جایگذاری گره مش در شبکه مش بی سیم با استفاده از متاهیوریستیک تکاملی چندهدفه
Mesh node placement in wireless mesh network based on multiobjective evolutionary metaheuristic
مشخصات کلی
| سال انتشار | 2017 |
| کد مقاله | 4324 |
| فرمت فایل ترجمه | Word |
| تعداد صفحات ترجمه | 19 |
| نام مجله | Int. J. Autonomic Computing |
| نشریه | Inderscience Enterprises Ltd |
| درج جداول و شکل ها در ترجمه | انجام شده است |
| جداول داخل مقاله | ترجمه شده است |
چکیده فارسی
جایگذاری گره های مش، نقش مهمی در دستیابی به ویژگیهای مهم شبکه های مش بی سیم (WMN) از قبیل میدان پوشش و قابلیت اعتماد دارد. در طی سالهای گذشته، تاثیر جایگذاری گره مش بر روی عملکرد WMN ها، مورد بررسی قرار گرفته است. برای بهبود چنین ویژگیهایی، طرح جدیدی را برای جایگذاری گره مش در WMN ها پیشنهاد نموده ایم. در اینجا، یک مدل بهینه سازی چندهدفه را برای جایگذاری گره ها توسعه دادیم که در آن، میدان پوشش، قابلیت اعتماد و هزینه نصب کلی گره های مستقر، سه هدف همزمان بهینه سازی را تشکیل می دهند. در اولین گام، دو الگوریتم تکاملی کاملا معروف به نامهای الگوریتم ژنتیک مرتب سازی نامغلوب نسخه 2(NSGA-II) و الگوریتم ژنتیک چندهدفه (MOGA) را برای تولید تعداد و موقعیت های گره های ارتباطی مورد استفاده قرار دادیم. در ادامه، الگوریتم هایی را توسعه دادیم که شکلگیری خوشه ، انتخاب دروازه ارتباطی و انتخاب گره های رله را تعیین می نمایند. نتایج به دست آمده، عملکرد رضایت بخش را نشان می دهند.
چکیده لاتین
To achieve important properties of wireless mesh networks (WMNs) such as coverage and reliability, the placement of mesh nodes plays an important role. The impact of the mesh node placement on the performance of WMNs has been carried out in the past years. To improve such properties, we propose a novel scheme for mesh node placement in WMNs. We have developed a multi-objective optimisation model for node placement where the coverage, reliability and the total installation cost in terms of nodes to be deployed are the three objectives to optimise simultaneously. We first applied the two well-known evolutionary algorithms, namely the non-dominated sorting genetic algorithm-II (NSGA-II) and multi-objective genetic algorithm (MOGA) to generate the number and positions of the communication nodes. Subsequently, we developed algorithms that determine the cluster formation, gateway selection and relay nodes selection. The results showed satisfactory performance.
خرید و دانلود ترجمه این مقاله:
جهت خرید این مقاله ابتدا روی لینک زیر کلیک کنید، به صفحه ای وارد می شوید که باید نام و ایمیل خود را وارد کنید و پس از آن روی دکمه خرید و پرداخت کلیک نمایید، پس از پرداخت بلافاصله به سایت بازگشته و می توانید فایل خود را دانلود کنید، همچنین لینک دانلود به ایمیل شما نیز ارسال خواهد شد.
هیچ دیدگاهی برای این مقاله ثبت نشده است
دیدگاه ها