دانلود پایان نامه ارشد با موضوع فعال نمودن

دانلود پایان نامه ارشد

باحذف افزونگي داده ها وکاهش ميزان ارسال داده ها به ميزان زيادي در مصرف انرژي منابع انرژي صرفه جويي به عمل آورند. بنابراين روشهاي تجميع داده در شبکه هاي حسگر به صورت گسترده مورد بررسي قرار گرفته اند.
تجميع داده ها بسته هاي داده که از حسگر هاي مختلف به سمت ايستگاه پايه مي روند را تر کيب مي کند تا تعداد و اندازه بسته هاي داده اي که منتقل مي شوند را کاهش داده ودر نتيجه در مصرف انرژي حسگرها صرفه جويي به عمل آيد چنين تجميعي زماني مي تواند انجام گيرد که داده هاي حسگرهاي مختلف به ميزان زيادي به هم وابسته باشند.
4-3- تجميع داده ها در شبكه هاي حسگر با استفاده از آتوماتاهاي يادگير
در روشهاي تجميع داده اي كه تاكنون ارائه گرديده اند, اطلاعات تمام نودها جمع آوري مي شود. و عمل تجميع و فشرده سازي داده ها در نودهاي مياني يا نودهاي سرخوشه انجام مي گيرد. ولي در بسياري از كاربردها به دلايلي مثل تشابه محيطي, نودهايي كه در نزديكي يكديگر قرار دارند ممكن است داده هاي يكساني توليد نمايند. در اين حالت مي توان به جاي ارسال داده تمام نودها به نودهاي مياني و سپس تجميع آنها, نودهايي كه داده هاي مشابه توليد مي نمايند را شناسايي نموده و يكي از آنها را فعال نگه داشته و بقيه را غيرفعال نمود. تا از ارسال داده هاي افزونه جلوگيري گردد. در اين حالت هم به دليل غيرفعال نمودن موقت تعدادي از نودها و هم به دليل كاهش بسته هاي اطلاعاتي كه منتقل مي گردند, در مصرف انرژي شبكه به ميزان قابل توجهي صرفه جويي به عمل مي آيد و طول عمر شبكه حسگر افزايش مي يابد. مثلا در يک شبکه حسگر که قرار است، دماي قسمتهاي مختلف يک محيط را اندازه گيري نمايد، مناطقي از محيط که تحت تأثير يک توده هواي يکسان قرار مي گيرند، هميشه دماي مشابهي دارند (به دليل نزديکي و شرايط جغرافيايي مشابه). در اين مناطق لازم نيست که چندين حسگر به طور همزمان اطلاعات را جمع آوري کنند. بهتر است که نودهاي واقع در يك ناحيه يكسان غيرفعال شده و به نوبت فعال گردند، تا عمر سيستم افزايش يابد. ما در ادامه قصد داريم كه با کمک آتوماتاي يادگير حسگرهاي عضو مناطق يکسان را شناسايي و آنها را به صورت اعضاي يک ائتلاف در آوريم و يک حسگر را به عنوان نماينده ائتلاف انتخاب مي کنيم، تا اطلاعات اين منطقه را ارسال نمايد. در کارهاي تقريبا مشابهي که در اين زمينه صورت گرفته است به عنوان مثال در [91]، بدين گونه عمل شده است که داده هايي که از نودهاي واقع در محيط به نودهاي مياني ارسال مي گردند، در صورت تشابه داده اي با يکديگر تجميع شده تا حجم داده هاي ارسالي تا نود پايه و انرژي مصرفي اين نودها کاهش يابد. ولي مصرف انرژي در نودهاي انتهايي(برگهاي درخت) بهينه نمي گردد. که در اينجا اين مسئله مد نظر قرار گرفته است.
4-3-1- بيان مسئله و مفروضات آن
يک شبکه شامل تعدادي نود حسگر را در نظر بگيريد. مکان حسگرها ثابت واز قبل مشخص است. هر حسگر اطلاعاتي را از محيط اطرافش جمع آوري مي کند. اگر فرض کنيم که در هر واحد زماني هر حسگر يک بسته اطلاعاتي توليد مي کند. در هر نوبت اطلاعات تمام نودها بايد جمع آوري شده وبه ايستگاه پايه جهت پردازش ارسال گردد. نودهاي حسگر يك برد ارتباطي و يك برد حسگري دارند. تمام حسگرهايي كه در برد ارتباطي يك نود قرار داشته باشند و نود حسگر مي تواند مستقيما با آنها ارتباط برقرار نمايد, همسايه هاي آن نود به حساب مي آيند. به علاوه هر حسگر يک باطري با مقدار انرژي محدود وغير قابل جايگزيني دارد. هر گاه که يک حسگر يک بسته داده را ارسال نموده ويا دريافت مي کند مقداري از انرژي اش را مصرف مي نمايد و با تخليه باطري, حسگر از بين خواهد رفت. ما در مورد يكسان بودن حسگرهاى مختلف و مساوى بودن برد ارتباطى و حسگرى هيج فرضى را درنظر نمى گيريم.
