TELKOM NIKA , Vol.12, No .2, June 20 14 , pp. 411~4 1 8   ISSN: 1693-6 930,  accredited  A  by DIKTI, De cree No: 58/DIK T I/Kep/2013   DOI :  10.12928/TELKOMNIKA.v12i2.1949    411      Re cei v ed Ma rch 5, 2 014;  Re vised Ap ril  7, 2014; Accepted April 2 6 , 2014   A New Clustering Algorithm Using Links' Weight to  Decrease Consumed Energy in MANETs        Abba s Afsha r farnia * , Ab b as Karimi   Dep a rtment of Comp uter Engi neer ing,  F a cult y of Eng i ne eri n g, Arak Branch   Islamic Azad U n iversit y , Arak,  Iran   *Corres p o ndi n g  author, e-ma i l : Abbas_ a fsha r67@ ya ho o.co m; akar imi@i a u-arak.ac.ir       A b st r a ct     One of the most i m p o rtan t proble m s of  clus terin g  al gorith m s i n  mobil e  ad- hoc  netw o rks   (MANETs) is  the rel a tive ly l o w  stability  in  gen erate d  cl usters w h ich  are res u lte d  b y  rapi d cl uste rs   destructio n  an d hig h  en ergy  consu m ption  in  perfor m in g the  re-clusteri ng p r ocesses. Man y  algor ith m s ha v e   bee n prov id ed  to incre a se the  clusters stabi li ty of w h ich the most si gnific a nt are w e ig ht-b ased  alg o rith ms.  In w e ight-bas e d  alg o rith ms, o n ly li mite d info rmati on  of eac h nod e is use d  to det er min e  its w e ight and  it  causes  that th e  best  possi bl e  optio n for c l ust e r-he ad  is  n o t selecte d .  T he purp o se of  this   pa per is  pr ovi d in g   one w e ight-b a s ed a l g o rith m  i n  w h ich  eac h  nod e' s w e ight   deter mi natio n i s  perfor m e d  n o t only  by  usi n g its   nod e inf o rmati on b u t als o  its  nei ghb or ’ s   nod es infor m at ion  and th is w o rk i s  perfor m e d  by  deter mi nin g  th e   links'  w e ig ht b e tw een n odes   that provi de c o nnecti ons  betw een no des.  Vi a  this met hod, the  best possi bl e   optio ns can b e  selected as cl uster-he ad. In simulati ons  a n d  perfor m e d  ex peri m e n ts, it is reveal ed that the  gen erate d  clus ters by our pro pose d  al gorith m s hav e very h i gh stab ility.      Ke y w ords : Cl usterin g , Mobil e  Netw orks, Nodes'  Stabi lity, MANET s , Consumed En ergy       1. Introduc tion  Clu s terin g  is defined in  MANET a s  follows : natu r al arran geme n t of mobile  node s i n   several different grou ps [1,  2]. Figure 1 s hows a MANET after the clusteri ng p r o c esse s.        Figure 1. Clus tering in MANET [1]    Clu s terin g  i s  appli ed to  increa se  pe rforma n c e, fa cilitate routin g, de cre a se  ene rgy  con s um ption,  increa se  st ability and n e twork  sp rea d  ability [3, 4]. Ho weve r, it has so me  disa dvantag e s  incl udin g  high ene rgy co nsum pti on to perfo rm the re-cl u ste r in g p r ocesse s.   Each  nod e' s  energy is limi t ed in MA NE Ts  and  if  this  energy is fini she d , the  nod e will  be  destroyed. Now, if this no de is a  clu s te r-h ead, n o t only the node i t self will be  d e stroye d but i t  will   also  re sult to its clu s ter d e s tru c tion  whe r eby  after d e s troying  ea ch  cluste r, one  node i s  sel e cted  as the cl uster-head among remain i ng nodes and a new cl uster will  be built fo r remaining nodes.   These proce s ses a r e  call ed re -cl u ste r i ng. Re-clu ste r ing is a  ste p  whi c h cau s e s  high e n e r gy  con s um ption  and con s ide r ing the  re stricted en ergy ; it increa se s the numbe r of re-clu stering  results in  ra pid n e two r k  destruct.  On e pu rpo s e  o f  clu s teri ng  algorith m s is de crea sing   the  numbe rs of this step o c currences a nd its so lution in g enerating mo re stabl e clu s ters.   Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 16 93-6 930   TELKOM NIKA   Vol. 12, No. 2, June 20 14:  411 – 41 8   412 Many algo rith ms rel a ting to clu s terin g  i n  MANETs  were  sugg este d of which th e most  signifi cant  are weight-ba s ed al gorith m s. To   dete r mine the  no des'  weight  in weight-ba s ed   algorith m s, o n ly limited informatio n of e a ch n ode i s  u s ed fo r dete r mining its o w n weig ht and  the  best po ssible  option will be  sele cted to b e com e  the cl uster-h ead.   In this  pap er,  one  cl uste ri ng al gorithm   in MANET s  i s   sug g e s ted i n  which ea ch  nod e's  weig ht is  pe rforme d n o t only by u s in g its o w n  n ode info rmati on but  also  its nei ghb o r s'  informatio n a nd this work  is pe rform ed  by det ermini n g  the links' weight betwee n  node s which   provide  co nn ection s b e tween no de s. This m e thod  is the be st  way to mea s ure the m obi lity  predi ction of  node s, ene rg y perce ntage,  neighbo r sh are  an d other factors. In this algo rithm, the  clu s ter-he ad s whi c h h a ve  the be st fact ors amo ng t heir n e igh b o r  node s a r e  selecte d . In this   algorith m  first l y, the links' weig ht betwe en both  nod e s  are d e termi ned on the b a si s of four basi c   factors  and  then, the  final  wei ght of  ea ch  nod e i s  d e termin ed  according  to th e lin ks'  obtai ne d   weig ht. Finally, the manners of each nod e are  defin ed  according to their obtai ned  weig hts.   In the next  section, th e p aper revie w s pr evio us me ntioned  wo rks. The n , the  prop osed  algorithm is  provided. In the next secti on, the  sim u l a tion result s  will be eval uated. In the l a st  se ction, co ncl u sio n s of the  menti one d di scussio n s  will  be pre s ente d .       2. Related Work  Many factors  are offered to  sele ct the cl us ter-h ead. Clusteri ng alg o r ithms a r e  cla ssifie d   according to  these facto r s. The first offer ed facto r  is the neig hborhoo d de gree (neig h b o rs'  numbe r).  Am ong  algo rith ms  whi c h  are  built o n  the   basi s   of it we  ca n m ention  the  HD (hig hest  degree ) by G e rla [1 -3] an d  LLC  (lea st cl uster  ch ang e) by Chian g  [1 -3] whi c h  attempted to sele ct  the clu s ter-he ad usi ng the  neigh borhoo d  degre e  value s  of node s.   Another offered fa ctor i s  th e nod e-m obili ty  and we  ca n mentio n  so me alg o rithm s  b u ilt on   the basi s  of i t  such as th e  MOBIC (mo b ility- based  metric fo r clu s terin g ) by K han [1-3], DDVC  (dynami c  Do ppler velo city cluste ring ) a nd DL DC  (dynamic lin k du ration cl uste ri ng) by Sakh a ee  et al. [5]. In this alg o rithm,  one nod e is sele cted a s  the clu s ter-h e ad whi c h ha s the least mo bility  among its n e i ghbo rs o r  ha s similar mo bili ty to its neigh bors.  Another fact or i s  e n e r gy  and  the  alg o rith m s  b a se d on  which  are  built fro m  ene rgy  efficient cl ust e ring  algo rith ms such a s  the po we r-a ware  con n e c te d domin ant set by Wu [1-3],  SCA (stable  clu s ter  algo rithm) by Sh eu  [1-3]  an d DEECF (di s tri b uted en ergy  efficient cl ust e r  formation )  by  Kim et al. [6] .  In these  alg o rithm s , on e  node i s   sel e cted a s  the  clu s ter-he ad  whi c h   has the mo st  energy amon g their neig h b o rs.   Another fa cto r  is in fa ct a compou nd of  pr eviou s  fa ctors: n e igh borhood d e g r ee,  mobility,  energy and l oad-bala n ci n g  calle d the  weig ht factor.  