پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی

word 3 MB 31066 207
1388 کارشناسی ارشد مهندسی کامپیوتر
قیمت قبل:۷۱,۳۰۰ تومان
قیمت با تخفیف: ۲۴,۸۵۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • پایان‌نامه کارشناسی ارشد رشته کامپیوتر- نرم افزار (M.Sc)

    چکیده

    کیفیت سرویس در شبکه های حسگر بی سیم نسبت به شبکه های سنتی بسیار متفاوت است. بعضی از پارامترهایی که در ارزیابی کیفیت سرویس در این شبکه ها مورد استفاده قرار می گیرند عبارتند از: پوشش شبکه, تعداد بهینه نودهای فعال در شبکه, طول عمر شبکه و میزان مصرف انرژی. در این پایان نامه سه مسئله اساسی شبکه ها ی حسگر بی سیم مطرح گردیده و با هدف بهبود پارامترهای کیفیت سرویس، برای این مسائل، راه حلهایی کارا با استفاده از روش هوشمند آتوماتاهای یادگیرسلولی ارائه شده است. ابتدا مسئله پوشش محیط در شبکه های حسگر را با استفاده از غیر فعال نمودن نودهای غیر ضروری و فعال نگه داشتن بهینه نودها حل می گردد، تا در مصرف انرژی صرفه جویی به عمل آمده و عمر شبکه افزایش یابد. سپس به مسئله خوشه بندی در شبکه حسگر پرداخته شده و با استفاده از آتوماتاهای یادگیرسلولی, شبکه های حسگر به گونه ای خوشه بندی می شوند که انرژی به صورت یکنواخت در شبکه بمصرف رسیده وعمر شبکه  افزایش یابد. پس از آن با استفاده از آتوماتاهای یادگیر یک روش تجمیع داده های محیط حسگری پیشنهاد می گردد که در مصرف انرژی شبکه صرفه جویی به عمل آورده و عمر شبکه را افزایش می دهد. همه روشهای ارائه شده با استفاده از نرم افزار J-Sim شبیه سازی گردیده اند. نتایج شبیه سازی ها نشان دهنده عملکرد بهتر روش های پیشنهادی نسبت به روشهای مشابه می باشد.

     

    کلمات کلیدی: شبکه های حسگر بی سیم، آتوماهاتای یادگیر، کیفیت سرویس،  پوشش، خوشه بندی، تجمیع داده ها

     

    1-     

    2-    مقدمه

    شبکه های حسگر بی سیم

    شبکه های حسگر بی سیم[1] جهت جمع آوری اطلاعات در مناطقی که کاربر نمی تواند حضورداشته باشد، مورد استفاده قرار می گیرند. در یک شبکه حسگر، حسگرها به صورت جداگانه مقادیر محلی را نمونه برداری (اندازه گیری) می کنند و این اطلاعات را درصورت لزوم برای حسگرهای دیگر و در نهایت برای مشاهده گر اصلی ارسال می نمایند. عملکرد شبکه این است که گزارش پدیده هایی راکه اتفاق می افتد به مشاهده گری بدهد که لازم نیست از ساختار شبکه و حسگرها به صورت جداگانه و ارتباط آنها چیزی بداند. این شبکه ها مستقل و خودگردان بوده وبدون دخالت انسان کار می کنند. معمولا تمامی گره­ها همسان می­باشند و عملاً با همکاری با یکدیگر، هدف کلی شبکه را برآورده می‌سازند. هدف اصلی در شبکه­های حسگر بی­سیم نظارت و کنترل شرایط و تغییرات جوی، فیزیکی و یا شیمیائی در محیطی با محدوده معین، می­باشد[1, 2]. شبکه­ حسگر بی­سیم نوع خاصی از شبکه­های موردی[2] است.  مبحث شبکه های حسگر بی سیم یکی از موضوعات جدید در زمینه مهندسی شبکه و فناوری اطلاعات می باشد.

    پیشرفتهای اخیر در طراحی و ساخت تراشه های تجاری این امکان را به وجود آورده است که عمل پردازش سیگنال و حس کنندگی در یک تراشه یعنی حسگر شبکه بی سیم انجام گردد، که شامل سیستم های میکروالکترومکانیکی [3](MEMS) مانند حسگرها، محرک ها[4] و قطعات رادیویی RF می باشد.

    حسگرهای بی سیم کوچکی تولید شده است که قابلیت جمع ‌آوری داده از فاصله چند صد متر و ارسال  داده بین حسگرهای بی سیم به مرکز اصلی را دارا می باشد و با این تکنولوژی اطلاعات دما - نوسانات، صدا، نور، رطوبت، و مغناطیس قابل جمع آوری می باشد که این حسگرهای بی سیم با هزینه کم  و اندازه ای کوچک قابل نصب در شبکه های حسگر بی سیم می باشد. اما کوچک شدن حسگرهای بی سیم دارای معایبی نیز می باشد. تکنولوژی نیمه هادی باعث بوجود آمدن پردازنده های سریع با حافظه بالا شده است اما تغذیه این مدارات هنوز هم یک مشکل اساسی است که محدود به استفاده از باطری گردیده است. بخش منبع تغذیه یک بخش مهم و محدود است که در صورتیکه از باطری در این شبکه ها استفاده شود، تعویض باطری ها در حالتی که تعداد نودهای شبکه زیاد باشد کاری سخت و دشوار خواهد بود و نودها به منظور ذخیره و صرفه جویی در مصرف انرژی مجبور به استفاده از ارتباطات برد کوتاه خواهند شد. تفاوت یک حسگر بی سیم کارا و یک حسگر بی سیم که دارای کارایی کم از نظر انرژی است در عملکرد آنها در ساعت ها نسبت به هفته ها می باشد. افزایش اندازه شبکه WSN باعث پیچیدگی مسیریابی وارسال اطلاعات به مرکز اصلی می باشد. اما همچنان مسیریابی و پردازش نیاز به انرژی دارند. بنابراین یکی از نکات کلیدی در توسعه و ارائه الگوریتمهای مسیریابی جدید، کاهش و صرفه جویی در انرژی مصرفی است. بخش های مختلف شبکه های حسگر بی سیم باید شبیه سازی و مدلسازی گردند تا کارآیی آنها مورد بررسی واقع شود. برای اینکار شبکه های حسگر بی سیم به گرافهایی نگاشت می شوند که در این گرافها هر گره مطابق با یک نود در شبکه بوده و هر لبه بیانگر یک پیوند  یا کانال ارتباطی بین دو نود در شبکه خواهد بود.اگر ارتباط بین نودها در شبکه دو جهته باشد گراف نگاشت شده بدون جهت خواهد بود و اگر ارتباط بین نود ها در شبکه نا متقارن باشد در آن صورت گراف نگاشت یافته جهتدار خواهد بود. البته مدل ارتباطی بین نودها در شبکه می تواند یک به یک یا یک به همه باشد. فراهم آوردن یک مدل عملی برای حسگرها کار پیچیده و دشواری می باشد که این به خاطر تنوع در انواع حسگرها هم از نظر ساختاری و هم از نظر اصول و اساس کار آنها می باشد. شبکه های حسگر دارای ویژگیهایی منحصر به فرد هستند که این امر باعث شده است تا پروتکل های خاصی برای آنها در نظر گرفته شود.

