پاورپوینت کاربرد روشهای هوشمند در تعیین عملکرد سازه های هیدرولیکی

عنوان پاورپوینت: کاربرد روشهای هوشمند در تعیین عملکرد سازه های هیدرولیکی

قالب بندی: پاورپوینت

قیمت: 2300 تومان

شرح مختصر:

•روشهای هوشمند و کلاسیک

•مفاهیم منطق فازی

•مدلسازی هوادهی در تخلیه کننده های تحتانی توسط منطق فازی

•مفهوم الگوریتم ژنتیک

•بهینه سازی پارامترهای منطق فازی توسط الگوریتم ژنتیک

• بیان سه کاربرد از روشهای هوشمند(منطق فازی، الگوریتم ژنتیک و شبکه های عصبی)

بررسی و کاربرد هوش ازدحامی در مسئله مدیریت بحران

عنوان تحقیق: بررسی و کاربرد هوش ازدحامی در مسئله مدیریت بحران

فرمت فایل: word

تعداد صفحات: 63

شرح مختصر:

مسئله مدیریت بحران در سالهای اخیر اهمیت شایانی یافته است . با توسعه محیطهای شهری ،هنگام وقوع یک بحران خطرات جانی و مالی زیادی افراد شهر را تهدید می کند .به این دلیل ایجاد سیستم مدیریت بحران مؤثر و سازمان یافته بسیار ضروری است. هر بحران شامل چندین حادثه با درخواست تعداد معینی واحد اورژانسی است .وضعیت نابهنجار زمانی به وجود می آید که مسئله کمبود منابع و رقابت برای منابع مطرح می شود.با اینکه هر بحران درجه شدت متفاوتی دارد، اما واکنش مناسب به درخواست هر بحران بسیار ضروری است. با تخصیص واحدهای اورژانسی به حوادث به طور خودکار ، گام بلندی در جهت حذف خطاهای بشری برداشته شده است .

در این پروژه روشهای هوش ازدحامی برای تخصیص تعداد بهینه از منابع در محیطی با چند بحران پیشنهاد شده است. این روشها تکنیکهای جدیدی در مدل کردن روند بحرانی با جمعیتی از عاملها و تخصیص منابع است به طوری که همه بحرانها بتوانند از منابع موردنظرشان استفاده کنند. هوش ازدحامی سیستمی است متشکل از تعداد زیادی افراد که با یک کنترل نا متمرکز و خودسامانده متعادل و هماهنگ می شوند . هوش ازدحامی ، منبع الهامی جهت توسعه سیاست های تخصیص گردش کار است. الگوریتم هایی که از این رفتار الهام میگیرند به طور موفقیت آمیزی جهت کاهش زمان های تنظیم شده و زمان های عملکرد در تولید زمان بندی صنعتی به کار میرود .

در این پروژه روشهایی برای بهینه سازی تخصیص منابع به وقایع بحرانی مختلف با توجه به محدودیتهایی همچون دسترس پذیری منابع ، وضعیت بحرانی وقایع، تعداد منابع خواسته شده و غیره ارائه شده است. روش پیشنهادی به سمت مدیریت رخداد وقایع بحرانی به طور همزمان در یک محیط از پیش تعریف شده خاص با مراکز تخصیص منبع تعیین شده در همان محل پیش می رود. هدف افزایش بهره وری واحدهای واکنش اضطراری به همراه کاهش زمانهای واکنش است. هدف اصلی از تخصیص خدمات اورژانسی ، بیشینه سازی کارایی واحدهای واکنش اضطراری در دسترس و موجود و کمینه سازی زمان واکنش برای کاهش آثار یک یا چند واقعه است.

