مشخصات

زبان

بانک اطلاعاتی

فایل ها

توضیحات

فایل های شبیه سازی شده در NS2 ، خروجی های به دست آمده ، نمودار ها ، داکیومنت ۱۰ صفحه ای برای معرفی پروژه و تجزیه و تحلیل نتایج و نمودارها در فایل ورد و فیلم نحوه اجرا و خروجی گرفتن دارد

۷۷,۰۰۰ تـــــومان

مطالب مرتبط

بهبود مصرف انرژی در مسیریابی بین خوشه ای شبکه WSN با الگوریتم ژنتیک در NS2

بهبود مصرف انرژی در مسیریابی بین خوشه ای شبکه WSN با الگوریتم ژنتیک در NS2

بهبود مصرف انرژی در مسیریابی بین خوشه ای شبکه WSN با NS2

در این بخش پروژه شبیه سازی بهبود مصرف انرژی در مسیریابی بین خوشه ای شبکه WSN با الگوریتم ژنتیک در نرم افزار NS2 به همراه گزارش کار آماده کرده ایم که در ادامه توضیحاتی از پروژه ارائه شده و فیلم و تصاویر خروجی قرار داده شده است.

معرفی پروژه

هدف این پروژه افزایش طول عمر شبکه های بی سیم است. از آنجا که مشارکت نودها در تبادل اطاعات مسیریابی یکی از عوامل مهم مصرف انرژی نودها می باشد، در پروژه قصد کاهش و توزیع یکسان مشارکت نودها در فرآیند تبادل اطلاعات مسیریابی را داریم. اهداف کلی عبارتند از: افزایش طول عمر شبکه حسگر از طریق سعی در توزیع یکنواخت بار شبکه و میزان مصرف هماهنگ انرژی در میان تمام نودها ، دستیابی به کیفیت خدمات مسیریابی سلسله مراتبی در شبکه های حسگر بی سیم.

راهکار پیشنهادی

روش کار ما دارای دو فاز انتخاب سرخوشه و فاز حالت پایدار است. در مقاله پایه برای تشکیل خوشه از شعاع رقابتی استفاده می‌شود که وابسته به فاصله بین گره حسگر تا چاهک است، به این معنی که هرچه گره حسگر به چاهک نزدیک ‌تر باشد شعاع رقابتی کوچک ‌تر بوده و بلعکس که این مکانیسم باید توسط هر گره حسگر انجام شود و باعث مصرف انرژی زیادی در گره‌ ها خواهد شد، به این علت که گره های حسگر هم باید فاصله خود را تا چاهک محاسبه کنند و هم نسبت به این فاصله شعاع رقابتی خود را تنظیم کنند.

بهبود مصرف انرژی در مسیریابی بین خوشه ای شبکه WSN با الگوریتم ژنتیک در NS2

شکل نحوه دسترسی حسگرها به گره سینک و R_max

در روش پیشنهادی در نظر داریم محیط را به ناحیه ‌هایی تقسیم‌ بندی کنیم، به این صورت که هرچه ناحیه از چاهک دورتر می ‌شود تعداد سرخوشه های کمتری را برای آن ناحیه در نظر بگیریم. با این روش تقسیم ‌بندی ناحیه و انتخاب گره ‌های سرخوشه در دور اول شبکه بر عهده چاهک بوده و از مصرف انرژی بیش‌ازحد در گره‌ها جلوگیری خواهد شد. زیرا در این مرحله بار پردازشی بر روی گره‌ های حسگر نیست و چاهک موظف به انتخاب سرخوشه در هر ناحیه است. دلیل اینکه در ناحیه‌ های نزدیک تعداد سرخوشه های بیشتری را در نظر می ‌گیریم این است که این سرخوشه ها باید تعداد عضو کمتری داشته باشند تا بتوانند انرژی خود را برای ارسال داده ‌های سرخوشه های دورتر ذخیره کنند. سپس در دورهای آتی با استفاده از سیستم فازی نقش سرخوشگی عوض ‌شده و از تخلیه انرژی گره ‌های سر خوشه جلوگیری می‌ شود، به این صورت که برای انتخاب سرخوشه در دورهای آتی، سه پارامتر انرژی باقی مانده، میانگین فاصله با همسایه ها و میانگین فاصله تا سایر سرخوشه ‌ها را با یک سیستم فازی ادغام و ارزش هر گره را مشخص می کنیم، در نهایت گره حسگری که دارای بالاترین ارزش فازی باشد به ‌عنوان سرخوشه دور آتی انتخاب ‌شده و TDMA را از سرخوشه جاری دریافت می کند.

به این صورت انتخاب سرخوشه به صورت هوشمند و با توجه به شرایط انجام شده، که این باعث عملکرد بهتر ایده پیشنهادی خواهد بود. اما در فاز دوم، مقاله پایه با تولید گراف همبند و با استفاده الگوریتم BFS سعی در یافتن مسیر کوتاه به سمت چاهک دارد، الگوریتم BFS از ریشه شروع می ‌کند و آن را در سطح یک قرار می‌ دهد. سپس در هر مرحله همه همسایه ‌های رئوس آخرین سطح دیده ‌شده را که تا به ‌حال دیده نشده ‌اند بازدید می‌ کند و آنها را در سطح بعدی می ‌گذارد. این فرایند زمانی متوقف می‌ شود که همه همسایه‌ های رئوس آخرین سطح قبلا دیده ‌شده باشند.

همچنین در مسائلی که حالات مختلف متناظر با رئوس یک گراف ‌اند و حل مسئله مستلزم یافتن رأس هدف با خصوصیات مشخصی است که در عین ‌حال در بین همه رئوس هدف با آن خصوصیات به ریشه نزدیک ‌ترین باشد، جستجوی سطح اول به ‌صورت غیر خلاق عمل می ‌کند. بدین ترتیب که الگوریتم هر دفعه همه همسایه‌ های یک رأس را بازدید کرده و سپس به سراغ رأس بعدی می ‌رود و بنابراین گراف سطح به سطح پیمایش خواهد شد. این روند تا جایی ادامه می ‌یابد که رأس هدف پیدا شود و یا احتمالا همه گراف پیمایش شود. بر اساس آنچه گفته شد پیاده‌ سازی هوشمندانه الگوریتم آن ‌قدر مؤثر نخواهد بود. ما در روش پیشنهادی خود برای مسیریابی بین سرخوشه‌ ها تا گره چاهک از الگوریتم ژنتیک استفاده می ‌کنیم.

 


تصویر 1
تصویر 2
تصویر 3
تصویر 4
تصویر 5
تصویر 6
تصویر 7
تصویر 8
تصویر 9
باکس دانلود
شناسه:
۶۵۷۷
توضیحات:
فایل های شبیه سازی شده در NS2 ، خروجی های به دست آمده ، نمودار ها ، داکیومنت ۱۰ صفحه ای برای معرفی پروژه و تجزیه و تحلیل نتایج و نمودارها در فایل ورد و فیلم نحوه اجرا و خروجی گرفتن دارد
قیمت:
۷۷,۰۰۰ تـــــومان
ثبت نظر
ریفریش کنید!
نظرات کاربران (۰ مورد)

هیچ نظری ثبت نشده است