خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب

خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب

خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با متلب

در این بخش پروژه شبیه سازی خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) را در نرم افزار MATLAB به همراه فیلم نحوه اجرا آماده کردیم که در ادامه به معرفی این پروژه شبکه با الگوریتم فراابتکاری پرداخته و فیلم و تصاویری از خروجی های به دست آمده از شبیه سازی در محیط متلب قرار داده شده است.

معرفی پروژه

هدف پروژه پیش رو، انجام عمل خوشه بندی در شبکه حسگر بی سیم (WSN) به منظور بهینه سازی مصرف انرژی، میزان بسته ارسالی و انرژی باقیمانده در این شبکه ها می باشد که قصد داریم این هدف را به کمک الگوریتم هوشمند خفاش (Bat algorithm – BA) با استفاده از نرم افزار MATLAB انجام دهیم. در این پروژه ما سه الگوریتم داریم که اولی یک شبکه بی سیم بدون خوشه بندی است که تنها به ارسال اطلاعات در شبکه می پردازد، دومین الگوریتم یک شبکه بی سیم خوشه بندی شده است که همان پروتکل LEACH استاندارد می باشد، و سومین الگوریتم نیز روش پیشنهادی است که بر اساس الگوریتم خفاش پیاده سازی شده است.

معرفی روش کار

در ابتدای الگوریتم، با استفاده از تابع آشوبناک، خفاش هایی را به عنوان سرخوشه انتخاب می کنیم. این تابع به صورت تصادفی از میان تمام خفاش های موجود، خفاش هایی را انتخاب می کند تا خوشه های اولیه تشکیل شوند. با توجه به اینکه هدف کاهش مصرف انرژی است، انرژی گره ها از اهمیت بالایی برخوردار است. با توجه به برابر بودن میزان انرژی گره ها در شروع الگوریتم، این انتخاب به صورت تصادفی ولی با تابع آشوب انجام می شود. استفاده از تابع برازندگی جهت انتخاب نود سرخوشه در الگوریتم یکی از مواردی است که باعث هوشمندی هرچه بیشتر الگوریتم می گردد. ملاک تابع برازندگی می تواند میزان انرژی باقی مانده گره ها باشد.

انتخاب سرخوشه با استفاده از چندین ملاک انجام می شود. علاوه بر حد آستانه، یکی دیگر از شرایط انتخاب یک نود به عنوان سرخوشه، انرژی باقیمانده آن نود می باشد. انرژی نودها در هر دور به دلیل ارتباطات، جمع آوری اطلاعات و ارسال اطلاعات کاهش می یابد. بنابراین این انرژی در هر دور از اجرای الگوریتم بررسی می شود و با مقدار انرژی آستانه هر خوشه مقایسه می شود و درصورتی که از آستانه پایین تر باشد، توسط تابع آشوب یکی دیگر از نودهای خوشه جهت انتخاب به عنوان سرخوشه انتخاب خواهد شد.

اینکه تمامی نودها جهت انتخاب به عنوان سرخوشه بررسی نمی شوند به این دلیل است که از سربار ایجاد شده در هنگام بررسی انرژی ها کاسته شود. مقدار انرژی نود انتخاب شده با آستانه تعیین شده مقایسه شده و در صورتی که پایین تر از حد آستانه باشد انتخابات جدیدی جهت انتخاب سرخوشه انجام خواهد شد (مقدار آستانه را می توان میانگین انرژی نودهای سرخوشه در نظر گرفت).

تصاویر خروجی پروژه در محیط MATLAB

خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب خوشه بندی در شبکه WSN برای کاهش مصرف انرژی با الگوریتم خفاش (BAT) در متلب


مشاهده ویدئو در این باره

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

خطا!دکمه ریفریش را بزنید