مقاله یک مکانیزم زمانبندی مبتنی بر اتوماتاهای یادگیر برای ارتباط سرخوشه با اعضای خوشه در پروتکلهای سلسله مراتبی برای شبکههای حسگر

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

  مقاله یک مکانیزم زمانبندی مبتنی بر اتوماتاهای یادگیر برای ارتباط سرخوشه با اعضای خوشه در پروتکلهای سلسله مراتبی برای شبکههای حسگر دارای ۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله یک مکانیزم زمانبندی مبتنی بر اتوماتاهای یادگیر برای ارتباط سرخوشه با اعضای خوشه در پروتکلهای سلسله مراتبی برای شبکههای حسگر  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 یک مکانیزم زمانبندی مبتنی بر اتوماتاهای یادگیر برای ارتباط سرخوشه با اعضای خوشه در پروتکلهای سلسله مراتبی برای شبکههای حسگر،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله یک مکانیزم زمانبندی مبتنی بر اتوماتاهای یادگیر برای ارتباط سرخوشه با اعضای خوشه در پروتکلهای سلسله مراتبی برای شبکههای حسگر :

چکیده:
برای پروتکلهای سلسله مراتبی مکانیزمهای مختلفی برای

ارتباط سرخوشه با اعضاء خوشه پیشنهاد شده است. مکانموردیزمهای استفاده بدون توجه به شرایط گرهها به هر یک از اعضاء خوشه، زمان یکسانی برای ارتباط با سرخوشه میدهند. در این مقاله یک مکانیزم زمانبندی بر اساس اتوماتاهای یادگیر که آنراLASM مینامیم برای ارتباط اعضای یک خوشه با سرخوشه پیشنهاد میگردد. در این روش هر سرخوشه به یک اتوماتای یادگیر مجهز است که وظیفه زمانبندی برای ارتباط سرخوشه با اعضای خوشه را بر عهده دارد. اتوماتای یادگیر به مرور زمان یاد میگیرد که برای اعضایی از خوشهاطلاعاتکه دارای بیشتری برای ارسال میباشند شانس بیشتری را برای ارتباط با سرخوشه فراهم کند. به منظور ارزیابی، پروتکل LEACH که در آن مکانیزم زمانبندی پیشنهادی به کار گرفته شده است (LEACHLASM)

و پروتکل LEACH که از مکانیزم زمانبندی TDMA استفاده میکند (LEACHTDMA) با استفاده از نرمافزار شبیهساز ns2 شبیهسازی و نتایج بدست آمده با یکدیگر مقایسه شدهاند. نتایج شبیهسازیها برتری روش پیشنهادی را نشان داده است.

کلمات کلیدی: شبکههای حسگر، اتوماتاهای یادگیر، پروتکل سلسـله

مراتبی، مکانیزم زمانبندی

-۱ مقدمه

شبکه های حسگر که در سالهای اخیر مورد توجه بسیار قرار گرفتـهانـد از تعداد زیادی (که ممکن است بـه هـزاران مـورد برسـد) گـره حسـگر کوچک، ارزان قیمت با قابلیـت و قـدرت پـایین تشـکیل شـدهانـد. ایـن حسگرها می توانند اطلاعاتی را از محیط اطـراف خـود دریافـت کـرده و برای حسگرهای همسایه ارسال دارند.[۱,۲] شبکه های حسگر می تواننـد در کاربردهایی مانند نظـارت هوشـمند بـر بزرگـراه هـا، امدادرسـانی در حوادث غیرمترقبه، دیدهبانی محیط و پیگیری هـدف[۳,۴] بکـار گرفتـه شوند. یکـی از مسـایل مهـم در شـبکههـای حسـگر مسـاله مسـیریابی

