ارائه مدلی بهینه جهت برنامهصریزی مسیر عاملصهای سیار با استفاده از خوشهبندی هوشمند و فرایند تصمیمصگیری مارکوف در اینترنت اشیا( موردمطالعه :سیستمصهای پایش سلامت)
عنوان اصلي به زبان ديگر
Providing an Efficient Model for Itinerary Planning of Mobile Agents using Intelligent Clustering and Markov Decision Process in Internet of Things (Case Study: Health Monitoring Systems)
نام نخستين پديدآور
/شمیم یوسفی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: هندسی برق و کامپیوتر
تاریخ نشرو بخش و غیره
، ۱۳۹۹
نام توليد کننده
، راشدی
مشخصات ظاهری
نام خاص و کميت اثر
۱۱۲ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز
زمان اعطا مدرک
۱۳۹۸/۰۶/۳۰
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
علیرغم پیشرفتصهای اخیر در حوزه اینترنت اشیا(IoT) ، اغلب دستگاهصهای این سامانهصها دارای منبع تغذیه محدودی هستند که توسط باتریصهایی با توان کم تأمین میصشوند .همچنین، با بهکارگیری این دستگاهصها در مناطق غیرقابلدسترس، امکان شارژ مجدد یا تعویض باتری وجود ندارد .بر این اساس، محدودیت انرژی در اینترنت اشیا یکی از مهمصترین چالشصها به شمار میصرود .انرژی موردنیاز برای برقراری ارتباطات بیصسیم بسیار بیشتر از هزینه پردازش دادهصها است؛ بنابراین، یکی از اساسیصترین مسائل جهت مدیریت انرژی در این سامانهصها، برنامهصریزی مسیر بهینه جهت انتقال دادهصها از دستگاهصهای منبع به چاهک میصباشد .ما در این رساله، مدل بهینهصای جهت برنامهصریزی مسیر انتقال دادهصها از دستگاهصهای اینترنت اشیا به چاهک ارائه دادهصایم .در گام اول، با استفاده از الگوریتم کلونی زنبورعسل مصنوعی، رویکرد قابلصاطمینانی جهت خوشهصبندی دستگاهصها ارائه شده است .بعد از خوشهصبندی، چالش اصلی، انتقال دادهصهای جمعصآوریصشده در سرخوشهصها به چاهک است .برای حل این مسئله، در گام دوم از رساله، روش انرژی-بهینهصای جهت گروهصبندی سرخوشهصها و برنامهصریزی مسیر عاملصهای سیار ارائه شده است .هدف اصلی این گام، ارائه برنامه مسیر بهینه برای هر یک از عاملصهای سیار با استفاده از فرایند تصمیمصگیری مارکوف میصباشد .درنهایت، روش پیشنهادی با بهرهصگیری از قابلیتصهای الگوریتمصهای تکاملی جهت خوشهصبندی دستگاهصها و ارائه مدلی برای برنامهصریزی مسیر عاملصهای سیار، توانسته است قابلیت اطمینان و انرژی مصرفی سامانه را بهینه کند .برای ارزیابی روشصص پیشنهادی، سامانه پایش سلامت مبتنی بر مجموعه داده Marche شبیهصسازی شدهص است .نتایج حاصل از این تجزیهصوتحلیلصها نشان میصدهد که رویکرد پیشنهادی جهت خوشهصبندی دستگاهصها، انرژی مصرفی سامانه، طول عمر شبکه، تعادل مصرف انرژی دستگاهصها و تأخیر انتقال دادهصها را بهطور میانگین، ۵۴/۲۰ ، ۱۹/۳ برابر، ۸۴/۳۵ و ۱۱/۱۴ بهبود داده است .همچنین، نتایج شبیهصسازیصها تأیید میصکند که رویکرد پیشنهادی جهت برنامهصریزی مسیر دادهصها، انرژی مصرفی سامانه، طول عمر شبکه، تعادل مصرف انرژی دستگاهصها، تأخیر انتقال دادهصها و قابلیت اطمینان سامانه را بهطور میانگین، ۲۴/۴۴ ، ۳۲/۳ برابر، ۳۱/۲۰ ، ۹۵/۱۱ و ۴/۱ بهبود داده است .درنهایت، از مهمصترین دستاوردهای این رساله، می-توان به قابلیتصهایی مانند بهبود انرژی مصرفی دستگاهصها، قابلیت اطمینان سامانه و تأخیر انتقال دادهصها اشاره کرد که با تنظیم پارامترها، روش پیشنهادی در سایر برنامهصهای کاربردی اینترنت اشیا با توزیع یکنواخت دستگاهصها نیز قابلاستفاده خواهد بود
متن يادداشت
Despite recent advances in the Internet of Things (IoT), most devices have limited power supply generated by low-power batteries. Moreover, it is not possible to recharge or replace batteries due to their exploitation in inaccessible areas. Accordingly, one of the most critical challenges in IoT is energy constraints. The energy required by wireless communication between devices is more than the data-processing costs; one of the most important issues for energy management in these systems is to plan an optimal route for data transmission from source devices to the sink. In this thesis, we present an efficient route planning model for data transmission from IoT devices to the sink. In the first step, a reliable approach is provided for device clustering using Artificial Bee Colony (ABC) algorithm. After clustering, the main challenge is to transmit the collected data in cluster-heads to the sink. To solve this problem, in the second step of this thesis, an energy-efficient method is provided for cluster-head grouping and route planning of mobile agents. The primary purpose of this step is to provide an optimal route plan for each mobile agent using Markov Decision Process (MDP). Finally, the proposed method could optimize the reliability and energy consumption of the system by using the capabilities of evolutionary algorithms for device clustering and providing a model for route planning of mobile agents. To evaluate the proposed method, the health monitoring system based on the Marche dataset has been simulated. The results of the analysis show that the proposed mechanism for device clustering has improved the energy consumption of the system, network lifetime, the balance of energy consumption, and data transmission delay, 20.54 , 3.19 times, 35.84 , and 14.11 , on average, respectively. Also, simulation results confirm that the proposed mechanism for route planning has improved the energy consumption of the system, network lifetime, the balance of energy consumption of devices, data transmission delay, and the reliability of the system, 44.24 , 3.32 times, 20.31 , 11.95 , and 1.4 times, on average, respectively. Finally, the most significant achievements of this thesis are features such as improving the energy consumption of devices, system reliability, and the balance of energy consumption, that by setting the parameters, the proposed method can be used in other IoT applications with uniform distribution of devices
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Providing an Efficient Model for Itinerary Planning of Mobile Agents using Intelligent Clustering and Markov Decision Process in Internet of Things (Case Study: Health Monitoring Systems)
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )