خوشه بندی گره ها در شبکه حسگر بی سیم با استفاده از الگوریتم های تکاملی
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,381
This Paper With 16 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:
IRCEM01_210
Index date: 15 December 2016
خوشه بندی گره ها در شبکه حسگر بی سیم با استفاده از الگوریتم های تکاملی abstract
امروزه علاوه بر به دست آوردن داده های مناسب برای تمام رشته ها، دقت در اندازه گیری آنها نیز از اهمیت فوق العاده ای برخوردار است. به همین منظور استفاده از حسگرها نقش به سزایی در ثبت این داده ها ایفا می کنند. حسگرهای بی سیم از جمله مناسب ترین راه کارهای جمع آوری داده در دنیا محسوب می شوند. اطلاعات جمع آوری شده به وسیله حسگرها باید به یک ایستگاه پایه منتقل شوند. در ارسال مستقیم، هر حسگر مستقیماً اطلاعات را به مرکز می فرستد. به دلیل فاصله زیاد حسگرها از مرکز، انرژی زیادی مصرف می کنند. در مقابل طراحی هایی که فواصل ارتباطی را کوتاه می کنند، می توانند دوره حیات شبکه را طولانی تر کنند. بنابراین خوشه بندی بهینه و مصرف انرژی مستقیماً طول عمر شکبه حسگر را تحت تأثیر قرار می دهد. در این مقاله خوشه بندی بهینه گره های حسگر در جهت کاهش توان مصرفی گره های حسگر از طریق اتصال بهینه گره های حسگر به گره های سرخوشه با استفاده از الگوریتم های تکاملی انجام شده است و یک کدگذاری مطلوب برای پاسخ درنظر گرفته شده و یک تابع هدف مبتنی بر خوشه بندی بهینه با حداقل توان مصرفی در گره های حسگر تعریف شده است. نتایح حاکی عملکرد بهینه الگوریتم بهینه سازی علف های هرز در خوشه بندی بهینه گره ها با حداقل توان مصرف یدر شبکه حسگر دارد.
خوشه بندی گره ها در شبکه حسگر بی سیم با استفاده از الگوریتم های تکاملی Keywords:
خوشه بندی گره ها در شبکه حسگر بی سیم با استفاده از الگوریتم های تکاملی authors
فرشاد صیاد
گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
علی معینی
عضو هیئت علمی، دانشکده فنی، دانشگاه تهران، تهران، 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 :