ترکیب الگوریتم پس انتشار و ازدحام ذرات برای تشخیص خودکار خطا در شبکه های موردی سیار

شبکه های موردی سیار مجموعه ای از نودهای مستقل و پویا هستند که به صورت بیسیم با هم ارتباط دارند. یکی از رویدادهایی که در هر شبکه باید انتظار وقوع آن را داشت مساله بروز خطا است، و آنچه در این مواقع اهمیت بیشتری پیدا می کند چگونگیرفتار شبکه در این مواقع است به طوری که بتواند خطا را تشخیص دهد و یا در حضور خطا به گونه ای عمل کند که عملکرد نهایی شبکه تحت تاثیر منفی خطا قرار نگیرد. شبکه عصبی یک روش آماری غیرخطی برای مدلسازی داده ها یا ابزاری برای تصمیم گیری میباشد. همچنین در تعریفی دیگر شبکه عصبی مصنوعی یک روش تشخیص الگو و دسته بندی میباشد. مسئله تشخیصخطا نیز یک مسئله دستهبندی یا طبقهبندی میباشدکه هدف از آن تقسیم بندی نودهای معیوب وسالم میباشد. بنابراین استفاده از شبکه عصبی پرسپترون در این زمینه می تواند مفید باشد. یکی از مشکلات این روش قرار گیری آن در بهینه محلی می باشد. ازاین رو در اینجا روشی مبتنی بر ترکیب الگوریتم پس انتشار خطا، با جستجوی محلی مناسب، و الگوریتم ازدحام ذرات به عنوانجستجوی سراسری کارآمد، پیشنهاد شده است. در روش پیشنهادی، الگوریتم پس انتشار در تعامل با الگوریتم ازدحام ذرات عمل می کند، بطوری که بعد هر تعداد تکرار مشخص، وزن ها در شبکه عصبی به عنوان ذرات در الگوریتم ازدحام ذرات بهینه می شوند. جهت مرحله آموزش و آزمون در شبکه عصبی از پارامترهای شبکه موردی سیار که اندازهگیری شدهاند، به عنوان ورودی و خروجیاستفاده شد. نتایج نشان میدهد که روش پیشنهادی نسبت به سایر روش ها از نظر تعداد تکرار کمتر، قابلیت اعتبار بیشتر و عدم قرارگیری در بهینه محلی عملکرد بهتری دارد.