دانلود رایگان ترجمه مقاله HACH الگوریتم اکتشافی برای خوشه بندی پروتکل سلسله مراتبی (نشریه الزویر ۲۰۱۷)

این مقاله انگلیسی ISI در نشریه الزویر در ۱۰ صفحه در سال ۲۰۱۷ منتشر شده و ترجمه آن ۳۰ 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:

HACH: الگوریتم اکتشافی برای خوشه بندی پروتکل سلسله مراتبی در شبکه حسگر بی سیم

عنوان انگلیسی مقاله:

HACH: Heuristic Algorithm for Clustering Hierarchy protocol in wireless sensor networks

 
 
 
 
 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۷
تعداد صفحات مقاله انگلیسی ۱۰ 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 کاربردی – Applied Soft Computing
کلمات کلیدی شبکه های حسگر بی سیم، زمانبندی خواب، خوشه بندی، متقاطع اکتشافی، پوشش، ناهمگونی انرژی
ارائه شده از دانشگاه دانشکده فنی، دانشگاه بانک جنوبی لندن، انگلستان
رفرنس دارد  
کد محصول F1514
نشریه الزویر – Elsevier

 

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  ۳۰ صفحه (۱ صفحه رفرنس انگلیسی) 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 نشده 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 عدد درج شده است  
کیفیت ترجمه کیفیت ترجمه این مقاله متوسط میباشد 

 

فهرست مطالب

خلاصه
۱- معرفی
۲- کارهای مرتبط
۳- فرضیه های شبکه و مدل رادیویی
۴- پروتکل پیشنهاد HACH
۴-۱ مکانیزم زمانبندی خواب
۴-۲ عملیات خوشه بندی با استفاده از پروتکل HEECHS
۴-۳ عملیات شبکه و محاسبات مصرف انرژی
۵- نتایج شبیه سازی
۵-۱ دوره پایداری و طول عمر شبکه
۵-۲ میانگین انرژی در اولین گره از بین رونده (AEFND)
۵-۳ ناهمگونی WSNها
نتیجه گیری

 

بخشی از ترجمه
 چکیده
شبکه های حسگر بی سیم (WSN) ها نیاز به پروتکل های مدیریت انرژی برای کارآمد بودن محدودیت های انرژی مصرفی با سنسورهای باتری را دارند تا طول عمر شبکه خود را افزایش دهند. این مقاله یک الگوریتم جدید اکتشافی برای سلسله مراتب خوشه ای (HACH) ارائه می دهد که به طور پیوسته انتخاب گره های غیر فعال و گره های خوشه ای را در هر دور انجام می دهد. انتخاب گره غیر فعال استفاده از مکانیسم زمانبندی زمانی تصادفی را برای تعیین گره هایی که می توانند در حالت خواب قرار گیرند بدون تأثیری بر پوشش شبکه تاثیر می گذارد. همچنین، الگوریتم خوشه بندی از یک اپراتور متقاطع اکتشافی جدید برای ترکیب دو راه حل متفاوت برای دستیابی به یک راه حل بهبود یافته استفاده می کند که باعث افزایش توزیع گره های خوشه و متناسب کردن مصرف انرژی در WSN می شود. الگوریتم پیشنهادی از طریق آزمایشهای شبیه سازی و با برخی از الگوریتم های موجود مقایسه می شود. پروتکل ما نشان می دهد عملکرد بهبود یافته از لحاظ طول عمر طولانی و حفظ عملکرد مطلوب حتی تحت تنظیمات مختلف ناهمگونی انرژی.
 
