دانلود متن کامل پایان نامه با فرمت ورد | ... | |
2-3-2- انواع مسیریابی در شبکههای حسگر بیسیم………………. 17 2-4- خوشهبندی در شبکههای حسگر بیسیم……………………… 29 2-5- پارامترهای مهم در خوشهبندی……………………… 31 2-6- پروتکلهای ارائهشده موجود…………………….. 33 2-6-2- پروتکلهای مسیریابی مبتنی بر مکان…………….. 45 2-6-3- خوشهبندی به وسیله الگوریتمهای هوشمند…………….. 48 2-7- الگوریتم کوچ پرندگان PSO……………………… 3- فصل سوم : الگوریتم پیشنهادی……………………… 54 3-1- شرح تابع شایستگی به کار رفته در الگوریتم کوچ پرندگان………… 55 3-1-1- مکان……………………… 55 3-1-2- انرژی……………………… 56 3-1-3- درجه پیوستگی در شبکه…………………….. 57 3-1-4- تعداد دفعاتی که سرخوشه انتخاب شده است…………….. 58 3-2- مراحل الگوریتم……………………… 58 3-2-1- فاز اول……………………… 59 3-2-2- فاز دوم…………………….. 60 3-2-3- فاز سوم…………………….. 61 3-2-4- فاز چهارم…………………….. 62 3-3- مدلهای حرکت………………………. 63 3-3-1- مدل حرکتی پیادهروی تصادفی……………………… 64 3-3-2- مدل حرکتی ایستگاه تصادفی……………………… 66 3-3-3- مدل حرکتی امتداد تصادفی……………………… 67 3-3-4- مدل حرکتی جامع منطقه شبیهسازی……………………… 68 3-3-5- مدل حرکتی گامبهگام…………………….. 69 3-3-6- مدل حرکتی حرکت هموار…………………….. 70 4- فصل چهارم : نتایج شبیهسازی……………………… 74 4-1- معرفی محیط شبیهسازی……………………… 74 4-2- نتایج شبیهسازی…………………….. 76 4-2-1- متوسط انرژی باقیمانده…………………….. 77 4-2-2- واریانس انرژی باقیمانده…………………….. 77 4-2-3- سربار پیغام کنترلی……………………… 78
4-2-4- گرههای حسگر فعال در شبکه…………………….. 79 4-2-5- درصد گمشدن(نرسیدن) پیغامها……………………. 80 5- فصل پنجم: نتیجهگیری و پیشنهادهای آینده……………. 82 5-1- نتایج……………………… 82 5-2- پیشنهادها……………………. 85 6- مراجع……………………… 86 چکیده: شبکههای حسگر بیسیم مجموعهای از سنسورهای حسگر بیسیم است که در محیط بهصورت تصادفی برای جمعآوری اطلاعات پراکنده شدهاند. مسئله انتقال بهینهی دادهها، یکی از موارد بسیار مهم در بهکارگیری فناوریهای نوینی از قبیل شبکههای حسگر بیسیم چندرسانهای است. اگرچه شبکههای حسگر بیسیم چندرسانهای توسعهیافته شبکههای حسگر بیسیم هستند، اما با توجه به ماهیت این شبکهها و محدودیت ذاتی حسگرها در حوزههای انرژی، توان محاسباتی و ظرفیت حافظهای، مسئله انتقال دادهها در جهت تضمین پارامترهای کیفیت خدمات، با چالشهای فراوانی روبرو خواهد شد. مجموعهای از روشهای انتقال داده در شبکههای حسگر مبتنی بر خوشهبندی حسگرها در شبکه هستند، که با افراز شبکه به تعدادی خوشهی مجزا و مدیریت سلسله مراتبی مسئلهی انتقال دادهها سعی در سادهسازی این مسئله دارند. در سالیان اخیر روشهای مختلفی برای ایجاد خوشه و انتخاب سر خوشهی مناسب و بهینهسازی انتقال دادهها از این طریق ارائه شده است. موارد مختلفی در حوزهی وجود دارند که میتوانند بر کیفیت انتقال دادهها در شبکه تأثیرگذار باشند. یکی از این موارد انتخاب بهینهی گره سرخوشه برای مدیریت هر یک از خوشهها است؛ چنین گرهی علاوه بر توانایی مدیریت جریان دادههای زیر گرههای مجموعهی خود باید دسترسی مناسبی به تمام خوشهی خود و نیز به گره چاهک داشته باشد. علاوه بر این توزیع سرخوشهها باید به گونهای باشد که خوشههایی با حجم متناسب و تعداد کافی در شبکه را تأمین نمایند. از این گذشته، عملیات خوشهبندی و انتخاب سرخوشهها باید در