بهبود مصرف انرژی با استفاده از روش الگوریتم ژنتیک آشوب ناک درشبکه های حسگر بی سیم
Publish place: The Second International Conference and the Third National Conference on the Application of New Technologies in Engineering Sciences
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 488
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC02_211
تاریخ نمایه سازی: 21 شهریور 1395
Abstract:
از ابتدای شکل گیری شبکه های حسگر بی سیم یکی از چالش های بسیار مهم و اساسی مسئله محدودیت انرژی و بویژه محدودیت آن در نودهای حسگر این شبکه ها بوده است. لذا روش های متعددی پیشنهاد شده است از آن جمله می توان خوشه بندی را مطرح نمود. ولیکن این روش خود مشکلاتی بسیار مهم و عدیده هنگام طراحی و پیاده سازی دارد. برای مثال در روش خوشه بندی انتخاب سخوشه ها، تعیین تعداد سرخوشه ها و نیز انتساب گره سازی دارد. برای مثال در روش خوشه بندی انتخاب سرخوشه ها، تعیین تعداد سرخوشه ها و نیز انتساب گره های عضو به سرخوشه ها و تشکیل خوشه های مناسب و بهینه از مشکلات رایج این روش می باشد، که این مشکلات را با استفاده از الگوریتم زنتیک آشوب ناک برطرف نموده ایم. در این روش از پارامترهای الگوریتم ژنتیک با استفاده از الگوریتم آشوب در جهت انتخاب مناسب سرخوشه ها و نیز تعداد آنها و همچنین انتساب گره ها به سرخوشه ها و تشکیل خوشه های گام برداشته ایم. نتایج بیانگر بهبود انرژی مصرفی و افزایش طول عمر شبکه در مقایسه با الگوریتم مشهور LEACH و دیگر الگوریتم های ارائه شده در سال های اخیر بوده است.
Keywords:
Authors
صادق داورزنی
کارشناسی ارشد دانشگاه آزاد اسلامی واحد علوم و تحقیقات خراسان رضوی نیشابور
معصومه اسدی
کارشناسی ارشد دانشگاه آزاد اسلامی واحد علوم و تحقیقات خراسان رضوی نیشابور
مجید مزینانی
استادیار و عضو هیئت علمی گروه کامپیوتر دانشگاه امام رضا مشهد
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 :