می باشد که برای حل آن الگوریتمهای فراوانی گزارش شده است. اکایـا۱

و یانیس۲ در [۵] پروتکلهای مسـیریابی را بـه چهـار گـروه کلـی “داده محور”، “سلسـله مراتبـی”، “بـر اسـاس موقعیـت” و “آگـاه از کیفیـت سرویس و جریان شبکه” تقسیم میکنند. در معمـاری سلسـله مراتبـی، گرههای با انرژی بالاتر وظیفه پـردازش و ارسـال اطلاعـات را بـر عهـده دارند، درحالیکه گرههای با انرژی پایینتر تنها نقش حسگرمحیط را در بازی میکنند. در مسیریابی سلسله مراتبی، گرهها به خوشههای منطقی
تقسیم میشوند. در هر خوشه برخی گرهها سرخوشه و گرههای دیگر به عنوان اعضای خوشه در نظر گرفته میشـوند. اعضـای خوشـه اطلاعـات مورد نظر را با توجه به کاربرد از محیط به دست میآورند و سـپس ایـن اطلاعات را به سرخوشه ارسال میکنند. سرخوشه نیز با جمعآوری ایـن اطلاعات آنها را به گره مرکزی میفرستد. اکثـر پروتکـلهـای سلسسـله مراتبی دارای دو مرحله بـرای مسـیریابی هسـتند؛ مرحلـه اول انتخـاب سرخوشه و مرحله دوم مسیریابی میباشد. مسیریابی سلسله مراتبی یک راه مؤثر برای کاهش پیغامهای ارسالی به ایستگاهای اصلی و در نتیجـه افزایش طول عمر شبکه میباشد.

به منظور جلوگیری از تـداخل در ارتبـاط اعضـای یـک خوشـه بـا سرخوشه خود، پروتکلهای سلسله مراتبی از روشهای مختلفی استفاده میمشابهکنند. AIMRP3 از روشی IEEE 802.11 اسـتفاده مـیکنـد
.[۶] مکانیزمی که به طور معمول برای ارتباط اعضای خوشه با سرخوشه استفاده میشودTDMA 4 است که در پروتکلهای زیادی استفاده شده است .[۷-۱۵] مکانیزم زمانبندی TDMA تمایزی بین عضـو خوشـهای که همواره دادهای برای ارسال دارد و عضـو خوشـهای کـه دادهای بـرای ارسال ندارد قائل نیست و به هر دو عضو خوشه زمـان یکسـانی را بـرای ارتباط با سرخوشه میدهد. این در حالی است که ممکن است عضوی از خوشه در منطقهای قرار داشته باشد که اطلاعات محیطـی آن مـدام در حال تغییر است، اما سایر اعضای خوشه چنـین تغییراتـی را در محـیط اطراف خود حس نمی کنند. در این صورت، عضوی که اطلاعـات محلـی آن همواره در حال تغییر است باید زمـان بیشـتری را نسـبت بـه سـایر

اعضاء برای برقراری ارتبـاط بـا سرخوشـه و ارسـال اطلاعـات بـه آن در اختیار داشته باشد.

اخیراً اتوماتاهای یادگیر در شبکههای حسگر بیسیم مورد استفاده قرار گرفته است. در [۱۶] با استفاده از اتوماتاهای یادگیر مکانیزمی برای بیدار و خواب کردن گرهها به منظور حفظ کیفیت سـرویس ارایـه شـده است. در [۱۷] پروتکل LACA5 که مبتنی بـر اتوماتاهـای یـادگیر مـی باشد برای خوشهبندی گرهها و در[۱۸] پروتکلی بـر اسـاس اتوماتاهـای یادگیر برای چندپخشی متحرک برای شبکههای حسگر ارائه شده است.

در این مقاله یک مکانیزم زمانبندی بر اساس اتوماتاهای یادگیر که آنـرا

LASM6 مینامیم برای ارتباط اعضای یک خوشه با سرخوشه پیشـنهاد میگردد. در این روش هر سرخوشه به یک اتوماتای یادگیر مجهز اسـت و عهدهدار کنترل ارتباط سرخوشـه بـا اعضـای آن مـیباشـد. اتوماتـای یادگیر به مرور زمان یاد میگیرد که برای اعضـایی از خوشـه کـه دارای اطلاعات بیشتری برای ارسال میباشند شانس بیشتری را برای ارتباط با سرخوشه فراهم کند. به منظور ارزیـابی، پروتکـل LEACH7 کـه در آن مکانیزم زمانبندی پیشنهادی به کار گرفته شده است (LEACHLASM)

و پروتکل LEACH که از مکانیزم زمانبندی TDMA استفاده میکنـد (LEACHTDMA) با استفاده از نرمافزار شبیهساز [۱۹] ns2 شبیهسازی
و نتایج بدست آمده با یکدیگر مقایسه شـدهانـد. نتـایج مقایسـه برتـری روش پیشنهادی را نشان داده است.

