مقاله مروری بر الگوریتمهای خوشهبندی در شبکههای حسگر بیسیم با استفاده از آتاماتای یادگیر

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله مروری بر الگوریتمهای خوشهبندی در شبکههای حسگر بیسیم با استفاده از آتاماتای یادگیر دارای ۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مروری بر الگوریتمهای خوشهبندی در شبکههای حسگر بیسیم با استفاده از آتاماتای یادگیر  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مروری بر الگوریتمهای خوشهبندی در شبکههای حسگر بیسیم با استفاده از آتاماتای یادگیر،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مروری بر الگوریتمهای خوشهبندی در شبکههای حسگر بیسیم با استفاده از آتاماتای یادگیر :

تعداد صفحات:۶
چکیده:
با وجود پیشرفتهای صورت گرفته در شبکههای حسگر بیسیم، گرههای حسگر به دلیل تعداد زیاد، اندازه کوچک و روش قرارگیری اقتضایی، هنوز هم برای تامین انرژی خود، متکی به باتریهایی با توان اندک میباشند. همچنین معمولاً به دلیل بهکارگیری این نوعشبکهها در محیطهای خشن و غیرقابل دسترس، امکان شارژ مجدد یا تعویض گرههای حسگر وجود ندارد. بنابراین یکی از مهمترین مسایل در شبکههای حسگر بیسیم، مساله محدودیت شدید انرژی است. شبکه حسگر بیسیم یک شبکه بدون سیم میباشد که از دستگاههای مستقل پخش شده در محیط با توانایی حس نمودن تغییرات محیط،جهت نظارت بر آن تشکیل شده است. این شبکه دارایمحدودیتهایی از جمله منابع انرژی، حافظه و فضای ذخیرهسازی میباشد. کاهش مصرف انرژی و افزایش طول عمر گرهها از مهمترین اهداف طراحی این شبکهها است و برای نیل به این اهدافتاکنون روشهای متعددی مطرح شده است از جمله خوشهبندی گرهها که الگوریتمهای متفاوتی برای آن عنوان شده است. آتاماتا نیز یک شیء انتزاعی است که تعداد محدودی عمل را میتواندانجام دهد و هر عملی که انجام میدهد، توسط محیطی احتمالی ارزیابی میگردد و پاسخی به آتاماتا داده میشود. آتاماتا از این پاسخ استفاده نموده و عمل بعدی را انتخاب میکند. در طی این پروسهآتاماتا یاد میگیرد که چگونه بهترین عمل را انتخاب نماید. نحوه استفاده از پاسخ محیط به عمل انتخابی آتاماتا که در جهت انتخاب عمل بعدی آتاماتا استفاده میشود، توسط الگوریتم یادگیری آتاماتا[ مشخصمیگردد. [ ۱ تعدادی از کارهای انجام شده در زمینه خوشهبندی در شبکههای حسگر بیسیم عبارتند از: الگوریتم خوشهبندی توزیعشده در [ ۲] گرهها را ثابت و با وزنهایمقدار داده شده، در نظر میگیرد. الگوریتم خوشهبندی وزندهی شده چندین خصوصیت را در یک پارامتر (وزن) ترکیب میکند که این پارامتر در خوشهبندی استفاده میشود. در این الگوریتم توزیع شدهفرض اصلی در این است که در طول اجرای الگوریتم، توپولوژی شبکه تغییر نمیکند یعنی، فرض میشود که یک پیام ارسالشده توسط یک گره به درستی طی یک مدت زمان محدود به همه همسایگانش میرسد که هر گره نیز میداند که بایستی وزن و شناسههمسایگان خود را نیز داشته باشد. هر گره نقش خود را که سرخوشه است و یا یک گره عادی تنها بسته به تصمیمگیری همسایگان خود وبا توجه به وزنهای بزرگتر انتخاب میکند. بنابراین، در ابتدا، فقط آن دسته از گرهها که وزن بزرگتر دارند در محدوده خود یک پیام به همسایگان خود پخش میکنند و همسایگان بر این اساس سرخوشهخود را انتخاب میکنند