Cluster Head Selection Using Density Peak Clustering for Internet of Things
نام عام مواد
Dissertation
نام نخستين پديدآور
Shalaw Rasul Hassan
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
Faculty of Persian Literature and Foreign Languages
تاریخ نشرو بخش و غیره
1400
مشخصات ظاهری
نام خاص و کميت اثر
49p.
ساير جزييات
cd
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
degree of Master
نظم درجات
Department of Computer Engineering
زمان اعطا مدرک
1400/04/16
کسي که مدرک را اعطا کرده
Tabriz
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
Wireless sensor networks have many hardware and software limitations, which makes the design of appropriate protocols for these networks challenging and important. Limitations to be considered in the design of protocols include energy constraints and radio amplitude constraints. Wireless sensor networks have used a variety of technologies recently, and each wireless sensor network has scalability, energy efficiency, and flexibility. Sensor nodes are involved in various programs that draw energy from micro-nodes. Wireless sensor node power consumption will be an important parameter for participating in wireless sensor node operations. The hierarchical cluster topology of wireless sensor networks is the most well-known mode of management of these systems, which has a tremendous number of desirable conditions, including simple management, use of neighborhood communication, and compatibility and simple information organization. These types of clusters will cause countless problems, for example, improper maintenance, high support costs, energy loss, and occasional interference. Cluster selection can be used as a hybrid clustering model with a quick search and finding density peak cluster (DPC) and the Imperial Competitive Algorithm (ICA). In this dissertation, these models will be used to reduce the distance to the head. This method considers the distance, energy, delay, and load of the IoT devices during the operation of the cluster head selection process. The purpose of this model is to reduce energy loss by reducing the distance between nodes and the base station, which leads to energy conservation and grid life. The analysis related to the existence of the number of alive nodes, convergence estimation, and performance in terms of normalized energy, and load of the IoT devices are determined. Thus the analysis of our implementation reveals the superior performance of the proposed method
متن يادداشت
شبکه های حسگر بی سیم محدودیت های سخت افزاری و نرم افزاری زیادی دارند ، که باعث می شود طراحی پروتکل های مناسب برای این شبکه ها چالش برانگیز و مهم باشد. محدودیت هایی که در طراحی پروتکل ها باید در نظر گرفته شود شامل محدودیت های انرژی و محدودیت های دامنه رادیویی است. شبکه های حسگر بی سیم اخیراً از فناوری های مختلفی استفاده کرده اند و هر شبکه حسگر بی سیم دارای مقیاس پذیری ، بهره وری انرژی و انعطاف پذیری است. گره های حسگر در برنامه های مختلفی نقش دارند که از میکرو گره ها انرژی می گیرند. مصرف برق گره سنسور بی سیم پارامتر مهمی برای شرکت در عملیات گره سنسور بی سیم خواهد بود. توپولوژی خوشه سلسله مراتبی شبکه های حسگر بی سیم شناخته شده ترین روش مدیریت این سیستم ها است که دارای شرایط بسیار مطلوبی از جمله مدیریت ساده ، استفاده از ارتباطات همسایگی و سازگاری و سازماندهی اطلاعات ساده است. این نوع خوشه ها مشکلات بی شماری ایجاد می کنند ، به عنوان مثال ، نگهداری نامناسب ، هزینه های بالای پشتیبانی ، اتلاف انرژی و تداخل های گاه به گاه. انتخاب خوشه می تواند به عنوان یک مدل خوشه ای ترکیبی با جستجوی سریع و یافتن خوشه اوج تراکم (DPC) و الگوریتم رقابتی امپریال (ICA) استفاده شود. در این پایان نامه از این مدل ها برای کاهش فاصله تا سر استفاده خواهد شد. این روش مسافت ، انرژی ، تأخیر و بار دستگاه های اینترنت اشیا را در حین کار در فرآیند انتخاب سر خوشه در نظر می گیرد. هدف از این مدل کاهش اتلاف انرژی با کاهش فاصله بین گره ها و ایستگاه پایه است که منجر به صرفه جویی در انرژی و طول عمر شبکه می شود. تجزیه و تحلیل مربوط به وجود تعداد گره های زنده ، برآورد همگرایی و عملکرد از نظر انرژی نرمال شده و بار دستگاه های اینترنت اشیا تعیین می شود. بنابراین تجزیه و تحلیل عملکرد ما عملکرد برتر روش پیشنهادی را نشان می دهد
عنوانهای گونه گون دیگر
عنوان گونه گون
انتخاب سر خوشه با استفاده از پیک تراکم برای اینترنت اشیا