۳- فاز جمع­آوری اطلاعات خوشه
۴- فاز انتخاب سرخوشه و تبادل داده
در ادامه به شرح مختصری از فعالیت­ها و پیغام­دهی در هر کدام از فازهای زمانی پرداخته می­ شود.
فاز اول
در این فاز زمانی، دو کار مهم انجام می­ شود.
۱- متغیرها و آرایه­های داده­ای که برای انجام الگوریتم در هر دوره از آنها استفاده می‌شود به روزرسانی می‌شود و به مقدار پیش فرض که برای شروع کار الگوریتم نیاز است تغییر می‌کند.

شکل ‏۳‑۲: فلوچارت الگوریتم
۲- از طرف ایستگاه مرکزی گره‌هایی به صورت تصادفی به عنوان گره دستیار^[۸۷] انتخاب می شوند.
ساختار خوشه به صورتی طراحی شده است که برای هر خوشه یک گره دستیار تعیین می‌شود که وظیفه تشکیل اولیه خوشه، اجرای الگوریتم کوچ پرندگان و انتخاب سرخوشه را بر عهده دارد.
پیغام­هایی که در این فاز زمانی بین گره­های حسگر رد و بدل می‌شود شامل پیغام تایمر اول و پیغام ایستگاه مبنا (سینک) جهت مشخص کردن گره­های دستیار اولیه است. شکل ۳-۳ نشان دهنده پیغام­های این فاز زمانی در الگوریتم است.
شکل ‏۳‑۳: پیغام‌دهی در فاز اول الگوریتم
فاز دوم
در این فاز زمانی، تمام گره­های شبکه به شناسایی محیط اطراف خود که به صورت تصادفی در آن قرار گرفته­اند، می­پردازند. این فاز زمانی با پیغام تایمر دوم شروع می­ شود و گره­های حسگر شبکه هر کس به نوبه خود، پیغام سلام^[۸۸] ایجاد می­ کند و با شعاع ارسال محدود به محیط اطراف خود می­فرستد. هر گره که پیغام سلام گره­ی دیگری را دریافت می­ کند آن را با یک پیغام تصدیق^[۸۹] پاسخ می­دهد. پیغام تصدیق نشان­دهنده آن است که دو گره در محدوده نزدیک همدیگر قرار دارند. هر گره­ای که پیغام تصدیق برای پیغام سلام خود دریافت کند؛ مقدار درجه پیوستگی در شبکه خود را یک واحد افزایش می­دهد. در پایان متغیر درجه پیوستگی در شبکه برای هر گره در این فاز زمانی مشخص شده است.
پیغام­های این فاز زمانی شامل پیغام تایمر دوم، پیغام سلام و پیغام تصدیق سلام است که در شکل ۳-۴ ملاحظه می­کنید.
شکل ‏۳‑۴: پیغام­دهی در فاز دوم الگوریتم
فاز سوم
در این فاز زمانی، که با پیغام تایمر سوم شروع می­ شود گره­های دستیار که از قبل مشخص شده ­اند، شروع به گرفتن اعضا برای خوشه­ی خود و جمع­آوری اطلاعات اولیه گره­های در برد خود می­ کنند. و به این شکل خوشه ­ها تشکیل می­ شود. هر گره که پیغامی از گره­ی دستیار اطراف خود دریافت کند، اگر تا آن زمان عضو خوشه­ای نشده باشد و این اولین پیغام از طرف گره دستیاری به او باشد. عضو خوشه­ای می­ شود که گره دستیار نماینده اوست و اطلاعات خود را که شامل اطلاعات مکان، سطح انرژی، درجه پیوستگی و تعداد دفعاتی است که سرخوشه شده است؛ را به گره دستیار فرستنده پیام می­فرستد.
پیغام­های تایمر سوم، دستیار برای تشکیل خوشه و پیغام اطلاعات گره­ها در جواب پیغام دستیار­ها پیغام­هایی هستند که در این فاز زمانی بین گره­های شبکه رد و بدل می­شوند. شکل ۳-۵ نشان دهنده پیغام­های این فاز زمانی است.