دورههای زمانی مناسب و با هدف جلوگیری از تحمیل حجم کاری سنگین به تعداد محدودی از گرهها تکرار شود. با معرفی انواع مختلف الگوریتمهای فرا ابتکاری، روشهای نوینی برای حل مسئلههای بهینهسازی به وجود آمدهاند که آزمایشهای تجربی حکایت از کارایی بسیار مناسب آنها در مسائلی از حوزههای مختلف علوم و مهندسی دارند. در این پایاننامه روشی برای انتخاب سرخوشـه مناسب بر اساس الگوریتـم فرا ابتکاری کوچ پرندگان که بهصورت توزیعشده در شبکه حسگر بیسیم متحرک اجرا میشود، ارائهشده و نتایج حاصل از شبیه سازی این الگوریتم در حالتهای مختلف حرکتی آورده شده است. فصل اول: مقدمه شبکههای حسگر بیسیم[1] از مجموعهای حسگر بیسیم تشکیل شده است که به جهت جمعآوری اطلاعات در محیطی به فراخور کاربرد آنها پخش شدهاند. به طور کلی شبکههای حسگر بیسیم جهت جمعآوری اطلاعات در مناطقی که کاربر نمیتواند حضور داشته باشد مورد استفاده قرار میگیرند [1]. در یک شبکه حسگر، حسگرها به صورت جداگانه مقادیر محلی را نمونهبرداری میکنند و این اطلاعات را در صورت لزوم برای حسگرهای دیگر و در نهایت برای مشاهدهگر اصلی ارسال مینمایند. شبکههای حسگر بیسیم معمولاً در محیطهای سخت که دسترسی انسان به آن مکانها سخت و پرهزینه است استفاده میشوند. از شبکههای حسگر بیسیم در هواشناسی، کشاورزی، زلزلهنگاری، صنایع نظامی و جنگها، ایجاد محدودهی امنیتی و … استفاده میشود [1]. روند استفاده از شبکههای حسگر در سالهای پایانی دهه 80 و سالهای آغازین 90 توسط وزارت دفاع آمریکا، DARPA[2] و چند کشور دیگر ادامه داشت. در اواسط دهه 90 با تعریف برخی استانداردها از جمله 1999IEEE[3] فناوریهای تجاری هم پا به عرصه وجود گذاشتند و گروههای مختلف تحقیقاتی فعال در زمینه ارتباطات بیسیم وارد بازار وسیع بالقوه غیرنظامی شدند]2[. شبکههای حسگر مجموعهای از تعداد بسیار زیادی گره حسگر با ابعاد کوچک و قابلیتهای مخابراتی و محاسباتی محدود است که به منظور جمعآوری و انتقال اطلاعات از یک محیط به سمت یک کاربر و یا ایستگاه پایه[4] به کار برده میشود. تفاوت اساسی این شبکهها با شبکهها سنتی و قدیمی، ارتباط آن با محیط و پدیدههای فیزیکی است. شبکههای سنتی، ارتباط بین انسانها و پایگاههای اطلاعاتی را فراهم میکنند، درحالیکه شبکههای حسگر به طور مستقیم با جهان فیزیکی در ارتباط هستند. این شبکهها با استفاده از حسگرها، محیط فیزیکی را مشاهده کرده و سپس بر اساس مشاهدات خود تصمیمگیری نموده و عملیات مناسب را انجام میدهند ]3[. شبکه حسگر بیسیم، یک نامگذاری عمومی برای انواع شبکههای مختلفی است که بهمنظور خاص طراحی میشوند. برخلاف شبکههای سنتی که همه منظورهاند، شبکههای حسگر تک منظورهاند. منظور از تک منظوره بودن این شبکهها آن است که نیازمندیها و شرایط طراحی یک شبکه حسگر بیسیم بسته به کاربرد آن متفاوت خواهد بود. درصورتیکه گرهها توانایی حرکت داشته باشند، شبکه میتواند گروهی از رباتهای کوچک در نظر گرفته شود که باهم به صورت تیمی کار میکنند و جهت مقاصد خاصی مانند بازی فوتبال طراحیشدهاند ]3[. با توجه به کاربردهای متفاوت این فنّاوری و نیاز به قابلیتهای ویژه در زمینههای مختلف، مسائل متعدد و زمینههای گوناگونی جهت حل و بهینهسازی آنها وجود دارد. بهعبارتدیگر، در بسیاری از مسائل مطرحشده با تابع هدفی روبرو هستیم که میخواهیم آن را بهینه نماییم. ازجمله مسائل مطرح در