تحقیق خوشه بندی شبکه حسگر بی سیم بر مبنای الگوریتم بهینه سازی دسته ای ذرات

توضیحات

تحقیق خوشه بندی شبکه حسگر بی سیم بر مبنای الگوریتم بهینه سازی دسته ای ذرات

در سال های اخیر، برنامه های کاربردی شبکه های سنسور بی سیم (WSNs) به شدت افزایش یافته است. در WSN ها، یک مکانیزم برای افزایش طول عمر شبکه وجود دارد و روش های عملکرد کارآمدتری را فراهم می کند، این روش خوشه بندی نامیده می شود. خوشه بندی فرآیند تقسیم کردن میداk شبکه حسگر به تعدادی خوشه است. هر خوشه یک رهبر به نام خوشه را انتخاب می کند. سر خوشه ای ممکن است توسط گره حسگر در خوشه یا قبل از آن توسط طراح شبکه تعیین شده باشد. خوشه بندی بهینه می تواند انرژی زیادی را در شبکه ذخیره کند.

 پارامترهای مهم در خوشه بندی عبارتند از تعداد خوشه ها، اندازه هر خوشه، انتخاب گره سرخوشه. این فرآیند، یک مساله NP-hard است. یکی از الگوریتم‌های کارا در زمینه بهینه سازی خوشه بندی گره ها، الگوریتم دسته ای ذرات یا PSO است. این الگوریتم نه تنها در مقایسه با سایر الگوریتم‌های موجود کارایی بهتر دارد، بلکه در مصرف انرژی برای ارتباط میان گره ها نیز بسیار بهینه است و منجر به کاهش آن می شود.

مقدمه

حسگرهای میکرو دستگاه های کم انرژی با حافظه کوچک و پردازش قدرت کم هستند. این دستگاه های ارزان و کوچک با پیشرفت های اخیر در تکنولوژی نیمه هادی مکمل فلزات (CMOS) و تکنیک های کوچک سازی شده امکان پذیر شده اند. هر گره حسگر معمولاً شامل یک پردازنده کوچک، حافظه، رادیو گیرنده / فرستنده و یک منبع تغذیه می باشد. این دستگاه های کوچک توانایی تشکیل یک شبکه با تعداد زیادی از گره ها را در یک برنامه ثابت و بدون یک زیرساخت خاص دارا هستند [1].

شبکه­های حسگر بی­سیم[1]، مجموعه­ای از گره­های حسگر همگن، کوچک و کم­هزینه هستند که به صورت تصادفی در فضا قرار گرفته­اند و از طریق رسانه­ی بی­سیم با یکدیگر ارتباط برقرار می­کنند. حسگرها می­توانند محیط را حس یا نظارت کنند. از آن اطلاعات جمع­آوری کنند و از طریق ایستگاه­های پایه[2] داده­های جمع­آوری شده را برای کاربر ارسال نمایند. جمع­آوری داده در شبکه­های حسگر بی­سیم در راستای اهدافی نظیر حذف افزونگی، کاهش انتقال و بهبود دقت داده­ها انجام می­شود. هنگامی­ که گره­های حسگر با یکدیگر مشارکت می­کنند، پتانسیل بسیار زیادی در نظارت از راه دور وکنترل برنامه­های کاربردی نظیر خودکارسازی ساختمان، مشاهده و پیش­بینی محیط خواهند داشت. از آن­جایی که گره­های حسگر غالباً به صورت تصادفی در محیط قرار گرفته­اند، مکان­یابی یکی از اساسی­ترین مشخصه­ها در مدیریت شبکه حسگر است [2].

 

…

فهرست مطالب  تحقیق خوشه بندی شبکه حسگر بی سیم بر مبنای الگوریتم بهینه سازی دسته ای ذرات