شکل ‏۳‑۵: پیغام­دهی در فاز سوم الگوریتم
فاز چهارم
این فاز زمانی که با پیغام تایمر چهارم شروع می­ شود فاز اصلی دوره زمانی است و در آن ابتدا در گره­های دستیار الگوریتم کوچ پرندگان برای انتخاب سرخوشه بهینه اجرا می­ شود. گره دستیار مشخصات گره­ی سرخوشه انتخاب شده به اطلاع اعضای خوشه می­رساند. سپس گره سرخوشه مدیریت خوشه را بر عهده می­گیرد و گره­های دیگر را که قابلیت این را دارند که عضو خوشه شوند را به خوشه اضافه می­ کند و پس از آن گره­ها شروع به ارسال داده­هایی که از محیط حس کرده ­اند می­ کنند. گره­های حسگر پیغام­های داده­ای^[۹۰] خود را به سرخوشه­ی خود می­فرستند و گره­ی سرخوشه پس از جمع­آوری و فشرده­سازی آنها را برای سینک اطلاعات یا دیگر گره سرخوشه­ی نزدیک به سینک می­فرستد. گره­های حسگر داده ­های خود را با برد کم و مصرف انرژی کمتر برای سرخوشه­ی خود ارسال می­ کنند و گره­ی سرخوشه مسئول ارسال این اطلاعات به سینک است که در فاصله بیشتری قرار دارد. به همین دلیل مصرف انرژی سرخوشه بیشتر است و مصرف انرژی در دیگر گره­های شبکه و در نتیجه کل شبکه کاهش می­یابد.
همان­طور که در شکل ۳-۶ مشاهده می­کنید پیغام­هایی که در این فاز زمانی بین گره­های شبکه رد و بدل می­ شود شامل پیغام تایمر چهارم برای شروع فاز، پیغام دستیارها برای مشخص کردن سرخوشه در شبکه، پیغام عضوگیری نهایی سرخوشه­ها برای خوشه و پیغام­های داده است.
شکل ‏۳‑۶: پیغام­دهی در فاز چهارم الگوریتم
الگوریتم طوری طراحی شده است که در هر دور زمانی کل فرایند کاری تکرار می­ شود. الگوریتم برای شبکه ­های حسگری که در آنها حسگرها متحرک هستند نیز مناسب است.
برای بررسی شبکه­ حسگر بی­سیم متحرک نیاز داریم یک مدل حرکت انتخاب کنیم.
مدل­های حرکت
مدل­های حرکت به دسته­­های مختلفی تقسیم می­شوند. دو دسته اصلی برای مدل­­های حرکت، ردگیری^[۹۱] و ساختگی^[۹۲] است. در مدل­های ردگیری الگوی حرکت یک الگوی حرکتی ضبط شده واقعی از محیط حقیقی در مورد مسئله خاصی است. مدل­های ردگیری اطلاعات دقیقی را فراهم می­ کنند. به­ ویژه برای زمان­­هایی که تعداد زیادی عامل در محیط است و یا دوره­ ضبط کردن طولانی است. اما برای محیط­های جدید( مانند شبکه ­های بی­سیم) این دسته از مدل­های حرکتی مناسب نیستند زیرا معمولا تازه ایجاد شده ­اند و از قبل وجود ندارند که رفتار آنها ضبط شده باشد.
دسته­ی دوم از مدل­های حرکتی مورد استفاده، مدل­های حرکتی ساختگی هستند، که سعی می­ کنند رفتار واقعی عوامل را در محیط واقعی تقلید کنند.
شبکه ­های بی­سیم معمولا از مدل­های حرکتی ساختگی جهت آزمایش استفاده می­ کنند. در ادامه بعضی از مدل­های حرکتی ساختگی را شرح کوتاهی می­دهیم.
مدل­های حرکتی ساختگی به دو دسته گروهی و فردی تقسیم می­شوند. در دسته گروهی عامل­ها به صورت گروهی حرکت می­ کنند. و در دسته فردی هر عامل به صورت منحصر به فرد بر اساس الگوی حرکتی نوشته شده حرکت می­ کند.
