دانلود رایگان ترجمه مقاله پوشش منطقه صرفه جویی انرژی با الگوریتم های زمانبندی گره دوربین تکاملی (نشریه اسپرینگر ۲۰۱۵) (ترجمه ارزان – نقره ای ⭐️⭐️)

springer4

 

 

این مقاله انگلیسی ISI در نشریه اسپرینگر در ۱۲ صفحه در سال ۲۰۱۵ منتشر شده و ترجمه آن ۲۵ صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

پوشش منطقه صرفه جویی انرژی با استفاده از الگوریتم های زمانبندی گره دوربین تکاملی در شبکه های حسگر بصری

عنوان انگلیسی مقاله:

Energy efficient area coverage by evolutionary camera node scheduling algorithms in visual sensor networks

 
 
 
 
 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۵
تعداد صفحات مقاله انگلیسی ۱۲ صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی فناوری اطلاعات و کامپیوتر
گرایش های مرتبط با این مقاله  شبکه های کامپیوتری، سامانه های شبکه ای، مهندسی الگوریتم ها و محاسبات
چاپ شده در مجله (ژورنال) محاسبات نرم – Soft Computing
کلمات کلیدی شبکه های حسگر بصری (VSN)، پوشش منطقه، الگوریتم های تکاملی، برنامه ریزی گره های دوربین
ارائه شده از دانشگاه دانشکده مهندسی برق و کامپیوتر، دانشگاه شهید بهشتی، تهران، ایران
رفرنس دارد  
کد محصول F1513
نشریه اسپرینگر – Springer

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۵ صفحه (۱ صفحه رفرنس اننگلیسی) با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است ✓ 
ترجمه متون داخل تصاویر ترجمه نشده است  
ترجمه متون داخل جداول ترجمه شده است 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است 
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن به صورت انگلیسی درج شده است  
کیفیت ترجمه کیفیت ترجمه این مقاله متوسط میباشد 

 

فهرست مطالب

چکیده
۱- معرفی
۲ تعریف مسئله پوشش منطقه در VSNs
۲-۱ پیش فرض های مقدماتی
۲-۲ اهداف مسئله پوشش منطقه
۲-۳ مدلسازی اهداف مسئله پوشش منطقه
۳- کارهای مرتبط
۴ زمانبندی گره دوربین تکاملی
۴-۱ یک تابع پیشنهاد شده برای به حداقل رساندن سلول های شبکه ای تحت پوشش اضافی و کور
۴-۲ الگوریتم ژنتیک پیشنهادی
۵- زمانبندی گره دوربین تکاملی آگاه از انرژی
۶ ارزیابی عملکرد
۶-۱ تنظیمات شبیه سازی و مفروضات
۶-۲ ارزیابی عملکرد زمانی که انرژی اولیه گره های دوربین همگن باشد
۷ نتیجه گیری

 

 

بخشی از ترجمه
 چکیده
پوشش منطقه یک مسئله تحقیق مهم در زمینه شبکه های حسگر بصری (VSN) ها به علت محدودیت های ذاتی VSN ها، مانند منابع غیر قابل شارژ انرژی و جهت محدوده حس گر گره های دوربین است. استقرار انبوه گره های دوربین، امکان ارائه یک پوشش منطقه رضایت بخش برای مدت طولانی را فراهم می کند. در عین حال بقیه گره های دوربین را می توان خاموش کرد و زمانی که لازم باشد، گره های فعال جایگزین می شود. در این مقاله، مساله پوشش منطقه در VSN ها را تعریف می کنیم که هدف آنها به حداقل رساندن سلول های شبکه ای خالی و اضافی از یک منطقه مطلوب و اعوجاج انرژی گره های دوربین است. سپس ما دو الگوریتم زمانبندی برای گره های دوربین پیشنهاد می کنیم که به طور تصادفی به k-پوشش منطقه مورد نظر اعمال می شود. در اولین الگوریتم به نام زمانبندی گره دوربین تکامل یافته (ECNS)، هدف ما به دست آوردن حداکثر پوشش منطقه با قرار دادن کوچکترین (کمترین) تعداد گره های دوربین در حالت فعال و به حداقل رساندن سلول های شبکه ای خالی و بیش از حد است. از آنجایی که اهداف در نظر گرفته شده در ECNS، یکدیگر را متضاد می شمارند(با یکدیگر تضاد و ناسازگاری دارند)، از روش جمع بندی وزن متعادل استفاده می کنیم تا اهدافمان را به یک معادله خطی ترسیم کنیم و سپس یک الگوریتم ژنتیکی برای یافتن حداقل مقدار معادله خطی یکپارچه پیشنهاد می کنیم. در الگوریتم دوم زمانبندی گره دوربین تکاملی آگاه از انرژی (EAECNS)، ما یک روش برای تعادل بین مصرف انرژی تمام گره های دوربین را پیشنهاد می دهیم در حالی که آن پوشش رضایت بخش منطقه مورد نظر را فراهم می کند و تعداد سلول های شبکه ای پوشش داده شده اضافی را پایین نگه می دارد. ما عملکرد هر دو الگوریتم را از نظر پوشش، تعداد گره های زنده و افزونگی با شبیه سازی های بعدی ارزیابی می کنیم. همچنین نشان می دهد که EAECNS دارای عملکرد برتر در مقایسه با ECNS و دیگر الگوریتم های پیشرفته تر است.
 