• فصل اول: مقدمه و معرفی  6
• مقدمه 7
• پیشینه و تعریف مساله 9
• اهداف تحقیق 10
• ساختار سمینار 11
• فصل دوم: بررسی ادبیات موضوع  12
• 1-2- خوشه بندی در شبکه های WSN  13
• 2-2- بررسی مقالات جدید در زمینه خوشه بندی شبکه های WSN  14
• 3-2- اهداف خوشه بندی  16
• 1-3-2- مقیاس پذیری  17
• 2-3-2- تحمل خطا  17
• 3-3-2- جمع آوری داده ها 18
• 4-3-2- تعادل بار  18
• 5-3-2- همبندی شبکه تثبیت شده   19
• 6-3-2- بیشینه طول عمر شبکه  19
• 4-2- ویژگی های خوشه بندی  20
• 1-4-2- ویژگی های خوشه  20
• 2-4-2- ویژگی های گره سرخوشه  21
• 3-4-2- ویژگی های فرآیند خوشه بندی  22
• 5-2- طبقه بندی الگوریتم های خوشه بندی  24
• 1-5-2- الگوریتم های خوشه بندی با اندازه برابر  24
• 1-1-5-2- الگوریتم های خوشه بندی احتمالی  25
• 1-1-1-5-2- الگوریتم های خوشه بندی تصادفی  26
• 2-1-1-5-2- الگوریتم های خوشه بندی ترکیبی  27
• 2-1-5-2- الگوریتم های خوشه بندی قطعی  29
• 1-2-1-5-2- الگوریتم های مبتنی بر وزن دهی  30
• 2-2-1-5-2- الگوریتم های مبتنی بر فازی  32
• 3-2-1-5-2- الگوریتم های مبتنی بر اکتشاف  33
• 6-2- جایگاه شبکه WSNدر فضای اینترنت اشیا  33
• فصل سوم: الگوریتم بهینه سازی دسته ای ذرات در خوشه بندی WSN  35
• 1-3- مقدمه  36
• 2-3- بهینه سازی دسته ای ذرات  37
• 3-3- بهینه سازی دسته ای ذرات باینری  38
• 4-3- تابع برازندگی در الگوریتم PSO  40
• 5-3- بهینه سازی دسته ای ذرات پیشرفته  41
• 6-3- خوشه بندیWSN  با در نظر گرفتن مصرف انرژی  42
• 7-3- طبقه بندی روش های PSO با در نظر گرفتن مصرف انرژی  44
• 8-3- استفاده از PSO برای خوشه بندی WSN در فضای اینترنت اشیا  46
• 9-3- کارهای آینده  48
• 10-3- نتیجه گیری  48
• مراجع  50

منابع  تحقیق خوشه بندی شبکه حسگر بی سیم بر مبنای الگوریتم بهینه سازی دسته ای ذرات

[1] Afsar MM,Tayarani-NM-H, “A novel energy-efficient and distance-based clustering approach for wireless sensor networks”, Adv Intell Syst Comput (Springer), 2014.

[2] P. C. Srinivasa, Haider Banka, “Energy efficient clustering algorithms for wireless sensor networks: novel chemical reaction optimization approach”, Wireless Networks, Volume 23, Issue 2, pp 433–452, 2017.

[3] M. Mehdi Afsar a,n, Mohammad-H.Tayarani-N, “Clustering in sensor networks: A literature survey”, Journal of Network and Computer Application, pp. 198–226, 2014.

[4] R. Logambigai, A. Kannan, “Fuzzy logic based unequal clustering for wireless sensor networks”, Wireless Networks, Volume 22, Issue 3, pp 945–957, 2016.

[5] Pratyay Kuila, Prasanta K. Jana, “A novel differential evolution based clustering algorithm for wireless sensor networks”, Soft Computing 25, pp. 414–425, 2014.

[6] Bagci H,Yazici A, “An energy aware fuzzy approach to unequal clusteringin wireless sensor networks”, Appl Soft Comput, pp.1741-1749, 2013.

 [7] Mohammad Ebrahimi, Elaheh ShafieiBavani, Raymond K. Wong,Simon Fong, Jinan Fiaidhi, “An adaptive meta-heuristic search for the internet of things”, Future Generation Computer Systems, 2015.

[8] M. Victoria Moreno *, Benito Úbeda, Antonio F. Skarmeta and Miguel A. Zamora, “How can We Tackle Energy Efficiency in IoT Based Smart Buildings?”, open access sensors, pp. 9582 – 9614, 2014.

9]  [ سعيد مهرجو ۱، دکتر جمشيد شنبه زاده، ” خوشه بندي شبکه حسگر بي سيم بر مبناي الگوريتم بهينه سازي دسته اي ذرات به منظور کاهش مصرف انرژي”،  

توجه:

تحقیق خوشه بندی شبکه حسگر بی سیم بر مبنای الگوریتم بهینه سازی دسته ای ذرات شامل یک فایل ورد 50 صفحه ای و یک پاورپوینت 16 اسلایدی می باشد.

لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.

سفارش تحقیق

به منظور سفارش تحقیق مرتبط با رشته تخصصی خود بر روی کلید زیر کلیک نمایید.

سفارش تحقیق