کاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم با استفاده از شبکه‌های عصبی SOM

چکیده

 امروزه، در شبکه‌های حسگر بی‌سیم، پروتکل‌های مسیریابی مبتنی بر خوشه‌بندی از طریق تقسیم گره‌های همسایه به خوشه‌های مجزا و انتخاب سرخوشه‌های محلی برای ترکیب و ارسال اطلاعات هر خوشه به ایستگاه مبنا و سعی در مصرف متوازن انرژی توسط گره‌های شبکه، بهترین کارایی را از لحاظ افزایش طول عمر و حفظ پوشش شبکه‌ای در مقایسه با سایر روش‌های مسیریابی به‌ دست می‌آورند. با این وجود، همه پروتکل‌های خوشه‌بندی ارایه شده تاکنون، تنها نزدیکی جغرافیایی(همسایگی) را به عنوان پارامتر تشکیل خوشه‌ها در نظر گرفته‌اند. در این تحقیق، یک پروتکل جدید خوشه‌بندی متمرکز مبتنی بر انرژی با استفاده از شبکة عصبی نقشة خودسازماندهی برای شبکه‌های حسگر بی‌سیم ارایه می‌شود که قادر به خوشه‌بندی گره‌های شبکه بر اساس سطح انرژی و مختصات گره‌ها می‌باشد. این پروتکل با استفاده از تعداد مشخصی از گره‌های پرانرژی در شبکه و اعمال آن‌ها به عنوان وزن نورون‌های نقشة خودسازماندهی، نزدیک‌ترین گره‌های کم‌انرژی را جذب گره‌های پرانرژی می‌کند؛ به طوری که خوشه‌ها لزوماً از گره‌های مجاور تشکیل نشده و در واقع براساس دو پارامتر سطح انرژی و همسایگی، خوشه‌هایی با انرژی متوازن تشکیل خواهند شد. به علاوه یک تابع هزینه جدید به منظور تصمیم‌گیری در انتخاب گره‌های سرخوشه، پیشنهاد شده است که سعی در ترکیب معیارهای مختلف موثر در انتخاب بر اساس میزان اهمیت آن‌ها دارد. کارایی برتر این پروتکل از لحاظ افزایش طول عمر مفید شبکه و حفظ بهتر پوشش شبکه‌ای در مقایسه با پروتکل‌های پیشین نظیر LEACH و LEA2C و نیز تاثیر تابع هزینه پیشنهادی بر کارایی آن (با شبیه‌سازی) به اثبات رسیده است.

تعریف مساله و سئوالات اصلی تحقیق

در راستای کاهش مصرف انرژی با استفاده از شبکه‌های عصبی سئوالات زیر مطرح است:

چه دلایلی برای اتلاف انرژی در شبکه‌های حسگر بی‌سیم وجود دارد؟چه روش‌ها(طرح‌ها)یی برای کاهش مصرف انرژی در شبکه‌های حسگر وجود دارد؟بین مصرف انرژی و کارایی شبکه‌های حسگر چگونه می‌توان مصالحه‌ای برقرار کرد؟در چه کاربردهایی مصرف بهینه انرژی در شبکه حسگر حائز اهمیت است؟میزان تاثیر به‌کارگیری شبکه‌های عصبی در روش‌های کاهش مصرف انرژی در شبکه حسگر بی‌سیم تا چه اندازه است؟فرضیه‌هابا توجه به قابلیت‌های به اثبات رسیده شبکه‌های عصبی در زمینه‌های مرتبط، فرض ما این است که شبکه‌های عصبی می‌توانند به‌عنوان ابزار مناسبی در روش‌های کاهش مصرف انرژی به‌کار گرفته شوند.به‌کارگیری سطح انرژی در کنار همسایگی به منظور خوشه‌بندی گره‌های حسگر می‌تواند باعث ایجاد خوشه‌های متوازن از لحاظ سطح انرژی و متوازن‌سازی میزان مصرف انرژی در شبکه گردیده، از مرگ زودرس گره‌ها جلوگیری کرده و در نتیجه باعث افزایش طول عمر شبکه گردد.ترکیب معیارهای مختلف انتخاب سرخوشه، با بهره‌گیری از مزایای هریک می‌تواند باعث توازن بار سرخوشه و افزایش طول عمر شبکه گردد.اهداف تحقیق

اصلی‌ترین هدف این تحقیق کاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم است که در راستای رسیدن به آن، اهداف زیر دنبال خواهد شد.