۱- مقدمه
پیشرفت های اخیر در ارتباطات بی سیم و میکروالکترونیک ها در توسعه گره های حسگر نقش دارند، چابک، مستقل، خودآگاه و خود سازگاری دارند. این گره های حسگر در طول یک منطقه فضایی به طور گسترده ای به منظور حس رویداد خاص یا شرایط غیر طبیعی محیط مانند رطوبت، حرکت، گرما، دود، فشار، و غیره به شکل داده ها [۱] استفاده می شود. این سنسورها، هنگامی که در تعداد زیادی هستند، می توانند در محیط های دور افتاده و خصمانه شبکه های متصل شده و مستقر شوند که امکان اتصال شبکه حسگر بی سیم (WSN) را فراهم می کند. به عنوان مثال، در WSNs تا کنون در بسیاری از کاربردهای نظامی و عمومی مورد استفاده قرار گرفته است، برای مثال در تصویربرداری میدان هدف، تشخیص رویداد، نظارت بر آب و هوا، سناریوهای مشاهده لمسی و امنیتی [۲]. با این وجود، توزیع گره حسگر و طول عمر شبکه با نیاز انرژی و پهنای باند محدود می شود. این محدودیت های ذکر شده در مقایسه با توزیع مشترک تعداد زیادی از گره های حسگر، هنگامی که یک توپولوژی شبکه WSN قرار است مورد توجه قرار گیرد، باید در نظر گرفته شود. طراحی طرح های کارآمد انرژی یک چالش عمده به ویژه در حوزه مسیریابی، که یکی از توابع کلیدی WSNs [3] است. بنابراین، تکنیک های نوآورانه که ضعف های انرژی را کاهش یا حذف می کنند، عموما طول عمر شبکه را کوتاه می کنند ضروری است. در این مقاله، نویسندگان روشی را ارائه می دهند که مصرف انرژی را در گره های حسگر برای صرفه جویی طول عمر WSN تعادل می دهد. تکمیل منابع انرژی به طور منحصر به فرد با استفاده از دو مکانیسم توصیف شده به دست می آید. اولا انتخاب سرخوشه (CH) با استفاده از یک الگوریتم عمومی (GA) مورد استفاده قرار می گیرد که گره های مناسب توزیع شده با انرژی های بالاتر را به عنوان CHs انتخاب می کند. در مرحله دوم، یک مکانیزم انتخاب الهام گرفته از بولتزمن برای انتخاب گره ها به حالت مد خواب بدون ایجاد تأثیر روی پوشش استفاده شده است.
معمولترین پروتکل های مسیریابی که برای رسیدگی به مشکلات مورد بحث قرار گرفته اند، به طور کلی به دو دسته تقسیم می شوند، یعنی مسطح (یکدست) و سلسله مراتبی پروتکل های یکدست شامل انتقال مستقیم (DT) و کمترین انتقال انرژی (MTE) شناخته شده هستند که توزیع متعادل انرژی حسگر را در WSN ارائه نمی کنند. معایب MTE این است که یک سنسور راه دور در هنگام انتقال داده ها به / از سینک از یک سنسور رله استفاده می کند و این باعث می شود که سنسور رله اولین گره برای مردن باشد. در پروتکل DT، سینک به طور مستقیم با سنسور ارتباط برقرار می کند و در نتیجه اول مرگ سنسور از راه دور است. در نتیجه، هنگام ایجاد WSNs، پروتکل های خوشه بندی صرفه جویی انرژی به عنوان یک عامل محوری برای گسترش طول عمر سنسور عمل می کند. به طور کلی، پروتکل های خوشه بندی می توانند از طریق استفاده از مکانیسم های جمع آوری داده ها بهتر از پروتکل های مسطح به کار برده شوند. در WSN ها، سه نوع گره وجود دارد: سرخوشه (CH)، گره عضو (MN) و گره سینک (SN). گره عضو، حس کردن داده های خام را مدیریت می کند و زمان بندی دسترسی چندگانه دامنه زمانی (TDMA) را برای ارسال داده های خام به CH انجام می دهد. CH باید داده