مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب

مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب

مسیریابی مبتنی بر خوشه بندی در شبکه VANET با MATLAB

در این بخش پروژه شبیه سازی مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در نرم افزار MATLAB به همراه فیلم نحوه اجرا آماده کردیه ایم که بر اساس مقاله An Efficient Self-learning Approach for Cluster-Head based Routing in VANET انجام شده است. در ادامه خوشه بندی در ونت تعریف شده و مقاله و شبیه سازی آن معرفی می شود. همچنین فیلم و تصاویر خروجی پروژه در محیط متلب به همراه لینک دانلود رایگان مقاله پایه قرار داده شده است.

خوشه بندی در شبکه VANET

خوشه بندی در شبکه VANET به دلیل وجود تعداد بالای خودروها در مناطق شهری، از اهمیت بالایی برخوردار است. در سیستم حمل و نقل هوشمند (ITS)، شبکه بین خودرویی ونت قادر به ارائه برنامه های مربوط به ایمنی، دسترسی به اینترنت و برنامه های کاربردی برای رانندگان و مسافران است. توپولوژی مبتنی بر خوشه بندی یک تعامل داده کارآمد در بین وسایل نقلیه (خودروها)، می تواند برای گروه های گره های وسیله نقلیه در مجاورت جغرافیایی با هم استفاده شود که از تعامل مستقیم بین تعامل داده های بین خوشه ای از طریق سرخوشه ها (Cluster Head) پشتیبانی می کند. در روش موجود، بسیاری از الگوریتم های مربوط به ارتباطات مبتنی بر خوشه بندی در VANET توسعه یافته اند، اما پارامترهایی مانند موقعیت، سرعت، شتاب و در کل تحرک زیاد خودروها باعث افزایش پیچیدگی و کاهش کارایی شبکه شده است.

معرفی مقاله و شبیه سازی

در این مقاله، ما یک روش خوشه بندی ترکیبی مبتنی بر رویکرد یادگیری تطبیقی ​​را پیشنهاد می کنیم. در خوشه بندی ترکیبی، فرایند در سه مرحله تقسیم می شود. در مرحله اول، واحد کنار جاده ای (RSU) به عنوان یک سر خوشه ایستا عمل می کند. در مرحله دوم، کل منطقه به چندین منطقه تقسیم شده و الگوریتم خوشه بندی مبتنی بر حساس به منطقه بر روی آنها اعمال می شود. همچنین در مرحله سوم نیز از الگوریتم فوق در نمونه های آموزش نورو فازی (Neuro-Fuzzy) اسفاده می شود.

انتخاب سر خوشه (Cluster Head) بر اساس پیش بینی عصبی فازی یا مدل نورو فازی (شبکه عصبی فازی افنیس – ANFIS) صورت می گیرد. درصد انتخاب سر خوشه (CH) برای هر منطقه به منظور کاهش تاخیر انتها به انتها (end-to-end) و کاهش ازدحام تعیین می گردد. همچنین برای مسیریابی در شبکه از الگوریتم دیکسترا یا دایجسترا (Dijkstra’s algorithm) استفاده می شود. نتایج شبیه سازی با نرم افزار MATLAB نشان می دهد که کارایی الگوریتم پیشنهادی در مقایسه با روش موجود بهتر است.

تصاویر خروجی پروژه در محیط MATLAB

مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب مسیریابی مبتنی بر خوشه بندی در شبکه VANET با مدل نروفازی (ANFIS) در متلب


مشاهده ویدئو در این باره

خوشحال خواهیم شد اگر نظر خودتون رو درباره این مطلب ثبت کنید

خطا!دکمه ریفریش را بزنید