Int ern at i onal  Journ al of Ele ctric al  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   9 , No .   5 ,  Octo ber   201 9 , pp.  3759 ~3 771   IS S N: 20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v9 i 5 . pp3759 - 37 71          3759       Journ al h om e page :  http: // ia es core .c om/ journa ls /i ndex. ph p/IJECE   Trust m odel g enetic node  reco very based  on cloud  theory f or  un derwater acou stic sens or netwo rk       Buddes ab ,  Th ri veni J ,  Venugopal  K  R     Depa rt m ent   o f  C om pute r   Scie n ce a nd  Engi n ee rin g ,  Univer si t y   Vi sv esva ra y a   Coll e ge  of Engin ee rin g,   Banga lor e  Univ e rsit y ,   Ind i a       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   Ja n 1 1 , 2 01 9   Re vised  A pr 8 ,  201 9   Accepte d  Apr   1 6 , 201 9       Underwat er   Ac oustic   Sensor  Networks  [UA SN s ]   are   be co m ing  a  ve r y   growing  rese arch  topi c  in  the   f i el d  of  W SN s.  U AS Ns  are   har m ful  b y   m an y   at t ac ks  su ch  as  Jam m ing  at ta cks  at   the   ph y si ca l  lay er ,   Coll ision  att ac ks  at   th e  dat a  l ink  lay e r  a nd  Dos   at ta cks  at   the   n et work  l a y er.   UA SN s  has  a  unique   cha ra cteri sti c  such  as  unre li able   comm unic at ion,   m obil ity ,   and  computat ion   of  under wat er  sensor  net work.   Bec ause   of  th is  the   tr adition al   sec ur i t y   m ec hani sm ,   e. g.   cr y ptogr aphic,   enc r y pt ion,   aut h oriz a ti on  and  authentica t ions   are   not  suit abl e  for  UA SNs.  Man y   trust  m ec h an ism s  of  T W SNs   [Te rre str ia l   W ire le ss   Sensor  Networks ]   had   proposed  to  U AS Ns  and  fai led  to  provide   sec u rity   for  UA SN s  envi ronm e nt,   due  to  d y na m ic   net work  struct ure   an d   wea k  l ink  conn ec t ion  be twee n  sensors .   In  thi s  pape r,  a   novel  Trust  Mode l   Gene tic  Algorithm   base d  on  Cloud  The or y   [T MC]   for  UA S N s  has  bee n   proposed.   Th e  TMC - GA   suggested  a   gen et i c  node  re cove r y   al gorit hm   to   improve  the  T MC  net work  in   te rm s  of  bette r  net work  l ifeti m e,   residual   ene rg y   and  to tal  energ y   consu m pti on.   Also  en sures  tha t  senso r  nodes  ar e   par ticipating  in  the   rer ou ti ng  in  the   routi ng  d isc over y   and  per fo rm s  well   in  te rm s  of  succ essful  pa ck et  deli ver y .   Sim ulatio n  result  provid es  that  th e   proposed  TMC - Gene tic  node   re cove r y   al gori th m   outpe rform s  compare d  to   othe r  relate d  wo rks  in  te rm s  of  t he  num ber   of  h ops,  end - to - end  del a y ,   tot a l   ene rg y   consum pti on,   residu al   en erg y ,   routi ng   ov erh ea d   and   ne twork  li f et ime .   Ke yw or d s :   Cl oud  T heory  Mod el   Data s ec ur it y   T W S N   UASN   W i reless  Senso r  N et w or k     Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Buddesa b,     Dep a rtm ent o f C om pu te r  Scie nce a nd E ng i ne erin g,   Un i ver sit y Vis ves var ay a C ollege  of Engine e rin g,   Ba ng al or e ,  Ba ng al or e  Unive r sit y, 560001 -   I nd ia .   Em a il :  ton nur 21@ gm ai l.co m       1.   INTROD U CTION     UASNs   are  s pe ci al ly   design e d  to  operate  a nd  m on it or   unde r  wate r  suc h  as  the  oc ean ,  la ke,   et c  a nd   com m un ic at ion   fr e qu e ncy  of  operati on  is   be tween   10  Hz   an d  1  M Hz  UASNs   ha ve   un i qu e   c har act erist ic s  su c h  as  ac ousti c  cha nn el   c om m un ic at ion ,  w eak  li nk  c onne ct ion ,  dynam ic   netw ork ,  a nd  m ob il i ty .  Du e  to  this   pro vid in g  sec uri ty   to  UASNs   is  no t  as  easy   as  T W S Ns .  I n  U ASN,   net work   struc ture   op e rates  fir st  unde r   water  a nd  se nds  t he  in form a ti on   to   the   loc al   sta ti on   a nd  then  f orward  t o  the   ba se  sta t ion   [ 1].   U nder water   acoust ic   sens or  netw ork  (UAS N)   deals  with  the  propagati on   of  un derwate r  s ound  an d  interact ion   of   m echan ic al   wa ves  that  ge nerat e  no ise   with  water.  A  UAS N  has  m any  s m al l   sensor  no des  w hich  are  placed  unde rw at er   th at   relat ively   coope rate  in  ga therin g  i nform at ion   ab ou t  the  en vir onm e nt  an d  sat isfyi ng  th e   chall eng i ng  re qu i rem ents.  Aco us ti c  W ir el ess  Sensor  N et w ork  co ns is ts  of   sensors  an d  ve hicle s  wh ic h  f or m   an  auto no m ou s   ne twork  f or   c ol la borati ve  m on it or i ng  ta sk s .   The  a ppli cat ion s   of  U AS N   are  Mo nito rin g  heav y  instru m ents,  con t ro ll in g  wea ther  poll utio n,  Cl i m at e  Re p or ti ng,  natural   disturbance s   causes,  pre dicti on,   Ma rine  Lif e  St ud y,  O cea n su r veill ance a nd di saste r  preve nti on [2].   Evaluation Warning : The document was created with Spire.PDF for Python.
