پروژه رفع مشکل پوشش مرزی در شبکه حسگر بی سیم با استفاده از آتوماتای یادگیر(learning automata)-پیاده سازی مقاله ۲۰۱۷ الزویر

رفع مشکل پوشش مرزی در شبکه حسگر بی سیم با استفاده از آتوماتای یادگیر در متلب ۲۰۱۳ پیاده سازی شده است. این پروژه بر اساس یک مقاله مربوز به رفع پوشش مرزی از مجله الزویر(Elsevier)  تهیه و پیاده سازی شده است. نتایج ارائه شده در این شبیه سازی بسیار مناسب فصل چهارم پایان نامه و نگارش یک مقاله جدید جهت چاپ در ژورنالهای مختلف می باشد. چالش پوشش مرزی گره ها در شبکه های حسگر بی سیم از اهمیت بسزایی برخوردار بوده و در صورت عدم رفع این مشکل، هم شبکه دچار اشکال شده و حفره های امنیتی زیادی را ایجاد می نماید. همین دلیل باعث نفوذ افراد بیگانه به حریم خصوصی افراد می گردد. بنابراین در این شبیه سازی با استفاده از آتوماتای یادگیر اقدام به رفع مشکل پوشش مرزی نموده ایم. عنوان مقاله ای که پیاده سازی بر اساس آن انجام شده است در قسمت ذیل نشان داده شده است:

A sleep scheduling approach based on learning automata for WSN partial coverage

 جهت دانلود این مقاله کافیست که به scholar.google.com مراجعه نموده و با وارد کردن عنوان فوق، این مقاله را دانلود نمایید و در صورت نیاز استفاده نمایید. در ادامه به برخی از مهمترین چالش های پوشش گره ها در شبکه های حسگر بی سیم پرداخته می شود. این مشکلات و چالش ها عبارتند از:

پوشش در شبکه های حسگر بی سیم

مسئله پوشش در شبکه های حسگر بی سیم یکی از مسائل اساسی در این شبکه ها می باشد که در واقع با بهبود آن می توان منطقه وسیعی را تحت پوشش قرار داد و از ایجاد حفره ها و ایجاد قطعی در شبکه جلوگیری کرد. بسیاری از برنامه های کاربردی با مشکل وجود حفره ها در هنگامی که برخی سنسور ها از کار می افتد روبرو هستند. این حفره ها ممکن است به صورت پویا بوجود آیند و چنین مشکلی تنها با گسترش و قرار دادن سنسورهای اضافه بیشتر به طور کامل نمی تواند حل شود. مساله پوشش وقتی اهمیت پیدا می کند که در آرایش اولیه گره ها سعی شود که کـل منطقـه در پوشـش گـره هایی که به صورت تصادفی در محیط پخش شده اند قرار گیرد. این پدیده به این معنی است که بتوان کل منطقـه را تحت پوشش شبکه سنسور بی سیم درآورد و هربخش از منطقه در میدان مشاهده حد اقل یـک گـره سنـسور قرار گیرد وبر کل منطقه و اتفاقات منطقه نظارت داشت. در بیشتر مواردآرایش اولیه سنسورها منجر به این هدف نمی شود زیرا ممکن است تعداد سنسورها کم باشد ویا اینکه سنسورها در منطقه به صورت تصادفی قرار گیرنـد، به طور مثال از طریق باد به طور تصادفی جابجا شوند و یا در بعضی موارد نیزبه علت خرابی یا اتمام عمر سنسورها نیز حفره هایی در شبکه به وجود می آید که همه این موارد ملزم به بررسی مساله پوشش در شبکه های سنسور بی سیم می کند.در حالت کلی می توان پوشش را تحت عنوان کیفیت سرویس شبکه های حسگربی سیم نیزدرنظر گرف. در ادامه سه نوع روش پوشش دهی شامل پوشش ناحیه، پوشش نقطه ای و مرزی مورد بررسی قرار می گیرد.

