoqus par des dfaillances des nuds capteurs
et des environnements hostiles (rgions de batailles ou rgions
volcaniques) ou bien par le dploiement alatoire des nuds
stationnaires dans les rseaux de capteurs hybrides composs de
nuds statiques et mobiles. Pour cela, les nuds capteurs mobiles
sont souvent ajouts aprs le dploiement initial pour surmonter le
problme des trous de couverture. Cependant, en raison de la faible
puissance des nuds mobiles, la gestion efficace de leurs mouvements
pour maintenir la couverture et la connectivit du rseau avec
minimisation de la consommation d'nergie devient un dfi. Parmi les
travaux sintressant satisfaire la problmatique de la couverture,
ceux proposs dans [16] s'intressent la rsolution du problme de
couverture dans les rseaux de capteurs directionnels (Directional
Networks Sensors). En effet, les nuds directionnels sont souvent
quips par de capteurs ultrason, de capteurs vido ou de capteurs
infrarouge. Ils diffrent des nuds traditionnels omnidirectionnels
pour diffrents paramtres tel que l'angle de vue, la direction de
fonctionnement et le champ de vision. Ils classifient les algorithmes et
les approches existantes rsolvant la problmatique de couverture
rseau et dterminent leurs complexits, spcificits et performances.
En effet, ils classifient les mthodes d'optimisation de la couverture en
quatre classes principales : loptimisation de la couverture base sur
les cibles, loptimisation de la couverture base sur les zones de
couvertures, loptimisation de la couverture avec garantie de la
connectivit, et la prolongation de la dure de vie du rseau. Ils
dfinissent les modles de dtection, les dfis envisages pour les
rseaux de capteurs directionnels (DNS) et leurs (dis)similarits par
rapport aux RCSF. Les auteurs de [16] spcifient les avantages et les
inconvnients de la mobilit et la motilit des DNS en termes de
couverture et dure de vie du rseau.
Dans le mme contexte, les auteurs de [17] dveloppent un algorithme
adaptatif nomm AHCH (Adaptive Hole Connected Healing), pour
rsoudre les problmes des trous avec la garantie de connectivit rseau et
sans avoir besoin de trouver un nouveau schma de dploiement partir de
zro. En effet, cet algorithme adapte le schma de dploiement existant
pour viter les trous de couverture. Pour prouver l'efficacit de cet
algorithme, les auteurs comparent, pour diffrents intervalles de temps, la

solution optimale avec l'estimation du rapport d'approximation adaptative

de cet algorithme, avec une complexit en O(log|M|), M tant le nombre de
capteurs mobiles utilis pour des cas spcifiques. Ils tendent ensuite cet
algorithme dans le cas gnral en tablissant deux autres versions pour
rsoudre les mmes problmatiques avec la preuve de leurs ratios
d'approximation adaptatives thoriques correspondants. La premire
version est InAHCH (Insufficient AHCH) qui est utilis pour rsoudre la
problmatique des trous dans le cas o le nombre de capteurs mobiles est
insuffisant pour garantir la k-couverture pour tous les trous. La deuxime
version est GenAHCH (General AHCH) qui est une gnralisation des cas
spcifiques traits par lalgorithme AHCH.
Pour les applications militaires, le dploiement sous-marin est une des
applications les plus intressantes. A cause de la complexit de
l'environnement de dploiement dans les espaces en trois dimensions (3D)
et aux caractristiques spcifiques du canal acoustique sous-marin, de
nombreux facteurs doivent tre pris en considration. Ainsi, les problmes
de dploiement dans les milieux sous-marin sont assez diffrents de ceux
des RCSF. A ce propos, les travaux de [18] prsentent un aperu des plus
rcents progrs au niveau des algorithmes de dploiement dans les milieux
sous-marin. Les auteurs classifient les algorithmes de dploiement en trois
catgories, en fonction de la mobilit des nuds de capteurs, savoir : le
dploiement statique, le dploiement avec auto-ajustement, et le
dploiement avec mouvements assists.
4. CONCLUSION
Dans ce papier, nous avons prsent le problme de dploiement des
nuds capteurs dans un rseau de capteurs sans fil. Nous avons galement
prsent les travaux de recherche les plus rcents et les diffrentes
stratgies et approches utilises par la communaut scientifique, pour
rsoudre cette problmatique. Finalement nous avons prsent diffrents
problmatiques analogues et diffrentes applications du dploiement.
5. REFERENCES
[1] X. Cheng, DZ Du, L. Wang, and B. Xu, Relay sensor placement in wireless
sensor networks, ACM/Springer Journal of Wireless Networks, 14: pp. 347355, 242, 2008.
[2] M. Younis, and K. Akkaya, Strategies and techniques for node placement in
wireless sensor networks A survey, Ad Hoc Networks 6 pp. 621655, 2008.
[3] X. Yu, N. Liu, W. Huang, X. Qian, and T. Zhang, A Node Deployment
Algorithm Based on Van Der Waals Force in Wireless Sensor Networks,
Hindawi Publishing Corporation; International Journal of Distributed Sensor
Networks; Volume 2013, Article ID 505710; http://dx.doi.org/10.1155/2013/

