بهینه سازی انرژی، انتخاب سرخوشه مناسب و مسیریابی در شبکه های پرواز Ad-Hoc (FANET) با هوش مصنوعی و الگوریتم بهینه ساز RDA

این پایان نامه به بررسی و ارائه یک رویکرد لایه به لایه برای شبکه های FANET می پردازد که به چالش های کلیدی نظیر حفظ قابلیت اطمینان و اتصال در کنار کارایی و کیفیت بالای مسیریابی پاسخ می دهد. با بهینه سازی توپولوژی شبکه از طریق یک مدل ارتباطی کارآمد و انتخاب سرخوشه بهینه با استفاده از الگوریتم Red Deer (RDA)، تلاش شده است تا عملکرد کلی شبکه بهبود یابد. همچنین، طراحی MAC به کاهش قابل توجه شکست های لینک کمک کرده است. نتایج تحلیل ها نشان می دهند که روش پیشنهادی بالاترین نسبت موفقیت را در مقایسه با سایر روش ها ارائه می دهد و با افزایش تعداد UAVها، درصد موفقیت بسته ها (PSR) در تمامی روش ها بهبود می یابد. در این میان، روش AODV با پایین ترین درصد موفقیت، تنها به ۷۲% می رسد. روش پیشنهادی همچنین حدود ۳۰% بهبود در توان عملیاتی نسبت به دیگر روش ها نشان می دهد و در زمان T=۱۰۰ به ۶۵۰ KBPS می رسد. بهترین عملکرد در زمینه تاخیر انتها به انتها (E۲E) نیز به این روش تعلق دارد. این تحلیل ها می توانند به انتخاب پروتکل مناسب بر اساس نیازهای خاص کمک کنند. در نهایت، بررسی افت بسته ها در سناریوهای مختلف نشان می دهد که روش های پیشنهادی به طور قابل توجهی در مقایسه با AODV بهبود یافته اند. به طور کلی، این تحقیق به ارائه راهکارهای موثری در زمینه شبکه های FANET منجر خواهد شد و می تواند به بهبود عملکرد و قابلیت های این شبکه ها کمک کند.

کلیدواژه ها:

FANET ، مسیریابی ، الگوریتم Red Deer ، توان عملیاتی ، تاخیر انتها به انتها