فهرست مطالب

فصل اول – مقدمه. ۱

فصل دوم-مدیریت بحران. ۳

۲-۱-مقدمه. ۳

۲-۲-مدیریت بحران. ۴

۲-۳-آژانسهای مدیریت بحران. ۷

۲-۳-۱- آژانس مدیریت اضطراری فدرال (FEMA) 7

2-3-2-اینفوسفر- سیستم دریافت و پاسخ.. ۹

۲-۳-۳-سیستم مدیریت بحران (CMS). 10

2-4-انواع روشهای الگوریتمی تخصیص منابع. ۱۲

۲-۴-۱-برنامه نویسی پویا: ۱۳

۲-۴-۲-برنامه نویسی عدد صحیح.. ۱۴

۲-۴-۳-روش ضرب کننده لاگرانژ: ۱۵

۲-۴-۴-باز پخت شبیه سازی شده ۱۶

۲-۴-۵-الگوریتم ژنتیک… ۱۸

۲-۴-۶- انشعاب و کران. ۲۰

۲-۴-۷- الگوریتم حریص…. ۲۰

۲-۴-۸- جستجوی تابو. ۲۱

۲-۴-۹- تئوری بازیها ۲۲

۲-۵-عملیات نجات روبوکاپ[۲] ۲۲

۲-۵-۱-ساختار سیستم: ۲۴

۲-۵-۲-ساختار عاملها: ۲۴

۲-۵-۳-تشکیل تیم. ۲۶

فصل۳ -هوش ازدحامی.. ۲۸

۳-۱- مقدمه. ۲۸

۳-۲-الگوریتم بهینه سازی کلونی مورچه ها(ACO) 30

3-2-1-مورچه ها چگونه می توانند کوتاهترین مسیر را پیدا کنند؟. ۳۱

۳-۲-۲-کاربردهای ACO.. 32

3-3- الگوریتم بهینه سازی انبوه ذرات (PSO). 33

3-3-1-الگوریتم pso. 34

3-3-2 کاربردهای pso. 36

3-4-الگوریتم ژنتیکGA ۳۶

۳-۴-۱- الگوریتم GA.. 37

3-4-2-کاربردهای GA.. 37

فصل چهارم : استفاده از هوش ازدحامی در مدیریت بحران. ۳۹

۴-۱-مقدمه. ۳۹

۴-۲-هوش ازدحامی ۴۱

۴-۳-حوزه مدیریت اورژانسی.. ۴۳

۴-۴-روش شناسی.. ۴۴

۴-۵-مکانیزم های تخصیص کار مرسوم. ۴۴

۴-۶-روند واکنش اورژانسی.. ۴۶

۴-۷-ساخت و ارزیابی مدل. ۴۸

۴-۸-روش شبیه سازی.. ۴۹

۴-۹-طراحی آزمایشات: ۵۱

۴-۱۰-روش مقایسه مکانیزم. ۵۳

۴-۱۱-رتبه بندی.. ۵۳

فصل پنجم-نتیجه گیری و پیشنهادات.. ۵۷

منابع و مراجع. ۵۹

پایان نامه پیش بینی دما با استفاده از روش های هوشمند

مقدمه

تابش های مستقیم و غیر مستقیم منشا اصلی انرژی حرارتی کره ی زمین است بازتاب آن ها توسط زمین موجب گرم شدن هوا می گردد. اندازه گیری دما در محیط باز نشان دهنده ی دمای هوا ، دمای ناشی از تابش های اجسام مجاور و تابش های مستقیم خورشید است به همین دلیل دماسنج ها را در پناهگاههای هواشناسی قرار می دهند به طوریکه مخزن آن ها از سطح زمین در ارتفاع مشخصی در حدود 135 سانتی متری قرارداشته باشند. به این ترتیب دمای هوای بدست آمده در نقاط مختلف با یکدیگر قابل مقایسه هستند و تحت تاثیر تابش های مستقیم یا غیر مستقیم نمی باشند. از جمله عوامل موثر در دمای یک منطقه عرض جغرافیایی، ارتفاع، جریان های دریایی، فاصله از دریا، باد، جهت و پوشش ابری می باشند.