سازماندهی ادامه مقاله به ایـن صـورت اسـت. در بخـش ۲ اتوماتاهـای یادگیر و در بخش ۳ پروتکل LEACH به اختصار شرح داده میشـوند.

در بخش ۴ مکانیزم زمانبنـدی پیشـنهادی توضـیح داده مـیدرشـود و بخش ۵ نتایج شبیهسازیها آمده است. بخش ۶ نتیجهگیری میباشد.

-۲ اتوماتاهای یادگیر

یک اتوماتای یادگیر[۲۰,۲۱]، ماشینی است که میتواند تعدادی متناهی عمل را انجام دهد. هر عمل انتخاب شده توسـط یـک محـیط احتمـالی ارزیابی میشود و نتیجه ارزیابی در قالب سیگنالی مثبـت یـا منفـی بـه اتوماتا داده میشود و اتوماتا از این پاسخ در انتخاب عمـل بعـدی تـاثیر میگیرد. هدف نهایی این است که اتوماتا یاد بگیرد تا از بین اعمال خود بهترین عمل را انتخاب کند. بهتـرین عمـل، عملـی اسـت کـه احتمـال دریافت پاداش از محیط را به حداکثر برساند. کارکرد اتوماتای یادگیر در تعامل با محیط، در شکل ۱ مشاهده میشود.

n
محیط تصادفی
عمل اتوماتا

Archvie of SID

محیط را میتوان توسط سه تایی c} ,کهE { , نشان داد
در آن {۱ , ۲ ,;, r } مجموعه ورودیها,
{۱ , ۲ ,;, m } مجموعه خروجیها و
c r } c {c1 , c 2 ,;, مجموعه احتمالهای جریمههرگاهمیباشد.
مجموعه دو عضوی باشد، محیط از نوع P میباشد. در چنین
محیطی ۱ ۱ به عنوان جریمه و ۲ ۰ به عنوان پاداش در نظر
گرفته میشود. در محیط از نوع Q، (n ) میتواند به طور گسسته،
یک مقدار از مقادیر محدود در فاصله [۰ ۱] و در محیط از نوع S،
(n ) متغیر تصادفی در فاصله ۱] [۰ است. ci احتمال اینکه عمل
i نتیجه نامطلوب داشته باشد میباشد. در محیط ایستا مقادیر ci

بدون تغییر میمانند، حال آنکه در محیط غیر ایستا این مقادیر در طی

زمان تغییر میکنند.
اتوماتای یادگیر با ساختار ثابت توسط پنجتایی
{ , , F , G , } نشان داده میشود که در آن
{۱ , ۲ , L , r } مجموعه عملهای اتوماتا,
{ ۱ , ۲ ,L , m } مجموعه ورودیهای اتوماتا,
{۱ ,۲ ,L,s } مجموعه وضعیتهای داخلی اتوماتا،
F :× تابع تولید وضعیت جدید اتوماتا و G : تابع
خروجی میباشد که وضعیت کنونی اتوماتا را به خروجی بعدی مینگارد.

اتوماتای یادگیر با ساختار متغیر را میتوان توسط
چهارتایی{, , p,T} نشان داد که K,r مجموعه,۱ ,۲
عملهای اتوماتا، ۱ , ۲ ,K, m مجموعه ورودیهای اتوماتا،
p p1 , p2 ,K, pm بردار احتمال انتخاب هریک از عملها و
p(n 1) T[(n), (n), p(n)] الگوریتم یادگیری میباشد.
الگوریتم زیر یک نمونه از الگوریتمهای یادگیری خطی است. فرض کنید عمل i در مرحله n ام انتخاب شود.

