تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله الگوریتم خوشه بندی با بهره وری انرژی بر اساس یک روش فراتکاملی بهبود یافته برای WSN ها – نشریه الزویر

عنوان فارسی: الگوریتم خوشه بندی برای شبکه های حسگر بی سیم با بهره وری انرژی بر اساس یک روش فراتکاملی بهبود یافته
عنوان انگلیسی: Energy efficient clustering protocol based on improved metaheuristic in wireless sensor networks
تعداد صفحات مقاله انگلیسی : 32 تعداد صفحات ترجمه فارسی : 40 (شامل 2 صفحه رفرنس انگلیسی)
سال انتشار : 2017 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده و pdf
نوع مقاله : ISI نوع نگارش : مقالات پژوهشی (تحقیقاتی)
پایگاه : اسکوپوس نوع ارائه مقاله : ژورنال
ایمپکت فاکتور(IF) مجله : 7.092 در سال 2018 شاخص H_index مجله : 77 در سال 2019
شاخص SJR مجله : 0.903 در سال 2018 شناسه ISSN مجله : 1084-8045
شاخص Q یا Quartile (چارک) : Q1 در سال 2018 کد محصول : 10050
محتوای فایل : zip حجم فایل : 5.13Mb
رشته و گرایش های مرتبط با این مقاله: مهندسی فناوری اطلاعات، کامپیوتر و برق، مهندسی الکترونیک، شبکه های کامپیوتری، مهندسی الگوریتم ها و محاسبات
مجله: مجله کاربردهای شبکه و کامپیوتر - Journal of Network and Computer Applications
دانشگاه: کاپورتاله، پنجاب، هند
کلمات کلیدی: خوشه بندی با حفظ بهره وری انرژی، شبکه های حسگر بی سیم، فراتکاملی کلونی زنبور عسل مصنوعی
کلمات کلیدی انگلیسی: Energy efficient clustering - Wireless sensor networks - improved Artificial bee colony (iABC) metaheuristic
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن: درج نشده است ☓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است ✓
بیس: است ✓
مدل مفهومی: دارد ✓
پرسشنامه: ندارد ☓
متغیر: دارد ✓
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در انتهای مقاله درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.1016/j.jnca.2017.01.031
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1. مقدمه

2. کارهای مرتبط

3. روش های فراتکاملی استاندارد الگوریتم کلونی زنبور عسل (ABC)

3-1 مرحله شروع به کار

3-2 مرحله به کارگیری زنبور کارگر

3-3 مرحله زنبور ناظر

3-4 مرحله زنبور دیده بان

4. انواع الگوریتم ABC

5. سهم نویسنده

6. الگوریتم فراتکاملی بهبود یافته کولونی زنبور (iABC)

6-1 مرحله بهبود یافته آغاز به کار

6-2 معادله جستجوی بهبود یافته راهکار

7. روش Beecluster- پروتکل پیشنهادی خوشه بندی

7-1 نشانه گذاری ها برای مدل شبکه

7-2 موقعیت بهینه BS

7-3 مرحله انتخاب بهینه CH

7-4 مرحله تشکیل خوشه

7-5 مرحله ارسال داده

8. نتایج شبیه سازی و بحث

9. نتیجه گیری

منابع

نمونه متن انگلیسی

Abstract

Energy efficient clustering is a well accepted NP-hard optimization problem in Wireless sensor networks (WSNs). Diverse paradigm of Computational intelligence (CI) including Evolutionary algorithms (EAs), Reinforcement learning (RL), Artificial immune systems (AIS), and more recently, Artificial bee colony (ABC) metaheuristic have been used for energy efficient clustering in WSNs. Due to ease of use and adaptive nature, ABC arose much interest over other population-based metaheuristics for solving optimization problems in WSNs. However, its search equation, which is comparably poor at exploitation and require storage of certain control parameters, contributes to its insufficiency. Thus, we present an improved Artificial bee colony (iABC) metaheuristic with an improved solution search equation to improve its exploitation capabilities. Additionally, in order to increase the global convergence of the proposed metaheuristic, an improved population sampling technique is introduced through Student0 s − t distribution, which require only one control parameter to compute and store, hence increase efficiency of proposed metaheuristic. The proposed metaheuristic maintain a good balance between exploration and exploitation search abilities with least memory requirements, moreover the use of first of its kind compact Student0 s − t distribution, make it suitable for limited hardware requirements of WSNs. Further, an energy efficient clustering protocol based on iABC metaheuristic is introduced, which inherit the capabilities of the proposed metaheuristic to obtain optimal cluster heads (CHs) and improve energy efficiency in WSNs. Simulation results shows that the proposed clustering protocol outperforms other well known protocols on the basis of packet delivery, throughput, energy consumption, network lifetime and latency as performance metric.

نمونه متن ترجمه

چکیده

خوشه‌بندی در شبکه‌های حسگر بی‌سیم (WSN) با حفظ بهره‌وری انرژی یک مسئله بهینه‌سازی NP-hard است. برای طراحی مکانیزم‌های خوشه‌بندی با حفظ بهره‌وری انرژی در WSNها از حوزه‌های مختلف هوش محاسباتی (CI) از جمله الگوریتم‌های تکاملی (EA)، یادگیری تقویتی (RL)، سیستم‌های ایمنی مصنوعی (AIS) و جدیدتر از همه کلونی مورچه مصنوعی (ABC) استفاده شده است. به دلیل کاربرد آسان و ماهیت تطبیقی ABC، این الگوریتم از سایر الگوریتم‌های فرااکتشافی مبتنی بر جمعیت، محبوبیت بیشتری برای حل مسائل بهینه‌سازی در WSN پیدا کرده است. اما معادله جستجوی این الگوریتم که در اکتشاف نسبتاً ضعیف است و نیاز به ذخیره یک سری پارامتر کنترلی دارد، منجر به ناکارآمدی آن شده است. بنابراین ما یک الگوریتم فراتکاملی کلونی زنبور عسل بهبود یافته (iABC) را ارائه می‌دهیم که معادله جستجوی آن برای افزایش قابلیت‌های اکتشافی الگوریتم، بهبود یافته است. بعلاوه ما برای افزایش نرخ همگرایی سراسری متاهیوریستک پیشنهادی، یک تکنیک نمونه برداری جمعیتی پیشرفته از طریق توزیع تی – استیودنت ارائه می‌دهیم که فقط به محاسبه و ذخیره یک پارامتر کنترلی نیاز دارد و به همین دلیل بهره‌وری روش فراتکاملی پیشنهادی را افزایش می‌دهد. روش فراتکاملی پیشنهادی همزمان با داشتن حداقل میزان نیاز به حافظه، منجر به حفظ تعادل بین اکتشاف و بهره برداری می‌شود. بعلاوه استفاده از توزیع تی – استیودنت فشرده که برای اولین بار مطرح می‌شود، این الگوریتم را با نیازهای سخت‌افزاری محدود WSN مناسب کرده است. همچنین یک پروتکل خوشه‌بندی با بهره‌وری انرژی بر اساس روش فراتکاملی iABC معرفی می‌کنیم که از قابلیت‌های روش فراتکاملی ذکر شده برای پیدا کردن سرخوشه بهینه و بهبود بهره‌وری انرژی در WSN استفاده می‌کند. نتایج شبیه سازی‌ها نشان می‌دهد که پروتکل خوشه‌بندی پیشنهادی از نظر تحویل بسته‌ها، توان عملیاتی، مصرف انرژی، طول عمر شبکه و تاخیر (که به عنوان معیار کارایی در نظر گرفته شده) بهتر عمل می‌کند.