یک روش خوشه بندی برای متوازن سازی بار و بهینه سازی مصرف انرژی در شبکه های حسگر بی سیم
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 30
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JSCIT-13-3_001
Index date: 11 March 2025
یک روش خوشه بندی برای متوازن سازی بار و بهینه سازی مصرف انرژی در شبکه های حسگر بی سیم abstract
مصرف انرژی یکی از جدی ترین چالش ها برای به حداکثر رساندن طول عمر و پایداری در طراحی شبکه های حسگر بی سیم می باشد. خوشه بندی به عنوان یکی از روش های کنترل همبندی برای حفظ پایداری این شبکه ها می تواند به طور قابل توجهی کاهش مصرف انرژی را در پی داشته باشد. استفاده از روش های مختلف برای انتخاب سرخوشه ها یک چالش مهم در این حوزه تحقیقاتی به شمار می-رود. خوشه بندی همراه با متوازن سازی بار کاری برای گره هایی که به طور معمول بار کاری یکسانی ندارند، نیز به عنوان یک چالش مطرح می باشد. از این رو، یک روش خوشه بندی کارآمد می تواند موجب پایداری، تعادل بار و افزایش طول عمر در شبکه های حسگر بی سیم شود. در این مقاله، یک روش خوشه بندی گره ها برای شبکه های حسگر بی سیم با هدف متوازن سازی بارکاری و مصرف انرژی و درنتیجه، افزایش طول عمر شبکه، ارائه می شود. با لحاظ نمودن پارامتر های موثر در توازن بار گره ها، از قبیل انرژی سرخوشه و گره های خوشه، پایداری خوشه و مسافت انتقال داده، خوشه بندی را به نحوی انجام می دهیم که این توازن در شبکه باعث مصرف متعادل انرژی گره ها و افزایش طول عمر شبکه شود. نتایج ارزیابی های مختلف، کارآمدی روش پیشنهادی را در مقایسه با روش های دیگر، در افزایش و متوازن سازی طول عمر گره ها، نشان می دهد.
یک روش خوشه بندی برای متوازن سازی بار و بهینه سازی مصرف انرژی در شبکه های حسگر بی سیم Keywords:
یک روش خوشه بندی برای متوازن سازی بار و بهینه سازی مصرف انرژی در شبکه های حسگر بی سیم authors
Mohammad Alaei
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه ولی عصر (عج) رفسنجان، رفسنجان، ایران.
Fahimeh Yazdanpanah
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه ولی عصر (عج) رفسنجان، رفسنجان، 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 :
