خوشه بندی گره ها جهت بهینه سازی انرژی و افزایش طول عمر شبکه های حسگر بی سیم با بکارگیری از الگوریتم فرهنگی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 733

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIKT08_130

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

یکی از مسائل اساسی در طراحی شبکه های حسگر بی سیم، محدود بودن منبع انرژی حسگرهاست. زمان حیات باتری ها، چرخه حیاتیک شبکه را مشخص می کند و به همین دلیل بهرهوری از انرژی، فاکتوری مهم برای داشتن طول حیات بیشتر یک شبکه خواهد بود کهبه منظور رسیدن به این هدف، از خوشه بندی استفاده می شود. در پروتکل های خوشه بندی سرخوشه انرژی بسیاری را برای ارسال مصرفمی کند، چون علاوه بر ارسال داده های خود وظیفه ارسال داده های همسایه خود که جزئی از خوشه می باشند را نیز دارد، که این باعثتسریع در کاهش عمر سرخوشه و به طبع آن کاهش طول عمر و انرژی شبکه می شود. لذا با سازماندهی گره های شبکه در خوشه ها و کنترلروی تعداد و مکان سرخوشه ها و همچنین اندازه خوشه ها از نظر تعداد اعضا، می توان به کارایی بیشتری از انرژی رسید که به افزایش عمرشبکه منتهی می شود. با تغییر پیاپی سرخوشه ها در هر دوره از عملکرد شبکه ی حسگر، با یک مسئله پیچیده که با روشهای کلاسیک قابلحل نیست مواجه خواهیم شد.هدف این تحقیق کاهش محاسبات مورد نیاز از طریق بکارگیری الگوریتم های اکتشافی و الگوریتم های تکاملی است. به نحوی که به جایاستفاده از روشهای صرفا ریاضیاتی در یافتن پاسخ، به کمک الگوریتم های تکاملی و با استفاده از مفاهیم این حوزه، مسئله را به یک مسئلهبهینه سازی تبدیل کنیم. در این مقاله با استفاده از الگوریتم فرهنگی، تعداد و محل سرخوشه ها را بطور بهینه تعیین می کنیم که البته تابعبرازش بر اساس حداقل انرژی مصرف شده گره های شبکه در طی هر دوره عملیات ارسال داده است که منجر به ایجاد تعادل در مصرفانرژی سرخوشه ها و در نتیجه طولانی تر شدن عمر شبکه می شود.

نویسندگان

امیرعلی آبادیان

عضو هیئت علمی دانشگاه شمال

چنگیز رویدل

عضو هیئت علمی دانشگاه شمال

علی آذرباد

دانشجوی الکترونیک دانشگاه شمال

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • W. Heinzelman, A. Chandrakasan, and H. Balakrishnan, _ Architecture for ...
  • Microsensor Networks", IEEE Transactions _ Wireless Commun ications, vol. 1, ...
  • I. Akyildiz and W. Su and Y. S an kara ...
  • O.Younis, M. Krunz and S. Ramasub ramanian, "Node clustering in ...
  • Algorithms. In Proceedings of the IEEE Congress on [4] Akyildiz ...
  • Ramasub ramanian, "Node Clustering in Wireless Sensor Networks: Recent Developments ...
  • H. Chen, H. Mineno, S, T. Mizuno, A Meta-Data-B ased ...
  • He, D.; Mujica, G.; Portilla, J.; Riesgo, T. Modelling and ...
  • Rafsanjani, M.K.: Mirhoseini, M.; Nourizadeh, R. A Multi- Objective Evolutionary ...
  • Shakibian, H.; Moghadam Charkari, N. In-cluster vector evaluated particle swarm ...
  • Reynolds, R.G., Mostafa Ali, and Thaer Jayyousi, (2008) Mining the ...
  • Reynolds, R.G. and Mostafa Z. Ali, (2007), Exploring Knowledge and ...
  • Y.T. Hou; Y. Shi and H.D Sherali, "Optimal base station ...
  • W. Jia and ! Wang, "Analysis of connectivity for sensor ...
  • W. Heinzelman, _ 2 App l ication-specific protocol architectures for ...
  • R.G. Reynolds. Version Space Controlled Genetic Algorithms. In Proceedings of ...
  • R.G. Reynolds and C. Chung. Knowl edge-based Self- Adaptation in ...
  • R.G. Reynolds and C. Chung. Knowl edge-based Self- Adaptation in ...
  • _ dos Santos Coelho and V.C. Mariai. An Efficient Particle ...
  • R.G. Reynolds and C. Chung. Fuzzy Approaches to Acquiring Experimental ...
  • R.G. Reynolds and C. Chung. Knowl edge-based Self- Adaptation in ...
  • Evolutionary Computation, pages 71-76, 1997. ...
  • نمایش کامل مراجع