                           IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19  :   3 7 5 9   -   3 7 7 1   3760   W i reless  sen s or   netw orks  a re  sens or   node s  wh ic h  are  sp at ia ll y  distri bu te d  over  a  netw ork  that  colla borate  with  eac h  oth e r  t o  c ollec t  inf orm at ion   f ro m   one  node   to  a nothe r  node.  W SN s   ha ve  a   qual it y  to  sense  ph ysi cal   conditi on,  e. g.   weathe r  te m per at ur e,  pr e ssu re ,  a nd   sound.  WSNs  c o - operati vely   colle ct   detect ed  inf or m at ion   to  the  local   sta ti on   an d  pass  to  t he  central  sta ti on .  WSNs  arc hitec ture  in vo l ves  the  OSI   m od el   wh ic h  i nclu des  t he  a ppli cat ion   la ye r,  t ran s port  la ye r ,  net wor k  la ye r ,  data  li nk  la ye r,   a nd  ph ysi cal   la ye r.   WSNs  ar e  wi dely   us e d  in  t he  m any  areas  su c h  as  ci vili an,   i ndus try ,  a nd  arm y,  and   so m e  of   the  WSN s   app li cat io ns   are  Fire  Detec ti on ,  I ndus t rial   Pr ocess  M onit or i ng,  Mo ni toring  Tra ff ic   and   Hea lt h  care   m on it or ing, etc  [3].   Cl oud  the or y  m od el   is  a  cl oud  te ch no l og y   firm   sp eci al iz ing   base d  on  cl oud  c om pu ti ng  co nce pts.   Cl oud  theo ry  con ce pt  r un   on  the  internet  as  a  base  platfo rm   to  pr ovi de  ser vice  to  a  us er  from   s erv e rs.   Cl oud  m od el   m ai ntains  central   rem ote  sta tio ns  to  sa ve  data  and  ap plica ti on   a nd  m anage  the  data  to   th e  us er .   Cl oud  m od el   pr ovide  se rv ic es   to  a  us er  on  dem and   on  the  inter net  with  th e  secur e  net work   acce ss  f or   a  sh are   of   c onfig urabl e  and   c om puti ng   res ources   su ch  a s  ser ver s ,  net wor ks,  da ta   sto ra ge ,  ap plica ti ons,  an d  app li cat io n  se r vices. Clo ud M od el   pro vid e  lo wer o per at in g cost a nd m ai nt ai n  ace c os t t o  pro vid er s [4].   Terr est rial   W i r el ess  S ens or   N et work s [T WSNs]   are  sp eci al ly   design e d  to  pro vid e  ser vic es  based   on   la nd .  T WSNs  inclu de  ' ai r'  h as  the  pr im ary  co m m un ic at ion   channel  to  suppl y  con nected  i nfor m at ion   fro m   on e   node   to  a nothe r.     T W S Ns  m a inly   con sist   of  send in g  an d  r ecei vin g  dev ic es  to  send   an d  receive  inf orm at ion   and   ca rr ie s  da ta   or   voic e  in form ation   via   el ect ro m agn et ic   rad io  wa ve s.  The   ty pica l  tradit ion al   s ecur it y  m echan ism s  hav e  bee n  s uggested  to  pro vid e  sec ur it y  to  Terre stria l  W i reless  Se nsor  Netw ork  s uch   a s   Crypto gr a phy,  Au t hen ti cat io n, Co nf i den ti al it y, an d Av ai la bi li ty .   A  Tr us t  Ma na gem ent  Syst e m   (TMS)  has  been   rece ntly   su ggest e d  to  pro vid e  e ne rg y  eff ic ie nt  a nd  handle  at ta cks  in  m any  la ye rs   and   im pr ov e d  node  co op e rat ion   in  s uccessful  pack et   deli ve ry,  local iz at ion   of   node.   I n  the  T r us t  Ma na gem e nt  Schem e  for  sens or   netw ork s  secu rity   (TMS),   t he  f orward ing   node  is  c hoose s  base d  on  t he  be h avi or   of  ne ig hbor  no des,   a nd  the  direct  tr ust   com pu ta ti on  is  perf or m ed.     The  TM S  m ain ta ins  a  databa se  at   each  node   le ve l  to  preser ve   the  tr us t .   T he   routin g  m echan ism   can  perform   back   a nd  fort h  pro pag at io n  be cause  of  wh ic h  there  is  m assive  a m ou nt  of  energy  loss  and   al so   si nce  the  node  delive rs  the   pack et  t he dire ct  tru st  will  also  get inc rem ented  w hich  is in correct .   The  TM S a ppr oach ha s the  fo ll ow in g disad va ntages ,   a.   The  tr us t  c ompu ta ti on  dep e nds  on   t he  E xpect ed  Tra ns m i ssion   C ount  (E TC)  w hich  is  t he  di rect  tru st  f or   the no des.   b.   Ther e  is a l ot of e nergy wa sta ge du e  to bac k and f or t h pro pa gation i nv olve d  in  the  r ou ti ng  path.   c.   The  t ru st   m echan ism   do es  not  ta ke  i nto  co ns i der at io n  t he  bit  er ror  rate  on  the  physi cal   m e diu m   wh ic h  is  a   sign ific a nt im pact in the  un de rw at e r  envir on m ent.   d.   The  TMS  al go rithm   trust  m e asur e  is  not  go od   beca us e  ab norm al   pack et   forw a r ding  is  cause d  by  not  only   m al ic iou s  at ta cks  bu t  al s o  un r el ia ble  acou sti c  cha nn el   a nd  un ce rtai n  unde rw at er   en vir onm ent,  e.g.,  oce an  currents .   Nodes  i n  the   w irel ess  sen s or  netw ork  a re  pron e   to  fail ur e   du e   to  e nergy  dep le ti on,  ha rdwar e  fail ure,   and   c omm un ic at ion   li nk   e rrors,  et c.  "Fault  node  recove ry  al gorithm "  dete ct s  a  fau lt   node   wh e n  s om e  s ens or   nodes  s hutd own  due  to  lo w  ba tt ery  ener gy.  The  ge netic   al gorithm   is  us ed  to   rec over  th e  dep le te d  node   in  the   netw ork.  The   node   de pleti on  m ay   be  due  to   no  avail able  po wer,  or  it   m ay   reach   the  t hr es ho l d  le vel.   T he   m a in  aim   to  identif y  the  dea d  nodes  a nd  the n  f ind   few  no des   to  be   re place d  am on g  t hem   so   t hat  the  c os t  of   m ai ntenan ce  i s  reduce d  an d  ov e rall   netw ork  li feti m e  is  per i od ic al ly   increased .  D ur i ng  TMC   trust  m od el   evo l ution,  t he  fo ll owin g  t wo  con ce r ns   hav e   been  ta ke n  i nto   c onsiderati on  to   pr ov i de  a  bette r  QoS  to   netw ork  in term s o f  t he netw ork  li feti m e and   resid ua l ener gy    a.   The  n et w ork  li fetim e  has  ta ken   into  acc ount   to  i m pr ove  the  ove rall   li fetim e  of   the  syst e m   by  prov i di ng   eff ic ie nt  ene r gy   power   to  t he   netw ork  no de s  so   that  they   can  pa rtic ipate   in  the  r ou ti ng   and   it   dec reas es   the d ea d n od e s  in  the  n et wor k.   b.   The  re sid ual  energy  of   the  ne twork  will   be   m ai ntained  w el l  in  the  TMC   m od el   by  pro ving  s uffici ent   energy  to  node s  wh ic h  are   suffe rin g  f ro m   insu f fici ent  ene r gy  powe r  to  pa rtic ipate   in  the   routin g  an d  da ta   com m un ic at ion .   We  propose   a   TMC   ge netic   node  rec ov e r y  m od el   to  im pro ve  TMC   m od el   i n  te rm s  of   netw ork   li fetim e,  the  residu al   e nergy  of   netw ork,   QoS  an d  al so   reduces  dead   nodes  as  wel l.   The  co ntri bu t ion s  a s   fo ll ows.  