    در شبکه های بی سیم حسگر معمولا فقط یک یا دو ایستگاه پایه‌ وجود دارد و تعداد زیادی نودهای حسگر در محیط پخش گردیده اند. به علت محدودیت برد این حسگرها و انرژی باطری خیلی از نودها قادر به ارتباط مستقیم با ایستگاه پایه‌ نمی باشند. اما با تکیه بر نودهای نظیر خود و نودهای حسگر دیگر، به ارتباط با ایستگاه پایه‌ می پردازد که در شبکه های  [5]MANET نیز این عمل توسط نودهای معمولی  انجام می شود.

    (تصاویر در فایل اصلی موجود است)

    معماری ارتباطات شبکه­ های حسگر بی­سیم در شکل 1-1 دیده می­شود[1]. در شبکه­های حسگر بی­سیم، تعداد زیادی گره با امکانات مخابره، پردازش، حس کردن محیط و ... در محیطی با چهارچوب معین پراکنده شده­اند. رویداد اتفاق افتاده و یا سوالات پرسیده شده از سوی گره مرکزی[6] و ماموریت محوله به هر گره موجب می­شود، ارتباطاتی بین گره­ها برقرار شود. اطلاعات رد و بدل شده می‌تواند گزارشی از وضیعت محدوده ای که زیر نظر گره­های حسگر می­باشد به گره مرکزی و یا درخواستی از سمت گره مرکزی به سمت گره­های حسگر باشد. گره مرکزی به عنوان درگاه ارتباطی شبکه حسگر با سایر سیستم­ها و شبکه­های مخابراتی، در واقع گیرنده نهایی گزارش از گره­های حسگر می­باشد و بعد از انجام یکسری پردازش­ها، اطلاعات پردازش شده را به کاربر ارسال می­کند (با استفاده از یک رسانه ارتباطاتی مانند اینترنت، ماهواره و ...). از سوی دیگر، درخواست­های کاربر نیز توسط این گره به شبکه انتقال می­یابد.

    یک گره حسگر می‌تواند یکی از دو نقش تولید کننده داده‌ها و یا رله کننده داده‌ های تولید شده توسط سایر گره‌ ها را بر عهده بگیرد. عموماً در شبکه‌ های حسگر، اغلب گره‌ها هر دو نقش را به صورت توأم ایفا می‌کنند. برپایی و طراحی ساختار و معماری ارتباطات بین گره­های شبکه نیازمند رعایت فاکتورهای مختلف و زیادی از جمله تحمل­پذیری خطا، مقیاس پذیری، هزینه تولید، محیط عملیات، توپولوژی شبکه حسگر، محدودیت­های سخت افزاری، ابزار و رسانه ارتباط، انرژی مصرفی و ... می­باشد. جهت آشنایی بیشتر با شبکه های حسگر بی سیم به پیوست اول مراجعه گردد.

    2-1-1-        مسائل مطرح در شبکه های حسگر بی سیم

    عوامل متعددی در طراحی شبکه­های حسگر موثر است و موضوعات بسیاری در این زمینه مطرح است که بررسی تمام آنها در این نوشتار نمی­گنجد از این رو تنها به ذکر برخی از آنها بطور خلاصه اکتفا می­کنیم.

    1-مسیریابی: ماهیت اصلی شبکه­های حسگر به این صورت است که کارهایی که انجام می­دهند باید به صورت محلی باشد چرا که هر گره تنها می­تواند با همسایه­های خود ارتباط برقرار کند و اطلاعات کلی و سراسری از شبکه چندان در دسترس نیست (جمع­آوری این اطلاعات هزینه و زمان زیادی را مصرف می­کند). اطلاعات بدست آمده توسط گره­ها، باید با استفاده از تکنیک­های مسیریابی، به نحوی به گره مرکزی ارسال گردد.

    2- تنگناهای سخت­افزاری: هرگره ضمن اینکه باید کل اجزاء لازم را داشته باشد باید بحد کافی کوچک، سبک و کم حجم نیز باشد. در عین حال هر گره باید انرژی مصرفی بسیار کم و قیمت تمام شده پایین داشته و با شرایط محیطی سازگار باشد. اینها همه محدودیت­هایی است که کار طراحی و ساخت گره‌های حسگر را با چالش مواجه می­کند. ارائه طرح­های سخت­افزاری سبک و کم حجم در مورد هر یک از اجزای گره بخصوص قسمت ارتباط بی­سیم و حسگرها از جمله موضوعات تحقیقاتی است که جای کار بسیار دارد. پیشرفت فن­آوری ساخت مدارات مجتمع با فشردگی بالا و مصرف پایین، نقش بسزایی در کاهش تنگناهای سخت­افزاری داشته است.

    3- تحمل­پذیری خطا و قابلیت اطمینان[7]: هر گره ممکن است خراب شود یا در اثر رویدادهای محیطی مثل تصادف یا انفجار بکلی نابود شود یا در اثر تمام شدن منبع انرژی از کار بیفتد. منظور از تحمل‌پذیری یا قابلیت اطمینان این است که خرابی گره­ها نباید عملکرد کلی شبکه را تحت تاثیر قرار دهد. در واقع می­خواهیم با استفاده از اجزای غیر قابل اطمینان یک شبکه قابل اطمینان بسازیم.

    4- توپولوژی: توپولوژی شبکه یکی از مفاهیم اولیه در شبکه­های حسگر است که دیگر موارد نظیر مسیریابی و ... بر روی آن تعریف می­شود. ساختارهای زیادی در توپولوژی مطرح است که بر اساس اولویت­های مختلف و در شرایط متفاوت یکی بر دیگری برتری دارد. از جمله مواردی که در انتخاب یک ساختار تاثیر می­گذارد می­توان به مصرف انرژی کمتر، تنک بودن ساختار، کم بودن درجه گره، تحمل­پذیری خطا و تداخل اشاره کرد.

    5- مقیاس­پذیری[8]: شبکه باید هم از نظر تعداد گره و هم از نظر میزان پراکندگی گره­ها مقیاس­پذیر باشد. بعبارت دیگر شبکه حسگر از طرفی باید بتواند با تعداد صدها، هزارها و حتی میلیون­ها گره کار کند و از طرف دیگر، چگالی توزیع متفاوت گره­ها را نیز پشتیبانی کند. در بسیاری کاربردها توزیع گره­ها تصادفی صورت می­گیرد و امکان توزیع با چگالی مشخص و یکنواخت وجود ندارد یا گره­ها در اثر عوامل محیطی جابجا می­شوند. بنابراین چگالی باید بتواند از چند عدد تا چند صد گره تغییر کند. موضوع مقیاس­پذیری به روش­ها نیز مربوط می­شود برخی روش­ها ممکن است مقیاس­پذیر نباشند یعنی در یک چگالی با تعداد محدود از گره کار کند. در مقابل برخی روش­ها مقیاس­پذیر هستند.

    6- شرایط محیطی: طیف وسیعی از کاربرد­های شبکه­های حسگر مربوط به محیط­هایی می­شود که انسان نمی­تواند در آن حضور داشته باشد. مانند محیط­های آلوده از نظر شیمیایی، میکروبی، هسته­ای و یا مطالعات در کف اقیانوس­ها و فضا و یا محیط­های نظامی به علت حضور دشمن و یا در جنگل و زیستگاه جانوران که حضور انسان باعث فرار آنها می­شود. در هر مورد، شرایط محیطی باید در طراحی گره­ها در نظر گرفته شود مثلا در دریا و محیط­های مرطوب گره حسگر در محفظه­ای که رطوبت را منتقل نکند قرار می‌گیرد.