۱- مقدمه
شبکه های حسگر بصری (VSNs) شامل تعداد زیادی از گره های دوربین است که هر کدام قابلیت های یک حسگر تصویر، یک پردازنده جاسازی شده و یک گیرنده بی سیم را ادغام می کنند. گره های دوربین در یک VSN یک شبکه بی سیم چند منظوره را ایجاد می کنند که هر گره می تواند تصویر را پردازش کند، داده ها را به صورت محلی پردازش کند و با گره های دیگر همکاری کند تا اطلاعات برنامه کاربردی-خاص کاربر سیستم را در مورد اهداف مورد نظر، ارائه دهد.
همکاری قدرتمند بین گره ها و هزینه کم VSN ها، برخی از مزایای مشخص است که این شبکه ها را برای انواع برنامه های کاربردی مناسب می سازد. امروزه VSN ها در مناطق مختلف از نظارت، نظارت و کنترل ترافیک به مراقبت های پیشرفته مراقبت های بهداشتی و کمک های خودکار برای سالمندان استفاده می شود (Akyildiz et al 2007، ۲۰۰۸؛ Soro and Heinzelman 2009؛ Hu and Kumar 2003؛ Reeves et al. . 2005؛ Charfi و همکاران، ۲۰۰۹). در بسیاری از برنامه های معمول VSN برای موفقیت وظایف سنجش(حس کردن)، گره های دوربین باید کل منطقه مورد نظر را پوشش دهند. به همین دلیل، مسئله پوشش منطقه، به عنوان موضوع مهم تحقیق در نظر گرفته شده است، به خصوص در مورد ویژگی های ذاتی VSN ها مانند منابع غیر قابل شارژ انرژی و جهت گیری محدوده حس کردن گره های دوربین (Guvensan و Yavuz 2011؛ Costa و Guedes 2010؛ Ai و Abouzeid 2006). بر طبق ادبیات، تا کنون بسیاری از راه حل ها بر اساس الگوریتم های حریصانه، ژنتیکی و بهینه سازی ازدحام ذرات و روش های برنامه نویسی عددی باینری برای حل مسئله پوشش ناحیه در VSN ها پیشنهاد شده است (Cheng et al. 2007؛ Liang et al. 2011؛ Tezcan وانگ ۲۰۰۸a، b؛ جیانگ و همکاران ۲۰۱۰؛ کانت و چلپپان ۲۰۰۹؛ لی و همکاران، ۲۰۰۹؛ مرسلی و همکاران، ۲۰۱۲؛ فام و همکاران، ۲۰۱۱؛ Alaei و Barcelo-Ordinas 2010؛ Aghdasi و همکاران، ۲۰۰۹؛ Hooshmand et 2013). اگر چه راه حل های موجود پوشش مناسب منطقه مورد نظر را فراهم می‌کنند، در اکثر موارد فرض می شود که گره های دوربین توانایی چرخش دارند. این فرض نیاز به زیرساخت های ویژه دارد و هزینه های بالا را ارزیابی می کند که برای گره های دوربین های ارزان قیمت موجود رضایت بخش نیست (Tavli et al.، ۲۰۱۲؛ Seema and Reisslein 2011؛ Newell et al. 2010؛ Kulkarni et al.، ۲۰۰۵). با این حال، تعداد کمی از راه حل هایی وجود دارد که تراکم بالا گره های دوربین ثابت را در یک منطقه مورد نظر بکار می گیرند و مشکل پوشش منطقه را در VSN حل می کنند (Aghdasi et al. 2009؛ Hooshmand et al. 2013). از آنجا که این راه حل ها تأثیر مستقیم انرژی باقیمانده گره های دوربین را در الگوریتم های زمانبندی آنها در نظر نمی گیرند، آنها نمی توانند گره های دوربین را به صورت همزمان زنده نگه دارند و نمی توانند طول عمر شبکه را طولانی تر کنند در حالی که پوشش قابل قبول منطقه مورد نظر را فراهم می کند.
بنابراین، در این مقاله مساله پوشش منطقه در VSN تعریف می شود، در حالی که به حداقل رساندن سلول های شبکه ای پوشش داده شده اضافی و کور از منطقه دلخواه و به حداقل رساندن اعوجاج انرژی گره های دوربین به عنوان اهداف ما است. ما فضای راه حل را با این سه هدف متضاد می پیماییم. سپس ما به روش های تکاملی تکیه می کنیم و دو الگوریتم زمانبندی جدید گره های دوربین را برای مسئله پوشش منطقه تعریف شده در VSN پیشنهاد می کنیم. ما همچنین این الگوریتم ها را با دو سناریوی مختلف VSN شبیه سازی می کنیم تا اثربخشی روش های پیشنهادی و عملکرد تناسب را نشان دهد. بخش مهمي از روشهاي ما بر افزايش طول عمر شبكه با توجه به توزيع مصرف برق شبكه تاكيد دارد. تابع تناسب تعریف شده ما در تلاش است تا گره را به صورت منصفانه برای دستیابی به مصرف انرژی یکنواخت در کل شبکه زمانبندی کند. ما همچنین روش پیشنهادی را با دو روش دیگر پیشنهاد شده برای نشان دادن اثربخشی آنها مقایسه کردیم.
در اولين الگوريتم زمانبندي ما براي مسئله پوشش منطقه، هدف ما ارائه پوشش حداكثري با قرار دادن حداقل تعداد گره هاي دوربين در حالت فعال است. ابتدا ما اطلاعات جغرافیایی را برای قرار دادن منطقه مورد نظر به سلول های شبکه اعمال می کنیم و سپس سلول های شبکه ای را که توسط هر گره دوربین پوشانده شده است را مشخص می کنیم. ما اهداف به حداقل رساندن سلول های شبکه ای پوشش داده شده اضافی و کور در اولین الگوریتم زمانبندی را در نظر می گیریم. دوم، برای به دست آوردن سازگاری قابل قبول بین اهداف که متضاد یکدیگر هستند، ما از مجموع روش سازگار با وزن (Kim and De Weck 2006) برای یکپارچه سازی آنها در یک معادله خطی استفاده می کنیم. در نهایت، با استفاده از الگوریتم ژنتیک، مشکل پوشش منطقه را حل می کنیم تا حداقل مقدار معادله خطی یکپارچه را پیدا کنیم که به عنوان یک عملکرد متناسب عمل می کند. الگوریتم پیشنهادی ما به نام زمانبندی گره دوربین تکاملی (ECNS) نامگذاری شده است.