حال با توجه به عوامل ذکر شده برای پیش بینی دما روش های گوناگونی به کاربرده شده است طوری که در پی سالیان متمادی تحقیق و پژوهش، روشهای گوناگونی در زمینه پیش بینی پیشنهاد گردیدند که می‌توان آنها را در دو گروه روش های کلاسیک و اکتشافی مدرن طبقه بندی کرد روشهای کلاسیک بر پایه ی احتمالات و مدل ریاضی عمل می‌کنند ولی روش های اکتشافی هوشمند، از سیستم های مبتنی بر شبکه های عصبی، منطق فازی، الگوریتم های تکاملی و ترکیبی از روشهای هوش مصنوعی تشکیل شده است. مزیت اصلی روش های اکتشافی مدرن در این است که به طراح در دستیابی به سیستمی دینامیک و غیر خطی کمک می کنند، و همچون متد های کلاسیک نیازی به پیشنهاد یک الگو ندارند و هیچ فرضی درباره ماهیت توزیع داده های مشاهده شده در آنها به چشم نمی خورد. حتی در مواقعی که با مشکل داده های مفقود شده مواجه می شویم، بر خلاف روش های کلاسیک، در متد های اکتشافی مدرن می توان این نقیصه را تا حدودی برطرف نمود. اما شاید مهمترین برتری اکتشافی مدرن در این باشد که عناصر ذهنی و انسانی را در طراحی راه حل مسئله کنار می گذارد، امری که در روش های کلاسیک یکی از ارکان اصلی در پیاده سازی سیستم محسوب می‌گردد. در حالی که روش های اکتشافی مدرن بدون داشتن هیچ فرضی از مسئله، با کمک داده های مشاهده شده و ساختار های هوشمند نظیر شبکه های عصبی، و یا بر اساس دانش انسان خبره در سیستم های مبتنی بر منطق فازی سعی در مدل کردن مسئله در یک بلاک بسته دارند.

تعداد صفحات 110 word

فهرست مطالب

مقدمه 1
فصل یکم- منطق فازی و ریاضیات فازی
1-1- منطق فازی 2
1-1-1- تاریخچه مختصری از منطق فازی 2
1-1-2- آشنایی با منطق فازی 4
1-1-3- سیستم های فازی 7
1-1-4- نتیجه گیری 10
1-2- ریاضیات فازی 11
1-2-1- مجموعه های فازی 11
1-2-2- مفاهیم مجموعه های فازی 14
1-2-3- عملیات روی مجموعه های فازی 14
1-2-4- انطباق مجموعه های فازی 19
1-2-5- معیار های امکان و ضرورت 19
1-2-6- روابط فازی 21
1-2-6-1- رابطه ی هم ارزی فازی 23
1-2-6-2- ترکیب روابط فازی 23
1-2-7- منطق فازی 24
1-2-7-1- عملیات منطقی و مقادیر درستی فازی 25
1-2-7-2- کاربرد مقادیر درستی فازی 27
1-2-8- نتیجه گیری 27

فصل دوم- الگوریتم ژنتیک
2-1- چکیده 28
2-2- مقدمه 29
2-3- الگوریتم ژنتیک چیست؟ 32
2-4- ایده اصلی الگوریتم ژنتیک 35
2-5- الگوریتم ژنتیک 37
2-6- سود و کد الگوریتم 38
2-7- روش های نمایش 39
2-8- روش های انتخاب 40
2-9- روش های تغییر 41
2-10- نقاط قوت الگوریتم های ژنتیک 42
2-11- محدودیت های GA ها 43
2-12- چند نمونه از کاربردهای الگوریتم های ژنتیک 43
2-13- نسل اول 45
2-14- نسل بعدی 46
2-14-1- انتخاب 47
2-14-2- تغییر از یک نسل به نسل بعدی(crossover) 47
2-14-3- جهش (mutation) 48
2-15- هایپر هیوریستیک 48

