---
type: paper
slug: gerard-kponhinto-2025-sns-data-collection-iot
title: >-
  An Energy-Efficient Data Collection Protocol for IoT Networks Using Social
  Network Search Metaheuristic
authors:
  - '[[gerard-kponhinto]]'
  - '[[ousmane-thiare]]'
  - '[[sondes-khemiri-kallel]]'
  - '[[abdelhak-mourad-gueroui]]'
  - '[[ado-adamou-abba-ari]]'
  - '[[junseokhwang]]'
year: 2025
venue: '[[ccnc]]'
doi: 10.1109/CCNC54725.2025.10975977
categories:
  - '[[ict-industries]]'
methods:
  - '[[metaheuristic-optimization]]'
  - '[[social-network-search]]'
  - '[[free-space-path-loss-model]]'
  - '[[clustering-algorithm]]'
themes:
  - '[[energy-efficient-clustering]]'
  - '[[wireless-sensor-networks]]'
  - '[[cluster-head-selection]]'
  - '[[network-lifetime-optimization]]'
last_updated: '2026-05-20T02:13:31+09:00'
---
# An Energy-Efficient Data Collection Protocol for IoT Networks Using Social Network Search Metaheuristic

*[[gerard-kponhinto]], [[ousmane-thiare]], [[sondes-khemiri-kallel]], [[abdelhak-mourad-gueroui]], [[ado-adamou-abba-ari]], [[junseokhwang]] (2025)* · [[ccnc]] · [DOI ↗](https://doi.org/10.1109/CCNC54725.2025.10975977)

> IoT 센서 노드의 핵심 제약인 배터리 수명을 극복하기 위해 [[social-network-search]] (SNS) 메타휴리스틱을 cluster head 선정에 적용한 SNS-DCP 프로토콜을 제안. SNS 는 인간 사회의 imitation · conversation · disputation · innovation 4 가지 mood 를 모방한 군집지능 알고리즘으로, control parameter 가 population size 와 iteration 두 개뿐이라 IoT 임베디드 구현에 적합. OMNeT++ INET 시뮬레이션에서 SNS-DCP 가 LEACH (Heinzelman 2000) · PSO-ECHS (Rao 2016) · PSO-UFC (Kaur 2018) 대비 네트워크 수명 +11~47%, BS 수집 데이터 +43~87% 향상.

- **RQ**: IoT WSN 의 NP-hard cluster head 선정 문제에 [[social-network-search]] 메타휴리스틱을 적용하면 LEACH·PSO 계열 baseline 대비 에너지 효율과 네트워크 수명을 개선할 수 있는가.
- **방법론**: [[social-network-search]] (SNS, Talatahari 2021), centralized clustering, weighted partition join, multi-hop transmission tree, [[free-space-path-loss-model]] 기반 에너지 모델 (Heinzelman 2000).
- **데이터**: OMNeT++ + INET framework 시뮬레이션. 200×200m² 필드에 200 IoT nodes, BS 중앙 (100,100), 초기 에너지 0.5J, packet 4000 bits, $E_{elec}$=50nJ/bit, $E_{fs}$=10pJ/bit/m², $d_0$=87m. CH 비율 5% (=10 PHs), 2,000 round, 100 SNS iteration.
- **주요 발견**: SNS-DCP 가 baseline 대비 (i) 네트워크 수명 (HND, Half Nodes Died round) 에서 LEACH 대비 +47%, PSO-ECHS 대비 +42%, PSO-UFC 대비 +11% 개선. (ii) BS 수집 packet 수에서 LEACH 대비 +87%, PSO-ECHS 대비 +68%, PSO-UFC 대비 +43% 향상.
- **시사점**: 사회 동학에서 영감 받은 SNS 가 IoT 자원 할당 문제에 PSO 변형보다 효과적인 대안. centralized 구조의 통신 overhead 가 한계로 남으며 후속 AI 기반 distributed 버전이 필요.