ارایه الگوریتمی بهینه‌تر برای کاهش مصرف انرژی در شبکه‌های حسگر بی‌سیم با استفاده از قابلیت‌های شبکه‌های عصبیافزایش طول عمر شبکه حسگر بی‌سیمحفظ حداکثر پوشش شبکه‌ای در طول عمر شبکه حسگربه ‌دلیل تازگی موضوع و عدم وجود تحقیقات کافی در کشور در این حوزة دانشی، یکی از اهداف انجام این تحقیق، فتح بابی برای به‌کارگیری قابلیت‌های شبکه‌های عصبی در شبکه‌های حسگر بی‌سیم و انجام تحقیقات بیشتر بوده است 

تعداد صفحات 149 word

فهرست مطالب

فصل1 مقدمه  1

1-1. مقدمه. 2

1-2. تعریف مساله و سئوالات اصلی تحقیق.. 3

1-3. فرضیه‌ها 4

1-4. اهداف تحقیق.. 4

1-5. روش تحقیق.. 5

1-6. مراحل انجام تحقیق.. 5

1-7. ساختار پایان‌نامه. 6

فصل2 مروری بر منابع مطالعاتی   8

2-1. مقدمه. 9

2-2. طبقه‌بندی روش‌های کاهش مصرف انرژی در شبکه‌های حسگر. 13

2-2-1. چرخة وظایف... 16

2-2-2. روش‌های داده‌گرا 18

2-2-3. روش‌های مبتنی بر قابلیت تحرک... 21

2-3. نقش شبکه‌های عصبی در کاهش مصرف انرژی شبکه‌های حسگر. 22

2-3-2. شبکه‌های عصبی در طرح‌های چرخه وظایف... 27

2-3-3. شبکه‌های عصبی در کاهش داده. 28

2-3-4. شبکه‌های عصبی در شبکه‌های حسگر متحرک... 38

2-4. نتیجه‌گیری... 40

فصل3 نقش شبکه‌های عصبی در مسیریابی انرژی آگاه  41

3-1. مقدمه. 42

3-2. ویژگی‌های مسیریابی در شبکه حسگر بی‌سیم.. 43

3-3. روش‌های مسیریابی در شبکه‌های حسگر بی‌سیم.. 45

3-3-1. مسیریابی مسطح.. 46

3-3-2. مسیریابی مبتنی بر مکان.. 47

3-3-3. مسیریابی سلسه مراتبی(مبتنی بر خوشه‌بندی) 48

3-3-4. پروتکل خوشه‌بندیLEACH... 49

3-3-5. پروتکل خوشه‌بندیLEACH متمرکز. 51

3-4. شبکه‌های عصبی در الگوریتم‌های مسیریابی آگاه از انرژی... 52

3-4-1. شبکة عصبی انتشار معکوس در کشف مسیر. 52

3-4-2. شبکة عصبی نقشة خودسازماندهی در مسیریابی.. 54

3-4-3. پروتکل‌های مسیریابی مبتنی بر نقشة خودسازماندهی.. 56

3-5. پروتکل خوشه‌بندی پیوندگرا وفقی با انرژی پایین.. 60

3-6. جمع‌بندی... 63

فصل4 پروتکل جدید پیشنهادی   64

4-1. مقدمه. 65

4-2. پروتکل مسیریابی خوشه‌بندی مبتنی بر انرژی خودسازمانده. 66

4-3. فرضیات الگوریتم.. 66

4-4. مرحلة خوشه‌بندی... 68

4-4-2. مرحلة اول : خوشه‌بندی با شبکة عصبی نقشة خودسازماندهی.. 69

4-4-3. مرحلة دوم : خوشه‌بندی با الگوریتم K-means. 76

4-4-4. مرحلة انتخاب سرخوشه. 78

4-5. مرحلة انتقال داده. 81

4-6. مرحلة خوشه‌بندی مجدد. 82

4-7. جمع‌بندی... 87

فصل5 نتایج شبیه‌سازی و تحلیل آن‌ها 88

5-1. مقدمه. 89

5-2. پارامترهای شبیه‌سازی... 89

5-2. نتایج شبیه‌‌سازی... 91

5-2-1. مقایسة نحوة تشکیل خوشه‌ها در EBCS  با پروتکل LEACH... 91

5-2-2. مقایسة کارایی EBCS با پروتکل‌های پیشین از لحاظ طول عمر شبکه. 93

5-2-3. ارزیابی تابع هزینه انتخاب  سرخوشه برکارایی EBCS.. 96

5-2-4. ارزیابی کارایی پروتکلEBCS در افزایش پوشش شبکه‌ای... 99

5-3. جمع بندی... 102

فصل6 جمع‌بندی و پیشنهاد‌ها 104

6-1. مقدمه. 105

6-2. یافته‌های تحقیق.. 107

6-3. نوآوری تحقیق.. 108

6-4. پیشنهاد‌ها 109

مراجع   111

واژه‌نامه  116