دانلود ترجمه مقاله رویکرد تکاملی جدید برای مشکل خوشه بندی متعادل بار - نشریه الزویر

دانلود ترجمه مقاله رویکرد تکاملی جدید برای مشکل خوشه بندی متعادل بار - نشریه الزویر
قیمت خرید این محصول
۳۳,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
یک رویکرد تکاملی جدید برای مشکل خوشه بندی متعادل بار در شبکه های حسگر بی سیم
عنوان انگلیسی
A novel evolutionary approach for load balanced clustering problem for wireless sensor networks
صفحات مقاله فارسی
22
صفحات مقاله انگلیسی
9
سال انتشار
2013
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
4518
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر و مهندسی برق
گرایش های مرتبط با این مقاله
معماری سیستم های کامپیوتری، مهندسی الگوریتم ها و محاسبات، فناوری اطلاعات، برق الکترونیک و برق مخابرات
مجله
ازدحام و محاسبات تکاملی (Swarm and Evolutionary Computation)
دانشگاه
گروه مهندسی و علوم کامپیوتر، دانشکده معادن، دانباد، هند
کلمات کلیدی
شبکه های حسگر بی سیم، خوشه، تعادل بار، مشکل NP-hard، رویکرد تکاملی، الگوریتم ژنتیک
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
۱ مقدمه
۲ کار مرتبط
۳ مدل انرژی
۴ مدل WSN و فرمولاسیون مشکل
۵ مروری بر الگوریتم ژنتیک
۶ الگوریتم پیشنهادی
۶ ۱ نمایش کروموزوم
۶ ۲ جمعیت اولیه
۶ ۳ تابع تناسب
۶ ۴ انتخاب
۶ ۵ Crossover
۶ ۶ جهش
۷ نتایج تجربی
نمونه چکیده متن اصلی انگلیسی
Abstract

Clustering sensor nodes is an effective topology control method to reduce energy consumption of the sensor nodes for maximizing lifetime of Wireless Sensor Networks (WSNs). However, in a cluster based WSN, the leaders (cluster heads) bear some extra load for various activities such as data collection, data aggregation and communication of the aggregated data to the base station. Therefore, balancing the load of the cluster heads is a challenging issue for the long run operation of the WSNs. Load balanced clustering is known to be an NP-hard problem for a WSN with unequal load of the sensor nodes. Genetic Algorithm (GA) is one of the most popular evolutionary approach that can be applied for finding the fast and efficient solution of such problem. In this paper, we propose a novel GA based load balanced clustering algorithm for WSN. The proposed algorithm is shown to perform well for both equal as well as unequal load of the sensor nodes. We perform extensive simulation of the proposed method and compare the results with some evolutionary based approaches and other related clustering algorithms. The results demonstrate that the proposed algorithm performs better than all such algorithms in terms of various performance metrics such as load balancing, execution time, energy consumption, number of active sensor nodes, number of active cluster heads and the rate of convergence.

نمونه چکیده ترجمه متن فارسی
چکیده
خوشه بندی گره حسگر یک روش موثر کنترل توپولوژی به منظور کاهش مصرف انرژی گره های حسگر برای به حداکثر رساندن طول عمر شبکه های سنسور بی سیم (WSNs) است. با این حال، در یک خوشه مبتنی بر WSN، لیدرها (سر خوشه) برخی بارهای اضافی ناشی از فعالیت های مختلف مانند جمع آوری داده ها، تجمع داده ها و ارتباطات را ازداده های جمع شده به ایستگاه پایه حمل میکنند. بنابراین، حفظ تعادل بار سر خوشه ها یک مسئله چالش برانگیز برای عملیات دراز مدت شبکه های حسگر بی سیم است. خوشه بندی متعادل بار به عنوان یک مشکل NP-hard برای یک شبکه سنسور بی سیم همراه با بار نابرابر گره های حسگر شناخته میشود. الگوریتم ژنتیک (GA) یکی از محبوب ترین روش های تکاملی است که می تواند برای پیدا کردن راه حل سریع و کارآمد چنین مشکلی استفاده شود. در این مقاله، ما یک GA جدید مبتنی بر الگوریتم خوشه بندی متعادل بار برای شبکه سنسور بی سیم ارائه میکنیم. نشان داده میشود که الگوریتم پیشنهادی برای هر دو بار برابر و نابرابر از گرههای حسگربه خوبی کار میکند. ما شبیه سازی گسترده از روش ارائه شده انجام داده و نتایج آن را برخی از روش های مبتنی بر تکامل و دیگر الگوریتم های خوشه بندی مرتبط مقایسه میکنیم . نتایج نشان می دهد که الگوریتم پیشنهادی بهتر از همه این الگوریتم ها از نظر معیارهای عملکردی مختلف مانند موازنه بار، زمان اجرا، مصرف انرژی، تعداد گره سنسور فعال، تعداد سر خوشه فعال و نرخ همگرایی عمل می کند.

بدون دیدگاه