T he  pro po se d  m od el   first  identif ie s  the  fau lt y  wh ic h  a re  be l ow   the  de fi ned   th res ho l d  le vel.   In   the n et w ork  after  so m e  it er at ion   an d  data com m un ic at ion   betwee n  s our ce  and   de sti nation  ap ply   the  ge netic   process - sel ect ion,  cr os s over ,   m utatio n  to  t he  nodes.  The n  it   rec ov e rs  t he  fa ulty   node s  with  t he  re quire d  energy  w hose  values  a re  on e  from   the  gen et ic   process.  He nce  the  rec ove red   nodes  ca n  be  use d  for  r er ou ti ng   in  the  netw ork  an d  al s o  ca n  pa rtic ipate   in  the  data  pac ket  tran sm issio n  from   so urc e  to  desti natio n  th us   i m pr ove  netw ork  r esi du al  e ne rg y a nd  netw ork  li feti m e.     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Tru st  m od el   ge netic  nod e  rec overy  based  on  cloud t heory f or   un derw ate  …  ( Buddes ab )   3761   The  rem ai nd er   of  this  pap e r   is  org a nized  as  f ollow s:  In  Se ct ion  2 ,  w e  rev ie w  the   r el at ed  w ork .   In   Sect ion   3 ,   the  syst em   mo del  a nd  desi gn   a re  pr ese nt ed.   Sect i on   4   pro vid es  a  det ai le d  desc ription   of   the  propos e d  TMC - G A  tr us t   m od el .  Sect io n  5   t he  pro pos ed  al gorithm s.    Sect io n  6   pr esents  t he  sim ulati on  resu lt s a nd r e la te d  pe rfo rm ance an al ysi s.  Fi na ll y, con cl us io ns  a re  dr a w n  i n Sect ion 7 .       2.   RELATE D  W ORK   Gan e riwal  et .al .   [ 5]  ha ve  anal yz ed  Re puta ti on - base d  F ram e work  f or   im plem enting  s om e  trustwo rthy   sens or   nodes  a t  ru ntim e  based   on  the  nei ghbor  no de  be ha vior.  Ya o  et   al .   [6 ]   ha ve  in ve sti gated  the  s ens or   netw ork  secu ri ty   with  trust  m anag em ent  m et ho ds.  "PL US :  Param et erized  and   L ocal iz ed  trUst  m anag em en t   Schem e"  fo r   protect ion  of  sens or   netw or k  to  pro vid e   us er   tru ste d  e nv i ronm ent  ha s  bee n  propos ed  to  gu a ra ntee  the  netw ork  sec ur i ty   issues  eff ic ie ntly .  Feng   e t  al .   [7 ]   ha ve  integrate d  the  appr oach   of   node s  beh a vior  strat e gies  an d  m od if ie d  evide nce  theo ry.  Va rio us  trust  factor s  a nd   c oeffici ent  are  co ns ide red  to  get  trust  val ues  of  direct  an d  i ndirect   trust.  NB BTE  us e d  F uz zy   log ic   m et ho ds   are   us e d  to   fetch  the  node   trust  le vels and  D - S  evide nce t heor y base d on the  le vels of tr us t worthi ness   Re n  et   al .   [8 ]   ha ve  handled   the  in form at i on  relat ed   to  t ru st  with  a   se cur e  an d  e ff ic i ent  way  for  Un at te nde d  W i reless  Senso r  Netw ork  ( U W SN s )  an d  p r ov i de  a  tru st  data  stora ge  with  sc al able,  m or e  eff ic ie nt   and   tr u st  ge nerat ion .  Bo ukerc he  et   al .   [9 ]   hav e  intr oduce d  a  trust  and   re puta ti on   m anag e m ent  schem e s  with   the  m ob il e  agen ts  run ning  on   each  node.   A gen t - base d  Tr ust   and   Re puta ti on   Ma na gem e nt  schem e  ( ATRM)   syst e m   cal cula te s  trust  an d  re pu ta ti on  us i ng   the  m ob il e  agen t.  Shai kh  et   al .  [10]  hav e  e va luate d  the  gro up   of  sens or   nodes  trust  that  pro vi des  m et ho ds   to  identify   the  at ta cker ' s  m ali ci ou s  se nsor  node s  al ong  wit h  sm all  pr e ve ntion m e chan ism  d eg re e.     Ha n et  al.   [ 11 ]   hav e  prop os e d Att ack - Re sist a nt Trust m od el  b ase d  on M ulti di m ension al  tr us t M et rics   (A RTM M)  th a t  ensures  a  m o re  eff ic ie nt  an d  reli able  U ASNs  net work.  D om ing o  et   al .  [ 12 ]   ha ve  intr oduce d  Ra y - theo ry - ba sed  m ulti path  Ra yl ei gh   unde rw at er  m od el   for  ef fici ent  da ta   com m un icati on   in  U nde rw at e r   W i reless  C omm un ic at ion   Ne tworks  ( U W C N) .   S ound  pr opagati on  cal c ul at ion ,  tra ns m i ssion   l os ses  be tween   transceive rs  a nd  in vestigat e d  bit  erro r  rate  ef fects  has  bee n  c onside red  to  i m ple m ent  effe ct ive   com m un ic at ion .  Lim   et   a l.   [1 3]  hav e  intr od uced   a  syst em at ic   m et ho d  f or  sens or   net work   cal le d  "Pr ovenan ce   base d  Tr us tw ort hin es s  Asse ss m ent"  adopted   wh ic h  ge ner at es  a)  data  it em   trust  sco re  val ues  b)  eval uation  of  netw ork n od e  tru st s co re  valu e.     Jia ng   et   al .   [14 ]   hav e  desc ri be d  pro vid i ng   tr us t  in  the  W S Ns  an d  Ef fici ent  Distrib uted  Trust   Mod el   (EDTM )  eval ua te s  the  trustwort hin ess  of   se ns or  nodes  m or e  preci sel y.  Su bject ive  lo gic   prob a bili ty   den sit y   functi on  c on si der e d  ass essin g  direct  c omm un ic at ion   tr us t,  data  pa ck et   trust,  li n k  com m un ic at ion   tr us t,   netw ork  or  no de  e nergy  tr ust .  Jia ng  et   al .   [ 15 ]   hav e   prov i ded  the   saf et y  of   U nd e r water  M ob il e  Senso r   Netw ork.   This   researc h  i nclud e s  the  neig hbor  nodes  m on it or   l os s  a nd   error  of  data  pack et s ,  se ns or  no de   energy  c onsu m ption,  T r us t  le v el   are   c on si de red  to  e val uate  the  tr us t  e vid e nce  a nd  direct  trust,  i ndirect   Trust ,  histor ic al   tr us t,   reco m m end at ion  tru st,  data  t ru st  al s o  been  stud ie d  f or  tr ust   cal culat ion .  Ju el on g  et   al .   [16]  hav e   intr oduce d  L ARP  us e d  to  m ini m iz e  the  netw ork   dela y  in  te rm s  of   t ran sm issi on ,  e ns uri ng  le ss   e nerg y   consum ption   in  the  netw ork   and   pro vid e  bette r  netw ork   com m un ic ati on   qu al it y.  Chen  et   al .   [17 ]   hav e   pro po se d  to  i de ntify  at ta cked  m al iciou s  se nsor  nodes  i n  va rio us   eve nts.  It  detect s  m a li cio us   sens or  no de s  and  no ti f ie s t he net work al on g wit h diff e re nt ev e nt tr us t rati ng.   Qu  et   al .   [ 18]   hav e   intr oduce d  the   im pr ov e m ent  of   t ru st  m echan ism s  with  the  def e nding  m et ho ds.    " W at ch dog  a nd  Tr us t  m echan ism "  has  bee n  pr opos e d  to  analy ze  the  sec ur it y  of  net wor k  f ro m   the  insi de  a nd   "Def e ndin g  m et hods "  us ed  to  analy ze  tr ust   m echan ism   and   watc hdog  in  te rm s  of  netw ork  li fet i m e.     Han   et   al .   [ 19]   hav e  i ntrod uc ed  to  e nsure   locat ion   sec uri ty   of   the  netw ork.   This  rese arch   pro vid es   node   locat ion   i n  te r m s  of   good  ac cur acy   a nd  bet te r  reli abili ty   fr om   the  def i ne d  tr us t  m od el   wh ic h  m ini m i ze  the   unknow n  node s  local iz at ion   error   a nd   e nh ances  lo cal iz at ion   acc ur acy .  Kim   e t  al .   [2 0]   hav e  pro pos ed  to   analy ze  prop e r   trust  m od el s  with  the  ri gh t  com m un ic at ing   an  a ppro a ch  to  get  the  reli able  path  f r om   so ur ce  node  to  destin at ion   no de.   T he   fo ll owin g  m et hods   are  c on sidere d  to  im ple m ent  trust;  t hey  are  the  de gr ee  of  each  node  is   cal culat ed  to   decide  w hethe r  to  c omm un ic at e  or  not  a nd  tr us t  le vel  of  the   sens or  node   is   est i m at ed  to com m un ic at e   within t he  tra ns m i ss ion ra nge.   Ba ti sh   et   al .   [21]  hav e  pro pos ed  "Ef fici ent  Weig hted  T ru s t  Evaluati on  S yst e m   fo r  W ir el ess  Sensor   Netw orks  ( WT ES - WSN)”  t o  sign ific a ntly   increase  the  net work  ef fici enc y  and   m ini m ize  the  tr us t  e val uation  cost.  Sa rko dee   et   al .   [2 2]  ha ve  desc ribe d  th at   reputat ion   an d  tr us t  ar e  div ide d  int o  var io us   cl ass es  or  cat egories.    Re fer e ncin g  m et ho d  is  us e d  i n  pro vid i ng   resea r cher s   with   a  to ol  that  m akes  it   easi er  to  ref e r ence  the  featu res  on  reputat ion   a nd  tr us t  in  a  m uch   ea sie r  wa y  than  if  re fere ncin g  ha s  to  be  di rected  to  severa l   un c oor di nate d resou rces.   Evaluation Warning : The document was created with Spire.PDF for Python.
                           IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19  :   3 7 5 9   -   3 7 7 1   3762   So la nki  et   al .   [ 23 ]   ha ve  rev ie wed  the   existi ng  data  sec ur it y  arch it ect ure  a nd  key  m anag e m ent  syst e m   in W SN.  T he  pro posed   sec ur it y  te chn i qu e   off ers  a   f ru it f ul  s ol ution  to  sec ur e  data  tra ns m issi on  am on g  t he   low   batte ry li fe a nd ti ny d e vices,  use d  i n WS N due t o  it s lo w  ti m e an d  s pace c om plexiti es.         3.   SY STE M MO DEL A N D DESIGN   3.1 .    S ys te m m od el   UASNs  C onsist s  of   a  m ulti - hop  ho m og e ne ou s  netw ork  t hat  is  init ia ll y  al l  the  underwate r  se ns or  nodes  ha ve  an  equ al   am ount  of   i niti al   ener gy   le vel,  the  sa m e  capab il it y  of   c omm un ic ation ,  c om pu ta ti on,  a nd   stora ge.   I n  the   U ASN,  t her e  are  n  ti ny  se nsor   no des,   de note d  by  ∈    S ,  where =   { } = 1         .    Each   se ns or   node  si  is  ra ndom l y  dep loye d  at   the  po sit io n  with  the  com m un ic at ion   range  r.   T he  tw o  neig hbor  node s  can   directl y  com m un ic at e w it h  ea ch  oth e r  on ly  w he n  t he  distance d  ( , )  betwe en  tw o  neig hb or  no des  si   and  s j  sat isfie s d( , )  ≤ r .   In   t he  U ASNs   netw ork  c on s iderin g  3  ki nds  of   node ,  the y  are  trust or ,   trustee  a nd   rec omm end e d.   Wh e n  a  sens or   node  A  wa nts   to  get  the  trust   of   an oth e r  sensor  no de  B,  the  eval uated  node  B  is  nam e d  as  a   trustee  no de.   Ba sed  on  com m un ic at ion   be hav i or s  betwe en  nei ghbor  node s,  a  trust or  can  judge  w he ther  a  trustee  is  tr us t worthy  or   not.   If   t her e  a re  direct  com m un ic at ion s  betwee n  trust or   a nd  tr us te e,  direct  tr us t  is  cal culat ed.   I ndirect   trust  is  com pu te d  based   on   oth e r  sens or  nodes  rec om m end at ions.  T he  sens or   node   wh ic h  is pro vid in g re com m end at io ns i s n am ed   as a  r ec omm end er .     3.2 .    S ys te m d esi gn     Durin g  Softwa re  dev el op m ent,  Syst em   Design  is  c onside r ed  a   crit ic al   a nd  esse ntial   phase  of  the   dev el op m ent  phase.  The  desi gn   pa rt  of  the  grow t h  will   ha ve  m or e  lo gical   data  an d  the oret ic al   ideas  to   fu l fill   the  requir em ents  of   f unct ion a l  and   no n - func ti on al   re qu ire m ents  of   de vel op m ent.  Sm all   syst e m s  are  e asy   t o  desig n  wit h  m i nim u m   req uire m ents  wh e reas   la rg e  syst em   r equ i red   t o  inte gr at e  with  sub syst e m s  serv ic es  to  sat isfy req uire m ents. S yst em   arch it ect ure  will  b e the  out put  of syste m  d esi gn in so ftwa re  dev el op m ent.       4.   TMC - G A  T R US T  MO DEL     4 .1 .      O bj ec tiv es   In   t he  TMC   m et hod,   t he  f or wardin g  node  befor e   bei ng  s el ect ed  unde r goes  a  l ot  of  te s t/ par am et ers   m easur e  w hich   is  resp onsible  for  picki ng   the   fo r wa rd i ng   node.   It  ta kes  int o  co ns ide rati on  both  di rect  trusts  as   well   as  in direc t  trust  in  t he  tr us t  com pu ta ti on.  