یک پروتکل مسیریابی چند گامه مبتنی بر اتوماتای یادگیر سلولی برای شبکه های حسگر بی سیم (MRQCLA)
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,540
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AEBSCONF01_110
تاریخ نمایه سازی: 6 آبان 1393
چکیده مقاله:
یک شبکه حسگر بیسیم از تعداد زیادی نودهای حسگر در یک ناحیه خاص تشکیل شده است که هر یک از آنها توانایی جمع آوری اطلاعات از محیط را دارا می باشند و داده های جمع آوری شده را به گره مرکزی ارسال می کنند. یکی از مسائل مهم در شبکه های حسگر بیسیم کیفیت سرویس می باشد. بعضی از پارامترهایی که درارزیابی کیفیت سرویس در شبکه های حسگر بیسیم مورد استفاده قرار می گیرند عبارتند از: محدوده ارسال گره ها، تعداد بهینه نودهای فعال در شبکه، طول عمر شبکه و میزان مصرف انرژی. تکنیکی که ما جهت بهبود پارامترهای کیفیت سرویس در شبکه های حسگر مورد استفاده قرار داده ایم، روش هوشمند اتوماتای یادگیر سلولی (CLA) می باشد. در این مقاله، یک پروتکل مسیریابی چندگامه جدید، مبتنی بر اتوماتای یادگیر سلولی به منظور بهبود مصرف انرژی در شبکه های حسگر بیسیم ارائه می شود. برای رسیدن به این هدف با استفاده از اتوماتای یادگیر به یافتن مناسب ترین برد رادیویی برای هر گره می پردازیم. همچنین با ایجاد یک اتوماتای یادگیر سلولی برای کل شبکه و با استفاده از تکنیک توزیع بار و استفاده بهینه از تمام گره ها سعی در توازن بهتر مصرف انرژی در گره ها و نهایتاً افزایش طول عمر شبکه را داریم. پروتکل پیشنهادی ما دارای 3 فاز: 1- کنترل توپولوژی 2- شناسایی مسیرها و 3- توزیع ترافیک و نگهداری از مسیرها می باشد. در فاز اول برای تمام گره ها بهترین محدوده ارسالی انتخاب می شود. در فاز دوم جدول های مسیریابی برای هر گره ایجاد می شود و تمام مسیرهای مجزای جزئی بین هر جفت گره منبع و مقصد شناسایی می شوند. در فاز سوم، توزیع ترافیک بین تمام گره های شبکه صورت می گیرد تا از مرگ زودرس شبکه جلوگیری شود. همچنین به منظور نگهداری از مسیرها در شبکه ما، شناسایی مجدد چندین مسیر پس از خرابی مسیرهای اولیه، هنگامی صورت می گیرد که هیچ مسیر فعالی بین منبع تا مقصد وجود نداشته باشد. در شبیه سازی های انجام شده ما الگوریتم پیشنهادی را با سه الگوریتم: Learning Automata، Random-Based،Flooding مقایسه می کنیم. نتایج بدست آمده نشان دهنده بهبود عملکرد الگوریتم پیشنهادی ما (MRQCLA) در تعداد بسته های ارسالی، نرخ دریافت بسته ها و همچنین میانگین انرژی باقیمانده در گره ها، می باشد.
کلیدواژه ها:
نویسندگان
محمد عبدالهی
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد بافت، گروه کامپیوتر، بافت ، ایران.
مهران ابدالی
مربی، دانشگاه آزاد اسلامی واحد بافت، گروه کامپیوتر، بافت، ایران.
فرخ کروپی
استادیار، دانشگاه آزاد اسلامی واحد بافت، گروه کامپیوتر، بافت، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :