ارائه يک روش مسيريابي آگاه از انرژی در اينترنت اشياء با ترکيب نظريه فازی و خوشهبندی گراف
عرفان دهقان زاده دیزج
ریاضی، آمار و علوم کامپیوتر(پردیس)
1402
۸۸ص.
سی دی
کارشناسی ارشد
علوم کامپیوتر گرایش سیستمهای هوشمند
۱۴۰۲/۰۶/۲۹
شبكه¬های حسگر بيسيم (wsn) در طراحي اينترنت اشياء (IOT) برای سنجش محيط، جمع¬آوری داده¬ها و ارسال آنها به ايستگاه پايه و مکانهای مورداستفاده برای تجزیهوتحلیل استفاده مي¬شود. در شبكه¬های حسگر بيسيم برای اينترنت اشياء، مسيريابي هوشمند پديده مهمي است که برای افزايش کيفيت خدمات (QOS) در شبكه ضروری است. علاوه¬براين، انرژی مورد نياز برای برقراری ارتباط در شبكه¬های حسگر مبتني بر اينترنت اشياء يک چالش مهم برای جلوگيری از افت شديد بسته يا افت بسته و تخليه سريع انرژی در شبكه است که منجر به کاهش عملكرد گره و افزايش تأخير تحويل بسته میشود. ازاینرو، بهمنظور افزايش عملكرد کلي شبكه از طريق استفاده از تکنیکهای هوشمند يادگيری ماشين برای تصمیم¬گيری¬های مؤثر مسيريابي، يک نياز شديد برای بررسي مصرف انرژی توسط گره¬ها میباشد. رويكردهای بسياری در حال حاضر در منابع مربوط به مسيريابي با مصرف انرژی مناسب برای شبكه¬های حسگر بيسيم موجود است. در اکثر روشهای پيشين مبتني بر خوشه¬بندی از تعداد بهينه خوشهها بايد توسط کاربر تعيين شود و الگوريتم خوشه¬بندی قادر به تعيين بهينه خوشه¬ها نيست. همچنين در روشهای مسيريابي مبتني بر خوشه¬بندی که پیشتر ارائهشده فقط روابط مستقيم بين گره¬ها در نظر گرفتهشده است و اين موضوع باعث میشود که دقت نهايي خوشه¬بندی کاهش پیدا کند. برای حل اين مشكل در اين تحقيق يک روش جديد مبتني بر خوشهبندی گراف و تشخيص جامعه ارائه میشود که تعداد بهينه خوشهها توسط روش خوشه-بندی تعيين و نسبت به ساير روشهای خوشهبندی دارای برتری است. در اين تحقيق با ترکيب خوشه¬بندی گراف و نظريه فازی يک روش جديد جهت مسيريابي در شبكه¬های حسگر بيسيم ارائه میشود. در اين روش در ابتدا گره¬ها با استفاده از خوشهبندی گراف به تعدادی خوشه تقسيم¬بندی شده و سپس با استفاده از نظريه فازی و تعريف يک تابع بهينه¬سازی، سرخوشه¬های بهينه برای عمليات مسيريابي انتخاب میشوند. پس از ارائه روش پيشنهادی برای ارزيابي عملكرد روش پيشنهادی آزمایشهای گوناگوني طراحي شد و عملكرد روش پيشنهادی با روشهای پيشين مقايسه شد. در ارزيابي عملكرد روش پيشنهادی از معيارهای ميزان مصرف انرژی، طول عمر شبكه، زمان مرگ اولين گره و تأخیر در ارتباط در شبكه استفاده شد و روش پيشنهادی با روشهای مسيريابي مبتني بر خوشه¬بندی k-means و خوشهبندی فازی c-means مقايسه شد.
Wireless sensor networks (wsn) are used in the design of the Internet of Things (IOT) for the environment, collecting data and sending them to the base station and places used for analysis. In wireless sensor networks for the Internet of Things, routing is an important phenomenon that is needed for intelligent quality of service (QOS) in the network. In addition, the energy required to communicate in IoT-based sensor networks is an important challenge to prevent packet loss or packet loss and rapid energy depletion in the network, which reduces node performance and increases delay. Therefore, in order to increase the overall performance of the network by using intelligent machine learning techniques to make effective routing decisions, there is a strong need to investigate the energy consumption by nodes. Many approaches are currently available in sources related to energy efficient routing for wireless sensor networks. In most previous methods based on clustering, the optimal number of clusters must be determined by the user, and the clustering algorithm is not able to determine the optimal number of clusters. Also, in the clustering-based routing methods presented earlier, only direct relationships between nodes are considered, and this causes the final accuracy of clustering to decrease. To solve this problem, in this research, a new method based on graph clustering and community detection is presented. The optimal number of clusters is determined by the clustering method and has superiority over other clustering methods. In this research, a new method for routing in wireless sensor networks is presented by combining graph clustering and fuzzy theory. In this method, nodes are first divided into a number of clusters using graph clustering, and then optimal cluster heads are selected for routing operations using fuzzy theory and the definition of an optimization function. After presenting the proposed method, various experiments were designed to evaluate the performance of the proposed method and the performance of the proposed method was compared with previous methods. In evaluating the performance of the proposed method, the parameters of energy consumption, network lifetime, first node death time, and network communication delay were used, and the proposed method was compared with routing methods based on k-means clustering and c-means fuzzy clustering
A novel energy-aware routing metod in the internet of thing by combination of fuzzy theory and graph clustering