انتخاب سرخوشه فازی مبتنی بر اعتماد در شبکه های حسگر بی سیم

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 115

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSCIT-10-4_002

تاریخ نمایه سازی: 25 مهر 1403

چکیده مقاله:

شبکه های حسگر بی سیم متشکل از تعداد زیادی گره حسگر می باشند که در یک منطقه محدود جغرافیایی پراکنده شده اند. چالش اصلی این شبکه ها محدودیت انرژی است. خوشه بندی، یک راه حل شناخته شده برای صرفه جویی در مصرف انرژی و افزایش طول عمر شبکه است. در اکثر روش های ارائه شده در هر دوره، آرایش خوشه ها و سرخوشه ها جهت افزایش طول عمر شبکه تغییر می یابد که باعث تحمیل مصرف انرژی بالا به سرخوشه ها می شود. همچنین برخی از روش های خوشه بندی منجر به انتخاب سرخوشه های مجزا برای خوشه های نزدیک به یکدیگر می شوند که مصرف انرژی بیشتری در پی دارند. مسئله اساسی دیگر، انتخاب گره های نامعتبر و نامطمئن به عنوان سرخوشه است زیرا منجر به عدم اطمینان در تعامل میان گره ها و کاهش امنیت کل شبکه می شود. هدف از روش پیشنهادی، ارائه یک روش خوشه بندی کارا است که علاوه بر برخورداری از مزایای مدیریت مصرف انرژی از طریق راهکارهایی نظیر عدم تغییر آرایش خوشه ها و سرخوشه ها در هر دور از اجرا و عدم انتخاب سرخوشه های مجزا برای خوشه های نزدیک، بتواند با تشخیص گره های مخرب و عدم انتخاب آن ها به عنوان سرخوشه، مسیری امن برای تعامل و ارتباط میان گره ها فراهم نماید. در روش پیشنهادی، شانس سرخوشه گی هر گره با استفاده از رویکرد فازی محاسبه شده و گرههای با شانس بیشتر، به عنوان گره مجاز و معتبر برای برقراری ارتباط شناخته می شوند. همچنین فرایند تشکیل خوشه به روش فازی و با تعریف تابع هدف متشکل از پارامترهای انرژی باقی مانده، فاصله تا ایستگاه پایه و میانگین فاصله گره های درون یک خوشه تا سرخوشه انجام می شود. کارایی روش پیشنهادی با روش های پایه و مرز دانش مقایسه شده است. نتایج آزمایش ها نشان میدهند روش پیشنهادی به طور میانگین ۵۹.۸۳% افزایش طول عمر و ۱۴.۷۵% کاهش مصرف انرژی را در پی دارد.

نویسندگان

Javad Hamidzadeh

دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه سجاد، مشهد، ایران.

Mona Moradi

دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، 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 :
  • D. Suhag, S. S. Gaur, and A. Mohapatra, "A proposed ...
  • K. K. Khedo, Y. Bissessur, and D. S. Goolaub, "An ...
  • N. Munusamy, S. Vijayan, and M. Ezhilarasi, "Role of Clustering, ...
  • F. Deniz, H. Bagci, and I. Korpeoglu, "Energy-efficient and fault-tolerant ...
  • N. Faruk et al., "A comprehensive survey on low-cost ECG ...
  • J. Y. Lu Si, Wuyang Wu, Jun Ma, Qingbo Wu, ...
  • M. K. Khan et al., "Hierarchical Routing Protocols for Wireless ...
  • A. Alwan, "Data Quality Management in Large-Scale Cyber-Physical Systems," University ...
  • A. H. Abdulwahid, "Power grid surveillance and control based on ...
  • S. Singh, S. Chand, and B. Kumar, "Energy efficient clustering ...
  • H. Jadidoleslamy, M. R. Aref, and H. Bahramgiri, "A fuzzy ...
  • A. Jain and B. Reddy, "Node centrality in wireless sensor ...
  • F. Fanian and M. Kuchaki Rafsanjani, "Cluster-based routing protocols in ...
  • W. R. Heinzelman, A. Chandrakasan, and H. Balakrishnan, "Energy-efficient communication ...
  • F. Song and B. Zhao, "Trust-based LEACH protocol for wireless ...
  • S. Sinha and Z. Chaczko, "T-SNIPER: Trust-aware sensor network information ...
  • G. Ran, H. Zhang, S. J. J. o. I. Gong, ...
  • M. Toloueiashtian and H. Motameni, "A new clustering approach in ...
  • H. Bagci and A. Yazici, "An energy aware fuzzy approach ...
  • D. Agrawal and S. Pandey, "FUCA: Fuzzy‐based unequal clustering algorithm ...
  • H. El Alami and A. Najid, "Energy-efficient fuzzy logic cluster ...
  • P. S. Mehra, M. Doja, and B. Alam, "Zonal based ...
  • P. Nayak and A. Devulapalli, "A fuzzy logic-based clustering algorithm ...
  • S. S. A. Mary and J. B. Gnanadurai, "Enhanced zone ...
  • Y. K. Tamandani, M. U. Bokhari, and Q. M. Shallal, ...
  • A. A. Baradaran and K. Navi, "HQCA-WSN: High-quality clustering algorithm ...
  • R. Ranganathan, B. Somanathan, and K. Kannan, "Fuzzy-Based Cluster Head ...
  • M. Mirzaie and S. M. Mazinani, "Adaptive MCFL: An adaptive ...
  • N. Mazumdar and H. Om, "Distributed fuzzy approach to unequal ...
  • K. Sundaran, V. Ganapathy, and P. Sudhakara, "Fuzzy logic based ...
  • A. K. Dwivedi and A. K. Sharma, "EE-LEACH: Energy Enhancement ...
  • M. Karimi, H. R. Naji, and S. Golestani, "Optimizing cluster-head ...
  • M. O. Oladimeji, M. Turkey, and S. Dudley, "HACH: Heuristic ...
  • N. Mittal, U. Singh, and B. S. Sohi, "An energy-aware ...
  • S. Tabatabaei, A. Rajaei, and A. M. Rigi, "A novel ...
  • S. Lata, S. Mehfuz, S. Urooj, and F. Alrowais, "Fuzzy ...
  • N. Mittal, S. Singh, U. Singh, and R. Salgotra, "Trust-aware ...
  • S. Gajjar, M. Sarkar, and K. Dasgupta, "FAMACROW: Fuzzy and ...
  • Z. M. Zahedi, R. Akbari, M. Shokouhifar, F. Safaei, and ...
  • M. Shokouhifar and A. Jalali, "Optimized sugeno fuzzy clustering algorithm ...
  • F. Fanian and M. K. Rafsanjani, "Memetic fuzzy clustering protocol ...
  • L. Kaufman and P. J. Rousseeuw, "Partitioning around medoids (program ...
  • N. R. Roy and P. Chandra, "A note on optimum ...
  • G. Han, J. Jiang, L. Shu, J. Niu, and H.-C. ...
  • نمایش کامل مراجع