فصل سوم- بررسی مقالات
3-1- یک روش رویه‌‌‌ای پیش بینی دمای هوای شبانه برای پیش بینی یخبندان
3-1-1- چکیده 51
3-1-2- مقدمه 51
3-1-3- روش شناسی 53
3-1-3-1- مجموعه اصطلاحات 53
3-1-3-2-نگاه کلی 53
3-1-3-3- یادگیری 54
3-1-3-4- تولید پارامتر های ساختاری 55
3-1-3-5- پیش بینی 57
3-1-3-6- متناسب سازی ضعیف، متوسط و دقیق 59
3-1-4- نتایج 60
3-1-4-1- واقعه ی یخبندان شپارتون 64
3-1-4-2- بحث 65
3-1-5- نتیجه گیری 66
3-2- پیش بینی دما و پیش گویی بازار بورس بر اساس روابط منطق فازی و الگوریتم ژنتیک
3-2-1- چکیده 67
3-2-2- مقدمه 67
3-2-3- سری های زمانی فازی و روابط منطق فازی 69
3-2-4- مفاهیم اساسی و الگوریتم های ژنتیک 70
3-2-5- روش جدید پیش بینی دما و بازار بورس بر اساس روابط منطقی فازی و الگوریتم های ژنتیک 71
3-2-6- نتیجه گیری 93
3-3-پیش بینی روند دمای جهانی بر اساس فعالیت های خورشیدی پیشگویی شده در طول دهه های آینده
3-3-1- چکیده 94
3-3-2- مقدمه 94
3-3-3- داده و روش بررسی 96
3-3-4- نتایج 99
3-3-5- نتیجه گیری 100
منابع

فهرست شکلها

شکل 1-1-1- طرز کار سیستم فازی 7
شکل 1-2-1- نمودار توابع فازی s، ذوزنقهای و گاما 13
شکل 1-2-2- مثال هایی از اجتماع، اشتراک و متمم دو تابع عضویت 16
شکل 1-2-3- برخی از عملگر های پیشنهاد شده برای اشتراک 17
شکل1-2-4- برخی از عملگر های پیشنهاد شده برای اجتماع 18
شکل 1-2-5- انطباق دو مجموعه فازی 19
شکل 1-2-6- نمایش معیار های امکان و ضرورت 20
شکل 1-2-7- مقادیر درستی فازی 25
شکل 2-1- منحنی 32
شکل 2-2- تاثیر الگوریتم ژنتیک بر کروموزوم های 8 بیتی 41
شکل3-1-1-تفاوت های تولید شده ی بین مشاهدات مرجع و مشاهداتی که زودتر در صف می آیند 54
شکل 3-1-2- مشاهدات هواشناسی به صف شده 55
شکل 3-1-3- دیاگرام درختی 58
شکل 3-1-4- توابع گاوس برای متناسب سازی ضعیف، متوسط و دقیق دمای هوا 59
شکل 3-1-5- هیستوگرام خطا های پیش بینی 61
شکل3-1-6- خطای میانه ماهیانه 61
شکل 3-1-7-خطای درصدی میانه ماهیانه 62
شکل 3-1-8-تراکم پیش بینی 63
شکل 3-1-9- ترسیم توزیعی دمای هوای مشاهده شده در مقابل 1 ساعت پیش بینی دمای هوا 64
شکل3-1-10- واقعه ی شپارتون، مشاهده و پیش بینی دماهای هوا 65
شکل 3-2-1- یک کروموزوم 74
شکل 3-2-2- توابع عضویت متناظر رن هایx کروموزوم های نشان داده شده در شکل3-2-1 76
شکل 3-2-3- توابع عضویت متناظر ژن هایy کروموزوم های نشان داده شده در شکل3-2-1 77
شکل 3-2-4- عملیاتcrossover دو کروموزوم 82
شکل3-2-5- عملیات جهش یک کروموزوم 84
شکل 3-2-6- بهترین کروموزوم برای پیش بینی میانگین دمای روزانه در ژوئن 1996 84
شکل 3-2-7- میانگین خطای پیش بینی روشهای پیشنهادی بر اساس سری های زمانی فازی مرتبه سوم 86
شکل 3-2-8- خطای مربع حسابی بر اساس سری های زمانی فازی مرتبه هفتم 91
شکل 3-3-1-پیکر بندی شبکه های عصبی منطقی فازی 96
شکل 3-3-2- مقادیر مشاهده و پیش بینی شده ی ولف نو 98
شکل 3-3-3- مقادیر مشاهده و پیش بینی شده ی دمای غیر عادی جهان 98

