CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

خوشه بندی گره ها در شبکه حسگر بی سیم با استفاده از الگوریتم های تکاملی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۶ | تعداد نمایش خلاصه: ۴۰۸ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: IRCEM01_210
زبان مقاله: انگلیسی
حجم فایل: ۵۴۱.۶۸ کیلوبایت (فایل این مقاله در ۱۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله خوشه بندی گره ها در شبکه حسگر بی سیم با استفاده از الگوریتم های تکاملی

  فرشاد صیاد - گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
  علی معینی - عضو هیئت علمی، دانشکده فنی، دانشگاه تهران، تهران، ایران

چکیده مقاله:

امروزه علاوه بر به دست آوردن داده های مناسب برای تمام رشته ها، دقت در اندازه گیری آنها نیز از اهمیت فوق العاده ای برخوردار است. به همین منظور استفاده از حسگرها نقش به سزایی در ثبت این داده ها ایفا می کنند. حسگرهای بی سیم از جمله مناسب ترین راه کارهای جمع آوری داده در دنیا محسوب می شوند. اطلاعات جمع آوری شده به وسیله حسگرها باید به یک ایستگاه پایه منتقل شوند. در ارسال مستقیم، هر حسگر مستقیماً اطلاعات را به مرکز می فرستد. به دلیل فاصله زیاد حسگرها از مرکز، انرژی زیادی مصرف می کنند. در مقابل طراحی هایی که فواصل ارتباطی را کوتاه می کنند، می توانند دوره حیات شبکه را طولانی تر کنند. بنابراین خوشه بندی بهینه و مصرف انرژی مستقیماً طول عمر شکبه حسگر را تحت تأثیر قرار می دهد. در این مقاله خوشه بندی بهینه گره های حسگر در جهت کاهش توان مصرفی گره های حسگر از طریق اتصال بهینه گره های حسگر به گره های سرخوشه با استفاده از الگوریتم های تکاملی انجام شده است و یک کدگذاری مطلوب برای پاسخ درنظر گرفته شده و یک تابع هدف مبتنی بر خوشه بندی بهینه با حداقل توان مصرفی در گره های حسگر تعریف شده است. نتایح حاکی عملکرد بهینه الگوریتم بهینه سازی علف های هرز در خوشه بندی بهینه گره ها با حداقل توان مصرف یدر شبکه حسگر دارد.

کلیدواژه‌ها:

خوشه بندی ، شبکه حسگر، الگوریتم علف های هرز، الگوریتم ازدحام ذرت

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IRCEM01-IRCEM01_210.html
کد COI مقاله: IRCEM01_210

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
صیاد, فرشاد & علی معینی, ۱۳۹۵, خوشه بندی گره ها در شبکه حسگر بی سیم با استفاده از الگوریتم های تکاملی, نخستین کنفرانس ملی تحقیقات بین رشته ای در مهندسی کامپیوتر، برق، مکانیک و مکاترونیک, قزوین, مرکز آموزش عالی فنی مهندسی بوئین زهرا, پارک علم و فناوری استان قزوین, https://www.civilica.com/Paper-IRCEM01-IRCEM01_210.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (صیاد, فرشاد & علی معینی, ۱۳۹۵)
برای بار دوم به بعد: (صیاد & معینی, ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Alnuaimi. Mariam, et al. (2015). An efficient clustering algorithm for ...
  • Jin. Shiyuan, Ming Zhou. and Annie , Wu. (2003). Sensor ...
  • Xu, Yong, and Xin Yao. (2006). A GA approach to ...
  • Qu. Yipeng, and Stavros V. Georgakop oulos , (2011). Relocation ...
  • Mehrabian, Ali Reza. and Caro Lucas. (2006). A novel numerical ...
  • Rajagopalan, R. and Varshney, P. (2006). Data Aggregation Techniques in ...
  • Rahul, Goyal. Student. (2014). Department of Computer Engineering, A REVIEW ...
  • Shi, Y. Eberhart, R.C. (2010). Comparing Inertia Weights and Constriction ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۸۳۴۵
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • کشاورزی > ذرت
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.