D ur in g  t he  t ru st  c om pu ta ti on  pac ket  los s,   energy  c on s um pt ion   and   t he  pack et   error   rate  is  ta ken   w hich  im pr oves  the   accu racy.  Th e  r ou ti ng   proces s  in  t he  pr opos e d  m et hod  m ai ntains  a  fie ld  known  as  ‘ Node  in  Ro ute'  wh ic h  s upport s  the  inform at i on   of   al l  the  traver se d  no des  duri ng   the ro uting p rocess.     4.2.     T MC - ge netic n od e  rec ov er y me thod ology   The  str uctu re  of   TMC - Ge net ic   No de  recov ery  is  show n  i n  Fig ure  1   T MC - GA  tru st  com pu ta ti on  m et ho dolo gy c on sist s  of th ree  p a rts.   1   Trust  ev i den ce  g e ner at io n.   2   Direct t r us t cal culat ion .   3   Re com m end at ion an d  i nd i rect t ru st cal c ulati on.   4   Gen et ic   Node r ecov e ry  Algori thm .     4.3.     Tr us t  e vi dence  gener ati on   In   c urren t  tru s t  m od el s,  packet   loss  is  widel y  us ed  as  an  im po rtant  trust  m et ric.  Ho we ve r,   getti ng   sta ti sti cs  li ke  the  nu m ber   of  rep li ed  AC K  pac kets  as  trust  evide nc e  is  no t  reli able  in  an  unde rw at e r   env i ronm ent.  A  no vel  trust  m od el   nam ed  TMC ,  in  w hic h  pac ket  loss  i s  analy zed  la ye r  by  la ye r  to  avo i d  th e   influ e nce  from  an   unreli able a coust ic  ch a nn e l and dy nam ic   netw ork  st ru ct ur e .      4.3.1 .   Pac ket  l os s  ba se d  trus t  e vidence   The  pac ket  loss  is  ob ser ve d  and   eval uated  betwee n  OSI  la ye rs  fr om   the  ph ysi cal   la ye r  to  the   trans port  la ye r.    The  aco us ti c   channel  is   ch aracte rized  by  high  bit  er ror  and   te m po ra ry  loss  of  co nne ct ivit y.   High  bit error   easi ly  causes  s erio us   data p ac ket loss , whic h ca n be calc ulate d  as  fo ll ows.   First, the  p at h  l os s  of  the aco us ti c si gn al  is  obtai ne d  as:     ( , ) = ( )   (1)   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Tru st  m od el   ge netic  nod e  rec overy  based  on  cloud t heory f or   un derw ate  …  ( Buddes ab )   3763   wh e re    is  the   transm issi on   di sta nce,    is  t he   freq ue ncy  of   the  ac ousti c  sign al ,   ( )   is  the   abs orptio n  coeffic ie nt  a nd  0   is  a   norm al izati on   c onsta nt,     is  t he  e nergy  pro pag at io n  c oe ff ic ie nt  a nd  in   ge ner al ,   f or  t he   sp he rical  s pr ea ding,  =   2 .       Ba sed  on  the  pa th  loss   ( , )   and   t he   powe r  s pectr al   den sit y  ( ) ,   the  sign al - to - noise   rati o  (SNR)   of the ac ousti c  channel ca n be  calc ulate d by       ( , ) =     / ( , ) ( ) △   (2)     The  total   pow er  sp ect ral  de ns it y  dep e nds   on   the  fou r   kinds  of  nois es.  i.e  ocea n  backg rou nd  no ise (tu rbulen ce),  s hippin g,  wav e s a nd therm al  n oise [1 2].   1.   Ocea n back gro und n oise ( t urb ulence  noise )     10 l og N t   (f) = 17 - 30 l og f                                                            2.   Sh i pp i ng noi se                                   10 l og N s ( f) = 40 + 20(s - 0.5 )  + 26 lo g  f - 60 log(f + 0.0 3)   3.   Wa ves                                                   10lo g N w( f) =5 0+ 7.5w 1/ 2 +20 lo g  f  40lo g(f+0.4 )   4.   The rm al  n oise                                    10 lo g N th (f )=   - 15 + 20 l og f                                                                                                               Wh ere  N t h(f)  =  ther m al  n oise   Bi nar y  Ph a se  Sh ift  Keyi ng   ( BPSK )  m od ul at ion   is  use d  t o  tra ns m it   the  data  as  the  physi cal   la ye r   m edium . H enc e the  packet  lo ss can be  co m pu te d usi ng,       P   loss − ph y = ( 1 − 1 2   er   fc √ SN R ) b   (3)     w he re  P  loss - phy   =   path  l os s  for ph ysi cal  lay er ,   b   =  num ber  of  bits patt er n           Figure  1.  TMC   - G A  t ru st  com pu ta ti on m et hodo l og y       4.3.2 .    M A C  l ay er  p acke t  lo ss   The  M AC Lay er  pack et  l os s c an  be ob ta in ed   as b el ow  (4 )      −  =     (4)     w he re  N  ack = Nu m ber   of A C K packets ,  N   s end = N um ber  of  pack et s  sen d   P loss - m ac =L oss o f  M AC p ac kets     Evaluation Warning : The document was created with Spire.PDF for Python.
                           IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19  :   3 7 5 9   -   3 7 7 1   3764   4.3.3.   Tr ansp ort la yer pack et lo s s   The  Tra nsport  la ye r  pack et   lo ss  is  treat ed  as  zero   be cause before  the  node  sen ds   a  pack et  to  the  node  it  d ynam ic ally  determ ines n ei ghbors  each  ti m e.     P loss - tra n=0   (5)     4.3.4 .   Ne twor k la yer   In   the  netw ork   histor ic al   trac e  is  ob ta ined  wh ic h  is  respo ns ible  f or   fin din g  or   pr e dicti ng  the  pac ket  loss  with  t he  com pr om ise d  no de s  us i ng   a  li near   m od el   ov er  a  pe rio d  f or  a  tim e   series  data  us in g  F A RIM A   m et ho d   [ 24 ].   T he  e qu at io n gi ves  t he  total   pa cket loss     P  l o s s = P  l o s s - m a c - -     P  l o s s - p r e -   P  l o s s - p h y   (6)     4.4.  Tr us t  e vidence – pa c ket   error   The  Tr us t  Evi den ce  dep e nds   upon   the  er ror  rat e  of   the  pa cket.  The  pa c ket  error   rate  is  com pu te d  by   check i ng the  dat a it e m  an d num ber  o f bit s  w hich we re lo st  ov e r  a  p e rio d [ 13 ] .        = 1 − 2   ( 0 . 5 −   ∫ ( ) )     (7)     Wh e re  v  d  is  the  com pu te d  da ta   it e m   nu m e rical .    x   is  th e     sense d  da ta   it e m s  m ean  value .  f  ( x)   is  t he  dat a   it e m s p robab il i ty  d ensity  fun c ti on .     ( ) =   1 √ 2 − ( − ) 2 2 2   (8)     4.5.  