Th is fa ctor i s  the be st cri t erion in  sele cting  the clu s ter-h ead s be cau s e it covers a ll the pr eviou s  facto r s. M any  algorith m s are provided   according  to this fa ctor  whi c h a r e i n cl ud ed in th e com b ined -metri cs-ba sed  cl uste ring  cla s s such   as  th e WCA   (weighte d  clusteri ng alg o rithm)  by   Chatterjee  et  al. [7], DSCAM (Distri but ed  Scena rio - ba sed Clu s teri n g  Algorithm  for MANE T s ) by Anitha et al. [8], EWCA (enh an ced  weig hted clu s terin g  algo rithm) by  Chan g  Li et  al. [9] ,  KCMBC (k-hop  co mpou nd m e tric ba se d   clu s terin g ) by  Leng et al. [10] and one  algorithm  p r opo sed by M u thura m aling a m et al. [11].  Ho wever, thi s  gro up of a l gorithm s ha s som e   disa dvantage s i.e. the information whi c h  are  colle cted to o b tain facto r  value s  for e a ch nod e is the  same limite d  informatio n of the node it sel f   and it  ca uses the  best  opti on to  be  not  often sele cte d  to  be come  the  clu s ter-he ad. Thi s   pro b l e m   has b een rem o ved from the  propo se d alg o rithm in this  pape r.      3. The Propo sed Algori t h m   In our propo sed algo rithm  firstly a weig ht for each n ode is d e termined a c cord ing to its   links' wei ght and finally, the clu s ter-he ads a r e sel e cted a c cordi ng to the obtained wei ght  of  node s a nd m e mbe r s  are  a d mitted and  the man n e r s  of each no de  are  determin ed. By usin g  the  links' weight,  we  can o b tai n  the final we ight  of each  node b a sed  on the obtai n ed informatio n o f   neigh bor no d e s  wh ere a s i n  p r eviou s  m e thod s, the fi nal  weig ht of  ea ch  nod e i s  o b taine d  b y   using its own limited information only. We  can in crease the  clust e r-heads  stability signifi cantly  usin g our p r o posed metho d .   The ste p s of  building  clu s ters in the p r o posed alg o rit h m are a s  foll ows:  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  1693-6 9 30       A New Clus tering Algorithm Us ing Links '  Weight to Dec r ease ....  (Abbas  Afs h arfarnia)  413 1.  Determinin g  the weight of  links whi c h are  between   two n ode s u s ing  the follo wing f a cto r s:   links' n e igh b o rho od  sh are ,  spe ed  of th e lin ks,  co nsumed  ene rgy  between  two conn ecte d   node s to the link an d dista n ce b e twe en  two co nne cte d  node s to the link.   2.  Determinin g each nod es'  weig ht based  on its links' weight   3.  Selecting  clu s ter-he ad s  a c cordi n g   to  t he  o b taine d  weig hts and  determi ning  each clu s ter' s  members.     3.1. Determining the links'  w e ight  The first fa ctor is the  sha r e of links  nei ghbo rho od. T he more neig hbors that on e node   has, the  bett e r  can d id  wi ll be to b e come the  clu s ter-he ad. T he ste p s of  determi ning t he  neigh borhoo d  share of link  are a s  follows:  First, e a ch n ode s' n e igh b o rho od  deg re e is dete r min e d  whi c h  are  also  calle d " d " an d   sho w  the nu mber of no de s whi c h exi s t in the transaction rang e [7]:     v v v v ra ng e v tx v v dist d ' , ' ) ' , (                                                         (1)     W h er e  d i s t ( v ,v' )  is  d i s t an c e  be tw e en  two neighb orho od no de s. No w, factor (1)  [percentag e o f  that links' ne ighbo rho od share]  is  cal c ul ated acco rdin g to equation  (2):     v v d P 1                                                                                 (2)     The se co nd factor is the  spe ed of the links.  If c l uster-heads  move fas t er than their  membe r s, th ey have to   outsid e  form  their  me mb ers  rang e co nstantly  [5]. Therefore, m o re  attention sh o u ld be paid t o  sele ct clu s t e r-hea ds, be cau s e the  cl uster-h ead s  sho u ld have  th e   least spee d [12 ] ,[13].  In this step, we obtain the speed  of the li nks as e quati o n (3 ):    2 E V L S S N                                                                         (3)     Whe r e V and  E are two con necte d nod es to link. SV a n d SE are the i r spe e d.    In Figure 2, t he nei ghb orh ood  sha r e a n d  the spee d  of the links  related to the  node s V  and E are d e termin ed.         Figure 2. Det e rmini ng the  neigh bor hoo d  share and th e spe ed of lin ks    The third fact or is t he  con s umed e n e r gy  of the links.  Becau s e th e  clu s ter-he ad  has th e   most re sp on sibilitie s amo ng other  nod es, they  con s ume m o re  energy. Hen c e, the remai n ing   energy sho u l d  be con s id ered in sele ctin g clu s ters  [14 - 16]. In this step, the energ y  of each link is   estimated a c cording to its  node s' en erg y . Equat ion (4) is u s ed to  determi ne factor (EL):     2 E v L E E E                                                                          (4)   Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 16 93-6 9 30   TELKOM NIKA   Vol. 12, No. 2, June 20 14:  411 – 41 8   414 In which EV and EE are the  con s ume d  e nergy of nod e s  V and E re spectively.  The fou r th fa ctor i s  the  distan ce b e twe en two  co nn ected  nod es  to links. The  clu s ter- head  whi c h h a s  clo s er  nei ghbo rs  nee d s  le ss e n e r gy  to interchan ge inform atio n. This i s  du e to   its energy that  does  not finish very  soon  and the  cluster  stability’s increase. A c cording to thi s   factor, parall e l  k-me an s cl usteri ng algo rithm wa s  su gge sted  by L . Thoma s  a n d  B.Annapp a [ 17,  18] in which node s with short dista n ce  are locate d in the same cluster [19]. To determin e  the   distan ce fa ctor, we pe rform step s as fo llows:  A messa ge i s  se nt from th e source  (first)  nod e to th e  target  (seco n d)  me ssage  and th e  se con d  nod e  returns  a re spo n se to th e first no de  as  soo n  as i t  receive s  th e messa ge.  The  sou r ce (first)  node  cal c ulat es the return -time and  co n s ide r s it as th e distan ce fa ctor (IL ) .   After obtainin g  four fa ctors PV, NL, EL and IL  the fin a l link' s  weig ht (CL )  i s  e s timate d   according to them. We u s e  a weight-equ ation to estim a te it:    ) * ( ) * ( ) * ( ) * ( 4 3 2 1 L L L V LV I W E W N W P W C                              (5)      In whi c h  W1,  W2,  W3 a nd  W4 a r e  wei g ht factors th at determi ne th e rel a ted fa ctor effe ct   amount. The  followin g  crite r ia is con s ide r ed in dete r mi ning them.     1 4 3 2 1 W W W W         Figure 3. Det e rmini ng final  weight of ea ch no de     3.2. Dete rmining the Fin a l Weight o f  Each Nod e   In this ste p , the final  weig ht of node s a r e e s timated  con s id erin g the lin k weigh t  of ea ch   node a nd loa d -bal an cing.  The work is p e rform ed a s  follows: ea ch  node a d d s  up  its links' wei ght   and divide s in to its neighb o r hoo d deg re e  (d) [20]:    V d i LVi V d C C V 1 1                                                                    (6)     No w, the pri m ary wei ght (CV1)  sho u ld  be reve rsed:   In  th is  s t ep , th e  lo ad  b a l an c i ng  fa c t or   s h ou ld  be  in vo lve d  su ch  tha t  e a ch  c l u s te r - h e a d   sup port s  ju st  a limited  num ber  of n ode s  in orde r  for th e loa d  di strib u tion to  be j u stified b e twe e n   clu s ter-he ad s [21]. First, a  crite r ion  calle d  δ  i s   dete r mi ned. T h is criterion  indi cate s the  nu mbe r  of  optimum no d e s which sh o u ld be involve d  in a clu s ter  to achieve lo ad-b a lan c in g. In the followi ng,  the differen c e betwe en n ode nei ghb orhood d egree  (d V) an d sui t able criteria  of neighb o rh ood   degree ( δ ) wil l  be cal c ulate d  and later  kn own a s   ∆ V:     V V V d                                                                  (8)     At the en d, th e final  wei ght  of ea ch  nod e  (CV)  is e s tim a ted by  exerti ng the  loa d  fa ctor a s   equatio n (9 ):  V e C C V V * 1                                                             (9)   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  1693-6 930       A New Clus tering Algorithm Us ing Links '  We ight to Dec r ease ....  (Abbas  Afs h arfarnia)  415 3.3. Selectin g Cluster-He ads   After estimati ng the final  weight of ea ch  node,  the  no des t r an smit  their weight s  to their  neigh bors.  When tran smi s sion  ha s  fini shed,  all nod e s  kno w   th eir weig hts and  t heir neig hbo rs'.  In co ntinuatio n, the n ode  which  ha s the   most  weig ht  among  its  nei ghbo rs will  int r odu ce  itself  as  the candi date  of cl uste r-he ad. C andi dat es  will  be  col l ected  to g e n e rate  a d o ma in set. Clu s te r- head s will be  sele cted a nd  clu s ters will b e  gene rated.       4. Simulation  To stu d y the  efficien cy of  pro p o s ed  al gorithm,  som e  differe nt ex perim ents ha ve bee n  perfo rmed  by the simul a to r NS-2.34 [2 2]. In  these experim ents,   one  mo bile ad-h o c network  (MANET ) in the enviro n me nt with dimen s ion s  of 2000 *2000 m who s e data is  sh own in Tabl e 1  has b een  sim u lated.     Table 1. Simulating Para meters in Simulator NS 2   Value  Meaning  Parameter  100-500   Number of  Node s  N  2000*2000 m   Size of netw o rk  X* Y   0-5 m/s - Ra ndo mly  Speed Range   S_Range   100-200 m   Transmission Range  T_Range   600 s  Time of Simulation  Run Time   0.21, 0.37, 0. 21,  0.21  Weights  W 1 , W 2 , W 3 , W 4     In all experi m ents, the p r opo se d alg o r ithm  was  co mpared to t w o al gorith m s: WCA  (Weighted  Cl usteri ng Al go rithm)  by Ch atterjee  et al . [7] and  LEACH  (lo w -en e rgy a daptiv e  clu s terin g  hie r archy)  by Heinzelman  et al. [23].  The results in dicated that ou r algorithm i s   the  most sta b le a l gorithm am o ng them.     4.1. Cluste rs ' Life-Time (LT)  Whe n  a  give n nod e i s  se lected  as the  clu s ter-he ad  and  a  clust e r i s  ge ne rat ed, this  perio d until the clu s ter i s  destroyed is  calle d the  clu s ter' s life-tim e  and it indicates the net work  clu s ters' sta b i lity and it is expresse d in p r opo rtion to seco nd s.  In this  expe ri ment, the  nu mber of n ode  wa s  co nsi d e r ed  a s  1 00-5 00 a nd  Figu re 4  wa s  obtaine d wh e n  the experim ent is finish ed .        Figure 4. Life-time parame t er with incre a sin g  numb e r of node in ne twork    It is shown in  Figure 4 that  the propo se d algor ith m  h a s lon ger life - time than alg o rithm s   WCA and LEACH and this life-time  will be incr eased by the increasi ng number of network  node s. Its rea s on i s  the p r o per  sele ction  of cluste r-hea ds  such that they  have the  highe st sco r e s   in their g r ou p .  Adding up  score s  in  co ntrast  with al gorithm  WCA has  been  p e rform ed by l i nk  informatio n b e twee n nod e s  and thi s  in clud es oth e r node s information. Mea n whil e, only the  Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 16 93-6 930   TELKOM NIKA   Vol. 12, No. 2, June 20 14:  411 – 41 8   416 node' s limited  informatio n i s  ap plied to e s timate  its  score in  algo rith m WCA. The  load-bala n ci n g   factor which is also applie d in the prop ose d   algo rith m enable s  th e algorithm t o  transmit less  informatio n for cross-net wo rk  comm uni cation and  co n t ributes to m a intain stability  and de crea se   the netwo rk li fe-time.   In Table 2, a  comp ari s on  has  been  do ne in two  pa rts of diag ram  and the diff eren ce s  betwe en life-t i mes have b e en investig ated.    