مدیریت منابع انرژی کارآمد برای اینترنت اشیا شناختی بر اساس آتوماتای یادگیر
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 187
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JICTP-3-11_009
Index date: 1 August 2023
مدیریت منابع انرژی کارآمد برای اینترنت اشیا شناختی بر اساس آتوماتای یادگیر abstract
حرکت نودها و محدودیت انرژی آنها در شبکههای اینترنت اشیا شناختی منجر به پیچیده شدن شرایط شبکه میشود، بهطوری که داشتن یک مکانیزم بهرهوری انرژی کارآمد امری مهم در این شبکهها محسوب میشود و میتواند انرژی مصرفی در شبکه را کاهش دهد،عناصر شبکه ( شامل نودها، سیاستها و رفتارها ) به دلیل محدود بودن در وضعیت، دامنه و مکانیزمهای پاسخ، قادر به ایجاد سازگاری هوشمند با محیطی که در آن عمل میکنند، نیستند و سازگاری در این شبکهها معمولا به صورت انفعالی است. به همین دلیل از الگوریتمهای بهرهوری انرژی انتظار میرود که بتوانند خودشان را با تغییرات محیط از طریق یک راهکار پیشگیرانه سازگار کنند. از طرفی فرماندهی انتظامی جمهوری اسلامی ایران(فراجا)به جهت فعالیت در عرصه نظم و امنیت با حجم بسیار گستردهای از اطلاعات در حوزههای گوناگون اجتماعی، امنیتی، اقتصادی و فرهنگی در ارتباط است، به همین دلیل برای رسیدن به اهداف مذکور، این مقاله یک راهکار جدیدی RMLAB را برای بهرهوری انرژی مبتنی بر آتوماتای یادگیر از دیدگاه شبکههای شناختی ارائه کرده است، که با استفاده از آتوماتای یادگیر توان ارسال نودهای شبکه برای مدیریت مصرف انرژی بهصورت خودسازمانده،خودآگاه و پویاتنظیم میشود و از عمده نقاط قوت این روش نسبت به روشهای موجود این است که شبکه قادر به سازماندهی، مدیریت و بازسازی خودش است. نتایج آزمایشات نشان میدهد که بررسی بهرهوری انرژی از دیدگاه شبکه شناختی منجر به بهبود پارامترهای کیفیت سرویس از جمله توان عملیاتی و تاخیر انتها به انتها در شبکه نسبت به دیگر روشهای بهرهوری انرژی شده است.
مدیریت منابع انرژی کارآمد برای اینترنت اشیا شناختی بر اساس آتوماتای یادگیر Keywords:
مدیریت منابع انرژی کارآمد برای اینترنت اشیا شناختی بر اساس آتوماتای یادگیر authors
محمد عارفی
دانشجوی کارشناسی ارشد، گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران
پریسا رحمانی
استاد یار ، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد پردیس، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :