ارائه یک طرح خوشه بندی مبتنی بر بهینه سازی کلونی مورچه ها جهت انتشار اطلاعات در شبکه های اقتضایی خودرویی
Publish place: 1st National Innovation Conference on Computer Engineering and Information Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,418
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEIT01_221
تاریخ نمایه سازی: 9 تیر 1393
Abstract:
امروزه شبکه های اقتضایی خودرویی VANET به یکی از مهمترین مسائل تحقیقاتی در حوزه شبکه های ارتباطی تبدیل شده است. این شبکه ازگره هایی با تحرک بالا تشکیل شده که توپولوژی آن ها دائما در حال تغییر است. در VANET، خودروها به طور دائم اطلاعاتی را با یکدیگر مبادله می کنند، بنابر این انتشار بهینه یکی از مهم ترین چالش های این نوع شبکه است. ما در این مقاله یک طرح خوشه بندی خودروها در VANET ارائه داده ایم که جهت اتصال خوشه ها به یکدیگر و تشکیل یک زنجیره خودرویی، از الگوریتم بهینه سازی کلونی مورچه ها استفاده می کند. ما با خوشه بندی خودروها، اثر تغییرات توپولوژی مکرر در این نوع شبکه ها را کاهش داده و همچنین با استفاده از یک الگوریتم هوش جمعی ارتباطات بین خوشه ها را به صورت بهینه برقرار می کنیم . نتیجه این ساختار ترکیبی، محقق شدن انتشار بهینه اطلاعات در طول یک بزرگراه می باشد. ما جهت اثبات بهینه سازی های صورت گرفته، مقایسه ای را با یکی از تکنیک های ارائه شده در زمینه انتشار اطلاعات انجام داده ایم ، که نتایج شبیه سازی صورت گرفته نشان می دهد الگوریتم پیشنهادی ما دارای تاخیر تحویل پیام کمتری نسبت به طرح ارائه شده می باشد.
Authors
عاطفه پورخلیلی
دانشجوی کارشناسی ارشد، گروه فناوری اطلاعات، دانشگاه گیلان
رضا ابراهیمی آتانی
استادیار گروه مهندسی کامپیوتر، دانشگاه گیلان
حمیدرضا ارکیان
دانشجوی کارشناسی ارشد، گروه فناوری اطلاعات، دانشگاه گیلان
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 :