بکارگیری هوش مصنوعی جهت بهینه سازی مسیرهای شبکه های خودرو با کمک الگوریتم فراابتکاری KOA

در این پایان نامه الگوریتمی جدید برای مسیریابی در شبکه های ادهاک وسایل نقلیه (VANET) با استفاده از بهینه سازی الهام گرفته از طبیعت جهت بهبود قابلیت اطمینان و پایداری مسیر ارائه شده است. الگوریتم پیشنهادی با بهره گیری از رویکرد سلسله مراتبی در انتخاب و جایگزینی و تنظیم پارامترهای پویا بین اکتشاف و بهره برداری تعادلی ایجاد می کند و از بهینه سازی محلی جلوگیری می نماید. نتایج نشان می دهند که با تنظیم مقدار پارامتر MR در ۰۲ الگوریتم بهترین عملکرد را در سناریوهای مختلف از نظر قابلیت اطمینان و همگرایی به دست می آورد. مقایسه عملکرد الگوریتم پیشنهادی با الگوریتم های موجود مانند HHO، GWO و LO در چهار مرحله ارزیابی مختلف نشان داد که الگوریتم پیشنهادی در تمامی ارزیابی ها دارای مقادیر بالاتری از قابلیت اطمینان مسیر بوده است؛ به طور مثال در مرحله ۱۰،۰۰۰، ارزیابی قابلیت اطمینان این الگوریتم ۴۰-۲.۸ بود که بالاترین مقدار نسبت به سایر روش ها محسوب می شود. همچنین تحلیل ها تایید کردند که این الگوریتم در شرایط مختلف تراکم شبکه عملکرد بهینه تری داشته و سریع تر به مقادیر بالای قابلیت اطمینان دست می یابد. به طور کلی، نتایج نشان می دهند که الگوریتم پیشنهادی گزینه مناسبی برای کاربردهای مسیریابی در شبکه های VANET و ایجاد مسیرهای قابل اعتماد و پایدار می باشد. انجام آزمایشات بیشتر با داده های واقعی می تواند به ارزیابی دقیق تر و تطابق بهتر آن با شرایط عملی کمک کند.

کلیدواژه ها:

الگوریتم الهام گرفته از ، طبیعت VANET ، مسیریابی ، قابلیت اطمینان مسیر