    7- رسانه ارتباطی: در شبکه­های حسگر ارتباط گره­ها بصورت بی­سیم و از طریق رسانه رادیویی، مادون قرمز، یا رسانه‌های نوری صورت می­گیرد. در رسانه رادیویی که بیشتر مورد استفاده قرار می­گیرد از باندهای مختلف صنعتی، علمی و پزشکی که در اکثر کشورها آزاد است استفاده می­شود. تعیین فرکانس در این رسانه با توجه به برخی محدودیت­های سخت­افزاری، کارائی آنتن و مصرف انرژی است. به خاطر لزوم دید مستقیم بین فرستنده و گیرنده، رسانه مادون قرمز چندان مورد استفاده شبکه­های حسگر نیست هرچند ساختن آنها ارزان و آسان است. اخیرا، رسانه نوری به عنوان رسانه ارتباطی مورد توجه قرار گرفته است. از جمله این توجهات می­توان به استفاده از آن در ذره غیار هوشمند اشاره کرد[3]. انتخاب رسانه ارتباطی از بین این سه رسانه (رادیویی، مادون قرمز و نوری) با توجه به محدودیت­ها و ویژگی­های کاربرد مورد نظر از مسائل مطرح در طراحی شبکه­های حسگر است.

    8- افزایش طول­عمر شبکه: طول­عمر گره­ها بعلت محدودیت انرژی منبع تغذیه کوتاه است. علاوه بر آن در برخی مواقع، موقعیت ویژه یک گره در شبکه مشکل را تشدید می­کند. مثلاً گره­ای که در فاصله یک قدمی گره مرکزی قرار دارد از یک طرف بخاطر بار کاری زیاد خیلی زود انرژی خود را از دست می­دهد و از طرفی از کار افتادن آن باعث قطع ارتباط گره مرکزی با کل شبکه و در نتیجه موجب از کار افتادن شبکه می­شود. مشکل تخلیه زود هنگام انرژی در مورد گره­های نواحی کم تراکم در توزیع غیر یکنواخت گره­ها نیز صدق می­کند در اینگونه موارد داشتن یک مدیریت انرژی در داخل گره­ها و ارائه راه­حل­های انرژی­آگاه بطوری که از گره­های بحرانی کمترین استفاده را بکند مناسب خواهد بود. با توجه به مطالب بیان شده تمام الگوریتم­ها و تکنیک­های مورد استفاده در شبکه­های حسگر به انرژی بعنوان یک محدودیت جدی نگاه می­کنند و سعی می­کنند با آگاهی از سطح انرژی مصرفی عمل کنند تا کمترین انرژی مصرف گردد و در نتیجه افزایش طول­عمر شبکه حسگر را به دنبال داشته باشد.

    2-1-2-        پوشش محیط در شبکه های حسگر بی سیم

    یکی از مسائل مهمی که در بحث شبکه های حسگر بی سیم مطرح است مسئله پوشش حسگری شبکه است. این مسئله ازاین سوال اساسی ناشی می گردد «حسگر ها چگونه استقرار یابند که تمام محیط  فیزیکی مورد نظر را پوشش دهند ؟» هدف مسئله پوشش این است که هر مکان در محیط فیزیکی مورد نظر در دامنه حسگری حداقل یک حسگر قرار بگیرد. از آنجاییکه شبکه حسگر شامل نودهای بسیار زیادی است برای پخش نودها درمحیط نمی توان مکان نودها را از قبل مشخص کرد. ونودها را به صورت دستی در محیط قرار داد بلکه نودها به صورت تصادفی در محیط پخش می گردند. بنابراین برای اینکه کل محیط به صورت کامل پوشش داده شود، تعداد حسگر هایی که در محیط پخش می گردند بیش از تعداد حسگرهایی است که اگر به صورت قطعی پخش می شدند کل محیط را پوشش می دادند. یعنی برای اینکه محیط به صورت کامل پوشش داده شود حسگرها به صورت متراکم توزیع می گردند. مسئله دیگری که اینجا باید مد نظر قرار گیرد مصرف انرژی در حسگرها است. از آنجاییکه انرژی حسگرها، از طریق باطری تامین می گردد وبه دلیل تعداد زیاد حسگرها ودر دسترس نبودن محیط، امکان تعویض یا شارژ مجدد باطری حسگرها وجود ندارد با تخلیه باطری یک حسگر در حقیقت عمر حسگر به اتمام می رسد وپس از، از بین رفتن تعدادی از حسگرها ونقض مسئله پوشش واتصال شبکه، عمر شبکه حسگر به اتمام می رسد.

    با در نظر گرفتن دو موضوع مطرح شده توزیع متراکم حسگرها جهت تضمین پوشش شبکه ومصرف انرژی می توان راهکاری ارائه داد که در عین تضمین پوشش شبکه مصرف انرژی شبکه را کاهش داده وعمر شبکه را افزایش دهد.

    بدین صورت که تعدادی از نودهای شبکه که با غیر فعال شدن آنها به پوشش محیط توسط شبکه لطمه وارد نمی شود را غیر فعال می نماییم ودر مواقع لزوم آنها را فعال می کنیم بدین ترتیب مصرف انرژی کلی شبکه کاهش یافته وعمر شبکه افزایش می یابد.

    Supporting QoS in Wireless Sensor Networks Using Cellular Learning Automata

    Abstract

    Some of quality of service parameters(QoS) for wireless sensor networks are network coverage, optimal number of active nodes, lifetime and the amount of consumed energy. In this thesis three fundamental problems in wireless sensor networks are addressed and with the aim of promoting the QoS parameters efficient solutions based on cellular learning automata(CLA) for them are proposed.  In the first part of this thesis the problem of coverage in wireless sensor networks is considered and a solution based on CLA for solving it is proposed. In this method by deactivating unnecessary nodes it is tried to reduce the energy consumption by the network and as a result increasing the lifetime of the network. In the second part of this thesis the problem of clustering is addressed and a solution based on CLA for solving it is proposed. The nodes in the network are clustered in such a way that energy consumption are balanced among the node of the network which results in increasing the lifetime of network. Finally in the third part a method based on CLA for data aggregation with the aim of increasing the lifetime of the network is proposed. All the proposed methods are simulated using J-Sim simulator. Results of the simulations show that the proposed methods perform better than similar existing methods.

                                          

    Keywords: Wireless sensor network, learning automata, Quality of service, Coverage, Clustering, Data aggrigation

     

  • فهرست:

