طرح خوشه بندی شبکه های حسگر بی سیم بر اساس مجموعه ی غالب مینیمم و الگوریتم ژنتیک

فایل این در 58 صفحه با فرمت PDF قابل دریافت می باشد

  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این :

چکیده :

مساله ی k-مرکز پایه یک مساله از سری مسائل مکان قرارگیری امکانات اساسی است. n راس و تعدادی فاصله داده شده، و بر اساس آنها می خواهیم k امکانات را طوری در رئوس مختلف قرار دهیم که حداکثر فاصله ی یک راس تا امکانات مربوطه اش را حداقل کنیم. این مساله به عنوان یک مساله ی NPسخت شناخته می شود؛ از طرفی دسته بندی گره های حسگر در یک خوشه، مکانیسم مهمی در شبکه های بی سیم چند جهشی برای بدست آوردن مقیاس پذیری، کاهش مصرف انرژی و رسیدن به بهترین کارایی شبکه است. در این مقاله یک روش جدید حل مساله ی k-مرکز، بر اساس مجموعه ی غالب مینیمم و الگوریتم ژنتیک برای شبکه های بی سیم مطرح می کنیم. طی یک ارزیابی از روش پیشنهادی، افزایش در تعداد مراکز مقایسه شده را نسبت به روش مشهور اولین-دورترین گذر و روش های فقط مبتنی بر مجموعه ی غالب نشان می دهیم. نه تنها مجموع فاصله های مراکز تا گره ناظر (سینک) کمتر از دو الگوریتم دیگر است، بلکه روش مطرح شده، تاخیر داده را تقلیل می دهد و طول عمر مراکز را نیز افزایش می دهد.

کلیدواژه ها:

شبکه های حسگر بی سیم ، مساله ی k-مرکز ، مجموعه ی غالب مینیمم ، الگوریتم ژنتیک

نویسندگان

جواد مومیوند

گروه مهندسی کامپیوتر، دانشگاه ملی مهارت (فنی و حرفه ای) تهران، ایران

فرهاد مردوخی

استادیار گروه مهندسی کامپیوتر و فنآوری اطلاعات دانشگاه رازی کرمانشاه، ایران

عدنان نصری

گروه مهندسی کامپیوتر، واحد صحنه، دانشگاه آزاد اسلامی، صحنه، ایران

عبدالحمید زاهدی

استادیار گروه برق، دانشگاه صنعتی، کرمانشاه، ایران.

مراجع و منابع این :

لیست زیر مراجع و منابع استفاده شده در این 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 لینک شده اند :
  • [1] T.-W. Sung, C.-S. Yang, A Voronoi-based Sensor Handover Protocol ...
  • [2] P. A. Forero, A. Cano, G. B. Giannakis, Distributed ...
  • [3] Y. Zhang, Y. Liu, Z. Zhang, H.-C. Chao, J. ...
  • [4] T.-W. Sung, C.-S. Yang, An Adaptive Joining Mechanism for ...
  • [5] T.-T. Nguyen, T.-K. Dao, M.-F. Horng, C.-S. Shieh, An ...
  • [6] T. Anker, D. Bickson, D. Dolev, B. Hod, Efficient ...
  • [7] S. Khuller, R. Pless, Y. J. Sussmann, Fault Tolerant ...
  • [8] J. Hartmanis, Computers and Intractability: A Guide to the ...
  • [9] V. V. Vazirani, Approximation Algorithms, Springer Science & Business ...
  • [10] H. Du, Y. Xu, B. Zhu, An Incremental Version ...
  • [11] D. Liang, L. Mei, J. Willson, W. Wang, A ...
  • [12] R. Ge, M. Ester, B. J. Gao, Z. Hu, ...
  • [13] A. E. Feldmann, Fixed Parameter Approximations for KCenter Problems ...
  • [14] S. Chechik, D. Peleg, The Fault-tolerant Capacitated K-center Problem, ...
  • [15] J.-H. Ho, H.-C. Shih, J.-S. Pan, Hierarchical Gradient Diffusion ...
  • [16] H.-C. Shih, J.-H. Ho, B.-Y. Liao, J.-S. Pan, Fault ...
  • [17] T. F. Gonzalez, Clustering to Minimize the Maximum Intercluster ...
  • [18] CSE 291: Geometric Algorithms, http://cseweb.ucsd.edu/dasgupta/291-geom/. ...
  • [19] D. Harel, Y. Koren, Graph Drawing by High-dimensional Embedding, ...
  • [20] B. Robič, J. Mihelič, Solving the k-center Problem Efficiently ...
  • [21] S. Elloumi, M. Labbé, Y. Pochet, A New Formulation ...
  • [22] D. Whitley, A Genetic Algorithm Tutorial, Statistics and Computing, ...
  • [23] T.-K. Dao, T.-S. Pan, T.-T. Nguyen, S.-C. Chu, A ...
  • [24] F.-C. Chang, H.-C. Huang, A Survey on Intelligent Sensor ...
  • [25] V. Snasel, L. Kong, P.-W. Tsai, J.-S. Pan, Sink ...
  • [26] T. Bäck, Optimal Mutation Rates in Genetic Search, Proceedings ...
  • [27] J. E. Beasley, and P. C. Chu, A Genetic ...
  • نمایش کامل مراجع