دانلود ترجمه مقاله بهینه سازی انرژی الگوریتم کلونی مورچه در wsn ها (Sage 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

این مقاله انگلیسی ISI در نشریه Sage در ۸ صفحه در سال ۲۰۱۷ منتشر شده و ترجمه آن ۱۵ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۱۷
تعداد صفحات مقاله انگلیسی	۸ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی کامپیوتر و فناوری اطلاعات
گرایش های مرتبط با این مقاله	شبکه های کامپیوتری، هوش مصنوعی و مهندسی الگوریتم ها و محاسبات
مجله	مجله بین المللی شبکه های حسگر توزیع شده  International Journal of Distributed Sensor Networks
دانشگاه	دانشکده علوم و فناوری کامپیوتر، دانشگاه پست و مخابرات نانجینگ، چین
کلمات کلیدی	شبکه حسگر بی سیم، الگوریتم کولونی مورچه، غلظت فرومون، تعادل بار انرژی، احتمال بهینه سازی
شناسه شاپا یا ISSN	ISSN ۱۵۵۰-۱۴۷۷
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در سایت Sage
نشریه Sage

فهرست مطالب:

چکیده

مقدمه

کار مرتبط

الگوریتم کلونی مورچه سنتی

بهینه سازی انرژی الگوریتم کلونی مورچه

فرمت بسته مورچه جلویی

بهینه سازی انتخاب احتمالی

قوانین به روز رسانی فرومون

شبیه سازی

مصرف انرژی گره در آستانه های مختلف

نتیجه گیری

بخشی از ترجمه:

نتیجه گیری
در این مقاله، روش بهینه سازی انرژی جدید، برای الگوریتم کلونی مورچه مطرح شد. روش پیشنهادی فاصله بین گره ها و انرژی باقی مانده گره ها را به منظور انتخاب گره جهش بعدی و اختصاص وزنی خاص به مصرف انرژی و غلظت فرومون، مورد استفاده قرار می دهد. بعلاوه در صورتی که انرژی باقی مانده گره کمتر از ۲۰% از انرژی اولیه باشد، وزن انرژی باقی مانده گره در احتمال انتخاب افزایش می یابد که این مورد نشان دهنده اهمیت انرژی باقی مانده گره هاست. بدین ترتیب، احتمال کمتری وجود دارد که گره هایی با انرژی پایین انتخاب شوند. علاوه براین، میزان تبخیر فرومون بهینه می شود که منجر به کاهش بیشتر احتمال انتخاب گره به عنوان گره جهش بعدی می شود. ضمنا، زمانی که انرژی باقی مانده گره کمتر از ۱۰% از انرژی اولیه باشد، این گره از دسته گره کاندید خارج می شود. آزمایشات شبیه سازی نشان می دهند که مصرف انرژی گره بیش از میانگین اصلی می باشد که این امر تعادل بار را بهبود بخشیده و طول عمر شبکه حسگر بی سیم (WSN ) را افزایش می دهد.

به علاوه، با توسعه مستمر شبکه های فرصت طلب، به کارگیری شبکه کلونی مورچه در یک سناریوی جدید، جهت گیری بیشتر کاری نویسندگان را به همراه خواهد داشت. 

بخشی از مقاله انگلیسی:

Conclusion

In this article, a new energy optimization method for the ant colony algorithm is proposed. The proposed method utilizes the distance between the nodes and the residual energy of the nodes in order to select the next hop node and assigns certain weights to the energy consumption and the pheromone concentration. Additionally, if the residual energy of the node is less than 20% of the initial energy, the weight of the residual energy of the node increases in the selection probability highlighting the importance of the residual energy of the nodes. In this way, the nodes with low energy have smaller probability to be selected. Furthermore, the pheromone evaporation rate is improved resulting further reduction in the possibility of the node to be selected as the next hop node. Meanwhile, the node is excluded from the candidate node set when its residual energy is less than 10% of the initial energy. The simulation experiments demonstrate that the energy consumption of the node is more averaged than original, which improves the load balancing and prolongs the life span of the WSN.

Additionally, with the continuous development of opportunistic networks, applying the ant colony network to a new scenario will be the future direction of authors’ work.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد