ارزیابی مدل هایی برای جمع آوری داده های پایدار و بهینه از طریق رایانش لبه سیار در شبکه های حسگر بی سیم منفصل
- سال انتشار: 1402
- محل انتشار: دومین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی
- کد COI اختصاصی: EITCONF02_033
- زبان مقاله: فارسی
- تعداد مشاهده: 422
نویسندگان
دانشیار مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه اصفهان، اصفهان، ایران
کارشناسی ارشد مهندسی برق، دانشکده مهندسی، دانشگاه صنعتی اصفهان، اصفهان، ایران
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه شیخ بهایی، اصفهان، ایران
چکیده
با تقاضای روزافزون برای برنامه های کاربردی اینترنت اشیا، شبکه های حسگر بی سیم به ابزار اصلی برای انتشار داده ها برای تجزیه و تحلیل در عصر رایانش لبه سیار تبدیل شده اند. چاهک های سیار به عنوان گره های لبه به عنوان یک راه حل کارآمد برای افزایش عملکرد شبکه های حسگر بی سیم ظاهر شده . اند یکی از وظایف مهم چاهک های سیار جمع آوری داده ها به شیوه ای پایدار و بهینه با بازدید از نقاط ملاقات خاص در داخل شبکه های بحسگر ی سیم است. با این حال، اکثر کارهای موجود فقط بر روی شبکه های حسگر بی سیم متصل تمرکز می کنند، در حالی که شبکه های منفصل در هر ابرنامه ینترنت اشیا واقعیت دارند. علاوه بر این، هیچ یک از آنها یک مدل انتشار واقع بینانه در نظر نگرفته اند. این مقاله با توجه به تمام این مسائل، دو طرح جمع آوری داده جدید را پیشنهاد می کند. این طرح ها به ویژه برای برنامه های کاربردی با تاخیر طراحی اشده ند. ابتدا، یک الگوریتم مبتنی بر بدنه محدب برای تعیین نقاط ملاقات برای ساخت یک تور بهینه از یک چاهک سیار پیشنهاد می شود. سپس با استفاده از مجموعه نقاط ملاقات حاصل، الگوریتم فراابتکاری جایا و شبکه ی Q دو عمقی برای رمزگذاری ذرات کارآمد و جدید آنها ارائه می شود. شبیه سازی های دقیق نشان میدهد که الگوریتم های طرح های حاضر از نظر معیارهای مختلف عملکرد در شرایط مختلف به خوبی عمل می کنند.کلیدواژه ها
الگوریتم بهینه سازی ازدحام ذرات، الگوریتم جایا، الگوریتم شبکه ی Q دو عمقی، رایانش لبه، شبکه حسگر بی سیم.مقالات مرتبط جدید
- ارتقای امنیت و حریم خصوصی اینترنت اشیا: نقش انقلابی فناوری های بلاک چین
- طراحی متدولوژی های ترکیبی (Hybrid) در هوش مصنوعی برای حل مسائل پیچیده
- بهینه سازی سلسله مراتبی جریان ترافیک در محیط های شهری با استفاده از یک چارچوب ترکیبی مبتنی بر سیستم های چندعامله، یادگیری عمیق و یادگیری تقویتی
- بهینه سازی یادگیری فدرال در سیستم های رایانش لبه موبایل: مروری جامع بر چالش ها، راه حل ها و کاربردهای نوظهور
- فناوری اطلاعات و ارتباطات سبز
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.