 

بخشی از مقاله انگلیسی

Abstract

Area coverage is an important research issue in the field of visual sensor networks (VSNs) because of the inherent constraints of VSNs, such as non-rechargeable energy resources and directionality of the sensing range of camera nodes. The dense deployment of camera nodes makes it possible to provide a satisfactory area coverage for a longer duration. At the same time the rest of camera nodes can be turned off and be scheduled to alternate the active nodes when it is necessary. In this paper, we define area coverage problem in VSNs aiming to minimize blind and redundantly covered grid cells of a desired area and energy distortion of camera nodes. Then we propose two scheduling algorithms for camera nodes which are randomly deployed to k-cover the desired area. In the first algorithm named evolutionary camera node scheduling (ECNS), we aim to achieve maximal area coverage by putting the smallest number of camera nodes into active mode and to minimize blind and redundantly grid cells. Since the objectives considered in ECNS conflict each other, we employ adaptive weighted sum method to formulate our objectives into a linear equation and then we propose a genetic algorithm to find the minimum value of the integrated linear equation. In the second algorithm named energy aware evolutionary camera node scheduling (EAECNS), we propose a method to strike a balance between the energy consumption of all camera nodes while it is providing satisfactory coverage of the target area and keeping the number of redundantly covered grid cells down. We evaluate the performance of both algorithms in terms of coverage, number of live nodes and redundancy by subsequent simulations. Also, we show that EAECNS has superior performance in comparison with ECNS and other state-of-the-art algorithms.

