یک الگوریتم خوشه بندی فازی مبتنی بر Leach برای افزایش طول عمر شبکه های حسگر بیسیم
Publish place: International Conference on New Research Findings in Electrical Engineering and Computer Science
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,224
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF01_528
تاریخ نمایه سازی: 8 آذر 1394
Abstract:
خوشه بندی گره های حسگر یکی از روش های کارا در کاهش مصرف انرژی شبکه های حسگر می باشد. در روش های خوشه بندی، گره های حسگر در چند خوشه دسته بندی می شوند. در هر خوشه گره ای دارای نقش سرخوشه میباشد. گره های عضو خوشه داده های جمع آوری شده از محیط هدف را برای سرخوشه خود ارسال کرده و سرخوشه وظیفه انتقال این داده ها به ایستگاه پایه را برعهده دارد. از این رو انتخاب سرخوشه و نحوه توزیع خوشه ها تاثیر بسزاییدر مصرف انرژی شبکه دارد. انتخاب تصادفی سرخوشه ها می تواند منجر به توزیع نا متعادل خوشه ها و بار مصرف انرژیدر سطح شبکه شود که این وضعیت سبب افزایش مصرف انرژی و کاهش طول عمر شبکه می شود. روش های غیر احتمالی برای خوشه بندی گره های حسگر در شبکه های حسگر بیسیم یکی از روش های مناسب برای انتخاب سرخوشهو تشکیل خوشه می باشد. در روش های غیر احتمالی انتخاب سرخوشه و تشکیل خوشه بر اساس اطلاعات محلی انجام می شود که از توزیع غیر یکنواخت و تصادفی خوشه ها در شبکه جلو گیری می کند. در این مقاله یک الگوریتم خوشه بندیفازی مبتنی بر الگوریتم Leach برای حل مشکل توزیع خوشه ها در شبکه حسگر ارائه شده است. برای این کار ما با استفاده از یک روش فازی تکاملی که ترکیبی از روش خوشه بندی فازی K-Means و الگوریتم ژنتیک چند هدفه می باشد استفاده کرده ایم. در روش پیشنهادی دو هدف فشردگی و تفکیک پذیری خوشه ها به عنوان اهداف الگوریتم در نظرگرفته شده است. نتایج شبیه سازی طرح پیشنهادی در نرم افزار متلب نشان می دهد که الگوریتم پیشنهادی عملکرد بهتری برای افزایش طول عمر شبکه در مقایسه با الگوریتم های شناخته شده ای مانند LEACH از خود نشان می دهد.همچنین ما برای سنجش کیفیت خوشه های تشکیل شده در روش پیشنهادی در مقابل خوشه های تشکیل شده توسطLEACH از شاخص های سنجش خوشه بندی Dunn و Silhouette استفاده کرده ایم که در این آزمون نیز روش پیشنهادی عملکرد بهتری را از خود نشان داده است.
Keywords:
Authors
شاهین شاهی بیگ
دانشجوی کارشناسی ارشد، گروه کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی نجف آباد ایران
بهرنگ برکتین
دکتری، عضو هیات علمی، گروه کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی نجف آباد 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 :