ما فرض مى كنيم كه محيط حسگرى به ناحيه هايي تقسيم بندي گرديده است كه داده هاي توليد شده در هر ناحيه مشابهند. بنابراين حسگرهاي موجود در هر ناحيه اطلاعات مشابهي را جمع آوري كرده و ارسال مي نمايند. در ضمن اين نواحي لزوما ثابت نبوده و در محيط مي توانند مثل يک ابر يا توده هوا در حرکت باشند، شكل 4-1 را در نظر بگيريد. در اين شكل محيط حسگري به نواحي A تا E تقسيم بندي شده است. با اين فرض كه داده مورد نظر براي جمع آوري از محيط, دماي قسمتهاي مختلف محيط باشد، دماي قسمتهاي مختلف ناحيه A يكسان و مثلا برابر با 20 درجه و دما براي ناحيه B مثلا 25 درجه و … مي باشد. در اين صورت حسگرهاي A1 تا A6 كه در ناحيه A قرار دارند داده يكساني را به مركز ارسال مي نمايند. حسگرهايي كه در يك ناحيه قرار مي گيرند و داده هاي مشابهي توليد مي كنند, را عضو يك ائتلاف در نظر مي گيريم. از طرفي فرض مي كنيم كه محيط از قبل ناشناخته بوده و حسگرها نيز به صورت تصادفي در محيط پخش شده اند و مكان حسگرها نيز نامشخص است و نواحي نيز متحرکند. بنا براين در ابتدا, نواحي حسگري و حسگرهاي عضو يك ائتلاف يكسان ناشناخته و مجهولند. فرض بر اين است که داده هايي که توسط نودهاي واقع در يک ناحيه توليد مي گردند هميشه و به طور صددرصد يکسان نيستند. بلکه گاها داده هايي که در قسمتهايي از ناحيه توليد مي گردند، به دليل وجود نويز متفاوت از داده هاي توليدشده در کل ناحيه است. به عنوان مثال يک ابر يا توده هوا را در نظر بگيريد که کل ناحيه تحت پوشش آن يک دماي خاص دارد. ولي گاها در بعضي از قسمتهاي آن به دلايلي مثل وزش باد، تابش نور و … دما موقتا متفاوت از جاهاي ديگر مي شود. يا شبکه حسگري را در نظر بگيريد که وظيفه اش حس نمودن ميزان نور در ساحل درياست و طبيعتا در اين حالت بعضي از نواحي در اين محيط وجود دارند که داده(نور) يکساني را توليد مي نمايند. حال در اين محيط يک فانوس دريايي را در نظر بگيريد که حرکتي چرخشي دارد. در اين حالت نور فانوس به صورت يک نويز، ميزان نور دريافتي توسط برخي از نودهاي واقع در يک ناحيه را در مدت زماني کوتاه تغيير مي دهد. بنابراين از مقايسه داده هاي نودها در يک مرحله به صورت قطعي نمي توان نودهاي واقع در يک ناحيه يکسان را شناسايي نمود.
هدف مسئله اين است كه حسگرهاي موجود در يك ناحيه حسگري يكسان يا به عبارتي اعضاي يك ائتلاف يكسان را شناسايي نموده و روشي ارائه دهيم كه لازم نباشد تمام حسگرهاي موجود در يك ناحيه بخواهند به صورت همزمان اطلاعات را جمع اوري و ارسال نمايند. بلكه در هر زمان يكي از اعضاي ائتلاف به عنوان نماينده ائتلاف انتخاب شده و داده هاي ناحيه را جمع آوري نمايد و بقيه نودهاي عضو ائتلاف موقتا غير فعال گردند، تا در مصرف انرژي شبكه صرفه جويي به عمل آيد. ما جهت شناسايي نواحي مشابه, از داده هاي توليد شده مشابه توسط نود هاي همسايه استفاده مي نماييم. بدين صورت كه اگر دو نود همسايه در دفعات متعدد داده هاي مشابه توليد نمايند, در يك ناحيه يكسان قرار مي گيرند و مي توانند عضو يك ائتلاف باشند. ولي اگر داده هاي نامشابه توليد نمايند, در يك ناحيه حسگري قرار ندارند.
تكنيكي كه ما جهت حل اين مسئله و شناسايي نودهاي عضو يك ائتلاف به كار مي بريم, يك روش يادگيري هوشمند تحت عنوان آتوماتاي يادگير مي باشد كه در فصل دوم تشريح گرديده است. اين روش همراه با جزئيات در ادامه ارائه مي گردد.