مدل حرکتی پیاده­روی تصادفی
در این مدل یک عضو شبکه از یک مکان به مکان دیگر تغییر مکان می­دهد که این مکان جدید بر حسب جهت و شتاب تصادفی انتخاب می­ شود. انتخاب سرعت تصادفی از بین سرعت کمینه و سرعت بیشینه از قبل تعیین شده است. و جهت انتخابی از بین ۰ تا ۲π است.
نمونه­های دیگری از این مدل نوشته شده است که در آن حرکت در جهتی خاص به اندازه زمان تصادفی t ادامه پیدا می­ کند و یا به طول مسیر D این جهت حرکت ادامه پیدا می­ کند.
مدل حرکتی پیاده روی تصادفی یک مدل حرکتی بدون حافظه است زیرا عامل­ها هیچ دانشی از مکان و سرعت قبلی خود ندارند. سرعت و جهت عامل­ها مستقل از سرعت و جهت گذشته است. این ویژگی می تواند باعث حرکات غیرواقعی مانند توقف­های ناگهانی و چرخش نوک تیز شود شکل ۳-۷.
.
شکل ‏۳‑۷: مدل حرکتی پیاده­روی تصادفی با زمان تصادفی t[52]
در شکل۳-۷ مدل حرکتی پیاده­روی تصادفی را برای زمانی نشان می­دهد که فرض کردیم هر عامل مقدار زمان تصادفی t را در همان مسیر انتخابی می­ماند. مقدار زمان تصادفی t نیز حد کمینه و بیشینه دارد.
شکل ‏۳‑۸: مدل پیاده­روی تصادفی با مسافت پیمایشی d در مسیر انتخابی[۵۲]
برد حرکتی اعضای شبکه با توجه به تنظیم حداکثر فاصله و زمان در ابتدا و نقطه شروع حرکت اعضا قابل تغییر است شکل ۳-۸.
مدل حرکتی ایستگاه تصادفی
این مدل حرکتی مانند مدل حرکتی پیاده­روی تصادفی است با این شرط که شامل مکث زمانی در جهت یا سرعت می­ شود.
اعضای شبکه با ماندن در یک محل برای دوره زمانی شروع می­ کنند و پس از تمام شدن دوره زمانی یک قسمت را به صورت تصادفی به عنوان مقصد انتخاب می­ کنند و با سرعتی بین سرعت کمینه و سرعت بیشینه (که به صورت تصادفی بر حست توزیع یکنواخت انتخاب شده است.) به طرف آن حرکت می­ کنند. اگر فاز مکث زمانی t برابر با ۰ باشد مدل ایستگاه تصادفی مانند مدل پیاده­روی تصادفی است.[۵۲]
شکل ‏۳‑۹: مدل حرکتی ایستگاه تصادفی[۵۲]
این مدل حرکت بسیار پر استفاده است. مدل حرکتی معرف خوبی برای حرکت اعضا در محیط واقعی نمی­تواند باشد زیرا مقدار همسایگی اعضا در ۶۰۰ ثانیه اول شبیه­سازی بسیار متغیر است. شکل۳-۱.
شکل ‏۳‑۱۰: متوسط همسایگی عامل­ها در مدل حرکتی ایستگاه تصادفی[۵۲]
این مدل حرکتی را به عنوان نمونه از مدل­های حرکتی پایه­ای معروف به عنوان الگوریتم حرکتی پیاده­سازی کرده و بر روی شبکه حسگر بی­سیم متحرک اعمال کردیم و نتایج آن را بررسی کردیم.
مدل حرکتی امتداد تصادفی
در مدل­های حرکتی قبلی تراکم جمعیتی عامل­ها در مرکز و وسط محیط شبیه­سازی بیشتر از مناطق کناره­های محیط بود. در مدل حرکتی امتداد تصادفی هر عامل یک مسیر انتخاب شده که آن را تصادفی انتخاب کرده است، تا لبه­های انتهایی شبکه ادامه می­دهد. این نحوه تعریف باعث می­ شود که تراکم عامل­ها در مرکز شبکه کم شود و در لبه­­های انتهایی شبکه افزایش یابد. شکل۳-۱۱.