عنوان فارسی مقاله:الگوریتمهای خوشهبندی بهینه برای شبکههای حسگر بیسیم بزرگ: مقاله مروری
چکیده
در چند سال گذشته، شبکههای حسگر بیسیم (WSN) به دلیل کاربردهای زیاد، به طور گسترده مورد استفاده قرار گرفتهاند. استفاده از WSN ها برای زمینه های مهم آینده مانند زمینه های زیست محیطی یا شهرهای هوشمند که در آن بیش از صدها یا هزاران گره حسگر مستقر هستند، یک ضرورت ضروری است. در آن WSN های مقیاس بزرگ، رویکردهای سلسله مراتبی عملکرد شبکه را بهبود می بخشد و طول عمر آن را افزایش می دهد. سلسله مراتب درون یک WSN شامل قطع کل شبکه به زیرشبکه هایی به نام خوشه است که توسط سرخوشه ها هدایت می شوند. علیرغم مزایای خوشهبندی در WSNهای بزرگ، این یک مسئله سخت چند جملهای غیر قطعی باقی میماند که با خوشهبندی سنتی به طور موثر حل نمیشود. تحقیقات اخیر انجام شده بر روی یادگیری ماشین، هوش محاسباتی و WSN ها الگوریتم های خوشه بندی بهینه را برای WSN ها نشان می دهد. این نوع خوشه بندی بر اساس رفتارهای محیطی است و از الگوریتم های خوشه بندی سنتی بهتر عمل می کند. با این حال، با توجه به تنوع برنامه های WSN، انتخاب یک پارادایم مناسب برای راه حل خوشه بندی یک مشکل باقی مانده است. در این مقاله، بررسی گسترده ای از راه حل های خوشه بندی بهینه پیشنهادی امروزه انجام می دهیم. برای ارزیابی آنها، ۱۰ پارامتر را در نظر می گیریم. بر اساس این پارامترها، ما مقایسه ای از این رویکردهای خوشه بندی بهینه را پیشنهاد می کنیم. از تجزیه و تحلیل، مشاهده میکنیم که راهحلهای خوشهبندی متمرکز مبتنی بر پارادایم هوش ازدحام برای برنامههایی با مصرف انرژی کم، نرخ تحویل داده بالا، یا مقیاسپذیری بالا نسبت به الگوریتمهای مبتنی بر پارادایمهای دیگر ارائهشده سازگارتر هستند. علاوه بر این، زمانی که یک برنامه کاربردی به تعداد زیادی گره در یک فیلد نیاز ندارد، راه حل مبتنی بر منطق فازی مناسب است.
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.