شکل ‏4-1: محيط حسگري با نواحي A تا F و حسگرهاي واقع در آنها
4-3-2- تشريح روش پيشنهادي
الگوريتم ارائه شده شامل دو فاز مي باشد که در فاز اول هر نود همسايگان مناسب را با استفاده از تكنيك آتوماتاهاي يادگير شناسايي نموده و ائتلافهاي حسگرها مشخص مي شوند. هر ائتلاف شامل حسگرهايي است که در يک ناحيه يکسان قرار دارند.
در فاز دوم ، اعضاي هر ائتلاف يک برنامه زمانبندي ايجاد مي نمايند و بر اساس اين برنامه زمانبندي اعضاي ائتلاف به نوبت به حسگري محيط مي پردازند. بدين صورت که در هر زمان فقط يکي از اعضا به عنوان نماينده ائتلاف فعال بوده و بقيه غير فعال مي باشند.
فاز اول
فاز اول شامل دو مرحله مي باشد که در مرحله اول هر نود با استفاده از آتوماتاهاي يادگير(LA)، همسايگان مناسب جهت تشکيل ائتلاف را شناسايي مي نمايد(يعني يك زير ائتلاف شكل مي دهد). در مرحله دوم با انتشار ليست همسايگان مناسب جهت تشکيل ائتلاف توسط هر نود(زير ائتلافها) ، ائتلافات کامل تشکيل مي گردند. جهت شناسايي همسايگان مناسب در هر نود، به ازاي هر يک از همسايگانش يک اتوماتاي يادگير در نظر مي گيريم که داراي دو عمل مي باشد: يکي اينکه نود همسايه متناظر، نودي مناسب جهت تشکيل ائتلاف با اين نود است و ديگر اينکه نود همسايه متناظر جهت تشکيل ائتلاف با اين نود مناسب نباشد. در ابتدا هر دو عمل آتوماتا احتمال برابر دارند. در اين مرحله هر نود حسگر، داده هايي را که از محيط حس نموده است، به صورت پخشي به تمام همسايگانش ارسال مي نمايد. سپس در هر نود، هر يک از آتوماتاهاي يادگير، بر اساس ميزان تشابه داده دريافتي از نود متناظر با اين آتوماتا با داده اين نود، پاداش يا جريمه دريافت مي نمايد. جهت پاداش يا جريمه عمل انتخابي آتوماتا از روابط (4-1) و(4-2) استفاده مي گردد.
(‏4-1)