– پاسخ مطلوب
(۱) pi (n 1) pi (n) a[1 pi (n)]
i j j p j (n 1) (1a) p j (n)

– پاسخ نامطلوب
(۲) pi (n 1) (1b) pi (n)
p j (n 1) (b r 1) (1b) p j (n) j j i
در روابط (۱) و (۲)، a پارامتر پاداش و b پارامتر جریمه میباشند. بـا توجه بـه مقـادیر a و b سـه حالـت زیـر را مـیتـوان در نظـر گرفـت.

پاسخ محیط

n

اتوماتای یادگیر

زمانیکــه a و b بــا هــم برابــر باشــند، الگــوریتم را LRP مــینامنــد، زمانیکه b از a خیلـی کـوچکتر باشـد، الگـوریتم را LRP مـینامنـد و زمانیکه b مساوی صفر باشد الگوریتم را LRI مینامند.[۲۲]

شکل :(۱) ارتباط بین اتوماتای یادگیر و محیط

-۳ پروتکل LEACH

یکی از اولین و معروفترین پروتکل های سلسله مراتبـی ارائـه شـده بـرای شبکه های حسگر، پروتکل LEACH می باشـد .[۱۴] در ایـن پروتکـل، مدت زمان فعالیت شبکه به دورههایی تقسیم مـیشـود ( شـکلدر.(۲

ابتدای هر دوره، به صورت تصادفی تعدادی از گرهها به عنوان سرخوشـه انتخاب میشوند. هبرایگرهاین کار یک عـدد تصـادفی مـابین ۰و ۱ تولید می کند. در صورتیکه این عـدد از مقـدار T(n) کـه بـا اسـتفاده از رابطه ۳ به دست میآید، کمتر باشـد گـره مزبـور بـه عنـوان سرخوشـه معرفی میشود. در رابطه ۳، P نسبت تعـداد خوشـه هـا بـه تعـداد کـل گرههای شبکه، r شماره دور و G تعداد گرههـائی مـی باشـد کـه در ۱/P

دور قبل به عنوان رأس خوشه برگزیده نشده اند.

if n G , P

۱
(۳) ( ۱ P × (r mod T (n)
p

otherwise
۰,
پس از مشخص شدن گرههای سرخوشه، سـایر گـرههـا بـر اسـاس قدرت سیگنال دریافتی از هر سرخوشه، تصمیم می گیرند که به عضویت کدام خوشه در آیند. گره سرخوشه بازه مسـئولیت خـود را بـه تعـدادی برش زمانی۸ تقسیم میکند ( شکل .(۲ این برشهای زمـانی بـر اسـاس مکانیزم TDMA میان اعضای خوشه به اشتراک گذاری می شوند. در هر برش زمانی، سرخوشه با یکی از اعضـای خوشـه ارتبـاط برقـرار کـرده و بسته های اطلاعاتی آن عضو را دریافت می دارد. سرخوشـه در هـر چنـد برش زمانی، اطلاعات دریافتی از اعضای خود را برای گره مرکزی ارسال میکند. به منظور توزیع بار برروی گرههای مختلـف پـس از اتمـام یـک دور، برای آغاز دور جدید، سرخوشه ها بر اساس مکـانیزم بیـان شـده در فوق عوض می شوند.

شکل(:(۲ دوره و برش زمانی در پروتکل LEACH

-۴ مکانیزم زمانبندی پیشنهادی

در این قسمت مکانیزم زمانبندی پیشنهادی که آنرا LASM مینـامیم شرح داده میشود. ایـن مکـانیزم بعـد از مرحلـه خوشـهبنـدی و بـرای جمع آوری اطلاعات از اعضای خوشه به کار گرفته میشـود. در مکـانیزم پیشنهادی، هر سرخوشه مجهز به یک اتوماتای یادگیر است. سرخوشه با استفاده از اتوماتای یادگیر خود، عضو خوشهای را که باید بـا آن ارتبـاط برقرار کند انتخاب میکند. در مکانیزم پیشنهادیاین LASM فرض بر