- تاریخ انتشار : ۱۳۹۵
- ناشر : کنفرانس بین المللی رویکردهای نوین در علوم و تکنولوژی و مهندسی
- زبان مقاله : همه
- تعداد صفحات : 17
- حجم فایل : 621.629 کیلوبایت
- نوع مقاله : مجموعه مقالات کنفرانس
- مجموعه : مهندسی و فناوری
چکیده مقاله
امروزه شبکههای حسگر، یکی از موضوعات مهم در بین پژوهشگران شده است. یکی از مهمترین فاکتورها در این شبکهها، افزایش طول عمر آنها میباشد که مسئله انتخاب سرخوشه مناسب و بهینه بودن خوشهبندی شبکه تأثیر بسزایی دررسیدن به این امر داشته است. رویکرد سنتی انتخاب سرخوشه، برای شناسایی سرخوشه، انرژی ارتباطاتی زیادی مصرف میکرد و یا با استفاده از احتمالات اقدام به انتخاب سرخوشه میکرد که درنهایت منجر به کاهش طول عمر شبکه میگردید. این مقاله به بیان ویژگی خاص شبکههای حسگر پرداخته و مسئله خوشهبندی در این شبکهها را بیان کرده و به بررسی قابلیتهای الگوریتم یادگیری Qبهعنوان یکی از الگوریتمهای یادگیری تقویتی جهت حل مسئله خوشهبندی در این شبکهها میپردازد. با بکار بردن یادگیری تقویتی برای انتخاب بهینه سرخوشه، دوره حیات شبکه طولانیتر میشود و گرهها میتوانند بهطور مستقل تصمیمگیرنده باشند، که آیا نسبت به هر بسته ورودی بهصورت سرخوشه عمل کند یا نه .و درنهایت با مقایسه بین روش خوشهبندی جدید و روشهای دیگر به این نتیجه میرسیم که استفاده از الگوریتم یادگیری Q در مصرف انرژی در شبکههای حسگر بیسیم تأثیر زیادی دارد
نحوه استناد به مقاله
در صورتی که می خواهید به این مقاله در اثر پژوهشی خود ارجاع دهید، می توانید از متن زیر در بخش منابع و مراجع بهره بگیرید :
مرتضی علی زاده ؛مصطفی بابایی ؛ ۱۳۹۴، سرخوشه یابی تقویتی در شبکه حسگر بیسیم، کنفرانس بین المللی رویکردهای نوین در علوم و تکنولوژی و مهندسی، https://scholar.conference.ac:443/index.php/download/file/10836-Enhanced-Surge-Networking-in-the-Wireless-Sensor-Network
در داخل متن نیز هر جا به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پرانتز، مشخصات زیر نوشته شود.
(مرتضی علی زاده ؛مصطفی بابایی ؛ ۱۳۹۴)