Table 2. Co m parin g Prop o s ed Algo rithm  for Paramete r Life-Tim e   Life-Time  w i th 40 0 nodes  Life-Time  w i th 20 0 nodes  Algorithm  3253 s  1632 s  Proposed Algorit hm  2688 s  1416 s  WCA  21.01 %   15.25 %   Increment %     Con s id erin g  Table  2, it is kno w n tha t  the pro p o s ed alg o rithm  life-time ha s be en   improve d  in compa r ison to two other offered  al gorith m s and this i m provem ent is about 21%  in  some p o ints  and finally, it  results in hig h  st ability of the network in  the propo se d  algorithm.     4.2. Consum ed Energ y  Amount (E N)  The con s um ed ene rgy a m ount in ne twork nod es in the given time to transmit   informatio n i s  call ed the  u p load  or con s ume d  e n e r g y  amount  of  the net work.  The le sse r  th e   amount, the  more  stable t he clusters are.  This amount is expressed in mill joul e.  In this expe ri ment, the tra n smi ssi on  ra nge  wa s 10 0-200 m, a nd t hen  we p e rfo r med thi s   experim ent u n til Figure 5 i s  obtain ed.         Figure 5. Con s ume d  ene rg y amount wi th increa sing t r an smi ssi on range     In Figure 5, it was in dicate d that less e nergy was  co nsum ed in th e prop osed a l gorithm   than al gorith m s  WCA  an d LEACH  an d in thi s   ca se by in crea si ng the  tran smissi on  ra ng e of  node s ene rgy  consumptio n  decrea s e. At first, t he algorithm WCA perfo rms efficiently, however  whe n  the  tra n smi ssi on  ra nge  of net wo rk nod es  in creased, the  e nergy  co nsu m ption in crea sed   signifi cantly in this alg o rit h m and  sho w ed lo we r  efficien cy than  our al gorith m . This shows that  the p r op osed  algo rithm  co nsum es very   little ene rg y b e ca use of  the  prope r  stru ct ure  of its  ste p s   and sel e ctin g   the  b e st clu s ter-h ead s whi c h are  s upe ri or th an th eir  neigh bors'  inf o rmatio n le ad s  to the incre a se of stability and life-time of  cluste rs.    4.3. Number  of Clus terin g  and Re -clu stering O p er ations   If a cluster i s  destroyed (removed ) , the re-c lu sterin g  phase will b e  initiated an d one is  sele cted  as t he cl uste r-he ad amo ng av ailable n ode s and a  ne w  clu s ter  will b e  gen erate d . It  results i n  con s umin g hig h   energy and  finally de st royi ng the  whol e  netwo rk sta b i lity; the less t h is  amount, the  more  stable t he network is.  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  1693-6 930       A New Clus tering Algorithm Us ing Links '  We ight to Dec r ease ....  (Abbas  Afs h arfarnia)  417 In this exp e riment, the n u mbe r  of  re-clu sterin g o p e ration s  of  each alg o rith m wa s  investigate d  in different tra n smi ssi on ra nge s.  We re g u lated the tra n smi ssi on ra nge from 10 0  to   200 m until Fi gure 6 i s  dete r mine d.        Figure 6. Nu mber of cl ust e ring a nd re-clu sterin g op eration s  with i n crea sing tra n smi ssi on ra nge.     From Fi gure  6 it reveal s that le ss  re-clu steri n g  operation s   are p e rfo r me d in the  prop osed al g o rithm than  algorith m s  WCA and  LEACH  and by i n crea sing th e Tra n smi s si on  rang e, this n u mbe r  will de cre a se. Re ga rding to t he f a ct that this  para m eter i s   one of the m o st  signifi cant pa ramete rs fo r whi c h cl uste ri ng algo ri thm s  sea r ch, a nd  then it can b e  prop osed that  the propo se d  algo rithm  ca n obtain  a  si gnifica nt  diag ram. It wa s i m prove d  be cause the  clu s ter- head s we re determi ned   p r ope rly  a nd  t he clu s ters maintainin g pha se wa s p l anne d  effici e n tly  su ch that after the failure of  one clu s ter,  t he next clu s ter-hea ds a r e  sele cted  correctly.  