[4] Z. Zhang, K. Long, J. Wang, F. Dressler, On Swarm Intelligence Inspired

Self-Organized Networking: Its Bionic Mechanisms, Designing Principles
and Optimization Approaches, IEEE Communications Surveys and
Tutorials, 16(1):513-537, March 2014.
[5] A. Konstantinidis, K. Yang, Q. Zhang, and D. Zeinalipour-Yazti, A multiobjective evolutionary algorithm for the deployment and power assignment
problem in wireless sensor networks, Computer Networks 54(6): 960-976,
2010.
[6] X. Yu, J. Zhang, J. Fan, and T. Zhang, A Faster Convergence Artificial Bee
Colony Algorithm in Sensor Deployment for Wireless Sensor Networks,
Hindawi Publishing Corporation; International Journal of Distributed Sensor
Networks;
Volume
2013,
Article
ID
497264,
http://dx.doi.org/10.1155/2013/497264
[7] O. Banimelhem, M. Mowafi, and W. Aljoby, Genetic Algorithm Based
Node Deployment in Hybrid Wireless Sensor Networks, Communications
and Network, 5, 273-279. Published Online November 2013
(http://www.scirp.org/journal/cn) http://dx.doi.org/10.4236/cn.2013.54034
[8] K. J.Aval and S. Abd Razak, A Review on the Implementation of
Multiobjective Algorithms in Wireless Sensor Network, World Applied
Sciences Journal 19 (6): pp. 772-779, ISSN 1818-4952, 2012; DOI:
10.5829/idosi.wasj.2012.19.06.1398
[9] Y. Qu, thesis: Wireless Sensor Network Deployment, Florida International
University, Miami, Florida, USA, defense: march, 26th @2013.
[10] N. Ait Saadi, thesis: Multi-Objective Wireless Sensor Network
Deployment, PIERRE & MARIE CURIE UNIVERSITY, Ecole Doctorale
Informatique, Tlcommunication et Electronique (EDITE de Paris),
defense: March, 11th 2010.
[11] I. BOUSSAD, thesis: Perfectionnement de metaheuristiques pour
lotimisation continue, Universit des sciences et de la technologie Houari
Boumediene, defense: June, 29th 2013.
[12] I. Maleki, S. R. Khaze, M. Mahmoodi Tabrizi, and A. Bagherinia, A new
approach for area coverage problem in Wireless Sensor Networks with
hybrid particle swarm optimization and differential evolution algorithms,
International Journal of Mobile Network Communications & Telematics
( IJMNCT) Vol. 3, No.6, December 2013.
[13] N. Azlina Bt. A. Aziz, A. W. Mohemmed, and M. Yusoff Alias, A
Wireless Sensor Network Coverage Optimization Algorithm Based on
Particle Swarm Optimization and Voronoi Diagram, Proceedings of the
2009 IEEE International Conference on Networking, Sensing and Control,
Okayama, Japan, March 26-29, 2009.
[14] L. Hui, Z. Xiaoguang, and L. Lijun, A hybrid deployment algorithm
based on clonal selection and artificial phhysics optimisation for wireless
sensor networks, Information Technology Journal 12(5): pp. 917-925,2013.

