بهینه سازی جایابی شبکه های سنسور بی سیم با استفاده از الگوریتم های بهینه سازی سراسری و مدل سنجش احتمالی

Abstract

<strong>در سال های اخیر، شبکه­ های حسگر بیسیم</strong><strong>^{<strong>^[1]</strong>}</strong><strong> در کاربردهای متعددی مورد مطالعه قرار گرفته ­اند. یکی از مسائل مهم مورد مطالعه در این شبکه­ ها، جایابی</strong><strong>^{<strong>^[2]</strong>}</strong><strong> بهینه حسگرها به منظور دستیابی به بیشینه­ ی مقدار پوشش</strong><strong>^{<strong>^[3]</strong>}</strong><strong> است. از این رو، در اکثر تحقیقات برای رسیدن به پوشش حداکثر از الگوریتم­ های بهینه­ سازی استفاده شده است. در یک رده­ بندی کلی، الگوریتم­ های بهینه­ سازی برای جایابی بهینه حسگر با هدف افزایش پوشش، به دو گروه الگوریتم­ های بهینه­ سازی محلی و سراسری تقسیم می­ شوند. الگوریتم­ های سراسری عموماً از یک روش تصادفی بر اساس یک روند تکاملی استفاده می کنند. در اغلب تحقیقات انجام شده، مدل محیط و بعضاً چیدمان حسگرها در شبکه به صورت کاملاً ساده­ سازی شده در نظر گرفته شده­ اند. در این تحقیق با مدلسازی رستری و برداری محیط در فضاهای دو و سه بعدی، عملکرد الگوریتم­ های بهینه­ سازی سراسری به منظور جانمایی بهینه حسگرها، ارزیابی و مقایسه شده اند و مدل محیط برداری به عنوان مدل دقیق تر استفاده می­ شود. </strong><br /> <strong>از آنجایی که هدف مقایسه عملکرد و نتایج الگوریتم</strong><strong>‌</strong><strong>های سراسری بوده است، منطقه مورد مطالعه و شرایط پیاده</strong><strong>‌</strong><strong>سازی یکسان فرض شده</strong><strong>‌</strong><strong>اند. در این مقاله، چند روش بهینه</strong><strong>‌</strong><strong>سازی برای جایابی سنسور، از جمله الگوریتم</strong><strong>‌</strong><strong>های ژنتیک، </strong><strong>L-BFGS</strong><strong>،</strong><strong> VFCPSO </strong><strong>و </strong><strong>CMA-ES </strong><strong>،</strong><strong>پیاده</strong><strong>‌</strong><strong>سازی </strong><strong>و معیار ارزیابی الگوریتم</strong><strong>‌</strong><strong>ها برای مسئله جایابی شبکه</strong><strong>‌</strong><strong>های حسگر بی</strong><strong>‌</strong><strong>سیم، مقدار پوشش بهینه، دقت پوشش آنها نسبت به مدل محیط و سرعت همگرایی الگوریتم</strong><strong>‌</strong><strong>ها در نظر گرفته شده است.</strong><strong>از سوی دیگر، در این تحقیق مدل احتمالی پوشش</strong><strong>^{<strong>^[4]</strong>}</strong><strong> برای هر یک از الگوریتم</strong><strong>‌</strong><strong>های بهینه</strong><strong>‌</strong><strong>سازی سراسری پیاده</strong><strong>‌</strong><strong>سازی شدند. نتایج این پیاده</strong><strong>‌</strong><strong>سازی</strong><strong>‌</strong><strong>ها نشان می</strong><strong>‌</strong><strong>دهد که وجود پارامترهای پیچیده</strong><strong>‌</strong><strong>تر در مدل محیط و پوشش، نتایج دقیق</strong><strong>‌</strong><strong>تر و منطبق</strong><strong>‌</strong><strong>تری با واقعیت را ارائه می</strong><strong>‌</strong><strong>کند. با این حال ممکن است کارایی زمانی الگوریتم</strong><strong>‌</strong><strong>ها را کاهش دهد.</strong><br /> <br clear="all" /><br /> <br /> ^{^[1]}4- Wireless Sensor Networks<br /> <br /> <br /> ^{^[2]}5-Deployment<br /> <br /> <br /> ^{^[3]}6- Coverage<br /> <br /> <br /> ^{^[4]}7- Probablity coverage model