مهدی ایار - دانشکده کامپیوتر دانشگاه آزاد اسلامی واحد شبستر

یکی از روشهای مقیاس پذیر کردن الگوریتمهای مسیریابی در شبکه های کامپیوتری خوشه بندی آنها می باشد در شبکه های بی سیم موردی نیز چون احتمال افزایش تعداد گره ها وجود دارد این روش کاربردی تر می باشد از طرف دیگر در شبکه های بی سیم موردی هیچ توپولوژی ثابت و از پیش تعیین شده برای کنار هم قرار دادن این گره ها وجود نداشته و گره ها بطور کاملاتصادفی توزیع م یگردند لذا خوشه های ثابت کاربرد خود را از دست داده و باید روشی پویا برای خوشه بندی گره ها استفاده گردد . شبکه های عصبی یکی از روشهای یادگیری بوده و میتواند برای تولید خوشه های پویا مورد استفاده باشد مادراین مقاله یک روش خوشه بندی مبتنی بر شبکه های عصبی ارایه کرده و سپس از یک تابع وزنی برای تعیین سرخوشه ها استفاده کرده ایم.

الگوریتمهای مسیریابی، شبکه های بی سیم موردی، خوشه بندی ، شبکه های عصبی