مقاله ارائه الگوریتم جدید خوشه بندی در شبکه های حسگر بیسیم متحرک

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

  مقاله ارائه الگوریتم جدید خوشه بندی در شبکه های حسگر بیسیم متحرک دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارائه الگوریتم جدید خوشه بندی در شبکه های حسگر بیسیم متحرک  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 ارائه الگوریتم جدید خوشه بندی در شبکه های حسگر بیسیم متحرک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارائه الگوریتم جدید خوشه بندی در شبکه های حسگر بیسیم متحرک :

چکیده :
یکی از مهمترین مباحث مربوط به شـبکه های حسـگر بیسـیم ، بحث خوشه بندی می باشد و این بحث در شبکه های حسگر بیسـیم متحرک نمود بیشتری پیدا میکند. زیرا مکان قرار گرفتن گرههای حسگر، از قبل تعیین شده نیست و این گره ها دارای حرکت هسـتند. ویژگی اصلی این نوع شبکههای بیسیم خودسازماندهی میباشد. برای انجام این کار الگوریتمهای مختلفی ارائه شده است. در اکثر روشهای ارائه شده قبلی به فاکتورهای مهمی همچون مرکزیت، چگالی و حتیانرژی توجه کمتری دارند درحالیکه خصوصاً در مورد شـبکه های متحرک این فاکتورها باید مورد توجه بیشـتری قرار گیرند. همچنین از کار افتادن سـرخوشـه در یک راند باعث میشود تا اطلاعات خوشـه در آن راند بدسـت پایگاه مرکزی نرسد و این امر باعث افت شدید کارایی شبکه خواهد گشت . در الگوریتم پیشنهادی تمام این فاکتورها برای انتخاب سرخوشه مورد نظر قرار گرفته است. همچنین شبکه بگونهای خوشه بندی میشود که برای هر سرخوشه یک جایگزین در نظر گرفته میشـود. بدین ترتیب عمر مفید شبکه افزایش مییابد. این متد توسط نرمافزار Matlab شبیه سازی شده و

نتایج آن نشان میدهد که این متد موجب بهبود قابل توجهی در بازدهی و نیز پوشش شبکه بدست آمده است.

کلمات کلیدی : گره حسگر بیسیم، خوشه بندی، متحرک، مصرف بهینه.

-۱ مقدمه

یک گره حسگر بی سیم شامل یک میکروکنترلر ، رادیو ، سنسورهای مختلف ، حافظه و باتری است. یک شبکه حسگر بی سیم شامل گره های حسگری است که پدیده های مختلف محیط اطراف را حس می کنند. یک شبکه حسگر متشکل از تعداد زیادی گره های حسگر است که در یک محیط به طور گســترده پخش شــده و به جمع آوری اطلاعات از محیط می پردازند. شبکه های حسگر بیسیم از لحاظ مصرف انرژی دارای محدودیت میباشند. روش هایی که برای مســیریابی و انتقال داده ها در این نوع شــبکه ها ارائه می شــود باید حتی المقدور از نقطه نظر مصــرف انرژی بهینه باشــند. یکی از روش هایی که برای نیل به این هدف ارائه شـــده روش خوشـــه بندی میباشـد. در این روش، در هر خوشه یک گر ه به عنوان سـرخوشـه در مرکز خوشه قرار گرفته و گره های دیگر داده های خام را به آن گره ارســال می نمایند. ســپس گره مرکزی داده ها را پس از فشــرده ســازی به پایگاه مرکزی ارســال می نمایند. انتخاب مناســب ســرخوشــه باعث کاهش مصــرف انرژی مصــرفی و در نتیجه باعث افزایش طول عمر مفید شـبکه می شود. تشکیل خوشه

هـا جهـت برپـایی این نوع مســـیریابی باید به گونه ای صــورت گیرد تا به محدودیت های شــبکه های حســگر بیسیم مانند انرژی مصرفی توجه شود. در سالهای اخیر بـا توجـه بـه کـاربردهـای این نوع شـــبکه ها از جمله کاربردهای نظامی، فوریت های پزشــکی، زلزله نگاری و غیره محققان پیشــنهادات گوناگونی را جهت برپایی هر چه بهتر این نوع شبکه ها معرفی نموده اند.

-۲ کارهای انجام شده

با توجه به جدید بودن شـــبکه های بیســـیم متحرک کارهای محدودی در این زمینه انجام گرفته اســـت. که در زیر به برخی از آنها اشاره میکنیم :

در[۱] الـگـوریـتـم Tandem بـرای هر گره، الگوریتم شناسایی اطلاعات همسایه را بطور مداوم با همسایگانش انجـام میـ دهـد. این الگوریتم عـددی که نمایانگر نحوه ارتباط دو گره با یکدیگر است را تولید میکند و با توجه به آن تصمیم به ترک یا اتصال خوشه میکند.