    چکیده 9

    1-  مقدمه. 10

    1-1-   شبکه های حسگر بی سیم.. 10

    1-1-1-   مسائل مطرح در شبکه های حسگر بی سیم.. 13

    1-1-2-   پوشش محیط در شبکه های حسگر بی سیم.. 15

    1-1-3-   خوشه بندی در شبکه های حسگر بی سیم.. 16

    1-1-4-   تجمیع داده ها در شبکه های حسگر. 17

    1-2-   کیفیت سرویس در شبکه های حسگر بی سیم.. 18

    1-2-1-   کیفیت سرویس در شبکه های داده ای سنتی... 20

    1-2-2-   کیفیت سرویس در شبکه های حسگر بی سیم.. 26

    1-3-  آتوماتای یادگیر. 29

    1-3-1-   آتوماتای یادگیر. 31

    1-3-2-   معیار‌های رفتار اتوماتای یادگیر. 34

    1-3-3-   الگوریتمهای یادگیری... 35

    1-3-4-   آتوماتای یادگیر با عملهای متغیر. 39

    1-4-   آتوماتای یادگیر سلولی.. 40

    1-4-1-   آتوماتای سلولی... 40

    1-4-2-   آتوماتای یادگیر سلولی (CLA). 44

    1-4-3-   آتوماتای یادگیر سلولی نامنظم (ICLA). 47

    1-5-   اهداف پایان نامه و ساختار آن.. 48

    2-  پوشش محیط در شبکه های حسگر بی سیم با استفاده از آتوماتاهای یادگیرسلولی   50

    2-1-   مقدمه                      50

    2-1-1-   اشکال مختلف طراحی... 51

    2-2-  دسته بندی مسائل پوشش در شبکه های حسگر. 52

    2-2-1-   پوشش ناحیه ای... 53

    2-2-2-   پوشش نقطه ای    56

    2-2-3-   پوشش مرزی    57

    2-3-  روش پوشش CCP.. 59

    2-3-1-   فرضیات مسئله.. 59

    2-3-2-   تشریح روش      59

    2-4-  حل مسئله پوشش(k-پوششی ) با استفاده از آتوماتاهای یادگیر. 61

    2-4-1-   فرضیات و مدل مسئله.. 63

    2-4-2-   روش تشخیص افزونه بودن نود حسگر. 64

    2-4-3-   شبیه سازی      72

    2-5-  جمع بندی        79

    3-  خوشه بندی در شبکه های حسگر بی سیم با استفاده از آتوماتاهای یادگیر سلولی   80

    3-1-  مقدمه                      80

    3-2-  کارهای انجام شده. 83

    3-2-1-   پروتکل خوشه بندی LEACH.. 85

    3-2-2-   پروتکل خوشه بندی HEED.. 88

    3-3- خوشه بندی در شبکه های حسگر بی سیم با استفاده از آتوماتاهای یادگیر سلولی.. 93

    3-3-1-   روش خوشه بندی پیشنهادی... 94

    3-3-2-   شبیه سازی        102

    3-4-  جمع بندی        107

    4-  تجمیع داده ها در شبکه های حسگر با استفاده از آتوماتاهای یادگیر. 108

    4-1-   مقدمه                      108

    4-2-  کارهای انجام گرفته. 109

    4-3-  تجمیع داده ها در شبکه های حسگر با استفاده از آتوماتاهای یادگیر. 112

    4-3-1-   بیان مسئله و مفروضات آن.. 113

    4-3-2-   تشریح روش پیشنهادی... 115

    4-4-  شبیه سازی      119

    4-4-1-   آزمایش اول      122

    4-4-2-   آزمایش دوم      122

    4-4-3-   آزمایش سوم    123

    4-5-  جمع بندی        125

    5-  نتیجه گیری.. 126

    6-  پیوست اول: شبکه های حسگر بی سیم.. 127

    6-1-   تاریخچه شبکه های حسگر. 127

    6-2-  ساختار هر گره حسگر. 128

    6-2-1-   اجزاء درونی یک گره حسگر. 128

    6-2-2-   محدودیتهای سختافزاری یک گره حسگر. 130

    6-3-  پشته پروتکلی   131

    6-4-  مزایای شبکه های حسگر بیسیم.. 132

    6-5-  کاربردهای شبکه های حسگر بیسیم.. 134

    7-  پیوست دوم:آتوماتای یادگیرسلولی.. 138

    7-1-   تاریخچه آتوماتای یادگیر. 138

    7-2-  معیار‌های رفتار اتوماتای یادگیر. 139

    7-3-  آتوماتای یادگیر با عملهای متغیر. 141

    7-4-  آتوماتای یادگیر تعقیبی.. 142

    7-5-  آتوماتای یادگیر سلولی (CLA). 150

    7-6-  آتوماتای یادگیر سلولی باز(OCLA). 151

    7-7-  آتوماتای یادگیر سلولی ناهمگام (ACLA). 152

    8-  پیوست سوم: شرح نرم افزار J-Sim و پیاده سازی الگوریتمهای پیشنهادی با آن   155

    8-1-  مقدمه                      155

    8-2-  شبیه ساز J-Sim   158

    8-2-1-   شبیه سازی شبکه های حسگر بی سیم با استفاده از J-sim... 158

    8-2-2-   نصب و اجرا          162

    8-3- پیاده سازی الگوریتم خوشه بندی پیشنهادی.. 163

    8-4-  پیاده سازی الگوریتم پوشش پیشنهادی.. 185

    8-5-  پیاده سازی الگوریتم تجمیع پیشنهادی.. 190

    9-  واژه نامه. 195

    مراجع. 199

     

    منبع:

    [1]   Akyildiz I. F., Su W., Sankarasubramaniam Y. and Cayircl E., “A survey on sensor networks”, in: Proceedings of the IEEE Communication Magazine, Vol. 40, pp. 102-114, August 2002.

    [2]  Ilyas M. and Mahgoub I., "Handbook of Sensor Networks: Compact Wireless and Wired Sensing Systems", in: Proceedings of the CRC Press, London, Washington, D.C., 2005.

    [3]  Kahn J.M., Katz R.H. and Pister K.S.J., “Next century challenges: mobile networking for smart dust”, in: Proceedings of the ACM MobiCom 99, Washington, USA, pp. 271–278,1999.

    [4]  D. Chen and K. Varshney, “QoS Support in Wireless Sensor Networks: A Survey” Department of EECS, Syracuse University Syracuse, NY, U.S.A 13244, 2004

    [5]  A. Ganz, Z. Ganz, and K. Wongthavarawat, Multimedia Wireless Networks:Technologies, Standards, and QoS , Prentice Hall, Upper SaddleRiver, NJ, 2004.

    [6]  E. Crawley et al., “A Framework for QoS-Based Routing in the Internet, ” RFC 2386, http://www.ietf.org/rfc/rfc.2386.txt, Aug. 1998.

    [7]  Z. Demetrios, “A Glance at Quality of Services in Mobile Ad-Hoc Networks, ” http://www.cs.ucr.edu/ csyiazti/cs260.html, November 2001.

    [8]  D. Zeinalipour, S. Aristeidou, S. Kazeli, “IP Quality of Services (in Greek), ” http://www.cs.ucr.edu/ csyiazti/downloads/papers/ipqos/ papers/ip-qos.pdf, 1999

    [9]  K. Wui, J. Harms, “QoS Support in Mobile Ad Hoc Networks, ” Crossing Boundaries – an interdisciplinary Journal, Vol 1, No 1, Fall 2001.

    [10] S. Chakrabarti and A. Mishra, “QoS Issues in Ad Hoc Wireless Networks, ” IEEE Communications Magazine, pp. 142-148, February 2001.

    [11] S. Meguerdichian, F. Koushanfar, M. Potkonjak, and M. B. Srivastava, “Coverage Problems in Wireless Ad-hoc Sensor Networks, ” in proceedings of IEEE Infocom, 2001, pp. 1380-1387

    [12] S. Meguerdichian, F. Koushanfar, G. Qu, and M. Potkonjak, “Exposure in Wireless Ad-hoc Sensor Networks, ” in Mobile Computing and Networking, 2001, pp. 139-150.

    [13] R. Iyer and L. Kleinrock, “QoS Control for Sensor Networks, ” in ICC 2003, May 2003.

    [14] S. Tilak, N. Abu-Ghazaleh and W. Heinzelman, “A taxonomy of wireless micro-sensor network communication models, ” ACM Mobile Computing and Communication Review(MC2R), June 2002.

    [15] Narendra K. S., Thathachar M. A. L.; "Learning automata: An introduction"; Prentice Hall, 1989.

    [16] Narendra K.S., Thathachar M. A. L. "Learning automata a survey"; IEEE Transactions on Systems, Man and Cybernetics, vol. 4, no. 4, July 1974.

    [17] Mance, E., and Stephanie, S., H., "Reinforcement learning: A tutorial," Wright Laboratory, 1996.