Tr us t  e vidence – e nerg y  cons u mpti on   The  e nergy c onsu m ption s  is   giv e n by the  f ol lowing  (9),      = 1 −  °   (9)     w he re  E  res= res idu al  e nergy  of nod e ,  E o  =i niti al  en er gy   The param et er to ta l ener gy c onsu m ption i s gi ven  a s foll ows     TE c = ∑ = 1   (10)     w he re   l = nu m ber   of  li nks ,  Ei  =Energy c onsum ed  by the   i th  li nk   The  e ne rg y  c onsu m ed  by  the   th i li nk  gi ven  by,   w her e   E nergy   re qu i red  f or  da ta   transm issi on   is   m or e   than  t he  e nerg y neede d f or   da ta  g ene rati on.     E c =2E tx  + E amp    d  γ   (11)     w he re   E tx = ene rg y  require d for  data tran sm is sion ,  E amp =ene rg y  require d for  data g e nerat ion   d =dist a n ce  between t w o  inte r m ediat e n ode ,   γ =en vir on m ent f act or   0.1≤γ≤ 1       4.6.  Tr us t  rec ommen datio n  comput at i on     The  tr us t  rec om m end at ion s  are  com pu te d  base d  on  the  f ollow i ng   m easur e .  I f  m   they   rep rese nt  the   nu m ber   of n ei ghbo rs,  t hen the  r es ul ti ng  t ru st s ar e cal c ulate d   [14].     E x = 1 ∏  = 1     En=min { 1     ∑  , 1 } = 1     Ee=m i n( 1     ∑  , 1 ) = 1   (12)     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Tru st  m od el   ge netic  nod e  rec overy  based  on  cloud t heory f or   un derw ate  …  ( Buddes ab )   3765   4.7.  Direc t  tr ust  c omput at i on   The val ue  of  di rect com m un ic at ion  tr us t i s c o m pu te d  us i ng  belo w  e qu at i ons [2 5 ] .       =  ¯       xi ⁻ = 1 ∑  = 1     E ni = √   2 1     |  −  |     E ei =root (S 2 - E n i  2  }   (13)     Wh e re   n   =  nu m ber  o f  at tri bute ,    x i   = at tri bu t e v al ue   The  a bove  v al ues  a re c om pu te d base d on pa cket loss , pack et  error, a nd ene rg y c onsu m ed.       5.   ALGO RITH MS     5.1 .   TM S   a lg orithm   Algorithm  1 :  T MS  Ro utin g A lgorit hm   Step  1   :   TMS t akes  in pu ts  as So ur ce   Node, Desti nation N od e , a nd  Transm issi on  Rang e .    Step  2   : First, the  S ource  Node wil l be  respo ns ible  for  c ollec ti ng   ne ighbor  node  li st wh ic h   is  within   com m un ic at ion   range  pro vid ed.   Step  3   : Stop t he p ro c ess if t he  S ourc e nod e -   neig hb or no de  li st co ntains t he desti nation n ode.   Step  4   :  If  t he neig hbor  node  li st d oes  not inclu de  th e d est inati on  node  the n  cal c ulate  the    Direct t r us t  of   each  of the  nei ghbor  no des ba sed o n  E tx   valu e.   TE tx=   ∑  / − 0   E tx .=N ACK/   N gen   Step  5   :   Pick  a  node   wh ic h  has  t he   highest  trust   value  a nd   re peats  the  pr oc ess  unti l  the  destinat ion   is  reache d.     5.2.  TM C - r outing  a l gori thm     Algorithm  2 : T MC  Rou ti ng  A lgorit hm   Step  1   :   TMC  takes i nput a s S ource  Node, Desti na ti on   N od e , a nd  C omm un ic at io n.   Tra ns m issi on  Ra ng e .    Step  2   :  First, the  S ource  Node wil l be  respo ns ible  for  c ollec ti ng   ne ighbor  node  li st wh ic h  is  wit hin  i n   com m un ic at ion   range  pro vide d.   Step  3   :  Stop the  proc ess if t he  S ourc e nod e - neig hbor no de  li st co ntains t he desti na ti on no de.     Step  4   :  If  t he neig hbor  node  li st d oes  not inclu de  th e d est inati on  node  the n fin d n ei ghbour.  N odes u si ng the   NI R l ist .    Step  5     :   For t he new   neig hbors  gen e rate t rust evi de nce.    Step  6     :   For t he new   neig hbors c ompu te   direct t ru s t.    Step  7   :   For the  n e w n ei ghbors  c om pu te   tr us t rec omm end at ions  us ing i ndirect  tr ust   m easur e.    Step  8   :   Pick  up a  node  which  has  th e h ig hest tr us t  m easur e.   Step  9   :   Re peat pro ce ss unti l t he des ti nation  is  reac hed.     5.3 .    TM C - ge netic n od e  rec ov er y alg orit h m   Nodes  i n  the   w irel ess  sens or  netw ork  a re  pron e   to  fail ur e   du e   to  e nergy  dep le ti on,  ha rdwar e  fail ure,   and   c omm un ic at ion   li nk   e rrors,  et c.  "Fault  node  recove ry  al gorithm "  dete ct s  a  fau lt   node   wh e n  s om e  s ens or   nodes  s hutd own  due  to  lo w  ba tt ery  ener gy.  The  ge netic   al gorithm   is  us ed  to  rec over  th e  dep le te d  node   in   the   netw ork. The  nod e  d e pleti on  m ay  b e due t o no avail able  po wer o r  it  m ay  r each the  th res hold le vel.    Algorithm  3 :  T MC  G eneti c  N od e  Reco ver y  Algorithm   Step  1   :   Sour ce  No de, Desti natio n N od e , a nd Tr a nsm issi on  Ran ge  acts as a n  in pu t.    Step  2   :   The So ur ce  Nod e  w il l fi nd  th e set o f nodes   within t ran sm issi on r a nge  known  as   ne ig hbor no des.   Step  3   :   If  t he neig hbor  nodes ha ve  th e d est inati on  node  the n  st op the  process .   Step  4   : If  t he neig hbor  nodes d o no t  hav e  the  destin at ion   node  t he n  c om pu te  the  neig hbor  Node s u si ng the   NI R l ist .   Step  5   : Fo r  the  n e w n ei ghbors ge nerat e tru st e vid e nc e   Step  6   : Gen et ic   proce ss is trig ge red f or eve ry T ite r at ion s t o  rec ov er th e  f a ulty  no des   Step  7   : Find t he  c ount  o f  num ber  of  fau lt y n odes in  the  netw ork. F aulty  n odes  are  set o f   Nodes   wh ic h do not   hav e  s uffici ent am ou nt of e ne r gy  require d for tra ns m issi on .   Step  8       :  If   no  fau lt y  nodes  in  t he ne twork , th e  g e ne ti c algo rithm  stop s .    Evaluation Warning : The document was created with Spire.PDF for Python.
                           IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19  :   3 7 5 9   -   3 7 7 1   3766   Step  9       :  If  a  f a ulty  nod e  ex ist s t hen g e ner at e a  set  known  as c hro m os o m es   are generate d wh ic h de pends  on   the num ber   of   fau lt y n odes.  T he  c hrom os ome  size i s equa l t o  the  num ber   of f a ulty  nod e s.    Step  10   : C on si der a se t of f our  c hrom os om es {CZ1, CZ2,CZ 3, CZ 4} .   Step  11   : Su ppos e  the s et  o f  no des  { 5,9,15,2 0,2 3,35, 40,45,5 5,60 } . T he  siz e  of   fa ul ty  n od e s is Te n  the n  t her e   are  f our  ch r omoso m es  wh ic h  are  ra ndom ly   g ener at e d  with  t he  val ues   of   ze ro   a nd   ones  as  giv e n  by   the foll owin g v al ues.   CZ1={0 ,0,1,0 , 1,1,0, 1,1,0}   CZ2={1 ,1,0,0 , 0,1,0, 1,0,1}   CZ3={0 ,0,1,0 , 1,1,0, 1,0,1}   CZ4={1 ,1,0,0 , 0,1,0, 1,1,0}   Step  12   :   Sele ct  b est  tw o  c hrom os om e s.   Step  13   :   The n  a pp ly  c r os s ov e r  as  sho wn in Fi gure  2  cro ss over  fu nction  a nd m u ta tio n p r ocess  as  s how n  in   Figure  3  M utati on   f un ct io n.   Step  14   : R eplace  no de s whose  value  i s 1 .   Step  15   :   Gen et ic  al gor it h m  stop s a nd  TMC  r outi ng a lgorit hm  co ntinu e s to  ex ec ut e f or   rest  of it erati on            Figure  2 .  Cr os s ov e r funct io n           Figure  3 .  Muta ti on   functi on       6.   PE RFO R MANC E E V ALU ATIO N   6.1 .    Q oS   pa r am eters  used  t o  e va lu a te  of   t he TM C, TM S, and  TM C - GA a lg orit hm s   Si m ulati on   of  TMC   is  perf or m ed  agai ns t   TMS  a nd  e va luate d  perf orm ance  with   the  fo ll owin g  par am et ers,   1.   En d  to  End t o Dela y (Ro und  Trip Ti m e)   2.   Nu m ber   of Ho ps   3.   Total   En er gy  Con s um ption      4.   Re sidu al  E ne rgy     5.   Rou ti ng  O verh ead   6.   Netw ork  Li feti m e   Si m ulati on  is pe rfor m ing  w it h  m ulti ple so ur c es and   destinat ion   nodes  in th e n et w ork.  T he  n um ber  of   nodes  in  the  s yst e m   set   to  30 ,  init ia l  batte ry  ener gy  set   to  1000 MJ,  a nd   Transm issi o n  ran ge  of   sen sor   nodes  set   to  40 m .  Mult iple  so ur ces  a nd   the  destinat ion   is  def i ned   i n  the  sim ulatio n  there fore  dat a  transm issi on   ta kes  place bet wee n ea ch  s ource a nd  destinat io n.     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Tru st  m od el   ge netic  nod e  rec overy  based  on  cloud t heory f or   un derw ate  …  ( Buddes ab )   3767   6.2 .      Sim ulat i on  s e tup    We  c onduct   a  si m ulati on   in  Ma tl ab  to  e valuate  the  p e rform ance  of  TM C - G A  T he  se nsor   net work  is   set   up   wh e re  the  en vir on m ental   con diti on  ne eds  to  be  m o nitor e d.   T he  de plo ye d  se nsor   gathers  the  da ta ,  a nd   then  this  data  is  sent  to  the  Ser vice  Pr ovid ers.   Th e  CSPs   then  orga nize   the  inform ati on   acc ordin g  to  the   sp eci fic  fiel ds.   The  us e rs  can   appro ac h  the  store d  secu re  data  in  the  cl oud  ov e r  the  int ern et .  T he  ha r d  dis k  40GB  an d  RA M  is  set   to  35  GB.  The  O pe rati ng   Syst em   is  W i ndows  8. 1/XP   is  us ed  with  the  J AVA/J2E E   cod i ng  la ngua ge.   T he  i nteg r at ed  de velo pme nt  en vir onm e nt  is  Net  Be a ns  6.9.1  with  M YSQL  databas e.  Th e   visu al  i nterf ace  is set t o  c omm and li ne pr om pt.       6.3 .      Per fo r m an ce  Analy sis    6.3.1.   E nd to   e nd  t o del ay  (r ou n d t ri p  t im e)   En d  to   E nd  de la y  def ine d  as   tim e  ta ken   by   the  route  re quest   (RREQ )  pack et s   to   trav el   from   the   so urce   to d est i nation node  a nd f or  a   r oute   re ply  (RREPL Y )   to  c om e  back from   the  destin at ion   t o  s ource   no de.  En d  to  en d  del ay   m easur es  one  r ound  trip  ti m e  ta ken   by  source  a nd  d est in at ion   to  trave rs e  the  netw ork  within   the  transm issi on   range  to  deli ver   data  pac ke ts  in  the  wireless  sens or   net work.  He re  En d  to  En d  to  de la y  i s   cal culat ed by a  tim er.     E2E delay = tst ar t -   tst op     En d  to  en d  de la y  si m ula ti on   is  perform e d  again st  thre e  def ine d  al gorithm s.  In   th e  si m ulati on   com par ison   res ults of  TM S,  T MC , an d  TMC - ge netic  nod e  r ecov e ry alg or it hm , TMC, and TMC - Ge netic  n ode   recovery  al gor it h m   has  ta ken  le ss  tim e  co m par e d  to  TMS   becau se  in  T MS  routing   al gorithm   ro utin g  m a y  unde rgo  bac k  a nd   forth pr op a gation  t o  fetch  nex t n ode in the  n et wor k.  TM S r outi ng algor it h m   m a y visi t  m or e   than  one  node   in  the   r ou ti ng  process   w her e as  TMC   an d  T MC - Genet ic   node   rec overy  a lgorit hm   do es  no t  visit   nodes  twic e  i n  the  net wor k.   TMC   al gorithm   m ini m izes  end   to  e nd  delay   to  guara ntee  the  qu al it y  com m un ic at ion   cha nnel   fro m   so ur ce  t o  de sti na ti on   a nd   m or e  ener gy  e ff ic ie nt.   Fi gur e   4   E nd - to - En d  dela y   perform ance  sh ows  that  TMC - Ge netic   node   recovery  al gorithm   is  per form ed  bette r  than  the  TMS  an d  TMC   al gorithm  in  te rm s o f  m illi sec onds .     6.3.2 . Num ber  of h op s   The  nu m ber   of  ho ps   is  def i ne d  as  t he  nu m ber   of  interm ediat e  li nk s  or  nodes  betwee n  the  s ource  node  an d  de sti nation  node  pe r  route.   T he  num ber   of   ho ps  si m ulati on   com par ison   sho wn   in  Fi gure  5.   TMC   and   TMC - Ge ne ti c  no de  recovery  al gorithm   hav e  ta ke n  f ewer   hops   c om par ed  to  TMS  routin g  al gorithm   beca use   in  TM S  routin g  al gor it h m   so m e  ro uting   m ay   un de rgo  back   forth  pro pag at io n  to   fetch  the  ne xt  no de   in  the  netw ork .  