های جمع آوری شده از MN ها را جمع آوری کند و داده های جمع آوری شده را به SN از طریق تک-هاپ یا چند هاپ منتقل کند. انتخاب CH توسط سنسورها به صورت جداگانه توسط SN انجام می شود و یا توسط طراح شبکه بی سیم می تواند پیش از آن اجرا شود. در اینجا، انتخاب CH توسط SN به علت این واقعیت است که SN دارای انرژی کافی است و می تواند محاسبات چند لمسی را انجام دهد. مشکل انتخاب CH را می توان به عنوان یک مسئله بهینه سازی در نظر گرفت که در آن روش GA برای حل آن استفاده می شود. در اینجا نویسندگان یک تابع هدف را تعیین می کنند که راه حل گسسته را ارزیابی می کند و پیشنهاد یک نوآوری نوآورانه را می دهد که با شناخت مشکل ما افزایش می یابد.
در این مقاله، ما یک الگوریتم اکتشافی جدید برای پروتکل خوشه بندی سلسله مراتبی (HACH) ارائه می کنیم که به طور همزمان زمانبندی خواب و خوشه بندی گره های حسگر بر روی هر یک از آنها را انجام می دهد. برای زمانبندی خواب برنامه نویس، انتخاب تصادفی از گره های غیر فعال (SSIN) را توسعه داده است. یک پروتکل که تقلید از فرایند انتخاب بولتزمن در GA استفاده می شود برای کاهش تعداد گره های فعال در هر دور با قرار دادن برخی از گره ها برای خواب یا به حالت غیر فعال، به طوری که انرژی می تواند حفظ شود و طول عمر شبکه افزایش بدون آسیب رساندن به پوشش. ما بیشتر الگوریتم تکاملی پیشرفته اکتشافی-متقاطع برای انتخاب سر خوشه (HEECHS) برای عملیات خوشه سازی را توسعه دادیم. HEECHS با استفاده از اطلاعات شناخته شده در اطراف مشکل برای برای ایجاد یک متقاطع اکتشافی مفید که مواد ژنتیکی را در یک روش منحصر به فرد برای تولید پیکربندی CH بهبود یافته ترکیب می کند. این روش برخی از موازی سازی ها با الگوریتم های بهینه سازی شناخته شده مانند الگوریتمMemetic (MAs) را توصیف کرده است. این الگوریتم نوعی از اکتشافات جستجوی تصادفی جهانی است که در آن تکنیک های مبتنی بر الگوریتم تکاملی با تکنیک جستجوی محلی برای بهبود کیفیت راه حل های پیشنهادی برای تکامل ترکیب می شوند [۶]. زمانبندی خواب و الگوریتم خوشه بندی با هماهنگ کردن مصرف انرژی در میان گره های حسگر در طول زمان ارتباط، برای بهینه سازی طول عمر شبکه همکاری می کنند. بهینه سازی مصرف انرژی با انتخاب گره های توزیع فضایی با انرژی بالاتر به عنوان CHS انجام می شود و بعلاوه گره های خاصی را به حالت خواب بدون آسیب رساندن به پوشش قرار می دهد. پروتکل HACH پیشنهادی نسبت به پروتکل هایی که از GA استفاده می کنند بسیار خوب عمل می کند، زیرا دانش مسئله را به اپراتور متقاطع GA متصل می کند.
بقیه مقاله به شرح زیر است: بخش ۲، کار مربوط به تکنیک های حفاظت از انرژی و پروتکل های خوشه بندی در زمینه شبکه های حسگر بی سیم انرژی را ارائه می دهد. بخش ۳ مدل پیش فرض مدل شبکه و رادیویی را که در پروتکل ارائه شده است، توصیف می کند. در بخش ۴ نویسندگان الگوریتم پیشنهادی ما را در سه مرحله عملیاتی محوری، که مکانیسم زمانبندی خواب، الگوریتم خوشه بندی، محاسبه مصرف انرژی است، توصیف می کند. بخش ۵ ارائه راه اندازی آزمایشی ما، روشهای عملکرد، نتایج و بحث را ارائه می دهد. سرانجام، بخش ۶ نتیجه گیری ما را ارائه می دهد.