فهرست جدولها

جدول1-2-1- برخی از مفاهیم پایه ی مجموعه های فازی 14
جدول3-1-1- تاریخ اولین پیش بینی و خطای پیش بینی مربوطه 63
جدول3-2-1- داده های پیشین میانگین دمای روزانه از 1 ام ژوئن 1996 تا 30 ام سپتامبر در تایوان 72
جدول3-2-2- داده های قدیمی تراکم ابر های روزانه از 1 ام ژوئن 1996 تا 30 ام سپتامبر در تایوان 74
جدول3-2-3- جمعیت ابتدایی 78
جدول3-2-4- میانگین دمای روزانه ی فازی شده و تراکم ابرهای روزانه فازی شده از 1 ام ژوئن تا30ام سپتامبر در تایوان بر اساس نخستین کروموزوم 79
جدول3-2-5- دو فاکتور مرتبه سوم روابط گروهی منطق فازی 80
جدول3-2-6- دمای پیش بینی شده و میانگین خطای پیش بینی بر اساس سریهای زمانی فازی مرتبه سوم 85
جدول3-2-7- درصد میانگین خطای پیش بینی برای مراتب مختلف بر اساس روشهای پیشنهادی 86
جدول3-2-8- درصد میانگین خطاهای پیش بینی برای پنجره های متفاوت بر اساس روشهای پیشنهادی 87
جدول3-2-9- داده های قدیمیTAIFEXو TAIEX 89
جدول3-2-10- خطای مربع حسابی برای مراتب مختلف روش پیشنهادی 89
جدول3-2-11- مقایسه مقادیر پیشبینیTAIFEXوخطاهای مربع حسابی برای روشهای مختلف پیش بینی 90

پایان نامه کاربردهای الگوریتم ژنتیک

چکیده :

الگوریتم های ژنتیک یکی از الگوریتم های جستجوی تصادفی است که ایده آن برگرفته از طبیعت می باشد . نسل های موجودات قوی تر بیشتر زندگی می کنند و نسل های بعدی نیز قوی تر می شوند به عبارت دیگر طبیعت افراد قوی تر را برای زندگی بر می گزیند. در طبیعت از ترکیب کروموزوم های بهتر ، نسل های بهتری پدید می آیند . در این بین گاهی اوقات جهش هایی نیز در کروموزوم ها روی می دهد که ممکن است باعث بهتر شدن نسل بعدی شوند. الگوریتم ژنتیک نیز با استفاده از این ایده اقدام به حل مسائل می کند . الگوریتم های ژنتیک در حل مسائل بهینه سازی کاربرد فراوانی دارند.

مسئله ی کاهش آلاینده های Cox ، NOx و Sox در کوره های صنعتی ، یکی از مسائل بهینه سازی می باشد، که هدف آن بهینه کردن عملکرد کوره های احتراقی بر حسب پارامترهای درصد هوای اضافی (E) و دمای هوای خروجی از پیش گرمکن (T) ، به منظور کاهش میزان آلاینده های تولید شده در اثر انجام عملیات احتراق است.

در این پایان نامه ابتدا مروری بر مفاهیم مقدماتی الگوریتم های ژنتیک کرده سپس مشخصات کلی مسئله عنوان می شود، در انتها مسئله ی مورد نظر توسط الگوریتم ژنتیک اجرا و نتایج آن با روش تابع پنالتی مقایسه می شود.

