دانلود با لینک مستقیم و پر سرعت .
نوع فایل: word
قابل ویرایش 71 صفحه
چکیده:
دراین تحقیق مبانی شبکه های بی سیم حسگر را بیان کرده ، سپس به معرفی پروتکل کنترل توپولوژی می پردازیم در ابتدا پروتکل مبتنی بر اتوماتای یادگیر به نام CLATC پیشنهاد شده است که در آن اتوماتای یادگیر هر گره در همکاری با اتوماتای یادگیر سلولی گره های همسایه، محدوده انتقال مناسب برای آن گره را انتخاب می نماید. و یک پروتکل کنترل توپولوژی مبتنی بر همسایه براساس اتوماتای یادگیر ارائه شده است که درآن گره ها که مجهز به اتوماتا شده اند سعی می کنند با تطبیق دادن اعمال انتخابی خود با شرایط مورد نیاز برای ایجادیک شبکه متصل و کارا از نظر انرژی، مناسبترین برد رادیویی برای هر گره را انتخاب کرده و درنهایت توپولوژی مناسبی را شکل دهند و از این طریق موجب کاهش مصرف انرژی شبکه در طول حیات آن شوند.
درادامه پروتکل کنترل توپولوژی مبتنی بر اتوماتای یادگیری به نام BLATC پیشنهاد شده است که در آن اتوماتای یادگیر هر سنسور، با استفاده از نتایج اتوماتاهای سنسورهای همسایه، محدوده انتقال مناسب را انتخاب می نماید.سپس این پروتکل ها را از دیدگاه های مختلف بررسی و مقایسه خواهیم کرد.
کلمات کلیدی:
کنترل توپولوژی،اتوماتای یادگیری،LBLATC، CLATC
مقدمه:
شبکه حسگر شبکه ای است متشکل از تعداد زیادی گره کوچک. در هر گره تعدادی حسگر و/ یا کارانداز وجود دارد. شبکه حسگر بشدت با محیط فیزیکی تعامل دارد. از طریق حسگرها اطلاعات محیط را گرفته و از طریق کار انداز ها واکنش نشان می دهد. ارتباط بین گره ها بصورت بی سیم است. هرگره بطور مستقل و بدون دخالت انسان کار می کند و نوعا از لحاظ فیزیکی بسیار کوچک است ودارای محدودیت هایی در قدرت پردازش, ظرفیت حافظه, منبع تغذیه, ... می باشد. این محدودیت ها مشکلاتی را بوجود می آورد که منشأ بسیاری از مباحث پژوهشی مطرح در این زمینه است. این شبکه از پشته پروتکلی شبکه های سنتی پیروی می کند ولی بخاطر محدودیت ها و تفاوتهای وابسته به کاربرد, پروتکل ها باید باز نویسی شوند. پیشرفتهای اخیر در فناوری ساخت مدارات مجتمع در اندازه های کوچک از یک سو و توسعه فناوری ارتباطات بی سیم از سوی دیگر زمینه ساز طراحی شبکه های حسگر بی سیم شده است.تفاوت اساسی این شبکه ها ارتباط آن با محیط و پدیده های فیزیکی است شبکه های سنتی ارتباط بین انسانها و پایگاه های اطلاعاتی را فراهم می کند در حالی که شبکه ی حسگر مستقیما با جهان فیزیکی در ارتباط است با استفاده از حسگرها محیط فیزیکی را مشاهده کرده, بر اساس مشاهدات خود تصمیم گیری نموده و عملیات مناسب را انجام می دهند. برخلاف شبکه های سنتی که همه منظوره اند شبکه های حسگر نوعا تک منظوره هستند. در صورتی که گره ها توانایی حرکت داشته باشند شبکه می تواند گروهی از رباتهای کوچک در نظر گرفته شود که با هم بصورت تیمی کار می کنند و جهت مقصد خاصی مثلا بازی فوتبال طراحی شده است.
فهرست مطالب:
1)مفاهیم مقدماتی
1-1)تعدادی از تعاریف کلیدی
1-1-1)ساختمان گره
1-1-2)ویژگی ها و کاربردها
1-1-3)پشته پروتکلی
1-1-4)موضوعات مطرح
1-2)بیان مسئله
1-2-1)توپولوژی
1-2-2)کنترل توپولوژی
1-3)اهداف پایاننامه
1-4)ساختار پایاننامه
2)پروتکلهای کنترل توپولوژی
2-1)پروتکل کنترل توپولوژی مبتنی بر اتوماتای یادگیر سلولی نامنظم برای شبکه های حسگر
2-1-1) اتوماتای یادگیر سلولی نامنظم
2-1-2) تعریف مسئله
2-1-3)پروتکل پیشنهادی (CLATC)
2-1-4)ازمایش اول
2-2)ارائه یک پروتکل تطبیقی کنترل توپولوژی مبتنی بر همسایه و کارا از نظر انرژی براساس اتوماتای یادگیر در شبکه های حسگر بی
2-2-1)کارهای انجام شده در زمینه کنترل توپولوژی
2-2-2)اتوماتای یادگیر
2-2-3)تعریف مسئله
2-2-4)پروتکل پیشنهادی (LMNALA)
2-2-5)آزمایش اول 34
2-3)LBLATC پروتکل کنترل توپولوژی مبتنی بر محل با استفاده از اتوماتای یادگیر برای شبکه های حسگر بی سیم
2-3-1)اتوماتای یادگیر
2-3-2)محیط
2-3-3)الگوریتم های یادگیری
2-3-4)تعریف مسله
2-3-5)پروتکل پیشنهادی (LBLATC)
2-3-6)تنظیمات اعمال شده در شبیه سازی
2-3-7)آزمایش اول
3)بررسی پروتکل پیشنهادی
3-1)بررسی پروتکلهای RAA_3L ،RAA_2L ،CLATC و حالت همگن (HOM)
3-1-1)آزمایش اول
3-1-2)آزمایش دوم
3-1-3)آزمایش سوم
3-2)بررسی پروتکل های RAA_3L، RAA_2L،LBLATC ،CLATC و حالت همگن (HOM)
3-2-1)آزمایش اول
3-2-2)آزمایش دوم
3-2-3)آزمایش سوم
3-3)بررسی پروتکلهای CLATC ، RAA_2L ، RAA_3L و حالت همگن (HOM)
3-3-1)آزمایش اول
3-3-2)آزمایش دوم
3-3-3)آزمایش سوم
4)نتیجه گیری
4-1)مقایسه متوسط محدوده انتقال گره ها برای پروتکلهایLMNALA،CLATC،LBLATC
4-2)مقایسه متوسط تعداد همسایه های گره ها برای پروتکلهای LMNALA،CLATC، LBLATC
4-3)مقایسه متوسط انرژی باقیمانده گره ها برای پروتکلهایLMNALA،CLATC،LBLATC
4-4)نتیجه گیری
5)منابع و مراجع
منابع و مأخذ:
[1] Akyildiz I. F., Su W., Sankarasubramaniam Y. and Cayircl E., “A survey on sensor networks”, IEEE Communication Magazine, Vol. 40, pp. 102-114,August 2002.