    [18] Sutton, R. S., and Barto, A.G.; "Reinforcement learning: Introduction"; MIT Press, 1998.

    [19] Lakshmivarahan S., Thathachar M. A. L.; "Absolutely expedient learning algorithms for stochastic automata"; IEEE Transactions on Systems, Man and Cybernetics, vol. 6, pp. 281-286, 1973.

    [20] Mars, P., Chen, J. R., and Nambiar, R., Learning algorithms theory and applications in signal processing, control and communications, CRC Press, 1996.

    [21] Lakshmivarahan S.; "Learning algorithms: theory and applications"; New York: Springer-Verlag, 1981.

    [22] Lakshmivarahan S., Thathachar M. A. L.; "Optimal non-linear reinforcement schemes for stochastic automata"; Information Science, vol. 4, pp. 121-128, 1982.

    [23] Lakshmivarahan S., Thathachar M. A. L.; "Absolute expediency of Q and S-model learning algorithm"; IEEE Transactions on Systems, Man and Cybernetics, vol. 6, pp. 222-226, 1976.

    [24] Viswanathan R., Narendra K. S.; "Expedient and optimal variable structure stochastic automata"; Technical report CT-31, Dunham Lab., Yale University, New Haven, Connecticut, U.S.A., April 1970.

    [25] Mason L.G.; "An optimal learning algorithm for s-model environments"; IEEE Transactions on Automatic Control, pp. 493-496, October 1973.

    [26] Thathachar M. A. L., Bhaskar R. H.; "Learning automata with changing number of actions"; IEEE Transactions on Systems, Man and Cybernetics, vol. 17, no. 6, November 1987.

    [27] Meybodi M. R., Beigy H., Taherkhani M.; "Cellular Learning Automata and Its Applications"; Journal of Science and Technology, University of Sharif, No. 25, pp.54-77, Autumn/Winter 2003-2004.

    [28] Meybodi M. R., Kharazmi M. R.; "Cellular Learning Automata and Its Application to Image Processing"; Journal of Amirkabir, Vol. 14, No. 56A, pp. 1101-1126, 2004.

    [29] Meybodi M. R, Kharazmi M. R., "Image Restoration Using Cellular Learning Automata", in Proceedings of the Second Iranian Conference on Machine Vision, Image Processing and Applications, Tehran, Iran, pp. 261-270, 2003.

    [30] Meybodi M. R., Khojaste M. R., "Application of Cellular Learning Automata in Modeling of Commerce Networks", in Proceedings of 6th Annual International Computer Society of Iran Computer Conference CSICC2001, Isfahan, Iran, pp. 284-295, 2001.

    [31] Meybodi M. R., Mehdipour F., "VLSI Placement Using Cellular Learning Automata", in Proceedings of 8th Annual International Computer Society of Iran Computer Conference CSICC2001, Mashhad, Iran, pp. 195-203, 2003.

    [32] Meybodi, M. R., and Taherkhani, M., "Application of Cellular Learning Automata to Modeling of Rumor Diffusion", in Proceedings of 9th Conference on Electrical Engineering, Power and Water institute of Technology, Tehran, Iran, pp. 102-110, May 2001.

    [33] Beigy H., Meybodi M. R.; "A Mathematical Framework for Cellular Learning Automata"; Advances on Complex Systems, Vol. 7, No. 3, pp. 1-25, 2004.

    [34] V. Raghunathan, C. Schurgers, S. Park, and M. B. Srivastava, “Energy-Aware Wireless MicrosensorNetworks,” IEEE Signal Processing Magazine, Vol 19, pp 40-50, March 2002.

    [35] M. Cardei and J. Wu “Coverage inWireless Sensor Networks” Department of Computer Science and Engineering Florida Atlantic University Boca Raton, FL 33431, 2004.

    [36] S. Slijepcevic and M. Potkonjak, “Power Efficient Organization of Wireless Sensor Networks,” Proc. of IEEE International Conference on Communications, Vol 2, pp 472-476,Helsinki, Finland, June 2001.

    [37] M. Cardei, D. MacCallum, X. Cheng, M. Min, X. Jia, D. Li, and D.-Z. Du, “Wireless Sensor Networks with Energy Efficient Organization”, Journal of Interconnection Networks, Vol 3, No 3-4, pp 213-229, Dec 2002.

    [38] D. Tian and N. D. Georganas, “A Coverage-Preserving Node Scheduling Scheme for Large Wireless Sensor Networks,” Proc. of the 1st ACM Workshop on Wireless Sensor Networks and Applications, 2002.

    [39] W. R. Heinzelman, A. Chandrakasan, and H. Balakrishnan, “Energy-Efficient Communication Protocols for Wireless Microsensor Networks,” Proc. of HICSS, Jan 2000.

    [40] F. Ye, G. Zhong, S. Lu, and L. Zhang, “Energy Efficient Robust Sensing Coverage in Large Sensor Networks,” Technical Report UCLA, 2002.

    [41] C.-F. Huang and Y.-C. Tseng. The coverage problem in a wireless sensor network. In ACM International Workshop on Wireless Sensor Networks and Applications (WSNA), 2003, pp. 115–121.

    [42] M. Cardei and D.-Z. Du, “ImprovingWireless Sensor Network Lifetime through Power Aware Organization”, accepted to appear in ACM Wireless Networks.

    [43] S. Meguerdichian, F. Koushanfar, M. Potkonjak, and M. Srivastava, “Coverage Problems in Wireless Ad-Hoc Sensor Networks,” IEEE Infocom 2001, Vol 3, pp 1380-1387, April 2001.

    [44] G. Xing, X. Wang, Y. Zhang, C. Lu, R. Pless, and C. Gill, “Integrated coverage and connectivity configuration for energy conservation insensor networks,” ACM Transactions on Sensor Networks, vol. 1, no. 1,pp. 36–72, August 2005.

    [45] Crossbow Technology, Inc., http://www.xbow.com/Products/Product_pdf_files /Wireless_pdf/6020-0042-01_A_MICA2.pdf.

    [46] A. R. Shahani, D. K. Schaeffer, T. H. Lee, ”A 12 mW Wide Dynamic Range CMOS Front-End for a portable GPS Receiver”, Digest of Technical Papers, IEEE International Solid State Circuits Conference, Vol. 40, pp. 368-369, February 1997.

    [47] S. Capkun, M. Hamdi, J. P. Hubaux, ”GPS-free Positioning in Mobile Ad-hoc Networks”, Proceedings of the 34th Annual Hawaii International Conference on System Sciences (HICSS-34), January 3-6, 2001.

    [48] D. Niculescu, B. Nath, ”Ad Hoc Positioning System (APS)”, IEEE Global Telecommunications Conference 2001, Vol. 5 , pp. 2926-2931, November 2001.

    [49]  C. Savarese , K. Langendoen, J. Rabaey, ”Robust Positioning Algorithms for Distributed Ad-hoc Wireless Sensor Networks”, Proceedings of the 2002 USENIX Annual Technical Conference, Monterey, pp. 317-27, June 2002.

    [50] D. Perkins, R. Tumati, ”Reducing Localization Errors in Sensor AdhocNetworks”, 23rd IEEE International Conference on Performance, Computing and Communications, Phoenix, pp. 723 - 729, April 2004.

    [51] ] T. Yan, T. He, J. A. Stankovic, ” Differentiated Surveillance for Sensor Networks” SenSys’03, November 5–7, 2003, Los Angeles, California, USA.

    [52] D. Tian and N. Georganas, “A coverage-preserving node scheduling scheme for large wireless sensor networks,” in Proc. of First ACM International Workshop on Wireless Sensor Networks and Applications, Atlanta, GA, September 2002, pp. 32–41.