تعداد صفحات 101 word

فهرست مطالب

فصل اول - مقدمه

1-1- مقدمه

فصل دوم - مقدمه ای بر الگوریتم ژنتیک

• مقدمه
• پیشینه
• اصطلاحات زیستی
• تشریح کلی الگوریتم ژنتیک
• حل مسأله با استفاده از الگوریتم ژنتیک
• اجزای الگوریتم ژنتیک

2-6-1- جمعیت

2-6-2- کدگذاری

2-6-2-1- کدگذاری دودویی

2-6-2-2- کدگذاری مقادیر

2-6-2-3- کدگذاری درختی

2-6-3- عملگرهای الگوریتم ژنتیک

2-6-3-1- fitness (برازش)

2-6-3-2- selection (انتخاب)

2-6-3-3- crossover (ترکیب)

2-6-3-4- mutation (جهش)

• مفاهیم تکمیلی

2-7-1- برتری ها و ضعف های الگوریتم ژنتیک

2-7-2- نکات مهم در الگوریتم های ژنتیک

2-7-3- نتیجه گیری

فصل سوم - کاهش اثرات زیست محیطی آلاینده های Cox، NOx و SOx در کوره ها...........

• مقدمه
• احتراق
  • روش محاسبه ترکیبات تعادلی با استفاده از ثابت تعادل
  • روش محاسبه دمای آدیاباتیک شعله
  • انتخاب سیستم شیمیایی
  • تأثیر دمای هوا و میزان هوای اضافی بر تولید محصولات
• بهینه سازی
  • روش های حل مسائل بهینه سازی
  • روش تابع پنالتی
  • الگوریتم حل تابع پنالتی

• برنامه ی کامپیوتری و مراحل آن
• تشکیل تابع هدف
• تشکیل مدل مسئله بهینه سازی
• روش حل

فصل چهارم - توضیحاتی در رابطه با gatool نرم افزار مطلب................

• gatool
• تنظیم گزینه ها برای الگوریتم ژنتیک
• Plot Options
• Population Options
• Fitness Scaling Options
• Selection Options
• Reproduction Options
• Mutation Options
• Crossover Options
• Migration Options
• Output Function Options
• Stopping Criteria Options
• Hybrid Function Options
• Vectorize Options

فصل پنجم – نتایج..................................

• نتایج حاصل از تابع پنالتی و الگوریتم ژنتیک
• نتیجه گیری

فهرست مراجع......................

فهرست شکل

2-1- مراحل الگوریتم ژنتیک

2-2- مثالی از کروموزوم ها به روش کدگذاری دودویی

2-3- مثالی از کروموزوم ها با استفاده از روش کدگذاری مقادیر

2-4- انتخاب چرخ رولت

2-5- ترکیب تک نقطه ای

2-6- ترکیب دو نقطه ای

2-7- ترکیب یکنواخت

2-8- وارونه سازی بیت

2-9- تغییر ترتیب قرارگیری

2-10- تغییر مقدار

3-1- نمای برنامه ی کامپیوتری

3-2- عملیات برازش برای تولید NO در مقایسه با نتایج اصلی در احتراق گازوئیل

4-1- نمای gatool نرم افزار مطلب

5-1- نمای gatool ، Cox برای گاز طبیعی

5-2- نمودارهای Best fitness و Best individual آلاینده ی Cox برای گاز طبیعی

5-3- نمای gatool ، NOx برای گاز طبیعی

5-4- نمودارهای Best fitness و Best individual آلاینده ی NOx برای گاز طبیعی

5-5- نمای gatool ، Cox + NOx برای گاز طبیعی

5-6- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOxبرای گاز طبیعی

5-7- نمای gatool ، Cox برای گازوئیل

5-8- نمودارهای Best fitness و Best individual آلاینده ی Cox برای گازوئیل

5-9- نمای gatool ، NOx برای گازوئیل

5-10- نمودارهای Best fitness و Best individual آلاینده ی NOx برای گازوئیل

5-11- نمای gatool ، Sox برای گازوئیل

5-12- نمودارهای Best fitness و Best individual آلاینده ی Sox برای گازوئیل

5-13- نمای gatool ، Cox + NOx برای گازوئیل

5-14- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx برای گازوئیل

5-15- نمای gatool ، Cox+NOx+Sox برای گازوئیل

5-16- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx وSOx برای گازوئیل

5-17- نمای gatool ، Cox برای نفت کوره

5-18- نمودارهای Best fitness و Best individual آلاینده ی Cox برای نفت کوره

5-19- نمای gatool ، NOx برای نفت کوره

5-20- نمودارهای Best fitness و Best individual آلاینده ی NOx برای نفت کوره

5-21- نمای gatool ، Sox برای نفت کوره

5-22- نمودارهای Best fitness و Best individual آلاینده ی SOx برای نفت کوره

5-23- نمای gatool ، Cox + NOx برای نفت کوره

5-24- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx برای نفت کوره

5-25- نمای gatool ، COx+NOx+SOx برای نفت کوره

5-26- نمودارهای Best fitness و Best individual مجموع آلاینده های COx و NOx و SOx برای نفت کوره

فهرست جدول

3-1- تغییر نرخ تولید (mole/hr) NO در اثر تغییر دمای هوا و درصد هوای اضافی........

3-2- تشکیل تابع هدف برای گاز طبیعی....................

3-3- تشکیل تابع هدف برای گازوئیل...............................................

3-4- تشکیل تابع هدف برای نفت کوره..........................

5-1- مقایسه نتایج تابع پنالتی و الگوریتم ژنتیک................................

الگوریتم های خوشه بندی در شبکه های حسگر بی سیم

عنوان تحقیق: الگوریتم های خوشه بندی در شبکه های حسگر بی سیم

فرمت فایل: word

تعداد صفحات: 133

شرح مختصر:

شبکه های حسگر بی سیم شامل تعدا زیادی از سنسورهای کوچک است که که می توانند یک ابزار قوی برای جمع آوری داده در انواع محیط های داده ای متنوع باشند. داده های جمع آوری شده توسط هر حسگر به ایستگاه اصلی منتقل می شود تا به کاربر نهایی ارائه می شود. یکی از عمده ترین چالشها در این نوع شبکه ها، محدودیت مصرف انرژی است که مستقیما طول عمر شبکه حسگر را تحت تأثیر قرار میدهد ، خوشه بندی بعنوان یکی از روشهای شناخته شده ای است که بطور گسترده برای مواجه شدن با این چالش مورد استفاده قرار میگیرد.

خوشه بندی به شبکه های حسگر بی سیم معرفی شده است چرا که طبق آزمایشات انجام شده ،روشی موثر برای ارائه ی بهتر تجمع داده ها و مقیاس پذیری برای شبکه های حسگر بی سیم بزرگ است. خوشه بندی همچنین منابع انرژی محدود حسگرها را محافظت کرده و باعث صرفه جویی در مصرف انرژی می شود.

فهرست مطالب

چکیده1

مقدمه. 2

فصل اول :شبکه ی حسگر بی سیم. 3

مقدمه. 4

بررسی اجمالی مسائل کلیدی.. 6

انواع شبکه حسگر بی سیم. 11

ساختارهای شبکه حسگر بی سیم. 14

ویژگی‌های سخت‌افزاری:17

کاربردهای شبکه ی حسگر بی سیم. 20

عوامل موثر بر شبکه ی حسگر بی سیم. 26

پشته پروتکلی.. 33

نتیجه گیری بخش... 38

فصل دوم :انواع الگوریتم های خوشه بندی.. 39

مقدمه. 40

بررسی کلی خوشه بندی.. 40

الگوریتم های خوشه بندی سلسله مراتبی.. 40

الگوریتم های خوشه بندی طیفی.. 41

الگوریتم های خوشه بندی مبتنی بر شبکه ی گرید. 42

الگوریتم خوشه بندی مبتنی بر تراکم. 43

الگوریتم های خوشه بندی پارتیشن بندی.. 43

الگوریتم خوشه بندی ژنتیک k-means برای ترکیب مجموعه داده های عددی و قاطعانه. 44

الگوریتم مقیاس.......45

الگوریتم k-means هماهنگ.. 46

مقداردهی k-means با استفاده از الگوریتم ژنتیک.. 47

رویکرد مجموع خوشه ها برای داده های ترکیبی............48

الگوریتم تکاملی ترکیبی.......49

اصلاح جهانی الگوریتم k-means 50

الگوریتم ژنتیک k-means سریع. 50

نتیجه گیری بخش... 52

فصل سوم :الگوریتم های خوشه بندی در شبکه ی حسگر بی سیم. 53

مقدمه. 54

چالش ها در الگوریتم های خوشه بندی در شبکه ی حسگر بی سیم. 56

فرآیند خوشه بندی.. 58

پروتکل های خوشه بندی موجود. 59

الگوریتم های ابداعی......59

طرح های وزنی.......60

طرح های شبکه ی گرید. 62

طرح های سلسله مراتبی و دیگر طرح ها......64

الگوریتم های خوشه بندی در شبکه های حسگر بی سیم ناهمگون. 73

مدل ناهمگون برای شبکه های حسگر بی سیم......73

طبقه بندی ویژگی های خوشه بندی در شبکه های حسگر بی سیم ناهمگون......75

الگوریتم خوشه بندی برای شبکه های حسگر بی سیم ناهمگون......77

نتیجه گیری بخش... 92

 فصل چهارم:بررسی دو الگوریتم خوشه بندی EECS و A-LEACH.. 93

مقدمه. 94

EECS.. 95

نمای کلی مشکلات.. 95

جزئیات EECS. 97

تحلیل EECS. 103

شبیه سازی.. 107

رویکردهای آینده112

A-LEACH.. 113

آثار مربوطه. 113

تجزیه و تحلیل انرژی پروتکل ها115

A-LEACH.. 115

شبیه سازی.. 118

رویکردهای آینده و نتیجه گیری 122

نتیجه گیری.. 123

 فهرست اشکال

شکل .1 . طبقه بندی موضوعات مختلف در شبکه ی حسگر بی سیم. 8

شکل .2. ساختار کلی شبکه ی حسگر بی سیم. 16

شکل. 3. ساختار خودکار16

شکل. 4. ساختار نیمه خودکار17

شکل. 5.ساختار داخلی گره ی حسگر. 18

شکل 6. پشته ی پروتکلی.. 34

شکل 7 . نمونه ای از الگوریتم GROUP. 63

شکل .8 . الف )ساختار شبکه ب)شبکه بعد از چند دور78

شکل 9. الف) ساختار شبکه ب) خوشه بندی EDFCM.. 85

شکل 10. سلسله مراتب خوشه در زمینه ی سنجش... 87

شکل 11. دیاگرام شماتیک از مناطق در اندازه های مختلف.. 89

شکل .12. تاثیر هزینه ی سرخوشه ی موردنظر. 102

شکل. 13. پدیده ی شیب در شبکه. 105

شکل.14. الف : توزیع غیر یکنواخت ب : توزیع یکنواخت.. 107

شکل. 15. الف: صحنه ی معمولی ب: صحنه ی بزرگ 108

شکل .16. الف : صحنه ی معمولی ب: صحنه ی بزرگ 109

شکل. 17. الف : صحنه ی معمولی ب: صحنه ی بزرگ.. 110

شکل.18. تعداد خوشه ها در هر دور در EECSو LEACH(صحنه ی 1)111

شکل. 19.الف : صحنه ی معمولی ب : صحنه ی بزرگ.. 112

شکل .20. مدل شبکه ای A-LEACH.. 118

شکل 21. شبکه ی حسگر بی سیم با مدل A-LEACH.. 119

شکل .22. طول منطقه ی ثبات برای مقادیر مختلف ناهمگونی.. 120

شکل 23. تعداد گره های زنده نسبت با دور با m=0.1 و a=1. 120

شکل .24. تعداد گره های زنده نسبت به دور با m=0.3 و a=1. 121

شکل. 25. تعداد گره های زنده نسبت به دور با m=0.5 وa=1. 121

 فهرست جداول

جدول 1 .مقایسه ی الگوریتم های خوشه بندی طرح سلسله مراتبی.. 72

جدول.2. مقایسه ی الگوریتم های خوشه بندی.. 91

جدول.3. مفهوم نمادها98

جدول .4 . توصیف حالات یا پیغام ها98

جدول 5 . پارامترهای شبیه سازی.. 107