[2] Janakiram D., Venkateswarlu R. and Nitin S., ”A survey on programming languages, middleware and applications in wireless sensor networks”, IITM-CSEDOS- 2005-04, 2005.
[3] Estrin D., “Embedded Everywhere: A research agenda for network systems of embedded computers”, National Academy Press, 2001, Computer Science and Telecommunication Board (CSTB) Report, 2001.
[4] Wattenhofer R. and Zollinger A., “XTC: a practical topology control algorithm for ad-hoc networks”. Proceedings of the 18th International Parallel and Distributed Processing Symposium, pp. 2-16, 26-30 April 2004.
[5] Santi P., “Topology Control in Wireless Ad Hoc and Sensor Networks”, Wiley, 2005.
[6] Santi P., “Topology Control in Wireless Ad Hoc and Sensor Networks”, ACM Computer Survey, Vol. 37, No. 2, pp. 164-194, 2005.
[7] Rodoplu V. and Meng T. H, "Minimum energy mobile wireless networks", in: Proceedings of the IEEE Journal on Selected Areas in Communications, Vol.
17, pp. 1333-1344, 1999.
[8] Li N., Hou J. and Sha L., “Design and analysis of an mst-based topology control algorithm”, in: Proceedings of the IEEE Infocom, Vol. 4, pp. 1195- 1206, May 2005.
[9] Wattenhofer R., Li L., Bahl P. and Wang Y., “Distributed topology control for power efficient operation in multihop wireless ad hoc networks”, in: Proceedings of the IEEE Infocom, Vol. 3, pp. 1388– 1397, 2001.
[10] Blough D., Leoncini M., Resta G. and Santi P., “The k-neighbors protocol for symmetric topology control in ad hoc networks”, in: Proceedings of the ACM MobiHoc 03, pp. 141–152, 2003.
[11] Wattenhofer R. and Zollinger A., “XTC: a practical topology control algorithm for ad-hoc networks”. in: Proceedings of the 18th International Parallel and Distributed Processing Symposium, pp. 2-16, 26-30 April 2004.
[12] Venuturumilli A. and Minai A. A., “Obtaining Robust Wireless Sensor Networks Throuh Self-Organization of Heterogeneous Connectivity”, Proceedings of the 2006 International Conference on Complex Systems (ICCS'06), Boston, MA, June 2006.
[13] S. Wolfram, "Cellular Automata", Los Alamos Science, vol. 9, pp. 2-21, Fall 1983.
[14] S. Wolfram, "Universality and complexity in cellular automata", Physica D, no. 10, pp. 1-35, January 1984.
[15] Narendra K. S. and Thathachar M. A. L, “Learning Automata: An Introduction”, Prentice Hall, 1989.
[16] Beigy H. and Meybodi M. R., "A Mathematical Framework for Cellular Learning Automata", Advances on Complex Systems, Vol. 7, No. 3, pp. 1- 25, 2004.
[17] Thathachar M. A. L. and Sastry P. S., “Varieties of Learning Automata: An Overview”, IEEE Transaction on Systems, Man, and Cybernetics-Part B: Cybernetics, Vol. 32, No. 6, PP. 711-722, 2002.
[18] Esnaashari M. and Meybodi M. R., "Irregular Cellular Learning Automata and Its Application to Clustering in Sensor Networks", Proceedings of 15th Conference on Electrical Engineering (15th ICEE),
Volume on Communication, Telecommunication Research Center, Tehran, Iran, May 15-17, 2007.
[19] Stauffer D. and Aharony A., “Introduction to Percolation Theory”, London: Taylor & Francis, 1994.
[20] The Network Simulator - ns-2. http://www.isi.edu/nsnam/ns/.
[21] Heinzelman W., Chandrakasan A. and Balakrishnan H., “Energy Efficient Communication Protocol for Wireless Microsensor Networks”, Intl. Conf. on System Sciences, Hawaii, vol. 2, pp. 3005-3014 January 2000