    [53] F. Ye, G. Zhong, J. Cheng, S. Lu, and L. Zhang, “Peas: A robust energy conserving protocol for long-lived sensor networks,” in Proc. of International Conference on Distributed Computing Systems (ICDCS’03),Providence, RI, May 2003, pp. 28–37.

    [54] O. Younis and S. Fahmy, "Distributed Clustering in Ad-hoc Sensor Networks: A Hybrid, Energy-Efficient Approach", In Proc. of IEEE INFOCOM, volume 1, pp. 629-640, March 2004.

    [55] W.Heinzelman, A. Chandrakasan, and H. Balakrishnan, Energy efficient Communication Protocol for wireless microsensor networks, Proc of Hawaii conference on System Science, Jan 2000.

    [56] Seema Bandopadhyay, Edward J.Coyle, An Energy efficient hierarchical clustering algorithm for wireless sensor networks, Proc. of IEEE INFOCOM 2003, San Francisco, CA.

    [57] Srejan Raghuwanshi and Amitabh Mishra, A Self adpative clustering based algorithm for increased energy efficiency and scalability in WSN,Proc. IEEE VTC 2000.

    [58] Gaurav Gupta, Mohammed Younis, Load balanced clustering in wireless sensor networks, proc of IEEE ICC 2003.

    [59] Li Chunwang, Chung Wei Wang, A cross layer design of clustering architecture for WSN, Proc. of IEEE ICNSC, 2004 Taipei, Taiwan.

    [60] Ewa Hansen, Jonas Neander, Mikael Nolin, Mats Bjorkman; Efficient Cluster Formation for Sensor Networks, MRTC report ISSN 1404-3041 ISRN MDH-MRTC-199/2006-1-SE, M?lardalen Real-Time ResearchCentre, M?lardalen University.

    [61] S. Basagni, “Distributed Clustering Algorithm for Ad-hoc Networks,” in International Symposium on Parallel Architectures, Algorithms, and Networks (I-SPAN), 1999.

    [62] S. Banerjee and S. Khuller, “A Clustering Scheme for Hierarchical Control in Multi-hop Wireless Networks,” in Proceedings of IEEE INFOCOM, April 2001.

    [63] M. Gerla, T. J. Kwon, and G. Pei, “On Demand Routing in Large Ad Hoc Wireless Networks with Passive Clustering,” in Proceeding of WCNC,2000.

    [64] C. R. Lin and M. Gerla, “Adaptive Clustering for Mobile Wireless Networks,” in IEEE J. Select. Areas Commun., September 1997.

    [65] W. R. Heinzelman, A. Chandrakasan, and H. Balakrishnan, “An Application-Specific Protocol Architecture for Wireless MicrosensorNetworks,” IEEE Transactions on Wireless Communications, vol. 1,no. 4, pp. 660–670, October 2002.

    [66] S. Bandyopadhyay and E. Coyle, “An Energy-Efficient HierarchicalClustering Algorithm for Wireless Sensor Networks,” in Proceedingsof IEEE INFOCOM, April 2003.

    [67] D. Estrin, R. Govindan, J. Heidemann, and S. Kumar, “Next Century Challenges: Scalable Coordination in Sensor Networks,” in Proceedings of the ACM/IEEE International Conference on Mobile Computing and Networking (MOBICOM), August 1999.

    [68] H. Chan and A. Perrig, “ACE: An Emergent Algorithm for Highly Uniform Cluster Formation,” in Proceedings of the First European Workshop on Sensor Networks (EWSN), January 2004.

    [69] V. Mhatre and C. Rosenberg, “Design Guidelines for Wireless Sensor Networks Communication: Clustering and Aggregation,” Ad-hoc Networks ournal, 2004.

    [70] J. Kulik, W. R. Heinzelman, and H. Balakrishnan, “Negotiation-Based Protocols for Disseminating Information in Wireless Sensor Networks,” ACM Wireless Networks, vol. 8, no. 2-3, pp. 169–185, 2002. [Online]. Available: citeseer.nj.nec.com/kulik99negotiationbased.html

    [71] M. Esnaashari, M. R. Meybodi, “Irregular Cellular Learning Automata and Its Application to Clustering in Sensor Networks” ICEE, 2007

    [72] Farajzadeh, N. and Meybodi, M. R., "Learning Automata-based Clustering Algorithm for Sensor Networks", Proceedings of 12th Annual CSI Computer Conference of Iran, Shahid Beheshti University, Tehran, Iran, pp. 780-787, Feb. 20-22, 2007

    [73] Esnaashari, M. and Meybodi, M. R., "A Cellular Learning Automata based Clustering Algorithm for Wireless Sensor Networks", Sensor Letters, 2008, to appear

    [74] M. Ilyas, I. Mahgoub, "Handbook of Sensor Networks : Compact Wireless and Wired Sensing Systems", CRC Press, London, Washington, D.C., 2005.

    [75] K. Akkaya, M. Younis, "A Survey on Routing Protocols for Wireless Sensor Networks", Elsevier Ad Hoc Network Journal, pp. 325-349, 2005.

    [76] R. Shah and J. Rabaey, "Energy Aware Routing for Low Energy Ad Hoc Sensor Networks", in Proceedings of the IEEE Wireless Communications and Networking Conference (WCNC), Orlando, Florida, March 2002.

    [77] Y. Xu, W. C. Lee, J. Xu, and G. Mitchell, "Processing Window Queries in Wireless Sensor Networks", IEEE International Conference on Data Engineering (ICDE'06), Atlanta, GA, April 2006.

    [78] R. Rosemark and W. C. Lee, "Decentralizing Query Processing in Sensor Networks", the Second International Conference on Mobile and Ubiquitous Systems: Networking and Services (Mobiquitous'05), San Diego, CA, July, 2005, pp. 270-280.

    [79] J. Winter, Y. Xu, and W. C. Lee, "Energy Efficient Processing of K Nearest Neighbor Queries in Locationaware Sensor Networks", the Second International Conference on Mobile and Ubiquitous Systems: Networking and Services (Mobiquitous'05), San Diego,CA, July, 2005, pp. 281-292.

    [80] G. Bontempi and Y. Le Borgne, “An adaptive modular approach to the mining of sensor network data”, Workshop on Data Mining in Sensor Networks, SIAM SDM, Newport Beach, CA, USA, April 2005.

    [81] C. Liu, K. Wu, and J. Pei, "A Dynamic Clustering and Scheduling Approach to Energy Saving in Data Collection from Wireless Sensor Networks", In Proceedings of the Second Annual IEEE Communications Society Conference on Sensor and AdHoc Communications and Networks (SECON'05), Santa Clara, California, USA, September, 2005.

    [82] O. Younis and S, Fahmy, "An Experimental Study of Routing and Data Aggregation in Sensor Networks", In Proceedings of the International Workshop on Localized Communication and Topology Protocols for Ad hoc Networks (LOCAN), held in conjunction with The 2nd IEEE International Conference on Mobile Ad Hoc and Sensor Systems (MASS-2005), November 2005.

    [83] R. Virrankoski and A. Savvides, “TASC : Topology Adaptive Spatial Clustering for Sensor Networks”, Second IEEE Intl. Conf. on Mobile Ad Hoc and Sensor systems", Washington, DC, November, 2005.

    [84] S. Soro and W. Heinzelman, "Prolonging the Lifetime of Wireless Sensor Networks via Unequal Clustering," Proceedings of the 5th International Workshop on Algorithms for Wireless, Mobile, Ad Hoc and Sensor Networks (IEEE WMAN '05), April 2005.