این شبکهها، مسئله مسیریابی است. بهصورت ساده میتوان مسئله مسیریابی را یافتن بهترین مسیر از گرههای حسگر منبع به سمت گره مقصد در نظر گرفت. یکی از روشهای حل مسئله مسیریابی در شبکههای حسگر بیسیم روشهای خوشهبندی[5] است. این روش به خاطر مزیتهایی مانند کم شدن حجم ارتباطها و پیغامهای غیرضروری با چاهک[6] و افزایش پهنای باند مفید و مدیریت راحتتر حسگرها و افزایش عمر شبکه بسیار پرکاربرد است. الگوریتمهای توزیعشده به خاطر کاهش حجم اطلاعات غیرضروری به سینک و کم کردن ترافیک دادهای برای پیکربندی شبکه بهویژه در شبکههایی با مقیاس بزرگ بسیار مفید هستند. امروزه یکی از روشهای حل مسائل مختلف الگوریتمهای هوشمند ریاضی مانند شبکه عصبی و کلونی مورچگان[7] است. یافتن سرخوشههای مناسب و بهینه، از بین گرههای حسگر یک مسئله پیچیده با بار محاسباتی سنگین است. در این پایاننامه ما مسئله خوشهبندی را در شبکههای حسگر بیسیم، بهوسیلهی الگوریتم کوچ پرندگان (ازدحام ذرات)[8] و بهینهسازی مرزی[9] حل شده است. تابع بهینگی[10] مسئله استخراجشده برحسب پارامترهای مکانی[11] ، انرژی[12]، درجه گره[13] و تعداد مسیر[14] تا سرخوشهی حسگرها میباشد [5]. در رویکردهایی که تمام محاسبات خوشهبندی در سینک انجام میشود بار محاسبات زیادی به سینک تحمیل میشود. همچنین برای جمعآوری اطلاعات اولیه از گرههای حسگر به سینک برای انجام محاسبات، پهنای باندی زیادی از شبکه هدر میرود.الگوریتم پیشنهادشده با رویکرد الگوریتمهای توزیعشده[15]، سرخوشههای مناسبی برای خوشهبندی پیشنهاد میدهد [6]. 2-1- بیان مسئله انتخاب سرخوشه مناسب برای خوشهها در الگوریتمهای توزیعشده از مسائل مهم است. به خاطر اینکه گرههای شبکه دارای دید محلی از وضعیت فعلی خود در شبکه هستند؛ نداشتن دید جامع باعث میشود تا انتخاب سرخوشه مناسب برای خوشه مشکل شود. استفاده از الگوریتمهای هوشمند ابتکاری و فراابتکاری برای انتخاب سرخوشه مناسب یکی از راههای این مسئله است. هدف این پایاننامه ارائه یک الگوریتم خوشهبندی توزیعشده بر اساس یک الگوریتم فرا ابتکاری به منظور انتخاب سرخوشه مناسب و بهینه در شبکههای حسگر بیسیم برای گرههای حسگر است. نتایج از اعمال مدلهای حرکتی مختلف بر روی گرههای حسگر شبکه به دست آمده است. که به تحلیل و بررسی آنها نیز در آخر پرداخته شده است. در این پایاننامه در ابتدا در فصل 2 به مروری بر تعاریف و خوشهبندی در شبکههای حسگر بیسیم و الگوریتم کوچ پرندگان میپردازیم و همچنین خلاصهای از برخی از کارهای انجامشده در زمینه خوشهبندی شبکههای حسگر بیسیم را معرفی خواهیم کرد. در فصل 3، به شرح کار پژوهشی خواهیم پرداخت که شامل تعریف اولیه و شرح الگوریتم پیشنهادی خواهد بود. پس از آن در فصل 4، به شبیهسازیهایی جهت نشان دادن اثرات الگوریتم مطرحشده در فصل 3 بر روی پارامترهای مسیر و شبکه و انرژی میپردازیم. در انتها در فصل 5، نتایج بهدست آمده مورد بررسی قرار داده خواهد شد و پیشنهادهایی ارائه خواهد شد. [1] Wireless Sensor Network [2] Defense Advanced Research Projects Agency [3] Engineers Institute of Electrical and Electronics [4] Base Station [5] Clustering [6] Sink [7] Ant Colony Optimization [8] Particle Swarm Optimization Algorithm [9] Pareto Optimization [10] Fitness Function
[یکشنبه 1398-07-21] [ 02:38:00 ب.ظ ]
لینک ثابت |