The refo re,  T MS  routin g  al gorithm   m a y  visit   an  al read y   visit ed  no de  i n  the  routin g  process  wh e reas  TMC   and   TMC - Ge ne ti c  no de  recovery  al gorith m   do es  no t  visit   nodes  twic e  in   the  netw ork.   Hen c e   in  TMS  routin g  al gorithm   a  route  m a y  hav e  rep eat ed  node s  in  the  netw ork,   a nd   al so   TMS  al gorith m   m ay  cro ss  the  total   nu m ber   of avai la ble nod e s in  the syste m .   TMC   al go rith m   nu m ber   of   hops   fall s  with in  total   nu m be r  avail able  node s  in  the  netw ork,   a nd  this   will   gu a ran te e  that  qu al it y  co m m un ic at ion   c hannel  f ro m   source  t o  destina ti on ,  inc reases  the  num ber   of   al ive  nodes  in  the  ne twork  th us   inc r eases  netw ork  li fetim e,  increa se  resid ual  ene rg y  of  nodes  a nd   the refo r e  en erg y  eff ic ie nt t han the TMS  alg or it hm .           Figure  4.  En d - to - E nd  delay  p e rfor m ance   of T MC ,  TMS, a nd TM C - GA       Figure  5. N umber  of   Hops  Pe rfor m ance   of T MC ,  TMS, a nd TM C - GA     Evaluation Warning : The document was created with Spire.PDF for Python.
                           IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19  :   3 7 5 9   -   3 7 7 1   3768   6.3.3 .   T otal  en ergy co nsum p tion    Energy  c on s um pt ion   is  def i ned  as  s pe nd i ng  e ner gy  by  t he   node   in  te rm s  of  no de  gen e rati on,  data  transm issi on ,  and   route  dis cov e ry.  T he  total   energy  con s um ption   de fines  that  tot al   wasted  ene rg y  f or   deliveri ng   the p acket  s  f ro m   t he  source nod e   to  the  destinat ion   no de  in  the   route    Ov e rall   energy  co ns um pt ion  si m ulati on   co m par ison   is  sh ow n  in  Fig ure  6.   TMC   a nd   TMC - Ge ne ti c  no de  rec ov e ry  al gorith m   hav e  consum ed  le ss  energy  com par ed  to  TMC   and   TM S  r ou t ing   al gorit hm   because   in  T MS  routin g  al gorithm   so m e  ro utin g  m ay   un derg o  ba ck  an d  f or t h  pro pag at io n  to   fetch  ne xt  f orward  no de  in  the  net work.  H ence  i n  TMS  r ou ti ng   a lgorit hm   a  ro ut e  m ay   hav e  r epeate d  node s  in  syst em   wh ereas  TMC   a nd  TMC - Ge netic   no de   recovery  al gor it h m   do es  not  visit   nodes  twi ce  in  the  netw ork.   T he  num ber   of  hops  incr eases  in  the  ne tw or k  wh ic h  le ads  to   the  total   ener gy  consum ption   increase s.  T MS  al go rithm   is  le ss  ener gy  eff ic ie nt  com par ed  t o  TMC   and   TM C - Ge netic   node   recovery  al gorithm .   Figu r e  6  sho ws  the  Pe rfor m ance  energy  consum ed  sh ows   that TM S c ons um ed  higher  th an  the  TMC  al gorithm  an d T MC - Genet ic   node  r ec overy a lgorit hm .     6.3.4 .  Residu al   e nerg y   Re sidu al   ene rgy   of   al l  the  no de s  in  the  network   de fines  that  total   avail able  energy  of   al l  node s  in  the   netw ork  ov e r  a   per i od ic   ti m e.   This  is  the  t otal  rem a ining   e nergy  in  the  ne twork .    S om e  ro utin g  netw ork   will   hav e  Re si du al   Energy  Lim its  (REL)  wh e r e  so m e  ro utin g  netw ork  will   no t  ha ve  a  REL  con ce pt.   TMS  al gorithm   will  not  hav e   RE L  co nce pt  wh e reas  t he  TMC   al gorithm   has  REL.  REL   is  cal culat ed  by  Energy   consum ption   by  n odes .   Re sidu al   ene r gy  si m ulati on   com par iso n  is  sh own  in  Figure  7.   TM C - Ge netic   node  recove ry  al gorithm   has  m or e  resid ual  energy  c om par ed  t o  TMC   a nd  TMS   r outi ng   al gorithm   bec ause  i n  TM S  r ou ti ng  al gorithm   has  back   a nd   forth   pr opa gatio n.   The  num ber   of  hops   increa se s  in  the  netw ork  w hic h  le ads   to  the   t otal  energy  c on s um ption   in creases.  TMS  al gorithm   is  less  ene rg y  e ff ic ie nt  com par ed   to  TMC   an d  TMC - Gen et ic   node  recovery  al gor it h m .   TMC - G eneti c  node   re cov e ry  al gorit hm   reco ve rs  t he  nodes  t o  m ake  th e   netw ork  m or e  energy  ef fici ent,  inc reases  t he  netw ork  li f e  an d  inc rease s  the  nu m ber   of   al ive   no des   in  the   syst e m   to  m a ke  avail able  f or   data  com m un ic at ion   from   so ur ce  to   destinat ion.   Figure  7  s ho ws  the   Perfo rm ance   Re sidu al   E ne r gy  s hows  t hat  TMC - Ge netic   node  rec ov e ry   al gorithm   has   high  resi du al   energy   than  t he  TMS   a nd TMC  ro uting al gorithm .           Figure  6. Per f orm ance en er gy  c ons um ed  of   TMC ,  TMS, a nd TM C - GA       Fig ure  7.  Per f orm ance Resi dual  En er gy   of T MC ,  TMS, a nd TM C - GA       4.3.5 .   R ou tin g  o verhe ad   Rou ti ng  ov e r he ad  is  de fine d  as  the  total   r outi ng   t raffic   se nt  in  bits/ s ec  by  al l  the  avai la ble  sens or   nodes   in  t he  r ou ti ng  netw or k  durin g  sim ulati on .  I n  the   si m ula ti on   c om par iso n  the   de fi ned  TMS,   TM C  an d   TMC - ge netic   node  recove ry  al gorithm   sends  a  set   of  c ontr ol  pac kets  to   fi nd  r ou te s .  Ro ut ing   ov e r head   us e d  to   m easur e  the  e f f ic ie ncy  of  the  route.  Higher  t he  r outi ng   over head   m or e  was ta ge  of  ba ndwi dth .  TMS  al go rithm   us es  m or e b a ndwi dth   i n  te rm s  of r outi ng d is cov e ry  a nd  up dating  in   the c orres pondin g  r ou ti ng   ta bles.   Figure 8   sh ows  the  Per f or m ance  Rou ti ng   Ov e r head   s hows  that  the  TM C  and   TM C - Ge netic   node   recovery  al gorithm   has  le ss  rou ti ng  ov e r head tha n  the  TMS  r ou t ing  al gorithm .         Evaluation Warning : The document was created with Spire.PDF for Python.