پایان‌نامه‌ی کارشناسی ارشد: پری ناز مرادیان مقدم، ۱۳۹۶
خوشه بندی در شبکه حسگر بی سیم با استفاده از الگوریتم تکاملی کرم شب تاب
شبکه حسگر شبکه¬ای متشکل از تعداد زیادی گره کوچک است. در هر گره تعدادی حسگر وجود دارد. شبکه حسگر به¬شدت با محیط فیزیکی تعامل دارد. در این شبکه¬ها از طریق حسگرها اطلاعات محیط گرفته می¬شود. ارتباط بین گره¬ها به¬صورت بی¬سیم است. هر گره به¬طور مستقل و بدون دخالت انسان کار می¬کند و نوعا از لحاظ فیزیکی بسیار کوچک است. این گره¬ها دارای محدودیت¬هایی در قدرت پردازش و ظرفیت حافظه و به ویژه منبع تغذیه ... می¬باشند. این محدودیت¬ها مشکلاتی را بوجود می¬آورد که جهت رفع آن¬ها، نیازمند بروز¬سازی در معماری، روش¬ها و نیز الگوریتم‌های مورد استفاده در آن می‌باشیم. مبحث انرژی و بهینه¬سازی آن امروزه به¬عنوان یکی از مهم¬ترین موضوعات برای انجام تحقیقات تبدیل شده است. به¬منظور بهینه¬سازی مصرف انرژی می‌توان به جنبه بهینه¬سازی معماری، بهینه¬سازی از لحاظ الگوریتم‌های بکارگیری و روش‌های کاهش انرژی از طریق نرم افزار پرداخت. در این پایان¬نامه، درصدد معرفی یک روش بهینه‌سازی مصرف انرژی در این شبکه¬ها می‌باشیم که می‌تواند از جنبه‌های مختلف مورد بررسی قرار گیرد. ابتدا به¬بررسی مزایای استفاده از الگوریتم¬های تکاملی در حل مسائل بهینه¬سازی می¬پردازیم و مزایای این الگوریتم¬ها را بیان می-کنیم. سپس الگوریتم پیشنهادی را که از ترکیب الگوریتم کرم شب¬تاب و نظریه آشوب استفاده می¬کند را معرفی می¬کنیم. در ادامه مزایای استفاده از الگوریتم پیشنهادی را نسبت به روش¬های دیگری که در سال¬های اخیر بدین منظور ارائه شده¬اند بیان خواهیم کرد. سپس به بررسی تاثیر استفاده از آشوب در الگوریتم پیشنهادی پرداخته می¬شود. پیاده¬سازی¬های انجام شده در محیط شبیه¬سازی متلب نشاندهنده این است که روش پیشنهادی در برخی از موارد و شرایط باعث ایجاد نتایج بهینه¬تری شده است. و نتایج استفاده از آن روی افزایش طول عمر شبکه حسگر مورد بررسی قرار می¬دهم.
کلیدواژه‌ها:
شبکه‌های حسگر بی‌سیم، الگوریتم کرم شب‌تاب، خوشه‌بندی، نظریه آشوب
M.A. Thesis:
clustering in wireless sensor networks using evolutionary algorithm Firefly
Sensor network consists of many small nodes. There is some sensors in each node. Sensor network highly interacts with physical environment. In these networks the environment's data are percepted through sensors. Connection between nodes is wireless. Each node works independently without human interference, and they are physically small. These nodes have limitations in processing power and memory capacity and specially power source. These limitations cause problems that to overtake them we need update in architecture, methods and used algorithms. Energy and its optimization became one of the important subjects in researches. To optimize the power consumption we can go through architecture optimization, optimization in used algorithms and reducing power consumption methods with software. In this thesis we want to introduce a power consumption optimization method in networks that can be studied from different views. First we consider the benefits of using evolutionary algorithm in solving optimization problems and the benefits of these algorithms. Then we introduce the proposed algorithm that is a combination of firefly algorithm and chaos theory. Then we compare the benefits of the proposed algorithm to other traditional methods in recent years. Finally we evaluate the effect of using chaos in proposed algorithm. Implementations done in MATLAB environment indicate that the proposed method leads to better results in some situations and we study the results on sensor network's lifetime.
Keywords:
Wireless sensor networks, firefly algorithm, clustering, chaos theory