In Table  3 t here  is a  co mpari s o n  in  two p a rts of  the di agram  and  the  differen c e s   betwe en num bers of gene rated clu s ters  are stu d ied.     Table 3. Co m parin g the Propo sed Algo ri thm for Clu s tering a nd Re-Clu sterin g Pa ramete r  Number of cluste ring  w i th 175  Transmission range  Number of cluste ring  w i th 140  Transmission range  Algorithm  19.1  26.5  Proposed Algorit hm  21.9  27.2  LEACH  12.78 %   2.57 %    Decrement  %     Con s id erin g  Table  3 it i s  cle a r th at t he n u mbe r   of re -cl u ste r i ng o peration s  in  the  prop osed  alg o rithm  ha s b een i m proved  in  com pari s o n  to t w o  othe r me ntione d  algorith m s. E v en   at some  poin t s, we see 1 2 % decrem e nt which fi nal ly leads to hi gh stability of  netwo rk in t he  prop osed alg o rithm.       5. Conclusio n   In this pap er,  an algo rithm  to cluste r no des  in m obile  ad-h o c n e tworks (MENET s) h a s  been  sugg ested in  whi c h  so me  node s a r e  sele cte d   a s  clu s ter-head s wh ose   links have  t he  highe st value .  To dete r min e  the lin ks' va lue bet we e n   node s, fou r  fa ctors a r e a ppl ied i.e.: ene rg y,  mobility, neig hborhoo d  sh are  and  lin k' s le ngth. To   estimate th e  final value  of ea ch n ode,  the  obtaine d links value and lo ad-b a lan c in g factor a r e u s e d .  Usi ng the lin ks' weight e s ti mation, the final  wei ght of  each nod e ca n be e s timate d ba sed  on obtain ed i n formatio n from its neig h b o r nod es  wh e r ea s in previo us meth od s, the final wei g h t   of each n ode  is estimate d by using o n ly its own limite d  informatio n.  Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 16 93-6 930   TELKOM NIKA   Vol. 12, No. 2, June 20 14:  411 – 41 8   418 In pe rform e d  sim u lation s, it wa s  reve aled  th at ou r propo sed  al gorithm  sta b i lity was  improve d  sig n ificantly in compa r ison to  previo u s  alg o rithm s  and i t  resulted in  increa sing th e  clu s ters' life-ti me and de cre a sin g  ene rgy con s um ption.       Referen ces   [1]  JY Yu, PHJ  C hon g. A S u rve y   of Cl usteri ng  Schem es for  Mobil e  A d  H o c  Net w orks.  T h e El ectroni c   Maga z i ne of Origin al Pe er-Re v iew ed Survey  Articles.  200 5; 7(1): 32-4 8 .  [2]  IG Sha y eb, A H  Huss ei n, AB  Naso ura. A  S u rve y   of Cl usterin g  Sch e mes  fo r Mobile Ad- H oc Net w or k   (MANET ) .  Ame r ican Jo urna l o f  Scientific Res earch.  20 11 ;  2 0 : 135-1 51.   [3]  S Chin ara, SK  Rath. A Surve y   on One- Ho p Cluster ing A l gorit hms in M obil e  Ad H o c Net w orks.   Journ a l Netw  Syst Manage.  2 009 ;  17: 1 83– 2 07.   [4]  X Li u, J Shi. Clusterin g R outin g Algor ith m s In W i reless Sensor Net w o r ks: An Overvie w .  KSII  T r ansactio n s o n  Internet And  Information Sy stems.  20 12 ;  6 :  1735-1 7 5 5 .  [5]  E Sakh ae e,  A   Jamali po ur. Stabl e C l usteri ng  an d  Commu ni cations  in  Pse udo lin ear  Hi ghl y M o b ile   A d   Hoc Net w orks.  IEEE Transactions on Vehic u lar Technology.  2008; 5 7 (6): 3 769- 377 7.   [6]  Y Kim, KY Jung, T H  Kim, J Kim.  A distribute d  en erg y -effici ent cluster i n g  s c heme for  de pl o y in g IDS i n   MANET s .  Telecommunic a tion System s.  201 1.  [7]  M Chatterjee,  SK Das,  D  T u rgut. WCA:  A Weig hted   Clusteri n g  Alg o rithm for M o bile  Ad  Hoc   Net w orks.  Klu w er Acade mic  Publ ishers. Ma nufacture d in T he Neth erla nds .  2002; 5: 193- 204.   [8]  VS Anitha, M P  Sebasti an.  Scenar io-b ase d  Di am eter-b o und ed A l gor ith m  for Cluster  Creati on a n d   Mana geme n t in Mobil e  Ad h o c Net w orks.  13th IEEE/ACM International Sym pos ium  on Distribute d   Simulati on a n d  Real T i me Ap plicati ons.  2 0 0 9 : 97-10 4.  [9]  C Li, Y W ang , F  Huang, D  Yang.  