پوشش ناحیه در شبکه های حسگر بی سیم

در پوشش ناحیه یک مختصات مکانی در نظر گرفته می شود و حسگر ها به صورت تصادفی یا دستی طوری توزیع می شودکه محیط مورد نظر کاملا پوشش داده شود. مدل پوشش ناحیه، اغلب برای محیط هایی استفاده می شود که احتمال وقوع اتفاق مورد نظر در تمامی مختصات آن وجود داشته باشد. همچنین وجود گره های افزونه در این مدل سبب می شود که پوشش دهی k تایی به وجود آیدکه این موضوع باعث برخورداری از یک شبکه با چگالی بالا می شود.

یک نمونه پوشش ناحیه

در مورد بهبود پوشش ناحیه نیز بر مبنای اتوماتهای یادگیری پژوهش هایی انجام شده که از آن جمله، روشی براساس اتوماتهای یادگیری برای مشکل پوشش ناحیه شبکه های حسگر بی سیم ارائه کردند. محققین در این مقاله، یک مدل استنتاج و یادگیری برای CWSNs، به نام LA-CWSN ارائه کردند. اتوماتهای یادگیر به پارامترهایی از پروتکل شبکه اختصاص داده شده است. هر دستگاه دارای یک مجموعه متناهی از مقادیر ممکن از پارامترهای مربوطه می باشد و تلاش می کند تا یادگیری در بهترین حالت ممکن صورت پذیرد تا منجر به حداکثر رساندن عملیات شبکه شود. هر گره در شبکه دارای گروه مربوط به خود با استفاده از اتوماتهای یادگیر است که به طور مستقل عمل می کند، با این حال همه ی گره ها بازخورد یکسانی از محیط دریافت می کنند. برای روشن شدن موضوع یک سناریوی کنترل ترافیک در WSN در نظر گرفته شده است. شبیه سازی با استفاده از شبیه ساز N2-2.35 انجام گرفته است. نتایج نشان می دهد که یادگیری به روش اتوماتیک کار می کند و نتایج بهبود یافته است.

پوشش نقطه ای در شبکه حسگر بی سیم

در پوشش نقطه ای، تعدادی هدف با مکان مشخص که قرار ایت کنترل شوند، در نظر گرفته می شوند. تعداد زیادی حسگر به صورت تصادفی در نزدیکی هر کدام از اهدافی که از قبل مشخص شده اند پخش می شود و اطلاعات به دست آمده از طریق حسگرها به گره پردازشگر مرکزی فرستاده می شود. در هر لحظه، هر کدام از اهداف توسط حداقل یک حسگر کنترل می شود و هر حسگر می تواند تمام اهدافی که در محدوده حسگری خودش قرار دارد را کنترل کند. به این دلیل که حسگرها را به چند مجموعه جدا تقسیم می کنیم مصرف انرژی کم شده و در مصرف آن صرفه جویی می شود. این دسته بندی باید به نحوی باشد که هر مجموعه به طور کامل تمامی هدف ها را پوشش دهد. این مجموعه های جدا از هم به صورت پیوسته و پشت سر هم فعال می شوند به طوری که در هر لحظه تنها یک مجموعه فعال وجو دارد. گره ها به صورت توزیعی، فعال و غیرفعال می شوند تا برد پوششی مورد نظری که به دست می آید تغییری نکند.

یک نمونه پوشش نقطه ای

برای حل مشکل پوشش نقطه ای نیز محققین الگوریتم هایی بر مبنای اتوماتهای یادگیری ارائه کردند. پوشش نقطه پویا در شبکه های حسگر بی سیم مشکل تشخیص برخی از نقاط هدف در حال حرکت در این منطقه از شبکه، با استفاده از گره های حسگر کوچک را ممکن می سازد. هر گره معادل یک ماشین یادگیری در نظر گرفته می شود که باید یاد بگیرد در زمانهای مناسب فعال و غیرفعال شود که این تصمیم را با گره هایی که ماهیتا قادر به جابجایی هستند در یک حرکت واحد به سمت هدف انجام می دهد. در این روش، دستگاه های ساکن در هر سلول در همکاری با اتوماتهای یادگیر ساکن در سلولهای همسایه آن، هر نقطه هدف در مجاورت گره متناظر در آن شبکه را پیش بینی می کنند. این پیش بینی می تواند با زمان بندی مواقعی که گره فعال است انجام شود. محققین برای نشان دادن ارزش روش پیشنهادی از آزمایشات کامپیوتری استفاده کردند، و ثابت کردند الگوریتم ارائه شده عملکرد بهتری نسبت به روش های موجود از قبیل LEACH، GAF، PEAS، PW در مصرف انرژی دارد.