![SNS-DCP 와 baseline 3종 (LEACH, PSO-ECHS, PSO-UFC) 의 round 별 alive node 수 비교. SNS-DCP 가 round 증가에도 가장 많은 node 를 생존시키는 것이 본 paper 의 핵심 성능 결과.](/papers/202501_KponhintoG_An_Energy_Efficient_Data_Collection_Protocol_for_IoT_Networks_Using_Social_Network_Search_Metaheuristic/fig1.jpeg)

## 요약

[[junseokhwang]] 의 5기 ([[ict-innovation-in-developing-countries]]) 라인 중 PASET-RSIF (Pan-African Aluminum, Science, Engineering and Technology — Regional Scholarship and Innovation Fund) 지원 아프리카 IoT 협력 분기. 본 paper 는 [[gerard-kponhinto]] 의 Paris-Saclay UVSQ 박사 라인 + [[ousmane-thiare]] (세네갈 Gaston Berger U) + [[ado-adamou-abba-ari]] (카메룬 Maroua U) 의 아프리카 ICT 협력 네트워크가 [[junseokhwang]] (SNU Global R&DB Center) 과 연결돼 산출된 작업으로, [[gerard-kponhinto-2025-hybrid-bio-iot]] 와 자매.

IoT 네트워크의 핵심 제약은 IoT device 의 battery 가 finite & non-rechargeable 이라는 점이다. 따라서 cluster head (CH) 선정으로 통신 부하를 분산시키는 클러스터링이 표준 해법인데, CH 선정 자체가 NP-hard (Elhabyan & Yagoub 2014). LEACH 의 random CH 선정은 low-energy node 가 CH 가 되는 문제가 있고, PSO 변형 (PSO-C, PSO-ECHS, PSO-UFC) 들은 fitness function 의 일부 요소 (잔여 에너지, BS 거리, node degree) 를 다양하게 결합해 왔다. 본 paper 의 차별점은 (i) [[social-network-search]] 메타휴리스틱 (Talatahari et al. 2021) 의 4 mood 기반 update rule 도입, (ii) population size + iteration 외 parameter tuning 불필요로 IoT 임베디드 적합성.

알고리즘은 3 phase. (i) **PH (Partition Head) selection**: BS 가 SNS 로 $S_p$ 개 솔루션 vector 를 진화시켜 fitness $f = \min_{g_i} LT(g_i, PH)$ 를 최대화 (Equation 8). 각 iteration 에서 4 mood 중 무작위 선택 후 vector update. (ii) **Partition creation**: non-PH node 가 weighted join cost (잔여 에너지 × LT 의 곱) 로 PH 선택. (iii) **Multi-hop transmission tree**: 각 PH 가 BS 방향의 next hop 후보 set $\mathcal{H}$ 구성, hop cost = $E_{Re}(PH_m) / (dist(PH_l, PH_m) \times dist(PH_m, BS))$ 최대화로 multi-hop routing. 마지막으로 OMNeT++ INET 으로 2000 round 시뮬레이션, 4 baseline 과 비교.

결과는 모든 metric (alive nodes, HND, energy consumption, BS 수집 packet) 에서 SNS-DCP 가 우위. 특히 BS 수집 packet 에서 LEACH 대비 +87% 는 SNS 의 explore-exploit balance 가 LEACH 의 random selection 보다 압도적이라는 것을 의미. 한계는 centralized SNS 가 BS-node 간 message exchange overhead 를 유발한다는 점 — 후속 작업은 federated learning 등 distributed AI 기법으로 overhead 감소를 목표.

## 핵심 결과

SNS-DCP vs baseline 3 종 (2000 round, 200 nodes 시뮬레이션):

| Metric | SNS-DCP vs LEACH | SNS-DCP vs PSO-ECHS | SNS-DCP vs PSO-UFC |
|---|---:|---:|---:|
| 네트워크 수명 (HND round) | +47% | +42% | +11% |
| BS 수집 데이터 (packets) | +87% | +68% | +43% |
| Alive node 수 (long-run) | 압도 우위 | 우위 | 약간 우위 |

- **핵심 시뮬레이션 파라미터**: 200×200m², 200 nodes, BS 중앙, 초기 에너지 0.5J, packet 4000 bits, CH 비율 5% (10 PHs), 100 SNS iteration.
- **에너지 모델**: Heinzelman first-order radio. $d < d_0 = 87m$ 시 $E_{Tx} \propto d^2$ (free space), 이상 시 $\propto d^4$ (multipath amp).
- **HND**: Half Nodes Died — 노드의 절반이 죽기까지 걸린 round 수, network lifetime 의 standard metric.

