Özet:
Lokalizasyon, hedef izleme ve nesne izleme gibi çeşitli kullanım alanları için Kablosuz Algılayıcı Ağlarında (KAA) önemli bir süreç olmaktadır. Çapa düğümleri, konumlarını GPS sinyalleri veya elle verilen konumlar aracılığıyla bulabildikleri ve ağdaki diğer düğümlerin konumlarını belirlemelerine yardımcı oldukları için bu görevde kritik rol oynar. Bu nedenle, bir KAA'daki çapa düğümlerinin optimal yerleşimi, düğümlerin konumlarını bulmada daha kesin doğruluk sağlarken enerji tüketimini azaltmak için özellikle önem arz eder. Bu tezde, Bozkurt Optimizasyonu (GWO) ve Parçacık Sürü Optimizasyonu (PSO) yöntemlerine dayalı olarak, büyük ölçekli bir KAA'da en uygun çapa düğümü sayısını ve en uygun yerleştirme stratejisini bulmak amacıyla yeni bir yaklaşım önerilmiştir. Bu yaklaşımın ilk adımı olarak, sürecin verimliliğini optimize etmek için sanal lokalizasyon süreci bir sanal koordinat sistemi üzerinden sağlanmıştır. GWO ve PSO yöntemleri, kapsama alanı tabanlı bir analitik yöntem, Destek Vektör Makinesi (SVM) regresyonu ve Çoklu Regresyon gibi makine öğrenmesi yaklaşımlarıyla karşılaştırılmıştır. Ayrıca lokalizasyon alanında DV-HoP yöntemiyle mukayese edilmiştir. Bir KAA'da farklı sayıda düğüm ve farklı maksimum kapsama uzaklıkları ile çalıştırdığımız simülasyonlar, önerilen yaklaşımların çapa düğümlerinin sayısını azaltırken lokalizasyon hatalarını en aza indirme anlamında üstün olduğunu göstermektedir.