A Nov e l Enh anc ed  W e ighte d  Clus t ering Al gorit h m  for Mob ile   Netw orks . IEEE conferenc e 9 78-1- 424 4-3 6 9 3 -4/09. 20 09.   [10]  S Leng, L Z h a ng, H F u , J Ya ng. A Novel L o cati o n -Servic e  Protocol Bas ed on k-Ho p C l usteri ng for   Mobile Ad Hoc  Net w orks.  IEEE Transactions  on Vehic u lar Technology.  200 7;   56(2): 81 0-8 17.   [11]  S Muthurama l i ngam, R R a ja Ram, K Petha perum al, VK Devi. A D y n a m ic Clusteri n g  Algorithm fo r   MANET s  b y  m odif y i ng W e i g h t ed Cl usteri ng  Algorit hm  w i th   Mobil i t y  Pred ic tion.  Intern atio nal J our nal   of Computer a nd Electric al E ngi neer in g.  20 10 ;   2(4): 709- 714.   [12]  C Konstanto p oul os, D Gavala s, G Pantziou. Clust erin g in mobi le  ad hoc n e t w o r ks through   nei ghb orh ood stabilit y- base d   mobil i t y  pred iction.  Co mputer Netw orks.  200 8 ;  52: 179 7–1 8 24.   [13]  J Akbari T o rke s tani, MR Me ybod i.  A Mobi lit y-Bas ed  Cluste r  F o rmation A l gorithm for W i r e less M obi le   Ad-hoc Net w orks.  Cluster Computi ng-T he  Journ a l of Net w orks Softw a re T ools And  Appl icatio ns.   201 1; 14: 311 – 324.   [14]  SC W ang,  HH  Pan, KQ Ya n, YL  Lo. A  un ifie d frame w o r k fo r cluster ma na ger e l ecti on  an d cluster i n g   me ch an i s m in   mo b i le  ad  ho c n e t w o rks.  C o mp uter Stan da rds & Interface s -Elsevier.  200 8 ;  30: 32 9– 338.   [15]  H Ali, W  Sha h zad, F A  Kha n . Energ y - e fficient  cl usterin g  in mob ile  ad- hoc n e t w orks  usin g multi- obj ective p a rticle  s w arm opti mization.  Appli e d  Soft Comp utin g.  2012 ;  1 2 : 19 13– 19 28.   [16]  A Karimi, SM  Abed ini, F  Z a r a fshan, SAR A l -Had da d. Clus t er Hea d  Sel e c t ion Usi ng F u z z y  L o g i c an d   Cha o tic Base d Genetic Al g o rithm in W i r e less Se nsor  Net w ork.  Jour nal of Bas i c  and A ppl ie d   Scientific R e se arch.  201 3 ;  3(4 ) : 694-70 3.  [17]  L T homas, B Anna pp a.  Applic ation of Para ll e l  K-Means Cl us te ring Al gorith m  for Predicti o n of Optima l   Path in Se lf Aw are Mobil e  Ad-Hoc Netw orks w i th Link  Stability . Adv ances i n  Com putin g an d   Commun i cati o n s (ACC 20 11) , India. 201 1.  [18]  L T homas, K M anj app a, B A n nap pa, GRM  R edd y. P a ral l el iz ed K-Me ans  Cl usterin g  Al gorit hm for Se lf  A w a r e Mo bil e  Ad-Hoc N e t w or ks.  ACM 978-1 - 450 3-04 64- 1/11/02 - ICCCS  11.  201 1 :  152- 155.   [19]  S Chin nasam y, C Mu thusamy, G Ramani.  An Anal ys is o n  the Performance of F u zz y C -Means   Clusteri n g  Al g o rithm for  Car d iotoc ogram  D a ta C l usteri ng.   Cas p ia n J our nal  of A ppl ie d  Scie nces   Research (CJA SR).  2012 ;  1(1 3 ): 35-42.   [20]  A Karimi, A Af sharfarnia, F Za rafsha n, SAR  Al-Ha dda d. A  Novel  Cl usteri ng Al gorit hm for Mob ile  Ad- Hoc Net w orks  Based o n  Det e rminati on of  Virtual  Li nks'  W e ight to Increase N e t w ork Stabil i t y .  Th e  Scientific W o rl d Journ a l.  2 014 .  (In Press).  [21]  S Kang, S Le e, S Ahn, S An. Energ y  Effic i ent T opolo g y   Contro l bas ed  on Soci ol ogic a l Cluster i n   Wireless S ens or Net w orks.  KSII T r ansactions o n  Inter n e t  And Infor m ati on Syste m s . 2 012;  6: 34 1- 360.   [22]  T   Issariy a k u l,  E Hossain.   In troductio n  to N e tw ork Simulat o r NS2 . USA:  Scienc e Bus i ness Media  -   Sprin ger. 20 09 .  [23]  W B  Heinze lma n , AP Chan dra k asan, H Ba lak r ishn an.  An Ap plicati on-S pecif ic rotocol Arch i t ecture for   Wireless Micr osensor  Net w or ks.  IEEE Transactions  on Wire less Comm unications.  20 02 ;  1(4): 6 60- 670.       Evaluation Warning : The document was created with Spire.PDF for Python.