دانلود مقاله ترجمه شده استفاده از اتوماتای یادگیری توزیع شده برای حل مساله پوشش هدف اتصالی در شبکه های حسگر جهت دار

شبکه های حسگر در بسیاری از موارد کاربرد دارند . شبکه های حسگر جهت­دار (DSNs) یک دسته از شبکه های حسگر هستند که امروزه مورد استفاده توجه قرار گرفته اند. یکی از چالش های مهم در ارتباط با DSNها ، طراحی یک الگوریتم موثر برای پوشش دادن به تمام هدف ها و به طور همزمان ، حفظ اتصال با سینک می­باشد. از آنجا که حسگرها گاهی به صورت فشرده مستقر می­شوند، به کارگیری الگوریتم های برنامه ریزی می تواند به عنوان یک روش امیدبخش در نظر گرفته شود. ما در این مقاله از روش یاد گیری توزیع شده اتوماتا DLA برای طراحی یک الگوریتم زمان بندی برای حل مساله پوشش هدف اتصال یافته در DSN استفاده می کنیم .  الگوریتم پیشنهادی از DLA برای تعیین سنسورهایی که باید در هر مرحله برای مانیتورینگ تمام هدف ها و ارسال داده حس شده به سینک فعال شوند، استفاده می کند. علاوه بر این ما قواعد مختلفی به منظور ماکزیمم کردن طول عمر شبکه را آزمایش می­کنیم. شبیه سازی های تجربی آزمایشگاهی برای ارزیابی کارایی الگوریتم پیشنهادی انجام شده است . نتایج شبیه سازی الگوریتم ، بر یک الگوریتم مبنی بر دانه را بر اساس افزایش طول عمر شبکه نشان می دهد.

امروزه شبکه های حسگر مستقیم (DSN) به دلیل کاربرد و ارزش آن ها مانند آشکار سازی هدف ، کلاسه بندی و تعقیب ، مورد توجه پژوهشگران زیادی قرار گرفته اند. یک DSN از تعدادی حسگر جهت دار ، شامل فراصوت مادون قرمز و حسگر های ویدیویی تشکیل می شوند . مهمترین ویژگی سنسور های جهت دار زاویه ، حسگر محدود آن می باشد که به دلیل محدودیت های موجود در تکنیک ساخت ، اندازه و هزینه می باشد. اگر چه سنسورهای جهت دار در برخی موارد مشابه به سنسورهای جهت دار OMNI می باشند . ولی در مورد زاویه دید ، جهت کار و خط بینایی متفاوت هستند. در بسیاری از سنسور های جهت دار تابع چرخش سنسور ها را برای کار در جهت های متمایز در مقایسه با سنسور های جهت دار همسایه قادر می سازد .  به دلیل این ویزگی ها ، چالش های زیادی در طراحی پروتکل DSN ایجاد شده است ...