    [85] M. Lotfinezhad and B. Liang, “Effect of partially correlated data on clustering in wireless sensor networks,” in Proceedings of the IEEE International Conference on Sensor and Ad hoc Communications and Networks (SECON), Santa Clara, California, October 2004.

    [86] C. Guestrin, P. Bodik, R. Thibaux, M. Paskin and S. Madden, “Distributed Regression : An Efficient Framework for Modeling Sensor Network Data”, Intel corporation, 2004.

    [87] K. Dasgupta, K. Kalpakis and P. Namjoshi, “An Efficient Clustering-based Heuristic for Data Gathering and Aggregation in Sensor Networks”, IEEE Wireless Communications and Networking Conference, Vol.4, No. 1, March, 2003.

    [88] J. Beaver, M. A. Sharaf, A. Labrinidis, and P. K. Chrysanthis, “Location-Aware Routing for Data Aggregation in Sensor Networks”, Proc. of the 2nd Hellenic Data Management Symposium, 2003.

    [89] P. Radivojac, U. Korad, K. M. Sivalingam and Z. Obradovic, "Learning from Class-Imbalanced Data in Wireless Sensor Networks," IEEE Semiannual Vehicular Technology Conference, VTC-Fall 2003, Vol. 5, pp. 3030-3034, Orlando, Florida, U.S.A., October 2003.

    [90] B. Karp and H. Kung. Greedy perimeter stateless routing for wireless networks. In Proceedings of the Sixth Annual ACM/IEEE International Conference on Mobile Computing and Networking (MobiCom 2000), pages 243–254, Boston, MA, August 2000.

    [91] P. Beyens, M. Peeters, K. Steenhaut and A. Nowe, "Routing with Compression in Wireless Sensor Networks: a Q-learning Approach", In "Fifth European Workshop on Adaptive Agents and Multi-Agent Systems (AAMAS 05), Paris, France.", 2005.

    [92] M. Esnaashari, M. R. Meybod, “A Learning Automata Based Data Aggregation Method for Sensor Networks”, CSICC 2007

    [93] Nishimura C. E. and Conlon D. M., "IUSS Dual Use: Monitoring Whales and Earthquakes Using SOSUS", in: Proceedings of the Mar. Tech., Soc. Journal, Vol. 27, No. 4, pp. 13-21, 1994.

    [94] http://www.pmel.noaa.gov/vents/acoustics/sosus.html

    [95] Al-Karaki J. N. and Kamal A. E., ”Routing techniques in wireless sensor networks: a survey”. in: Proceedings of the IEEE Wireless Communications, Vol. 11, pp. 6-28, 2004.

    [96] Janakiram D., Venkateswarlu R. and Nitin S., ”A survey on programming languages, middleware and applications in wireless sensor networks”, in: Proceedings of the IITM-CSE-DOS-2005-04, 2005.

    [97] Janakiram D., Venkateswarlu R. and Nitin S., ”A survey on programming languages, middleware and applications in wireless sensor networks”, in: Proceedings of the IITM-CSE-DOS-2005-04, 2005.

    [98] Tsypkin Ya. Z.; "Adaptation and learning in automatic systems"; New York: Academic Press, 1971.

    [99] Tsetlin, M. L., Automaton theory and modeling of biological systems, New York: Academic Press, 1973.

    [100]   Narendra K.S., Viswanathan R.; "Learning models using stochastic automata"; Proceedings of International Conference of Cybernetics and Society, Washington DC, October 1972.

    [101]   Varshavski V. I., Vorontsova I.P.; "On the behavior of stochastic automata with variable structure"; Avtomatika & Telemechanika, vol. 24, pp. 353-360, 1963.

    [102]   Fu K. S., McMurtry G. J.; "An application of stochastic automata to the synthesis learning systems"; Technical Report TR-EE 65-17,Purdue       University, 1965.

    [103]   Fu K. S., Li T. J.; "Formulation of learning automata and automata games"; Information Science, vol. 1, no. 3, pp. 237-256, 1969.

    [104]   Fu K. S., Li T. J.; "On stochastic automata and languages"; Information Science, vol. 1, no. 4, pp. 403-419, 1969.

    [105]   Fu K. S.; "Stochastic automata as models of learning systems"; in Computer and Information Sciences II, Ed. Lou J.T., New York: Academic Press, 1967.

    [106]   McLaren R. W.; "A stochastic automaton model for synthesis of learning systems"; IEEE Transactions on System Science and Cybernetics, vol. 2, pp. 109-114, 1966.

    [107]   Chandrasekharan B., Shen D. W. C.; "On expediency and convergence in variable structure stochastic automata"; IEEE Transactions on System Science and Cybernetics, vol. 5, pp. 145-149, 1968.

    [108]   Najim K., Poznyak A. S.; editors, "Learning automata: theory and application", Tarrytown, New York: Elsevier Science Publishing Ltd., 1994.

    [109]   Oommen B. J., Ma D. Y."Deterministic learning automata solutions to equipartioning problem"; IEEE Transactions on Computers, vol. 37, pp. 2-14, January 1988.

    [110]   Oommen, B. J., Croix St., de E. V.; "String taxonomy using learning automata"; IEEE Transactions on Systems, Man and Cybernetics, vol. 27, pp. 354-365,       April 1997.

    [111]   Oommen, B. J., Croix St., de E. V.; "Graph partitioning using learning automata"; IEEE Transactions on Computers, vol. 45, no. 2, pp. 195-208, 1996.

    [112]   Tsoularis A., Kambhampati C., Warwick K.; "Path planning of robots in noisy workspaces using learning automata"; Proceedings of the IEEE International Symposium of Intelligent Control, Chicago, 1993.

    [113]   Gilbert V., Thibault J., Najim K.; "Learning automata for the control and optimization of a continuous stirred tank fermenter"; IFAC Symposium on Adaptive Systems in Control and Signal Processing, Grenoble, France, July 1992.

    [114]   Ikonen E., Najim K.; "Use of learning automata in distributed fuzzy logic processor training"; IEEE Proceedings of Control Theory and Applications, pp. 255-262, 1997.

    [115]   Najim K.; "Modeling and self-adjusting control of an absorption column"; International Journal of Adaptive Control and Signal Processing, vol. 5, pp. 335-345, 1991.

    [116]   Sequeira J., Bispo C., Sentieiro J.; "Distributed control of a flexible manufacturing plant using learning automata"; Proceedings of the IMACS/IFAC International Symposium on Parallel and Distributed Computing in Engineering Systems, Corfu, Greece, pp.327-332, June 1992.

    [117]   Thathachar M. A. L., Bhaskar R. H.; "Learning automata with changing number of actions"; IEEE Transactions on Systems, Man and Cybernetics, vol. 17, no. 6, November 1987.

    [118]   Thathachar M. A. L., Sastry P. S.; "A class of rapidly converging algorithms for learning automata"; in Proceeding of IEEE Intersnational Conference on Cybern. Soc., Bombay, India, pp. 602–606, Jan. 1984.

    [119]   Thathachar M. A. L., Sastry P. S.; "Estimator algorithms for learning automata"; in Proceeding of Platinum Jubilee Conference on  Systems and Signal Process. Bangalore, India, pp. 29–32, Dec. 1986.

    [120]   Oommen B. J. , Lanctôt J. K.; "Discretized pursuit learning automata"; IEEE Transactions on System, Man, Cybernetics, vol. 20, pp. 931–938, July/Aug. 1990.

