بررسی روش های خوشه بندی مبتنی بر منطق فازی والگوریتم ژنتیک به منظور افزایش طول عمر شبکه های حسگر بی سیم
Publish place: The Second National Conference on New Approaches in Computer and Electrical Engineering
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 731
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
BPJ02_135
Index date: 1 November 2016
بررسی روش های خوشه بندی مبتنی بر منطق فازی والگوریتم ژنتیک به منظور افزایش طول عمر شبکه های حسگر بی سیم abstract
شبکه های حسگر بی سیم دارای تعداد زیادی گره حسگر با انرژی محدود می باشند که در یک منطقه محدود جغر افیایی پراکنده شده اند. مصرف بهینه انرژی و در نتیجه افزایش طول عمر شبکه های حسگر بی سیم یکی از مسایل مهم در این شبکه هاست. روش های بسیاری برای کاهش مصرف انرژی نودها و افزایش طول عمر شبکه ارایه شده است موثرترین این روش ها دسته بندی نودها در تعدادی خوشه است که یک نود در هر خوشه به عنوان نود سرخوشه وظیفه تجمیع داده ها و هدایت آن ها به سمت ایستگاه اصلی از طریق سایر سرخوشه ها را برعهده دارد. در این مقاله چند روش در شبکه های حسگر بی سیم را که بر مبنای منطق فازی و الگوریتم ژنتیک و براساس معیار های خاص خود با سازماندهی گره های شبکه در تعدادی خوشه به کارایی بیشتری از انرژی رسیدند و در نهایت به افزایش طول عمر شبکه منتهی شده بررسی کردیم، در ترکیب این دو روش ابتدا با استفاده از منطق فازی بهترین گره هایی که قابلیت بالاتری از لحاظ انرژی ، چگالی و مرکزیت نسبت به گره های دیگر دارند به عنوان کاندید سرخوشه به ایستگاه پایه معرفی می شود و سپس با استفاده ازالگوریتم ژنتیک تعداد و محل سرخوشه ها به طور بهینه تعیین می گردد در این روش طول عمر گره های حسگر شبکه به طور قابل توجهی افزایش یافته است .
بررسی روش های خوشه بندی مبتنی بر منطق فازی والگوریتم ژنتیک به منظور افزایش طول عمر شبکه های حسگر بی سیم Keywords:
بررسی روش های خوشه بندی مبتنی بر منطق فازی والگوریتم ژنتیک به منظور افزایش طول عمر شبکه های حسگر بی سیم authors
مهسا لطفعلیان دهکردی
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد شهرکرد
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 :