## 방법론 노트

[[social-network-search]] 는 Talatahari et al. (2021, IEEE Access) 가 제안한 인간 사회 동학 기반 메타휴리스틱이다. 사용자 ($U_i$) 가 4 가지 mood 로 의견 벡터를 update 한다 — 이 글로벌 best 탐색이 cluster head 위치 최적화에 mapping 된다.

**Mood 1 — Imitation** (타인 의견 모방):

$$
U_i^{new} = U_j + \text{dblrnd}[-1,1] \times N, \quad N = \text{dblrnd}[0,1] \times (U_j - U_i)
$$

**Mood 2 — Conversation** (대화로 새 관점 획득):

$$
U_i^{new} = U_k + \text{dblrnd}[0,1] \times \text{sign}(f(U_i) - f(U_j)) \times (U_j - U_i)
$$

**Mood 3 — Disputation** (그룹 평균 P 와 비교, KG = admission factor):

$$
U_i^{new} = U_i + \text{dblrnd}[0,1] \times (P - KG \times U_i), \quad P = \frac{1}{N_r} \sum_{t=1}^{N_r} U_t
$$

**Mood 4 — Innovation** ($d$ 차원에서 새 관점 도입):

$$
u_{i,new}^d = r \times u_j^d + (1-r) \times s_{new}^d, \quad s_{new}^d = lb^d + \text{rand}[0,1] \times (ub^d - lb^d)
$$

Fitness function 은 IoT node lifetime 최소값 최대화:

$$
f = \min\left\{ \frac{E_{Re}(g_i)}{E_{Tx}(g_i, PH)} \,\Big|\, \forall g_i \in \mathbb{G} \right\}
$$

여기서 $E_{Re}$ 는 잔여 에너지, $E_{Tx}$ 는 PH 와의 통신 소비 에너지 (식 5 의 Heinzelman radio 모델로 계산). Identification 은 동일 radio parameter (Heinzelman, PSO-ECHS, PSO-UFC 참조값) 와 동일 시뮬레이션 환경 (OMNeT++ INET) 하에서의 controlled comparison 으로 확보. SNS 자체는 parameter 수가 적어 (population, iteration 둘뿐) tuning 부담 작음 — 이것이 PSO 계열 대비 hardware 임베디드 친화성의 핵심.

## 연구 계보

[[junseokhwang]] 의 5기 라인 중 4기 [[ict-innovation-in-developing-countries]] 의 아프리카 ICT 협력 흐름이 본 작업의 직접 anchor. 같은 그룹의 자매 paper 인 [[gerard-kponhinto-2025-hybrid-bio-iot]] 와 함께 PASET-RSIF (Pan-African) 펀딩으로 산출된 아프리카-한국-프랑스 3 자 협력 라인의 일부. 기술적 reference 는 (i) LEACH (Heinzelman, Chandrakasan, Balakrishnan, HICSS 2000) 의 hierarchical clustering 원조, (ii) Latiff et al. (2007) PSO-C, Rao et al. (2016, Wireless Networks) PSO-ECHS, Kaur & Kumar (2018, IEEE Sensors) PSO-UFC 의 PSO 변형 계보, (iii) Talatahari, Bayzidi & Saraee (2021, IEEE Access) 의 SNS 메타휴리스틱 원본, (iv) Elhabyan & Yagoub (2014, IRI) 의 CH 선정 NP-hard 증명. [[junseokhwang]] 의 [[ahp-mcdm]] 라인과 IoT 정책 라인 (Na et al. 2023 IoT 규제) 의 기술-정책 종합 시각의 기술 측 분기.

## See also

- [[junseokhwang]]
- [[gerard-kponhinto]]
- [[gerard-kponhinto-2025-hybrid-bio-iot]]
- [[social-network-search]]
- [[metaheuristic-optimization]]
- [[iot-networks]]
- [[wireless-sensor-networks]]
- [[ccnc]]
- [[ict-innovation-in-developing-countries]]