پوشش مرزی در شبکه های حسگر بی سیم

پوشش مرزی نسبت به پوشش ناحیه به تعداد کمتری حسگر نیاز دارد، مدل پوشش مرزی مدلی مناسب برای تشخیص نفوذ در شبکه می باشد. در این مدل باید ناحیه تحت پوشش طوری باشند که اگر از عرض ناحیه نفوذ صورت بگیرد قابل تشخیص باشد. پوشش مرزی این ضمانت را به ما می دهد که هر حرکتی که در مرزها صورت بگیرد را تشخیص دهد. پوشش های مرزی به دو نوع قوی و ضعیف تقسیم می شوند. نوعی از پوشش مرزی که شکاف ندارد و در نتیجه به هیچ عنوان مسیر گذرنده در ان وجود ندارد را پوشش مرزی قوی می گویند. این بدان معنی است که هر مسیری را که انتخاب کنیم حداقل یکبار مورد شناسایی قرار می گیریم. در نقطه ی مقابل، پوشش مرزی ضعیف قرار دارد کهدر آن تعداد یکی یا بیشتر مسیر گذرنده موجود می باشد. دانستن این نکته نیز ضروری است که در پوشش ضعیف همه مسیرهای مستقیم مسدود است.

نمای کلی یک پوشش مرزی

در زمینه پوشش مرزی نیز پژوهش های زیادی انجام شده است که تعدادی از آنها مبتنی بر اتوماتهای یادگیری می باشد. به عنوان مثال مصطفایی در سال ۲۰۱۵، روشی جدید برای پوشش مرزی تصادفی در شبکه های حسگر بی‌سیم با استفاده از اتوماتهای یادگیر توزیع شده ارائه کرد. هدف این محقق ارائه راه حلی برای بهره‌وری انرژی در پوشش موانع مرزی می باشد. در این مقاله مسئله پوشش مرزی تصادفی براساس نمودار پوشش تصادفی مدل شده است. سپس یک روش مبتنی بر منطق فازی توزیع شده برای پیدا کردن راه حل بهینه نزدیک به مسئله پوشش تصادفی ارائه شده است. مشکل پوشش مرزی تصادفی به دنبال پیدا کردن حداقل گره های مورد نیاز از گره های حسگر برای ساخت مسیر از سنسورهای مرزی می باشد.

در صورت نیاز به انجام شبیه سازی های مشابه با سایر الگوریتم ها کافیست با پشتیبانی سایت از طریق الگرام یا سایر راههای ارتباطی تماس حاصل نمود.

امکانات پروژه رفع مشکل پوشش مرزی در شبکه حسگر بی سیم :

برخی از مهمترین امکانات این پروژه عبارتند از:

• امکان دانلود سورس تهیه شده با استفاده از زبان برنامه نویسی متلب
• امکان دانلود خروجی های در قالب ۴ تصویر
• امکان دانلود مقاله هایی که پیاده سازی بر اساس ان انجام شده است.
• امکان دانلود یک داکیومنت ۱۲ صفحه ای که شامل توضیحات بسیار کاملی از خروجی های موجود در شبیه سازی است. این داکیومنت بسیار کاربردی بوده و برای کاربردهایی همچون فصل ۴ پایان نامه، نتایج مربوط به یک مقاله و ارائه پروژه های درسی شما می باشد.
• در صورت نیاز به تهیه فیلم آموزشی از نحوه اجرا و توضیحات مربوط به کدها و خروجی ها به صورت فیلم می توانید با بخش پشتیبانی سامانه تماس حاصل نمایید.