دانلود رایگان مقاله الگوریتم های Gossip مبتنی بر شنود برای توافق توزیع شده در شبکه های سنسور بی سیم

عنوان فارسی
الگوریتم های Gossip مبتنی بر شنود برای توافق توزیع شده در شبکه های سنسور بی سیم
عنوان انگلیسی
Eavesdropping-based Gossip Algorithms for Distributed Consensus in Wireless Sensor Networks
صفحات مقاله فارسی
0
صفحات مقاله انگلیسی
10
سال انتشار
0
نشریه
IEEE
فرمت مقاله انگلیسی
PDF
کد محصول
E5147
رشته های مرتبط با این مقاله
مهندسی فناوری اطلاعات، مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
شبکه های کامپیوتری
ترجمه بخشی از مقاله
چکیده- در این مقاله، یک الگوریتم شایعات مبتنی بر استراق سمع (EBGA) مطرح می کنیم. در الگوریتم جدید، زمانی که گره مقادیرش را برای گره همسایه تصادفاً انتخاب شده، پخش می کند، کلیه گره های دیگر، که این مقادیر را استراق سمع می کنند، همزمان باهم مقادیر حالتشان را به روزرسانی می کنند. با بهره برداری از طبیعت پخش ارتباطات بی سیم، این الگوریتم جدید، از عملکرد مشابه با الگوریتم های پخش شایعه برخوردار است. هرچند الگوریتم های پخش شایعه یا شایعه پراکنی، دارای سریعترین نرخ همگرایی در میان کلیه الگوریتم های شایعه هستند، اما به سمت یک مقدار تصادفی نه اجماع متوسط همگرا شده یا برای تضمین همگرایی به سمت اجماع متوسط بایستی اطلاعات برون درجه ای در اختیار هرگره قرار داشته باشد. با استفاده از نظریه ماتریس غیر منفی و ضریب ارگودیسیته، ثابت کرده ایم که این الگوریتم جدید می تواند به سمت اجماع متوسط همگرا شود بدون هرگونه فرضی که تحقق آن در شبکه های واقعی سخت و دشوار است.
چکیده

Abstract


In this paper, we present an eavesdropping-based gossip algorithm (EBGA). In the novel algorithm, when a node unicasts its values to a randomly selected neighboring node, all other nodes, which eavesdrop these values, simultaneously update their state values. By exploiting the broadcast nature of wireless communications, this novel algorithm has similar performance to broadcast gossip algorithms. Although broadcast gossip algorithms have the fastest rate of convergence among all gossip algorithms, they either converge to a random value rather than the average consensus, or need out-degree information available for each node to guarantee convergence to the average consensus. Utilizing non-negative matrix theory and ergodicity coefficient, we have proved that this novel algorithm can converge to the average consensus without any assumption which is difficult to be realized in real networks.


بدون دیدگاه