@MASTERSTHESIS{ 2025:805108495,
 	title = {Otimização de redes de sensores sem fio: uma abordagem baseada em algoritmo genético para o posicionamento multiobjetivo em áreas urbanas},
 	year = {2025},
 	url = "http://tede2.uefs.br:8080/handle/tede/1976",
 	abstract = "O avanço tecnológico ampliou o uso da computação em diversas áreas, destacando
 as Redes de Sensores Sem Fio no contexto da Internet das Coisas, as quais permitem
 a coleta contínua de dados estruturais e ambientais e respostas rápidas a eventos
 críticos. Entretanto, a disposição eficiente dos sensores é um desafio central, pois um
 arranjo inadequado pode afetar aspectos como cobertura, consumo energético e a
 confiabilidade dos dados. Esse problema de posicionamento é considerado multiobjetivo devido à 
 necessidade de otimizar múltiplos critérios simultaneamente e, em redes
 de grande escala, a complexidade combinatória inviabiliza o uso de abordagens tradicionais 
 na busca por soluções ótimas. Diante disso, esta pesquisa propõe e analisa
 uma nova estratégia de posicionamento para RSSF compostas por sensores escalares
 e visuais, utilizando o Non-dominated Sorting Genetic Algorithm-II (NSGA-II) para
 otimizar os critérios de cobertura, qualidade de sensoriamento e conectividade em
 rede. Entre os experimentos realizados, destacam-se a definição dos hiperparâmetros
 do NSGA-II por meio de Grid Search, a análise do posicionamento em um cenário
 ideal de teste, a aplicação do método Technique for Order of Preference by Similarity
 to Ideal Solution (TOPSIS) para a seleção de soluções nas Fronteiras de Pareto e a
 análise da variabilidade das soluções encontradas em cem cenários de implantação
 com distribuição aleatória das redes. Os resultados demonstraram que o conjunto
 de hiperparámetros escolhido foi eficaz na busca por soluções adequadas, atendendo
 satisfatoriamente aos critérios de otimização e evidenciando a eficiência do processo
 de posicionamento proposto. Ademais, a aplicação do método TOPSIS indicou que,
 para este estudo, a seleção de soluções pode ser feita considerando o mesmo nível de
 relevância para todos os critérios, uma vez que a priorização não apresentou diferenças 
 significativas. Por fim, a baixa variabilidade observada nas execuções sucessivas
 do NSGA-II comprovou que a metodologia proposta apresenta comportamento estável e 
 reprodutível no processo de busca por soluções. Desta forma, essa pesquisa
 não apenas pode auxiliar na otimização de aplicações urbanas, mas também facilita
 o planejamento e a adaptação das RSSF em diferentes ambientes externos; nesse
 contexto, contribuindo para o aprimoramento dos estudos existentes e fornecendo
 diretrizes para futuras investigações na àrea.",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Programa de Pós-Graduação em Ciência da Computação},
 	note = {DEPARTAMENTO DE CIÊNCIAS EXATAS}
}