در [۲] الگوریتم DMAC خوشه های تک گامی را تولید میکند. آن الگوریتمی سبک وزن است که بصورت ثبت سرویس توزیعی عمل میکند و با تصمیم گیری فقط بر اســاس اطلاعات همســایه نســبت به تغییرات توپولوژی

عکسالعمل نشان میدهد.
در [۳] الگوریتم G-DMAC همـانند DMAC خوشـــه های تک گامی ایجاد میکند با این تفاوت که با مشخص کردن حداکثری برای سـرخوشه، آنها را برای سرخوشه عوض کردن محـدود میکنـد و کاری میکند تا هر گره حتی المقدور ســرخوشــه خود را عوض نکند واین باعث کاهش سربار شبکه نسبت به DMAC میگردد..

الگوریتم خوشه بندی سلسله مراتبی

الگوریتم HEED یکی از معروفترین و بهترین روشهایی اســت که تاکنون در زمینه خوشــه بندی شــبکه های حسگر بیسیم ارائه شده است. این الگوریتم به دو فاکتور مهم انرژی گره ها و فاصـــله آنها برای انتخاب مناســـب ترین سرخوشه ها توجه می کند.
چگونگی انتخاب سـرخوشه ها در الگوریتم [۴] HEED بـه این شـــکل اســـت که در این روش فرآیند انتخاب سرخوشه برای هر گره نیازمند چندین چرخه می باشد. بازه زمانی هر چرخه باید به اندازه کافی بزرگ باشـــد تا یـک گره بتوانـد تمامی پیام های ارســـالی از گره های اطرافش را دریـافــت کنـد. هر گره احتمــال اولیــه برای انتخاب شدن به عنوان سرخوشه را به این شکل در نظر می گیرد : . = C

در فرمول فوق بیـانگر انرژی باقیمانده گره و بیانگر انرژی اولیه گره می باشـــد. در ابتدای هر چرخه، هر گره با احتمال تصمیم می گیرد که سرخوشه شود. اگر گره ای تصمیم بگیرد سرخوشه شود یک پیام به دیگر گره ها ارســال می کند. این تصــمیم گیری در ابتدا موقتی اســـت و پس از گذشـــت چندین تکرار نهایی می شـود. هر یک از همسـایگان در صورتی که پیش از این عضـو خوشـهای نشـده باشـد، عضو این خوشه می گردد. در صورتی که همسایه ای پیش از این عضو خوشهی دیگری باشد که انرژی باقیمانده سرخوشه آن نسـبت به انرژی باقیمانده سـرخوشه جدید پایین تر باشد، همسایه به خوشه جدید ملحق می شود. به علاوه، در صـورتی که همسایه ای خود سرخوشه باشد، پس از

مقایسـه خود با میزان انرژی باقیمانده سرخوشه معرفی شـده، تصـمیم می گیرد که همچنان رأس خوشه باقی بماند یا به خوشـه جدید منتقل شـود. الگوریتم HEED سـرخوشه ها را براساس دو فاکتور مهم انرژی گره ها و فاصــله بین آنها انتخاب می کند. یکی از مشــکلات این الگوریتم لزوم ارسال چندین پیام بین گره های شبکه و گذر از چندین چرخه برای انتخاب سرخوشه های نهایی می باشد.

بطور خلاصه پروتکل بصورت زیر کار می کنند :

• گرههـایی کـه درجههای قابلیت بالایی نســـبت به همسایگان خود دارند. سرخوشه ها را به آنها اعلام میکنند و پیغام SetRoot را پخش می کنند.

• گره های باقیمانده ، همسایه با درجه قابلیت بالاتر را به عنوان پدر انتخاب می کنند.
• زمـانیکـه گره پیغـام SetRoot را از پدرش دریافت کرد عضـــویـت خوشـــه را متوجه شـــده و پیغام SetRoot را پخش می کند.

-۳ الگوریتم پیشنهادی

همانطور که در بخش پیش اشـــاره شـــد بســـیاری از روشـهای ارائه شـده در زمینه خوشـه بندی شبکه های حسـگر بیسـیم متحرک و ثابت ارائه شده است، اما آنها فاکتورهای اندکی را برای انتخاب ســرخوشــه ها در نظر میگیرنـد و ممکن اســـت به فاکتورهای مهمی همچون مرکزیـت، چگـالی و حتی انرژی توجه کمتری داشـــته باشند. درحالیکه برای نیل به روش خوشه بندی مطلوب بـاید فاکتورهای ذکر شـــده مورد توجه بیشـــتری قرار گیرند. در ادامه این بخش ضمن توضیح روش یشنهادی به بررسـی این فاکتور پرداخته شده و چگونگی استفاده از آنها در الگوریتم پیشنهادی توضیح داده میشود.