    [121]   Oommen B. J., Agache M.; "Continuous and Discretized Pursuit Learning Schemes: Various Algorithms and Their Comparison"; IEEE Transactions on System, Man, Cybernetics, Part B: Cybernetics, Vol. 31, No. 3, June 2001.

    [122]   Beigy H., Meybodi M. R.; "Open Synchronous Cellular Learning Automata"; Technical Report, Soft Computing Laboratory, Computer Engineering Department, Amirkabir University of Technology(Tehran Polytechnic), Tehran, Iran.

    [123]   Schönfisch B., Roos A. D.; "Synchronous and Asynchronous updating in cellular automata"; BioSystems, vol 51, p.p. 123-143, 1999.


موضوع پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, نمونه پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, جستجوی پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, فایل Word پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, دانلود پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, فایل PDF پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, تحقیق در مورد پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, مقاله در مورد پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, پروژه در مورد پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, پروپوزال در مورد پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, تز دکترا در مورد پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, تحقیقات دانشجویی درباره پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, مقالات دانشجویی درباره پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, پروژه درباره پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, گزارش سمینار در مورد پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, پروژه دانشجویی در مورد پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, تحقیق دانش آموزی در مورد پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, مقاله دانش آموزی در مورد پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی, رساله دکترا در مورد پایان نامه دستیابی به کیفیت سرویس در شبکه های حسگر بیسیم با استفاده از آتوماتا های یادگیر سلولی

پایان نامه برای دریافت درجه کارشناسی ارشد (M.Sc) چکیده: یک شبکه حسگر متشکل از تعداد زیادی گره‌های حسگر است که در یکمحیط به طور گسترده پخش شده و به جمع‌آوری اطلاعات از محیط می‌پردازند.از آنجایی که گره ها از باتری تغذیه میکنند ،مساله مهمی که در شبکه های حسگرمورد توجه قرار میگیرد،بحث مصرف انرژی است.یکی از روشهایی که در این شبکه ها برای کاهش مصرف انرژی بسیار رایج است خواباندن گره ها ...

پایان نامه برای دریافت درجه کارشناسی ارشد (M.Sc ) گرایش : الکترونیک چکیده: یک شبکه حسگر متشکل از تعداد زیادی گره‌های حسگر است که در یکمحیط به طور گسترده پخش شده و به جمع‌آوری اطلاعات از محیط می‌پردازند.از آنجایی که گره ها از باتری تغذیه میکنند ،مساله مهمی که در شبکه های حسگرمورد توجه قرار میگیرد،بحث مصرف انرژی است.یکی از روشهایی که در این شبکه ها برای کاهش مصرف انرژی بسیار رایج ...

پایان‌نامه برای دریافت درجه کارشناسی ارشد در رشته کامپیوتر گرایش نرم­افزار چکیده کاربرد روز افزون شبکه‌ های حسگر بی‌سیم در زندگی انسان گویای اهمیت زیاد این تکنولوژی است. محدودیت انرژی در عناصر تشکیل دهنده‎ی شبکه‌های حسگر بی‌سیم که گره‌حسگرها می‌باشند همواره به عنوان مهمترین چالش پیش روی این تکنولوژی مطرح بوده است و به همین دلیل بخش اعظم تحقیقات انجام شده در حیطه‌ی شبکه‌های حسگر ...

پایان‌نامه کارشناسی ارشد گرایش الکترونیک چکیده امروزه با توجه به مزایای شبکه­های حسگر بی­سیم که همانا پیاده­­سازی ساده و ارزان، مصرف توان پایین و مقیاس­پذیری بالای آنها است، در بسیاری از کاربردها مورد استفاده قرار گرفته­اند. طراحی شبکه­های پایدار حسگر بی­سیم یک مسئله بسیار چالش برانگیز است. انتظار می­رود حسگرها با انرژی محدود به صورت خودکار برای مدت طولانی کار کنند. این در حالی ...

پایان نامه برای دریافت درجه کارشناسی ارشد گرایش : برق قدرت چکیده یکی از چالش های مهم طراحی در شبکه های حسگر بی سیم (WSN)، طولانی کردن طول عمر سیستم (گره) است، در حالیکه به کیفیت سرویس قابل قبولی برای کاربردها دست یافت. طولانی کردن عمر گره با کاهش مصرف انرژی ارتباط مستقیم دارد . در WSN، هر گره حسگر با توان باتری کار می کند و در اکثر موارد مخصوصا در محیط های دور و خصمانه امکان ...

پایان­نامه کارشناسی­ارشد گرایش مخابرات- سیستم چکیده پژوهش حاضر، درمورد مسئله مقیاس پذیری در شبکه های سنسوری بدون سیم با قابلیت تصویربرداری است که با در نظر گرفتن یک سناریوی نسبتا کاربردی از شبکه سنسوری، و براساس معیارهای عملکرد ظرفیت قطع (outage) و ظرفیت ارگادیک (ergodic) شبکه، مقیاس­پذیری را مورد تحلیل، مدلسازی ریاضی و شبیه سازی قرار داده است. مقیاس پذیری اصولا برای تعیین اثرات ...

پایان نامه برای دریافت درجه کارشناسی ارشد گرایش : برق قدرت چکیده یکی از چالش های مهم طراحی در شبکه های حسگر بی سیم (WSN)، طولانی کردن طول عمر سیستم (گره) است، در حالیکه به کیفیت سرویس قابل قبولی برای کاربردها دست یافت. طولانی کردن عمر گره با کاهش مصرف انرژی ارتباط مستقیم دارد . در WSN، هر گره حسگر با توان باتری کار می کند و در اکثر موارد مخصوصا در محیط های دور و خصمانه امکان ...

پایان نامه برای دریافت درجه کارشناسی ارشد مهندسی فناوری اطلاعات- شبکه‌ های کامپیوتری چکیده شبکه­ های مش بی­سیم، شامل مسیریاب­های مش و کلاینت­های مش هستند، که مسیریاب­های مش با کمترین تحرک، ستون فقرات شبکه مش را شکل می­دهند. مسیریاب­ها و کلاینت­ها در شبکه مش از طریق دروازه به اینترنت دسترسی پیدا می­کنند. امروزه شبکه­های مش بی­سیم، سرویس­های بی­سیم را در گستره متنوعی از کاربردها، ...

پایان نامه کارشناسی ارشد مهندسی برق- مخابرات چکیده شبکه‌های مش بی‌سیم یکی از تکنولوژی‌های مورد توجه برای ایجاد شبکه‌های بی‌سیم نسل بعد هستند. زیرا این شبکه‌ها می‌توانند به دلیل افت مسیر کمتر و نیز کاهش اثر عامل سایه افکنی، که ناشی از خصوصیت چند گامی بودن آنهاست، محدوده تحت پوشش وسیع و ظرفیت بالایی را با مصرف توان کم و هزینه پایین در اختیار کاربران قرار دهند. در مقابل این مزایا، ...

پایان­نامه تحصیلی جهت اخذ درجه کارشناسی ارشد رشته: کامپیوتر گرایش نرم افزار چکیده در یک شبکه حسگر که یک سیستم توزیع شده فراگیر است، یکی از موارد مورد بحث همگام‌سازی ارتباطات است. یکی از عمده وظایف همگام‌سازی فرآیند‌ها، انحصار متقابل است. الگوریتم‌های جدید ارایه شده در مقایسه با الگوریتم‌ های قدیمی با عدالت بیشتری عمل می‌نمایند. در این پایان‌نامه یک مدل با استفاده از شبکه‌های ...

ثبت سفارش