(‏4-2)

در هر دور هر نودي پس از انتخاب يک عمل به ازاي هر آتوماتاي يادگير آن و دريافت داده هاي نودهاي مجاور، بر اساس رابطه (4-3) به ازاي هر آتوماتاي يادگير سيگنال تقويتي را محاسبه مي نمايد. اگر برابر بايك شود عمل انتخابي با استفاده از رابطه (4-1) جريمه مي گردد. و اگر برابر با صفر شود طبق رابطه (4-2)پاداش دريافت مي كند.
(‏4-3)

به طوري كه داده دريافتي از همسايه I ام در دور nام و داده حس شده توسط اين نود در دور nام مي باشد. و يك مقدار استانه اي است.
اين مرحله در چندين دور(MaxIteration) انجام مي گيرد. در انتهاي اين مرحله هر نود ، آن دسته از همسايگانش را که جهت تشکيل ائتلاف مناسب مي باشند را شناسايي نموده است. بدين صورت که اگر در انتهاي اين مرحله عمل انتخابي توسط يك آتوماتاي يادگير يکسان بودن بااين نود باشد نود همسايه متناظر نودي مناسب جهت تشکيل ائتلاف با اين نود تلقي مي گردد و در غير اين صورت ، آن نود، نودي مناسب جهت تشکيل ائتلاف نخواهد بود.
در مرحله دوم از اين فاز هر نود ليست همسايگان مناسب جهت تشکيل ائتلاف را که در مرحله قبل بدست آورده است را به آن همسايگان ارسال مي نمايد و هر نود که ليست نوده هاي هم ائتلافي را دريافت نمود با ليست نودهاي مناسب جهت تشکيل ائتلاف خودش ادغام نموده و ليست جديد را به تمام همسايگان هم ائتلافي ارسال مي نمايد. اين مرحله نيز در چندين دور انجام گرفته و در انتها هر نود ليست کامل نوده هاي هم ائتلافي خود را داراست.
فاز دوم:
فاز دوم فاز حالت پايدار شبکه حسگر است که در اين فاز نوده ها بايد داده هاي محيط را جمع آوري کرده و به نود سينک ارسال نمايند ولي لزومي ندارد که تمام نودها فعال باشند بلکه چون محيط شامل چندين ناحيه است و در هر ناحيه داده هاي مشابهي توليد مي گردد کافي است که در هر ناحيه فقط يک نود فعال بوده و داده ها را جمع آوري وارسال نمايد.
بدين منظور در اين فاز از ائتلافاتي که در فاز اول تشکيل گرديده استفاده مي گردد. در هر ائتلاف يک برنامه زمانبندي ايجاد مي گردد تا اعضاي ائتلاف بر اساس اين برنامه زمانبندي به نوبت فعال شده و داده ها را ارسال کنند.
براي اينکه تداخلي در ارسال داده ها و زمان فعال شدن نودها پيش نيايد هر نود ليست اعضاي ائتلاف خود را بر اساس شماره نودها مرتب مي نمايد و اعضاي ائتلاف بر اساس ترتيب همين ليست مرتب شده فعال مي گردند. هر نود که فعال شد مدت زمان مشخصي فعال بوده و در اين زمان در فواصل زماني از پيش تعيين شده داده ها را به نود سينک ارسال مي کند.
در ضمن هرگاه نود فعالي قبل از اينکه زمان غير فعال شدنش برسد ميزان انرژي اش از حد مشخصي پايين تر بيايد. يک پيغام به نود بعدي اش ارسال نموده و درخواست مي نمايد که آن نود فعال گردد.
از

پایان نامه
Previous Entries دانلود پایان نامه ارشد با موضوع انرژي، تجميع، سينك Next Entries دانلود پایان نامه ارشد با موضوع انرژي، نودهاي، روشهاي