 

بخشی از مقاله انگلیسی

Abstract

Wireless sensor networks (WSNs) require energy management protocols to efficiently use the energy supply constraints of battery-powered sensors to prolong its network lifetime. This paper proposes a novel Heuristic Algorithm for Clustering Hierarchy (HACH), which sequentially performs selection of inactive nodes and cluster head nodes at every round. Inactive node selection employs a stochastic sleep scheduling mechanism to determine the selection of nodes that can be put into sleep mode without adversely affecting network coverage. Also, the clustering algorithm uses a novel heuristic crossover operator to combine two different solutions to achieve an improved solution that enhances the distribution of cluster head nodes and coordinates energy consumption in WSNs. The proposed algorithm is evaluated via simulation experiments and compared with some existing algorithms. Our protocol shows improved performance in terms of extended lifetime and maintains favourable performances even under different energy heterogeneity settings.

۱ Introduction

Recent progress in wireless communications and microelectronics have contributed to the development of sensor nodes that are agile, autonomous, self-aware and self-configurable. These sensor nodes are densely deployed throughout a spatial region in order to sense particular event or abnormal environmental conditions such as moisture, motion, heat, smoke, pressure, etc. in the form of data [1]. These sensors, when in large numbers, can be networked and deployed in remote and hostile environments enabling sustained wireless sensor network (WSN) connectivity. Hitherto WSNs have been used in many military and civil applications, for example, in target field imaging, event detection, weather monitoring, tactile and security observation scenarios [2]. Nevertheless, sensor node distribution and network longevity are constrained by energy supply and bandwidth requirements. These noted constraints mixed with the common deployment of large numbers of sensor nodes must be considered when a WSN network topology is to be deployed. The design of energy efficient scheme is a major challenge especially in the domain of routing, which is one of the key functions of the WSNs [3]. Therefore, inventive techniques which reduce or eliminate energy inadequacies that would normally shorten the lifetime of the network are necessary. In this paper, the authors present a method which balances energy consumption among sensor nodes to prolong WSN lifetime. Energy resourcefulness is uniquely obtained using two described mechanisms; firstly, cluster head (CH) selection using a generic algorithm (GA) is employed that ensures appropriately distributed nodes with higher energies will be selected as CHs. Secondly, a Boltzmann inspired selection mechanism was utilized to select nodes to send into sleep mode without causing an adverse effect on the coverage.

The commonest routing protocols deployed to address the challenges discussed above are generally categorised into two classes, namely flat and hierarchical. Flat protocols comprise the well-known Direct Transmission (DT) and Minimum Transmission Energy (MTE), which do not provide balanced sensor energy distributions in a WSN. The disadvantage of the MTE is that a remote sensor normally employs a relay sensor when transmitting data to/from the sink and this results in the relay sensor being the first node to die. In the DT protocol, the sink communicates directly with sensors and this results in the death of the remote sensor first. Consequently when creating WSNs, energy-efficient clustering protocols act as a pivotal factor for sensor lifetime extension. Generally, clustering protocols can perform better than flat protocols in terms of balancing energy consumption and network lifetime prolongation by employing data aggregation mechanisms [4,5]. In WSNs, there are three types of nodes considered: the cluster-head (CH), member node (MN) and sink node (SN). The member node manages sensing of the raw data and utilizes Time Domain Multiple Access (TDMA) scheduling to send the raw data to the CH. The CH must aggregate data received fromMNs and forward the aggregated data to the SN through single-hop or multi-hop. CH selection can be carried out by the sensors individually, by the SN or can be pre-implemented by the wireless network designer. Here, CH selection is performed by the SN due to the fact that the SN has sufficient energy and can perform multifaceted calculations. The problem of CH selection can be considered as an optimization issue where the methods have employed GA to solve. Here the authors define an objective function that evaluates the discrete solution and propose an innovative heuristic crossover which is enhanced by the knowledge of our problem.

In this paper, we present a new Heuristic Algorithm for Clustering Hierarchy (HACH) protocol that simultaneously performs sleeping scheduling and clustering of sensor nodes upon each round. For sleep scheduling operation, the authors have developed the stochastic selection of inactive nodes (SSIN). A protocol that imitates the Boltzmann selection process in GA was used to decrease the number of active nodes in each round by putting some nodes to sleep or into inactive mode so that energy could be conserved and network lifetime increased without harming coverage. We further developed the Heuristic-Crossover Enhanced Evolutionary Algorithm for Cluster Head Selection (HEECHS) protocol for the clustering operation. HEECHS uses the known information around the problem to develop a useful heuristic crossover that combines genetic material in a unique way to produce improved CH configuration. This method described has some parallels with optimization algorithms known as Memetic Algorithm (MAs). This algorithm is a type of stochastic global search heuristics in which Evolutionary Algorithm-based techniques are mixed with a local search technique to improve the quality of the solutions proposed by evolution [6]. Sleep scheduling and clustering algorithms work together to optimize network lifetime by harmonizing energy consumption amongst sensor nodes during the communication times. Energy consumption optimization is performed by selecting spatially distributed nodes with higher energy as CHs and additionally placing certain nodes into sleep mode without harming coverage. The HACH protocol proposed performs very well compared to protocols that use GA because it integrates knowledge of the problem into GA crossover operator.

The rest of the paper is organised as follows. Section 2 presents related work on energy conservation techniques and clustering protocols in the area of energy-efficient wireless sensor networks. Section 3 describes the network and radio model assumptions that underlie the protocol presented. In Section 4 the authors describe our proposed algorithm under three pivotal operational phases, those being the sleep scheduling mechanism, clustering algorithm and the energy consumption calculation. Section 5 presents our experimental set-up, performance procedures, results and discussion. Finally, Section 6 provided our conclusion.

 

نوشته های مشابه

دیدگاهتان را بنویسید

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

دکمه بازگشت به بالا