عنوان

A hybrid approach based on Grey Wolf optimization to select energy efficient cluster head for wireless sensor network

شماره

T24391

زبان متن نوشتاري يا گفتاري و مانند آن

انگلیسی

عنوان اصلي

A hybrid approach based on Grey Wolf optimization to select energy efficient cluster head for wireless sensor network

نام عام مواد

Dissertation

نام نخستين پديدآور

Aysar Hadi oleiwi

نام ناشر، پخش کننده و غيره

Faculty of Computer Engineering

تاریخ نشرو بخش و غیره

1399

نام خاص و کميت اثر

70p.

ساير جزييات

cd

جزئيات پايان نامه و نوع درجه آن

degree of Master

نظم درجات

Computer Engineering

زمان اعطا مدرک

1399/09/12

کسي که مدرک را اعطا کرده

Tabriz

متن يادداشت

Today, due to the wide range of applications that wireless sensor networks have, a lot of research has been focused on these networks. Wireless sensor networks are a group of special networks consisting of hundreds or thousands of wireless sensor nodes. The data collected by these sensors is eventually transmitted to the base station, which provides the data to the end user. In order to achieve better scalability as well as data aggregation, sensor nodes are grouped into smaller groups that do not overlap. These groups, called clusters, create a hierarchical design in wireless sensor networks that optimizes energy utilization and thus extends network life. The biggest challenges related to these networks are resource constraints, lack of fixed infrastructure and dynamic topology. In this research, an energy efficient Cluster Head selection algorithm which is based on Binary Grey Wolf Optimizer Algorithm (BGWO) proposed. Accordingly, the proposed method helps in selection of energy aware cluster heads based on a fitness function which considers the residual energy of the nodes and distances. The proposed method was tested on homogeneous and inhomogeneous networks and compared with LEACH, LEACH-C, DEEC and DDEEC methods. The results show that our proposed method has performed better than these methods in network lifetime and residual energy. Compared to other researches, our proposed method is better in lifetime and energy parameters

متن يادداشت

امروزه به دلیل گستردگی برنامه های کاربردی شبکه های حسگر بی سیم ، تحقیقات زیادی در مورد این شبکه ها متمرکز شده است. شبکه های حسگر بی سیم به گروهی از شبکه های ویژه متشکل از صدها یا هزاران گره سنسور بی سیم گفته می شود. داده های جمع آوری شده توسط این سنسورها سرانجام به ایستگاه پایه منتقل می شود که داده ها را در اختیار کاربر نهایی قرار می دهد. به منظور دستیابی به مقیاس پذیری بهتر و همچنین تجمیع داده ها ، گره های حسگر در گروه های کوچکتری دسته بندی می شوند که با هم تداخل ندارند. این گروه ها که خوشه نامیده می شوند ، یک طراحی سلسله مراتبی در شبکه های حسگر بی سیم ایجاد می کنند که استفاده از انرژی را بهینه می کند و بنابراین عمر شبکه را افزایش می دهد. بزرگترین چالش های مربوط به این شبکه ها محدودیت منابع ، کمبود زیرساخت های ثابت و توپولوژی پویا است. در این تحقیق ، الگوریتم انتخاب کارآمد انرژی Cluster Head که براساس الگوریتم بهینه ساز گرگ خاکستری باینری (BGWO) ارائه شده است. بر این اساس ، روش پیشنهادی براساس انتخاب عملکرد تناسب اندام که انرژی باقیمانده گره ها و سایر پارامترها را در نظر می گیرد ، به انتخاب سر خوشه های آگاه از انرژی کمک می کند. روش پیشنهادی در شبکه های همگن و ناهمگن مورد آزمایش قرار گرفت و با روشهای LEACH ، LEACH-C ، DEEC و DDEEC مقایسه شد. نتایج نشان می دهد که روش پیشنهادی ما در طول عمر شبکه و انرژی باقیمانده عملکرد بهتری نسبت به این روش ها داشته است. در مقایسه با سایر تحقیقات ، روش پیشنهادی ما از نظر پارامترهای طول عمر و انرژی بهتر است

عنوان گونه گون

ارائه روشی ترکیبی برای انتخاب سرخوشه انرژی کارا در شبکه های حسگر بیسیم با استفاده از الگوریتم گرگ خاکستری

اصطلاح موضوعی

Wireless Sensor Network, Grey Wolf Optimizer, Cluster Head Selection Network Life Time

اصطلاح موضوعی

شبکه حسگر بی سیم ، الگوریتم بهینه سازی گرگ خاکستری ، طول عمر شبکه، انتخاب سر خوشه

عنصر شناسه اي

Hadi oleiwi,

ساير عناصر نام

Aysar

کد نقش

Producer

عنصر شناسه اي

Salehpoor,

عنصر شناسه اي

Aghdasi,

ساير عناصر نام

pedram

ساير عناصر نام

Hadi

کد نقش

Thesis advisor

کد نقش

Consulting advisor

عنصر شناسه اي

Tabriz

کشور

ایران

سازمان

Center library of tabriz

تاريخ عمليات

20220308

شماره بازیابی

ارشد پایاننامه QA76 .H23 1399

نام الکترونيکي

فرمت انتشار

e

نوع ماده

TL

کد کاربرگه

276903

سطح دسترسي

a

تكميل شده

Y