Multi-Constraint Optimal Path Finding for QoS-Enabled Smart Grids: A Combination Approach of Neural Network and Fuzzy System
محل انتشار: مجله محاسبات و امنیت، دوره: 4، شماره: 2
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 107
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCSE-4-2_001
تاریخ نمایه سازی: 8 دی 1400
چکیده مقاله:
Smart Grid (SG) is an intelligent managed network inclusive various data networks. Due to using the two-way data and electricity flows in SG, relations among the network elements are in an efficient way. Path finding optimization is one of the important challenges in SG. In this paper, we propose a routing protocol, namely Neuro-Fuzzy Stable Optimization Multi-Constrained Routing (NFSOMCR), to investigate the optimal path between two nodes in the SG. For this purpose, seven parameters and one cost function are used to meet the important QoS requirements of SG. Depending on the different initializations applied on the parameters, some routes with their constraints are found out by Dijkstra routing algorithm that form the inputs of the Neuro-Fuzzy system. The output of this system is the optimized cost function as well as the optimal paths between two nodes. Experimental results show that the proposed method outperforms existing works in terms of power cost and throughput.
کلیدواژه ها:
Smart Grid (SG) ، Routing Optimization ، Neuro-Fuzzy (NF) ، Performance Improvement ، Quality of Service (QoS)
نویسندگان
Razieh Rastgoo
Department of Computer Engineering, Shahid Bahonar University of Kerman, ۷۶۱۶۹۱۴۱۱۱ Kerman, Iran.
Vahid Sattari-Naeini
Department of Computer Engineering, Shahid Bahonar University of Kerman, ۷۶۱۶۹۱۴۱۱۱ Kerman, Iran.
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 :