الگوریتم انتخاب ریشه براساس منطق فازی توزیع شده برای شبکه های حسگر بی سیم

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 603

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

BPJ02_088

تاریخ نمایه سازی: 11 آبان 1395

چکیده مقاله:

در این مقاله، برای انتخاب پایه کارآمد یک روش منطق فازی توزیع شده ( DFL ) با پنج پارامتر ورودی از جمله انرژی، مرکزیت، فاصله تا پایگاه مرجع، تعداد گام ها و تراکم گره، پیشنهاد شده است. جهت جلوگیری ازمصرف بالای انرژی طی انتقال پیام، نیاز به اجرای موتور منطق فازی در هر نقطه به صورت توزیع شده است. با اجرای DFL در گره های میانی و با حذف پیام های گره هایی که احتمال انتخاب آنها به عنوان پایه جدیدکمتر است، تعداد انتقال پیام ها از گره های پایه به گره های زیرشاخه کاهش می یابد. علاوه بر این، روش ارائه شده شامل تحمل خرابی، توازن بار و به موقع بودن است. جهت اثبات کارایی الگوریتم خود، آن را با الگوریتم هایی از جمله خوشه بندی تطبیقی کم انرژی سلسله مراتبی ( LEACH )، الگوریتم خوشه بندی تطبیقی از طریق زمان سنج انتظار ( ACAWT )، مکانیسم انتخاب سرگروه با منطق فازی ( CHEF ) و الگوریتمگوپتا مقایسه نمودیم.

کلیدواژه ها:

شبکه های حسگر بی سیم ، الگوریتم های خوشه بندی ، منطق فازی توزیع شده ، توازن بار ، تحمل خرابی ،

نویسندگان

میلاد مهری

گروه کامپیوتر و فناوری اطلاعات , واحد مهدیشهر , دانشگاه آزاد اسلامی , مهدیشهر , ایران

مریم تعجبیان

گروه کامپیوتر و فناوری اطلاعات , واحد مهدیشهر , دانشگاه آزاد اسلامی , مهدیشهر , ایران

اردلان الیاسی

گروه کامپیوتر و فناوری اطلاعات، واحد قائمشهر ، دانشگاه آزاد اسلامی ، قائمشهر ، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Alaybeyoglu A, Erciyes K, Kantarci A. An adaptive cone based ...
  • Gupta I, Riordan D, Sampalli S. Cluster head election using ...
  • Heinzelman W, Chandrakasan A, Balakrishnan , Energy-efficient communication protocol for ...
  • Kim JM, Park SH, Han YJ, Chung TM. CHEF: cluster ...
  • Wen C, Sethares W A Adaptive decentralized re-clustering for wireless ...
  • Taheri H, Neamatollalhi . Younis ONM, Naghibzadeh S, Y aghmace ...
  • Kumar SS, Kumar NMN, Sheeba VS. Fuzzy logic based _ ...
  • Ando H, Kulla E, Barolli L, Durresi A, Xhafa F, ...
  • Talheri M, Kavian YS. Energy efficient clustering algorithm for wireless ...
  • Hammoudeh M Kurz A, Gaura A. MuMHR: muli-path, muli-hop hierarchical ...
  • Wang Y, Zhao Q, Zheng D. Energy-driven adaptive clustering data ...
  • Pattem S, Poduri S, Krishnamachar B. Energy-quality tradeoffs for target ...
  • Clhoi H, Wang J, Hughcs EA. Scheduling for information gathering ...
  • Munaga H, Murthy JVR, Venkateswar, NB. A fault tolerant trajectory ...
  • Kuilab P, Janaa P. Energy efficient load-balanced clustering algorithm for ...
  • Gupta G, Younis NM. Perforrmance cvaluation of load-balanced clustering of ...
  • نمایش کامل مراجع