[15] M. Cardei and J. Wu, Energy-efficient coverage problems in wireless adhoc sensor networks, Florida Atlantic University, Boca Raton, FL 33431,
USA, Computer Communications 29, 41342, 2006.
[16] M. Amac Guvensan, and A. Gokhan Yavuz, On coverage issues in
directional sensor networks: A survey, Department of Computer
Engineering, Yildiz Technical University, Istanbul, Turkey, Ad Hoc
Networks 9 , pp. 12381255, 2011.
[17] Y. Shen, D. T. Nguyen, and M. T. Thai, Adaptive Approximation
Algorithms for Hole Healing in Hybrid Wireless Sensor Networks, in
Proceedings of the 32nd Int Conference on Computer Communications
(INFOCOM), 2013.
[18] G. Han, C. Zhang, L. Shu, N. Sun, and Q. Li, A Survey on Deployment
Algorithms in Underwater Acoustic Sensor Networks, Hindawi Publishing
Corporation, International Journal of Distributed Sensor Networks; Volume
2013, Article ID 314049, http://dx.doi.org/10.1155/2013/314049

rf

auteurs,
anne

Application

Espace

Dploiement

Approches
Hybride (Optimisation par
essaim particulaire + algo
dvolution diffrentielle)
Algorithme de slection
par clonage & algo
doptimisation phy.
artificielle

Objectifs

Contraintes

max zone
couverture

Couverture
dure de vie

max zone
couverture

[12]

[Maleki et
al., 2014]

2D

Dterministe

[14]

[Hui et al.,
2013]

2D

Probabiliste

[Qu et al.,
2013]

2D

Dterministe

Dcentralise: AG+OEP

max la porte de
dtection
min conso
d'nergie

Couverture
dure de vie

max porte de
dtection,
min conso.
d'nergie

Couverture
dure de vie

min la puissance
totale alloue aux
capteurs

min le nombre de
nuds
Couverture

Couverture des
cibles mobiles

[09]

[Qu et al.,
2013]

2D

Dterministe

Centralise : Optimisation
par position relative
moyenne +
Optimisation par distance
pondr relative

[11]

[Boussaid,
2013]

dtection de
signaux+
segmentat
images en
niv. de gris

2D

Dterministe

Hybride: optimisation
base sur la biogeographie
+ algorithme dvolution
diffrentielle

[07]

[Banimelhe
m et al.,
2013]

2D

Binaire

Algorithmes gntiques

[05]

[Konstantin
idis et al.,
2009]

Pb
dattribution
de puissance
(power
assignment)

2D

Dterministe

algorithme volutionnaire
multiobjective +
dcomposition (MOEA/D)

max couverture
max dure de vie

[13]

[Azlina et
al., 2009]

2D

Optimisation par Essaims

Particulaires; Diagramme
de Voronoi

Couverture

[10]

[Saadi,
2010]

2D

Dterministe

algorithme de dploiement
diffrenci

[10]

[Saadi,
2010]

2D

Probabiliste
Dterministe

algorithme de Bernoulli
algorithme potentiel+
forces virtuelles

[10]

[Saadi,
2010]

traitement
d'image
modlisatio
n 3D

2D

Dterministe

algorithme de forces
virtuelles et de recherche
tabou multiobjectif

[16]

[Guvensan
et al., 2011]

RCSF
directionnel

2D

Dterministe

[08]

[Aval et al.,
2012]

2D

2D

2D

[09]

[06]
[03]

[Yu et al.,
2013a]
[Yu et al.,
2013b]

traitement
d'image
modlisatio
n 3D
traitement
d'image
modlisatio
n 3D

[18]

[Han et al.,
2013]

RC
Acoustiques
Sous-marins

3D

[17]

[Shen et al.,
2013]

2D

Algorithmes gntiques
Optimisation par Essaims
Particulaires
Algorithmes de colonie
d'abeilles (ABC)
forces virtuelles
forces de van der Waals)

algorithmes adaptatifs :
AHCH, InAHCH et
GenAHCH

cot (nombre de
nuds)
qualit de
surveillance
cot (nbr de nds)
qualit de
surveillance
connectivit
cot (nbr de nds)
qualit de
surveillance
connectivit
dure de vie
couverture +
connectivit
Couverture,
connectivit,
dure de vie
max taux de
couverture

mobilit +
motilit
environnement
de simulation
-

Couverture

Rx de capteurs
mobiles

Couverture

Dploiement en
3D

Couverture
Connectivit

Couverture des
trous capteurs
mobiles

Tableau 1 : Comparaison entre les diffrents travaux rcents de dploiement des nuds