عنوان پایان‌نامه
خوشه یابی توزیع شده ی مبتنی برعلوم اجتماعی برای شبکه های حسگر بی سیم
- رشته تحصیلی
- مهندسی کامپیوتر- آلگوریتم ها و محاسبات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 29..;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 53334
- تاریخ دفاع
- ۰۸ اسفند ۱۳۹۰
- دانشجو
- اردشیر بهاریان
- استاد راهنما
- مجید نیلی احمدآبادی, بابک نجاراعرابی
- چکیده
- شبکه‌های حسگر بی‌سیم، در سال‌های اخیر توجه جهان را به خود معطوف کرده‌است. این شبکه‌ها از تعداد زیادی حسگر تشکیل شده‌اند که علاوه بر قدرت حس کردن محیط، دارای قدرت ذخیره و پردازش اطلاعات و همچنین ارسال داده از طریق فرستنده‌ی شبکه‌ای بی‌سیم هستند. به دلیل خواص فیزیکی حسگرها، چالش‌های مهمی پیش روی این شبکه‌هاست که از آن جمله می‌توان توان پایین باتری، قدرت محدود ارسال و دریافت داده، همکاری با دیگر حسگرها، مقیاس پذیری شبکه و... را نام برد. برای غلبه بر برخی از این مشکلات، راهکارهایی برای نحوه‌ی چینش و مدیریت حسگرها ارائه می‌شود. یکی از این راهکارها گروه‌بندی حسگرها در دسته‌ها (خوشه‌ها) و انتقال دسته جمعی اطلاعات است. لذا مسئله خوشه‌بندی در شبکه‌های حسگر یک مسئله‌ی بسیار پر کاربرد است. در سال‌های اخیر تحقیقات زیادی در این زمینه انجام شده‌است و روش‌های موفقی نیز برای حل مسئله، ارائه گشته است. در این پژوهش سعی ما بر آن است که روشی جدید، برای خوشه‌بندی در شبکه‌ی حسگر، ارائه دهیم. سعی نمودیم برای این کار از مفاهیم موجود در علوم اجتماعی و روابط انسانی بهره ببریم. در این راستا دو دیدگاه مد نظر قرار گرفته است. دیدگاه اول یک نگاه بالا به پایین و با الهام از رفتار کشورها‌ی استعمارگر و رقابت میان آنهاست. با این هدف، از الگوریتم بهینه‌سازی رقابت استعماری استفاده کردیم و با انجام تغییراتی آن را به یک الگوریتم تشکیل خوشه رقابتی تبدیل نمودیم. این روش، در مقایسه با روش‌های پیشین، نتایج بهتری به دست نمی‌دهد اما به نظر می‌رسد در صورت ادامه روند تحقیقات و انجام تغییراتی، بتوان آن را به یک روش بهتری تبدیل کرد. دیدگاه دوم، یک نگاه پایین به بالا است که با الهام از رفتار انسان‌ها در جوامع بشری به دست می‌آید. به این منظور به هر حسگر به عنوان یک انسان می‌نگریم که می‌خواهد در یک گروه دوستی شرکت کند. از نظر ما مسئله تشکیل گروه‌های دوستی در جوامع بشری و انتخاب رهبر گروه، به مسئله خوشه‌بندی در یک شبکه‌ی حسگر، بسیار شبیه است. لذا ما با الهام گرفتن از مدل رفتار انسان‌ها در جوامع بشری، یک الگوریتم جدید برای خوشه‌بندی شدن شبکه‌ی حسگر، ارائه نموده‌ایم. نتایج بررسی‌های ما نشان می دهد، روش پیشنهادی، همیشه از یک شبکه بدون خوشه‌بندی، بهتر است و در اغلب مواقع از روش‌های موجود خوشه‌بندی، نتایج بهتری به دست می‌دهد.
- Abstract
- Wireless sensor networks have drawn the world's attention recently. These networks are formed of a large number of sensors that can sense the environment. In addition, they are able to save and process data and also to send the information via wireless network transmitters. Due to the physical attributes of sensors, these networks are facing crucial challenges like low battery power, limited rate of sending and receiving data, cooperation with other sensors, network scalability and etc. Recently, several solutions have been presented to order and manage sensors to overcome these problems. One solution is to group sensors into clusters and to transfer the whole information. Therefore, the clustering issue in sensor networks is a common issue. In recent years, much research has been done on this matter and successful ways have been released to solve the problem. In this research, our aim is to offer a new way to cluster the sensor network. Thus, we tried to take advantage of concepts in social science and human interactions. To achieve this aim, two perspectives have been considered. The former is a top-bottom view inspired by the behavior of imperialist countries and the competition among them. To achieve it, we used the Imperialist Competition Algorithm (ICA) and then converted it to a competitive cluster formation algorithm. This method does not give better results in comparison to former ways, but it seems to be useful with better outputs in case of continuance of research process. The latter is a bottom-top view inspired by the human behavior of participating in a friendship group. In our opinion, the issue of forming friendship groups and selecting group leaders is very similar to clustering in a sensor network. Hence, a novel algorithm for clustering sensor networks is proposed on the basis of human behavior model in human societies. Finally, the results show that the proposed method is always better than a network with no clustering. And also, in most cases, it gives better results than other available clustering methods.
