عنوان

خوشه‌بندی انرژی-کارای مبتنی بر الگوریتم ژنتیک در شبکه‌های حسگر بی‌سیم برای کاربردهای اینترنت اشیاء

Number

پ۲۴۵۱۲

.Language of Text, Soundtrack etc

per

Title Proper

خوشه‌بندی انرژی-کارای مبتنی بر الگوریتم ژنتیک در شبکه‌های حسگر بی‌سیم برای کاربردهای اینترنت اشیاء

First Statement of Responsibility

جواد اصالتی

Name of Publisher, Distributor, etc.

پردیسهای خودگردان دانشگاه تبریز

Date of Publication, Distribution, etc.

۱۳۹۹

Specific Material Designation and Extent of Item

۷۴ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

علوم کامپیوتر

Date of degree

۱۳۹۹/۱۱/۲۹

Text of Note

شبکه‌های حسگر بی‌سیم از تعداد زیادی گره حسگر برای انجام یک کار خاص تشکیل‌شده است. به‌طورمعمول، این گره‌ها منابع محدودی دارند زیرا انرژی باتری فقط برای مدت‌زمان کمی حفظ می‌شود، بنابراین، بهره‌وری انرژی مهم‌ترین مسئله در شبکه‌های حسگر بی سیم است. اینترنت اشیاء (IoT) راهی پیش رو است که به‌عنوان یک سیستم محاسباتی جهانی در حال پیشرفت است. اینترنت اشیاء با ترکیب شبکه‌های حسگر بی سیم می‌تواند در شهرهای هوشمند، مراقبت‌های بهداشتی، حمل‌ونقل و غیره قابل‌استفاده باشد. این ادغام همچنین چالش‌هایی مانند مقیاس‌پذیری، قابلیت همکاری، بهره‌وری انرژی و امنیت را به همراه دارد. در شبکه‌های حسگر بی‌سیم که ارسال داده‌ها به‌صورت خوشه‌بندی است، انرژی اولیه کلیه گره‌ها یکسان در نظر گرفته‌شده است. در کاربردهای IoT اکثر گره‌ها غیر همگن بوده و دارای انرژی اولیه متفاوتی می‌باشند. ازآنجایی‌که اکثر الگوریتم‌های مسیریابی (خوشه‌بندی) انرژی گره‌ها در شبکه‌های حسگر بی‌سیم را همگن در نظر گرفته‌اند، مناسب IoT نمی‌باشند. در این ما روش خوشه‌بندی انرژی کارایی را ارائه می‌دهیم که سازگار با شبکه‌های حسگر بی‌سیم غیر همگن بوده و در کاربردهای IoT قابلیت استفاده داشته باشد. روش ارائه‌شده مبتنی بر الگوریتم‌های تکاملی خواهد بود و انتظار می‌رود طول عمر شبکه را افزایش دهد. لازم به ذکر است پیاده‌سازی و شبیه‌سازی نتایج در محیط نرم‌افزار MATLAB انجام خواهد گرفت. برای ارزیابی روش پیشنهادی از معیارهای مصرف انرژی، تعداد گره¬های مرده و تعداد بسته¬های ارسالی به ایستگاه پایه استفاده گردیده است. نتایج شبیه‌سازی‌ها نشان می‌دهند که روش پیشنهادی در مقایسه با یکی از جدیدترین روش‌ها در این زمینه عملکرد بهتری دارد. دلیل این برتری را می¬توانیم توابع برازندگی در نظر بگیریم.

Text of Note

AbstracWireless sensor networks consist of a large number of sensor nodes to perform a specific task. Typically, these nodes have limited resources; Because battery power is only stored for a short time; Therefore, energy efficiency is the most important issue in Wireless sensor networks. The Internet of Things (IoT) is a way forward that is evolving as a global computing system. The Internet of Things combined with Wireless sensor networks can be used in smart cities, healthcare, transportation, etc. The integration also poses challenges such as scalability, interoperability, energy efficiency and security. In wireless sensor networks where data transmission is clustered, the initial energy of all nodes is considered the same. In IoT applications, most nodes are heterogeneous and have different initial energies. Whereas most routing (clustering) algorithms consider the energy of nodes in wireless sensor networks to be homogeneous; They are not suitable for IoT. In this proposed design, we will present an efficient energy clustering method that is compatible with heterogeneous wireless sensor networks and can be used in IoT applications. The proposed method will be based on evolutionary algorithms and is expected to increase the life of the network. It should be noted that the implementation and simulation of the results will be done in the MATLAB software environment. To evaluate the proposed method, an environment with 100 nodes has been considered. In this environment, the nodes are randomly distributed in the problem space. Evaluation of the proposed method The criteria of energy consumption, number of dead nodes and number of packets sent to the base station have been used. Energy consumption of the proposed method is superior to the method of the reference article. The reason for this superiority can be considered as fitness functions. Also, the proposed method has a higher efficiency than the reference article and the number of dead nodes in the proposed method is less.

Variant Title

Energy efficient clustering based on genetic algorithm in wireless sensor networks for IOT applications

Entry Element

اصالتی،

Part of Name Other than Entry Element

جواد

Relator Code

تهيه کننده

Entry Element

‏ اقدسی،

Entry Element

‏صالح پور،

Part of Name Other than Entry Element

‏ سید هادی

Part of Name Other than Entry Element

‏ سیدهادی

Dates

تهيه کننده

Dates

استاد مشاور

Entry Element

تبریز