۱ Introduction

Visual sensor networks (VSNs) consist of a large number of camera nodes each of which integrate capabilities of an image sensor, an embedded processor, and a wireless transceiver. Camera nodes in a VSN form a distributed multihop wireless network, where each node can capture image, process data locally and collaborate with other nodes to provide the system user application-specific information about intended targets. The powerful collaboration between nodes and the low cost of VSNs are some of the clear advantages that make these networks suitable for a variety of applications. Today, VSNs are widely used in different areas ranging from surveillance, monitoring and traffic controlling to advanced health care delivery and automated assistance for elderly people (Akyildiz et al. 2007, 2008; Soro and Heinzelman 2009; Hu and Kumar 2003; Reeves et al. 2005; Charfi et al. 2009).

In many typical VSN applications to successfully accomplish sensing tasks, camera nodes should cover the entire desired area. Therefore, area coverage problem is considered an important research issue especially when it comes to inherent characteristics of VSNs such as non-rechargeable energy resources and directionality of the sensing range of camera nodes (Guvensan and Yavuz 2011; Costa and Guedes 2010; Ai and Abouzeid 2006). According to the literature, many solutions have been proposed so far based on greedy, genetic and particle swarm optimization algorithms and binary integer programming methods to solve the problem of area coverage in VSNs (Cheng et al. 2007; Liang et al. 2011; Tezcan and Wang 2008a, b; Jiang et al. 2010; Kandoth and Chellappan 2009; Li et al. 2009; Morsly et al. 2012; Pham et al. 2011; Alaei and Barcelo-Ordinas 2010; Aghdasi et al. 2009; Hooshmand et al. 2013). Although the existing solutions provide suitable coverage of desired area, in majority of them it is assumed that camera nodes have the ability of rotation. This assumption needs special infrastructure and invokes high cost which is not satisfying for existing low-cost camera nodes (Tavli et al. 2012; Seema and Reisslein 2011; Newell et al. 2010; Kulkarni et al. 2005). However, there are a few number of solutions which employ high density of fixed camera nodes in a desired area and solve the area coverage problem in VSNs (Aghdasi et al. 2009; Hooshmand et al. 2013). Since these solutions do not consider the direct influence of remaining energy of camera nodes in their scheduling algorithms, they cannot induce a lot of camera nodes to be alive simultaneously and cannot prolong network lifetime while providing an acceptable coverage of the desired area.

Thus, in this paper we define area coverage problem in VSNs while minimizing blind and redundantly covered grid cells of desired area and minimizing camera nodes energy distortion as our objectives. We traverse the solution space with these three conflicting objectives. Then we rely on evolutionary methods and propose two new camera nodes scheduling algorithms to the defined area coverage problem in VSNs. We also simulate these algorithms with two different VSN scenarios to show effectiveness of proposed methods and fitness functions. The important part of our methods is emphasizing on prolonging network life time considering network power consumption distribution. Our defined fitness function is trying to schedule node in a fair way to achieve uniform power consumption in entire network. We also compared proposed methods with two other proposed methods to show effectiveness of them.

In our first scheduling algorithm for area coverage problem, we aim to provide maximal coverage by putting the least number of camera nodes into the active mode. First we apply geographical information to put the desired area into grid cells, and then we specify the grid cells covered by each camera node. We consider the objectives of minimizing blind and redundantly covered grid cells in the first scheduling algorithm. Second to obtain an acceptable compromise between the objectives which are conflicting each other, we utilize adaptive weighted sum method (Kim and De Weck 2006) to integrate them in a linear equation. Finally, we solve the area coverage problem using genetic algorithm to find the minimum value of the integrated linear equation which serves as a fitness function. Our proposed scheduling algorithm is named evolutionary camera node scheduling (ECNS).

 

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

پوشش منطقه صرفه جویی انرژی با استفاده از الگوریتم های زمانبندی گره دوربین تکاملی در شبکه های حسگر بصری

عنوان انگلیسی مقاله:

Energy efficient area coverage by evolutionary camera node scheduling algorithms in visual sensor networks

 
 
 
 
 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *