الگوریتم بهینه سازی پویا و تطبیقی از جمع مارها برای محیط های پویا

ظهور فناوری اینترنت اشیاء و نیاز به هوشمندسازی زیرساخت های شهری باعث شکل گیری نسل جدیدی از سیستم های حمل و نقل شد که به آن شبکه های بین خودرویی گفته می شود. این شبکه ها امکان برقراری ارتباط بی سیم بین خودروها را فراهم می کنند. با این حال این شبکه ها به دلیل ویژگی های خاص خود مانند تحرک بالا و نیاز به پردازش سریع داده ها با چالش های متعددی از جمله امنیت روبه رو هستند. در واقع احراز هویت نقش کلیدی در امنیت این شبکه ها دارد. در فرآیند احراز هویت هر خودرو باید هنگام ارسال پیام هویت خود را به طور معتبر اثبات کند تا گیرندگان مطمئن باشند که پیام از یک منبع واقعی و قابل اعتماد آمده است. در این شرایط استفاده از الگوریتم های فراابتکاری و هوش مصنوعی می تواند رویکردهای جدیدی برای بهینه سازی و افزایش کارایی این مکانیزم ها فراهم کند. این الگوریتم ها مانند الگوریتم جستجوی مارگارتر می توانند در بهینه سازی تصمیمات امنیتی در زمان تغییر شرایط شبکه به کار روند. در نسخه بهبود یافته این الگوریتم که اخیرا (۲۰۲۴) ارائه شده است، تغییری مهم در نحوه محاسبه مقدار تصادفی که در این الگوریتم نقش مهمی در تنظیم رفتار جمعیت دارد انجام شده است. در واقع به جای مقدار تصادفی ساده بین ۰ و ۱ در نسخه توسعه یافته این مقدار به صورت داینامیک و سازگار با وضعیت فعلی جمعیت تعریف شده است که باعث افزایش محسوس کارایی الگوریتم شده است. اما همچنان این الگوریتم دارای نواقص و ضعف های قابل ملاحظه ای است. لذا در این پژوهش روی توسعه الگوریتم برای محیط های پویا کار شده است. علاوه بر این خوشه بندی اولیه، توقف پویا، تحلیل حساسیت و حذف پارامترهای کم اثر نیز به منظور افزایش کارایی به ساختار الگوریتم اضافه شده است و الگوریتم نهایی با نام الگوریتم بهینه سازی پویا و تطبیقی از جمع مارها معرفی شده است. سپس روش پیشنهادی با زبان پایتون شبیه سازی شده و نتایج به دست آمده نشان دهنده برتری این روش نسبت به روش توسعه یافته پایه و روش های مرسوم موجود مانند الگوریتم بهینه ساز بازی، بهینه ساز کارتیمی، ماهی بادکنکی و مار جورابی است.

کلیدواژه ها:

اینترنت اشیاء ، شبکه های بین خودرویی ، امنیت ، احراز هویت